Модели, модели, модели... простые и сложные, однотипные и противоречащие друг другу (это не аксиоматика, здесь взаимные противоречия не обязательно являются грехом).
Где же модель, которая может замещать объект теории эволюции, соответствовать ему? Сколько ни говори о том, что присутствие в биологии всего объекта - иллюзия, все равно нигде так остро не ощущается бедность моделей по сравнению с картинами, встающими за качественными описаниями.
Демон Дарвина - образ для обозначения роли естественного отбора: одни отбрасываются, другие выбрасываются. Он придуман [1] по аналогии с демоном Максвелла, пропускающим в сосуд быстрые молекулы и выпускающим медленные. В отличие от максвелловского, демон Дарвина в естественных условиях ``самозарождается'': где наследование и разнообразие - там и демон.
Но есть у него и другой лик. Демон - искуситель соблазняющий, дразнящий ученых загадками Жизни.
``Природа - сфинкс. И тем она верней
Своим искусом губит человека,
Что, может статься, никакой от века
Загадки нет и не было у ней''.
(Ф. И. Тютчев)
Если же вспомнить миф о моделировании и задуматься над проблемой соответствия моделей объектам, то за этими двумя образами проступает третий - тролль, создавший кривое зеркало, которое потом разбилось... (Вы, конечно, помните ``Снежную королеву'' Г. Ч. Андерсена). Тролль ведь тоже говорил о том, что в его зеркале видна истинная суть вещей.
Мы смотрим на моделирование гораздо оптимистичнее, но бытует и такой взгляд. ``Чума моделирования'', ``сухая (или бумажная) химия'', ``мертвая биология'' - вот некоторые из характеристик, отпускаемых порой в адрес экспансии моделирования.
Где же правда? И где же, наконец, та модель, что соответствует объекту? Тут возникает вопрос: какова цель? Ведь модель не может соответствовать объекту полностью. Это и не нужно. Она должна замещать его лишь в каких-то отношениях. В каких именно - определяется соотношением целей и возможностей.
Для многих моделей основная цель - ухватить, описать, объяснить какой-либо отдельный эффект. Почему небо голубое? Почему огонь светится? Почему гибриды гороха расщепляются 3:1? ... Такие вопросы и решаются. Здесь модель соответствует объекту преимущественно в одном отношении - в том, что касается данного эффекта. Каков механизм эффекта - вот основной решаемый вопрос. Открытие эффекта и осознание (лучше сказать ``разгадывание''?) его возможного механизма часто идут рука об руку, выделить эффект без гипотез о механизме удается далеко не всегда. Примеры - все то же расщепление гибридов, на которое до Г. Менделя смотрели и не видели; модели ``генетического ламаркизма'', разобранные нами в главе ``Наследование'' позволяют разумно (мы избегаем здесь говорить ``правильно'') ставить вопросы о переходе приобретенных признаков в наследуемую форму и разрушают старую дискуссию, построенную по принципу ``все или ничего''.
Смотреть и видеть - не одно и то же. Эта мысль по отношению к искусству и науке давно уже существует в ранге банальности, от чего, увы, притупляется ощущение ее значимости. Моделирование поставляет очки, через которые можно увидеть эффект, зеркало, в котором видна суть эффекта - его механизм.
Процесс эволюции, однако, не сводится к одному-двум эффектам. Нежелание с этим считаться приводит к тому, что по поводу многих значимых эффектов раздается громкое ``кукареку'' и является на свет ``новая концепция'' эволюции. Эффекты нейтральной изменчивости и умножения генов, отдаленной гибридизации и переноса генетического материала вирусами и другие интересны и заслуживают изучения. Но вряд ли стоит рассчитывать, что какой-нибудь из их механизмов возьмет и объясним эволюцию.
Ситуация складывается странная. Казалось бы, по мере накопления новых эффектов и разгадывания их механизмов процесс эволюции должен становиться понятнее. К сожалению, умножение знаний о деталях не ведет автоматически к углублению понимания целого.
Беда в том, что в нынешней теории эволюции отсутствует процедура сборки целостной картины из разнообразных фрагментов. И, увы, можно сделать такое предсказание: как только какой-нибудь отчаянно смелый коллектив начнет организовывать эту сборку, тут же окажется, что накопленные знания о фрагментах, эффектах не годятся для такого использования. Они добывались не для этого, и многие важные для сборки детали остались неизвестными.
