У науки есть очень точное представление о возможностях эволюции. Если вы превозносите эволюцию хотя бы на миллиметр больше этого, вы вовсе не «сражаетесь на стороне эволюции» против креационизма. Вы допускаете научную неточность, и точка.

В этом эссе я опишу некоторые общеизвестные неэффективности и ограничения эволюций. Я говорю «эволюций» во множественном числе, потому что эволюция лис преследует цели, противоположные целям эволюции кроликов, и ни та, ни другая не может пообщаться с эволюцией змей, чтобы научиться отращивать ядовитые клыки.

Итак, я говорю здесь об ограничениях эволюции, но это не значит, что я пытаюсь протащить креационизм. Это стандартный курс «Эволюционная биология 201». (583, если вам непременно нужно выводить уравнения.) Ограниченные таким образом эволюции все еще способны объяснить наблюдаемую биологию; на самом деле эти ограничения необходимы, чтобы в ней вообще был смысл. Помните, что чудо эволюций заключается не в том, насколько хорошо они работают, а в том, что они вообще работают.

Человеческий интеллект настолько сложен, что ни у кого нет хорошего способа рассчитать его эффективность. Естественный отбор, хотя и непрост, все же проще человеческого мозга — и, соответственно, медленнее и менее эффективен, как и подобает первому из когда-либо существовавших процессов оптимизации. На самом деле эволюции достаточно просты, чтобы мы могли рассчитать, насколько именно они глупы.

Эволюции медленны. Насколько медленны? Представьте, что произошла полезная мутация, которая дает преимущество в приспособленности в 3%: в среднем у носителей этого гена рождается в 1,03 раза больше детей, чем у тех, у кого его нет. Если предположить, что мутация вообще распространится, сколько времени потребуется, чтобы она охватила всю популяцию? Это зависит от размера популяции. Гену, дающему 3%-ное преимущество в приспособленности и распространяющемуся в популяции из 100 000 особей, потребуется в среднем 768 поколений, чтобы достичь универсальности в генофонде. Для популяции в 500 000 особей потребуется 875 поколений. Общая формула выглядит так:

Число поколений до фиксации = 2ln(N) / s,

где N — размер популяции, а (1 + s) — приспособленность. (Если у каждого носителя гена рождается в 1,03 раза больше детей, чем у не-носителя, то s = 0,03.)

Таким образом, если бы размер популяции составлял 1 000 000 человек — оценочный размер популяции во времена охотников-собирателей, — то для распространения гена, дающего преимущество в 1%, по всему генофонду потребовалось бы 2763 поколения.¹

В этом нет ничего удивительного: генам приходится проделывать всю работу по своему распространению самостоятельно. Не существует никакой Эволюционной Феи, которая могла бы присматривать за генофондом и говорить: «Хм, этот ген, похоже, быстро распространяется — надо бы раздать его всем». В человеческой рыночной экономике тот, кто реально получает 20% прибыли на инвестиции (особенно если за этим стоит очевидный и понятный механизм), может быстро привлечь дополнительный капитал от других инвесторов, а конкуренты начнут создавать аналогичные предприятия. Генам же приходится распространяться без фондовых рынков, банков или подражателей — представьте, если бы Генри Форду пришлось собрать одну машину, продать её, купить на вырученные деньги детали в среднем еще для 1,01 машины, продать получившиеся машины и продолжать в том же духе, пока он не доберётся до миллиона машин.

И все это при условии, что ген вообще начнет распространяться. Здесь уравнение проще и в итоге совершенно не зависит от размера популяции:

Вероятность фиксации = 2s.

Мутация, дающая 3%-ное преимущество (а по меркам мутаций это чертовски много), имеет лишь 6%-ный шанс распространиться, по крайней мере в этот конкретный раз.² Мутации могут происходить неоднократно, но в популяции из миллиона особей при точности копирования в 10^⁻⁸ ошибок на основание за поколение вам, возможно, придется ждать еще сто поколений до следующей попытки, и даже тогда вероятность ее фиксации составит всего 6%.

И все же в долгосрочной перспективе у эволюции есть неплохой шанс в конечном итоге прийти к результату. (Эта тема еще не раз повторится.)

