Счастливый клевер человечества

Встроившись в экосистему, организм начинает взаимодействовать с другими особями внутри вида, с другими видами и с внешней средой. По мере роста численности популяции это взаимодействие все чаще принимает форму конкуренции: жизненно необходимых ресурсов на всех не хватает, да и места с лучшими условиями жизнедеятельности тоже ограниченны. Выжить и оставить потомство в условиях конкуренции суждено не всем особям. Это и есть третий этап эволюционного алгоритма. Неодарвинисты утверждают, что конкуренция не всегда идет на пользу данной популяции. Довольно часто конкретная особь достигает своих целей в ущерб своему виду.

Р. Докинз в книге «Эгоистичный ген» (Докинз, 2013) приводит такой пример. Обыкновенная чайка гнездится большими колониями, где гнезда расположены друг от друга на расстоянии около двух метров. Некоторые особи прилетают раньше других, чтобы занять наиболее удобные места для гнездования. Соответственно, они же раньше садятся на гнезда. Получается, что, с одной стороны, особь получает более выгодное место для гнезда, в большей степени защищенное или с лучшим доступом к кормовой базе, а с другой стороны, менее благоприятные погодные условия для высиживания значительно увеличивают процент невыведенных птенцов в кладке. Докинз резюмирует, что эгоистичный ген, позволяя получить определенные преимущества для отдельной особи, в целом наносит вред популяции.

В истории эволюции человека тоже можно найти много подобных примеров. Я постараюсь чуть позже затронуть эту тему подробнее, рассуждая о ловушках, в которые нам суждено было угодить.

4. Отбор

Четвертый этап эволюционного алгоритма – отбор. Отбираются не организмы, даже не их вид или популяция. Отбираются создающие их гены!

Вот как Докинз пишет о развитии первых репликаторов: «Не надо искать их в океане, они давно перестали свободно и непринужденно парить в его водах. Теперь они собраны в огромные колонии и находятся в полной безопасности в гигантских неуклюжих роботах, отгороженные от внешнего мира, общаясь с ним извилистыми, непрямыми путями и воздействуя на него с помощью дистанционного управления. Они создали нас, наши души и тела; и единственный смысл нашего существования – их сохранение. Они прошли длинный путь, эти репликаторы. Теперь они существуют под названием генов, а мы служим для них машинами выживания».

При этом Докинз подчеркивает, что теория эгоистичного гена – это всем хорошо знакомая «теория Дарвина, просто сформулированная иным способом, чем это сделал Дарвин».

Докинз даже уверен, что Дарвин признал бы уместность теории эгоистичного гена: «Это, в сущности, логический продукт дарвинизма, но выраженный по-новому. В центре внимания находится не отдельный организм, а взгляд на природу с точки зрения гена. Это иное видение, а не иная теория».

Именно гены являются объектом отбора, а не взаимодействующие организмы, как это может показаться. Получается, что эволюция – это процесс отбора из огромного количества возможностей, который бездумно перемалывает информацию о дизайне вещей. Эволюция как бы пробует огромное количество схем, отбирая в основном то, что работает лучше. Этот процесс повторяется много-много раз. Этот цикл не имеет предопределенной точки окончания, поскольку началом следующего цикла служит результат предыдущего.

Какие знания создает биологическая эволюция

Взаимосвязь ДНК и окружающей среды очень плотная. Известный фотограф и ученый Арт Вульф в книге «Дикая природа» (под редакцией Мишель Гилдерс, 2000) даже утверждает, что опытный зоолог способен по полной расшифровке генома воссоздать основные условия окружающей среды, поскольку ДНК представляет собой и закодированное описание среды обитания предков. А специалист по компьютерной технике и молекулярной биологии Леонард Адлеман еще в 1994 г. разработал и построил на основе ДНК целый компьютер, который был способен делать сложные вычисления. Все это демонстрирует, насколько адаптивен природный механизм.

Сам по себе механизм эволюции может осуществляться посредством разных инструментов. В его арсенале как адаптивные шаги, так и исследовательские прыжки, а также их комбинации. Сначала, когда требуется достичь локального оптимума, алгоритм делает адаптивные шаги: если адаптивный шаг улучшает ситуацию, то делается следующий шаг, а если ухудшает, то происходит возврат на прежнее место. Но бывают неблагоприятные внешние условия, при которых для выживания необходимо «поднять планку», тогда и предпринимаются исследовательские прыжки.