Мы не знаем, как организовать сборку. Можно совершить ``шаг отчаяния'': собрать из всех эффектов огромную имитационную модель, заложить ее в ЭВМ, разыграть несколько сценариев и посмотреть, что получится, а потом сравнить с эмпирическими данными об эволюции. Этот шаг был бы безусловно полезен хотя бы тем, что инициировал бы многие исследования, посвященные количественной информации, необходимой для сборки, а сама большая модель стала бы своеобразным банком эволюционных знаний. В результате же такого моделирования появилось бы новое знание о процессах сборки, имея которое можно сделать следующий шаг.
А что мы это все о моделях: неужели в биологии нет других способов рассуждения? Вопрос этот неожиданно сложен. Все зависит от того, где положить границу понятию ``моделирование''. В принципе вполне логично любое сопоставление реальному объекту идеального называть моделированием. Тогда в классическом силлогизме: ``Все люди смертны, Сократ - человек, следовательно Сократ смертен'' - можно усмотреть моделирование. Единичный объект ``Сократ'' моделируется как идеализированный ``человек'', про которого имеется формальное знание: ``человек смертен''. В результате это знание относится к Сократу. ``Сократ - человек'' - вот и вся модель. Такое упрощенное, бесструктурное моделирование лежит все же за пределами наших представлений об этой деятельности.
Еще далее от них отстоит такой способ организации научной деятельности и ее результатов, широко распространенный в биологии. Сравниваются между собой классы объектов или процессов. Выделяются и фиксируются их сходства и различия. В результате организуется понимание и создается пространство для дальнейшего движения.
Яркий пример - деятельность вокруг биогенетического закона. Суть закона - параллелизм индивидуального развития и истории вида (онтогенеза и филогенеза). У человеческого эмбриона, к примеру, на определенной стадии развития имеются жабры. Это может трактоваться в духе биогенетического закона как наследство от рыбоподобных предков. Но параллелизм не является полным. Иногда, например, не предковые формы уходят в ранние стадии развития, а напротив то, что было ранней стадией, становится основной. Предковая же основная форма при этом исчезает. Находя, описывая и классифицируя различные случаи нарушения и подтверждения биогенетического закона, биологи создали интересную и важную область исследования.
Биология многим обязана сравнительному методу, но не удается с его помощью объяснять и прдсказывать эволюционную динамику. Распространенный способ фиксации знаний об эволюции в виде списка ``аксиом'' или ``постулатов'' и сопутствующие ему способы рассуждения с помощью простых противопоставлений типа случайность - неслучайность, направленность - ненаправленность тоже не дотягиваются до этой задачи. Нужен количественный язык, нужно моделирование.
Составители ``аксиоматик'' для эволюционных теорий оказываются сейчас в сложном положении. Все больше открывается новых эффектов, которые в принципе могут играть заметную роль в теории эволюции. Переход приобретенных признаков в наследуемую форму не исключен, поток информации от органов к половым клеткам - почему бы и нет (в принципе), нейтральная изменчивость - пожалуйста, генетическая инфекция - бывает... Теперь надо выяснить значимость этих эффектов для целого, для динамики эволюции. Простых средств сделать это нет. Построение имитационных моделей потребует огромного числа измерений, чтобы выяснить количественные характеристики этих эффектов, а не только их качественную возможность.
Все может быть, почти все дозволено... такая ситуация складывается не только в теории эволюции. В физике твердого тела эффектов столь много, что некоторые молодые теоретики приходят к такой грубовато-шутливой характеристике сложившейся ситуации: ``И для всякого осла где-то травка проросла''. Все, что придумывается без нарушений фундаментальных законов, где-то и как-то может быть обнаружено и подтверждено, по крайней мере, качественно. Это преувеличение. Не все, но почти все, большая часть достаточно профессиональных придумок в конце концов оправдывается.
Из калейдоскопа эффектов и их механизмов надо собрать модель, описывающую объект как целое. Если не указано предполагаемое использование такого описания, то задача становится бессмысленной. Невозможно соответствие объекту вообще. Важно, в чем именно надо добиваться такого соответствия, как модель будет работать.