Сложные адаптации формируются очень долго. Сначала появляется аллель А, который выгоден сам по себе, и ему требуется тысяча поколений, чтобы закрепиться в генофонде. Только после этого другой аллель, B, зависящий от А, может начать путь к фиксации. Меховая шуба не дает большого преимущества, если только среда не имеет статистически устойчивой склонности подбрасывать вам холода. Так вот, гены составляют часть окружения других генов, и если B зависит от А, то B не получит весомого преимущества, если только А не присутствует надежно в генетическом окружении.

Допустим, B дает преимущество в 5% в присутствии A и никакого преимущества в его отсутствие. Тогда, пока частота встречаемости A в популяции составляет всего 1%, B будет давать свое преимущество лишь в одном случае из ста, так что среднее преимущество B в приспособленности составит 0,05%, а вероятность фиксации B будет равна 0,1%. В случае со сложной адаптацией сначала в течение тысячи поколений должен эволюционировать аллель A, затем еще тысячу поколений — аллель B, затем еще тысячу поколений — аллель A^*... и несколько миллионов лет спустя у вас появляется новая сложная адаптация.

К тому же другие эволюции ей не подражают. Если эволюция змей разработает потрясающий новый яд, это никак не поможет эволюции лис или львов.

Сопоставьте все это с работой человека-программиста, который способен разработать новый сложный механизм из сотни взаимозависимых деталей всего за один день. Как такое вообще возможно? Я не знаю ответа целиком и подозреваю, что науке это тоже неизвестно; человеческий мозг устроен гораздо сложнее, чем эволюции. Я мог бы поумничать и сказать что-то вроде «целенаправленный обратный вывод с использованием комбинаторных модульных представлений», но это не поможет вам сконструировать собственного человека. Тем не менее: люди способны дальновидно проектировать новые детали в расчете на последующее создание других деталей; производить скоординированные одновременные изменения во взаимосвязанных механизмах; учиться на основе единичных примеров; локализовать проблемные места и абстрактно мыслить над их решением; а также расставлять приоритеты, определяя, какие улучшения стоит опробовать, вместо того чтобы ждать, пока космический луч случайно породит удачную мутацию. По меркам естественного отбора это чистой воды магия.

Люди способны делать вещи, которые эволюциям, вероятно, не под силу в принципе за все ожидаемое время существования Вселенной. Как однажды выразилась выдающийся биолог Синтия Кеньон на ужине, на котором я имел честь присутствовать: «Один аспирант за час может сделать то, что эволюция не смогла бы сделать и за миллиард лет». Согласно современным научным представлениям биологов, эволюции изобретали полностью вращающееся колесо в общей сложности всего три раза.

И не забывайте о том, как программист выкладывает фрагмент кода в интернет.

Да, некоторые творения эволюции впечатляют даже в сравнении с лучшими технологиями Homo sapiens. Но наш собственный кембрийский взрыв начался, и мы по-настоящему начали накапливать знания всего лишь... ну сколько, лет четыреста назад? В некоторых отношениях биология всё еще превосходит лучшие человеческие технологии: мы не умеем создавать самовоспроизводящиеся системы размером с бабочку. В других же отношениях человеческие технологии оставляют биологию далеко позади. У нас есть колеса, у нас есть сталь, у нас есть ружья, у нас есть ножи, у нас есть заостренные палки; у нас есть ракеты, у нас есть транзисторы, у нас есть атомные электростанции. С каждым десятилетием этот баланс смещается всё сильнее.

Итак, еще раз: если человек ищет в естественном отборе вдохновение для искусства проектирования, это всё равно что высокоразвитая современная бактерия попыталась бы скопировать биохимию самого первого, неуклюжего репликатора. Появись первый репликатор в сегодняшней конкурентной экосистеме, его сожрали бы мгновенно. Та же участь постигнет любого проектировщика-человека, который вздумает вносить случайные точечные мутации в свои стратегии и ждать 768 циклов тестирования, чтобы внедрить 3%-ное улучшение.

Не хвалите эволюции ни на миллиметр больше, чем они того заслуживают.

Впереди: еще больше захватывающих математических ограничений для эволюции!

*

1. Дэн Граур и Вэнь-Сюн Ли, Fundamentals of Molecular Evolution, 2nd ed. (Sunderland, MA: Sinauer Associates, 2000).

2. Джон Б. С. Холдейн, «A Mathematical Theory of Natural and Artificial Selection», Mathematical Proceedings of the Cambridge Philosophical Society 23 (5 1927): 607–615, doi:10.1017/S0305004100011750.