Парадоксы эволюции. Как наличие ресурсов и отсутствие внешних угроз приводит к самоуничтожению вида и что мы можем с этим сделать

Так, вероятно, и происходили великие вымирания: внешнее воздействие при всей своей кажущейся масштабности было лишь сравнительно слабым толчком, обрушившим лавину катастрофических биологических последствий длительностью сотни тысяч, если не миллионы лет для системы, уже находившейся в состоянии сверхкритичности в момент импакта. СОК, таким образом, дает в некотором смысле новое физико-математическое наполнение довольно старой теории неокатастрофизма Ганса Штилле (Hans Stille) и Дмитрия Соболева (1927), в которой предполагалось, что именно эпохи большого диастрофизма (тектонической сверхактивности с поднятием горных хребтов и складок) вызывают наибольшие катастрофические, в том числе глобальные последствия для экосистем. Аналогичные по сути механизмы рассматриваются и в социальных науках: здесь можно сослаться на Арнольда Джозефа Тойнби (Arnold Joseph Toynbee) и его теорию Вызовов и Ответов в «Постижении Истории» (1934-1961, рус. 2001).

Непосредственно сама теория СОК в чистом виде не рассматривает достаточно подробно влияние внешних факторов на развитие системы, ограничиваясь для них ролью триггеров трансформаций, хотя очевидно, что в реальном мире эти взаимодействия более глубокие. Этот вопрос пытается разрешить теория высокооптимизированной толерантности (HOT, highly optimized tolerance), в каком-то смысле альтернативное СОК осмысление эволюции систем, активно развиваемое в первую очередь Джиной Карлсон (Jean M. Carlson, 1999), прежде активной исследовательницей применения СОК в биологии, геологии и инженерных науках. В целом НОТ можно отнести к моделям по решению задач оптимизации для систем со степенными распределениями вероятности с «тяжелыми хвостами» (Вахитов А. Т., 2010). То есть НОТ рассматривает те же системы, что и СОК, но не с точки зрения возникновения критичности, а достижения максимальной оптимальности распределения ограниченных антикризисных ресурсов в условиях регулярно возникающих кризисных явлений («пожаров»). Если наиболее привычной моделью СОК служит осыпающаяся куча песка, то излюбленной моделью НОТ служит лес, разделенный противопожарными просеками (ресурсами), но в котором тем не менее иногда возникают пожары (явления) (рис. 16).

Модель НОТ показывает, что задачи оптимизации системы в части снижения масштабности разрушающих явлений и минимизации направленных на это ресурсов приводят к закреплению специализированных конфигураций системы и возникновению степенного распределения кризисных явлений. Соответственно, оптимизация системы в различных применениях НОТ может осуществляться как путем итеративной коррекции дизайна системы (например, в инженерных системах; НОТ нашла здесь практическое применение в проектировании электрических грид-систем для предотвращения масштабных блэкаутов), так и путем естественного отбора, где широкое применение методов НОТ еще ждет своего часа.

Рис. 16. Модель леса, подверженного пожарам и разделенного просеками (незанятыми участками черного цвета). Занятые деревьями кластеры обозначены серым цветом, более темным, чем больше их площадь:

a – случайное распределение участков; б – искусственный НОТ грид с «просеками»; в, г – конформации, достигнутые направленной эволюцией грида: в – с оптимальной плотностью; г – плотностью, близкой к оптимальной; ρ – плотность леса; Y – урожай (выход): средняя плотность, остающаяся после спонтанного пожара от случайной искры. Из Carlson J. M. and Doyle J., 1999