Для физики твердого тела сборные модели часто должны в конечном итоге использоваться при описании ``жизни'' элемента из технического устройства и это описание должно быть достаточным для проектирования. Цель сборки приходит из приложений.
Представима ли прикладная цель теории эволюции? Мы полагаем, да. Здесь наш рассказ приобретает фантастическую окраску, но не потому, что речь пойдет о невозможном, нет. Возможное, но еще не существующее - такой статус имеет предмет обсуждения.
Когда речь идет об эволюции техносферы, то в действительности имеется в виду эволюция человеческой мысли и деятельности. Без них техносфера есть собрание полезного хлама, который может только стареть и разваливаться. Человечество подошло к такому порогу, когда оно может запустить управляемую эволюцию техносферы по законам Жизни. Эта ``техносфера № 2'' будет в то же время и ``Жизнью № 2''. Не придумывание шагов эволюции, а ее запуск, создание базы, рамок, основных правил - таковы примерно будут функции человека в этой системе. А шаги эволюции техносфера № 2 будет делать сама. Вплотную к этому подошли некоторые проекты ``думающих'' машин 5-го поколения.
Создание ``техносферы № 2'' - это не бионика и не биотехнология (хотя, конечно, может содержать в своей элементной базе и бионические и биотехнологические элементы). Имея такую прикладную проблему в качестве одного из основных мотивов деятельности, теория эволюции получит новые стимулы к развитию, а моделирование эволюционной динамики - конкретные цели.
``Только кончив задуманное сочинение, мы уясняем себе, с чего нам следовало бы начать'' (Блез Паскаль). Впрочем, это уже другая история.
PS. За то время, что книга шла к издательству, а от него - к читателю, произошли изменения, подтверждающие: время фантастического проекта ``Техносфера № 2'' пришло. Движение начинается с компьютеров. В машинах шестого и, отчасти, пятого поколений совершаются переходы от программирования к обучению и от моделей, составляемых человеком, к самостоятельно эволюционирующим системам связей. (См.: На пути к искусственному интеллекту. - М.: Мир, 1987; Гуляев Ю. В. И др. На пути к эволюционной информатике//Вестник АН СССР. - 1987. - Вып. 11) Переход к таким машинам столь радикален, что естественнее относить их не к шестому поколению, а ко второму царству (по аналогии с биосистематикой). Имеют они и свое ``филогенетическое древо'', не такое, как у обычных программируемых машин.
Для машины второго царства надо ставить формализованные цели и организовывать ``контакт с действительностью''. Остальное они, набираясь опыта, сделают сами. При этом используются, конечно, алгоритмы эволюционного процесса. Адаптация имеет свои минусы: трудно учитывать концептуальные ограничения, а без этого система может плохо работать в ситуациях, далеких от встречавшихся ранее. Для программируемых машин таких проблем не возникает. Хорошо бы соединить достоинства двух царств, гибко сочетая программируемость и адаптацию.
В группе красноярских эволюционистов (к которой принадлежим и мы) также начаты разработки, посвященные машинам второго царства (Охонин В.А. Вариационный принцип в теории адаптивных сетей// Красноярск. Препринт № 61-Б, ИФ СО АН СССР, 1987; Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьютере. Новосибирск: Наука, 1996. 276 с., Горбань А.Н. Обучение нейронных сетей.- М.: изд. USSR-USA JV "ParaGraph", 1990.- 160 с., Горбань А.Н., Фриденберг В.И. Новая игрушка человечества // МИР ПК, 1993, № 9. Горбань А.Н. Нейрокомпьютер или аналоговый ренессанс // МИР ПК, 1994, № 10).
Вкратце идея такова: вычислительная машина состоит из большого числа параллельно работающих автоматов - нейронов, связанных между собой. Обучение состоит в оптимизации связей градиентным методом или его модификациями. Сдвиги за шаг обучения вычисляются самой сетью автоматов в акте двойственного функционирования (также в параллельном режиме). Обыкновенная двойственность (метод множителей Лагранжа) удачно ложится на структуру параллельных самооптимизирующихся сетей. В Красноярске такие сети существуют в виде программных имитаторов на обычных ЭВМ, решают при этом задачу коммивояжера, играют в простые игры, распознают образы. Машины второго царства - это еще не техносфера № 2, но они могут породить ее.