В Пало-Альто начало осени, и мы с Деборой Гордон сидим в её кабинете в Гилбертовском корпусе биологических наук Стэнфорда, где она проводит три четверти года, изучая поведенческую экологию. Оставшуюся четверть она посвящает полевым исследованиям местных муравьев-жнецов на американском Юго-Западе, и при нашей встрече на её лице всё ещё держится лёгкий загар, оставшийся после недавней экспедиции в пустыню Аризоны.

Я приехал сюда, чтобы побольше узнать о коллективном разуме муравьиных колоний. Гордон, аккуратно одетая в белую рубашку, охотно отвечает на несколько почти философских вопросов о групповом поведении и сложных системах, но я чувствую, что ей не терпится перейти к наглядной демонстрации. После нескольких минут непринужденных размышлений она порывисто поднимается со стула. — Почему бы мне сначала не показать вам наших муравьев? — говорит она. — А потом мы обсудим, что всё это значит.

Она проводит меня в сумрачную, похожую на склеп комнату напротив по коридору, где бок о бок стоят три длинных стола. Первое впечатление — полупустой и стерильный бильярдный зал, пока я не подхожу достаточно близко к одному из столов, чтобы разглядеть кипящую внутри крошечную цивилизацию. Эти конструкции Гордон, больше похожие на лабиринты для хомяков Habitrail, чем на традиционную муравьиную ферму, вмещают в себя сложную сеть пластиковых трубок, соединяющих десяток пластиковых контейнеров, каждый из которых выстлан влажным гипсом и покрыт тонким слоем земли.

— Мы закрываем гнезда красным пластиком, потому что некоторые виды муравьев не видят красный свет, — объясняет Гордон. — Кажется, к этому виду это тоже относится. На секунду я теряюсь, не понимая, что она имеет в виду под «этим видом», но тут мои глаза привыкают к обстановке, и я от неожиданности вздрагиваю, понимая, что слой «земли», покрывающий пластиковые контейнеры, — это на самом деле тысячи муравьев-жнецов, набившихся в свои жилища так плотно, что сначала я принял их за сплошную однородную массу. Секунду спустя я вижу, что вся искусственная колония поразительно жива, и скопления муравьев ритмично пульсируют непрекращающимся движением. Трубки, теснота и бурлящие толпы сразу вызывают в голове одну ассоциацию: нью-йоркское метро в час пик.

В основе работы Гордон лежит загадка развития муравьиных колоний — загадка, значение которой выходит далеко за пределы иссушенной земли аризонской пустыни и затрагивает наши города, наш мозг, нашу иммунную систему и, всё чаще, наши технологии.

Работа Гордон сосредоточена на связи между микроповедением отдельных муравьев и поведением всей колонии в целом, и часть этого исследования включает отслеживание жизненного цикла конкретных колоний год за годом, пока они прочесывают землю пустыни в поисках пищи, соперничают с другими колониями за территорию и — раз в год — спариваются с ними. Иными словами, она изучает особый вид эмерджентных, самоорганизующихся систем. Раскопайте гнездо местных муравьев-жнецов, и вы почти всегда обнаружите, что королевы там нет. Чтобы выследить матриарха колонии, вам придется исследовать дно только что вырытой вами ямы: там вы обнаружите узкий, почти незаметный ход, уходящий еще на два фута под землю, к крошечной, вырытой в грунте камере. Именно там вы найдете королеву. Туда при первых же признаках беспокойства её укрывает горстка «фрейлин». Иными словами, этот ход — аварийный люк, нечто вроде бомбоубежища, спрятанного глубоко под Западным крылом Белого дома.

Но несмотря на поведение в духе Секретной службы и королевскую терминологию, в том, как мыслит муравьиная колония, нет абсолютно ничего иерархического. «Хотя «королева» — это термин, напоминающий нам о человеческих политических системах, — объясняет Гордон, — королева вовсе не является правителем. Она откладывает яйца, а рабочие муравьи кормят её и заботятся о ней. Она не решает, какому рабочему чем заниматься. В колонии муравьев-жнецов многие футы запутанных туннелей и камер, а также тысячи муравьев отделяют королеву, окруженную внутренними рабочими, от тех муравьев, которые трудятся снаружи гнезда и используют только приповерхностные камеры. Для королевы было бы физически невозможно направлять решения каждого рабочего о том, какую задачу выполнять и когда». Муравьи-жнецы уводят королеву к запасному выходу вовсе не потому, что получили приказ от своего лидера. Они делают это потому, что королева дает жизнь всем членам колонии, а значит, в интересах колонии — и её генофонда — сохранить королеву невредимой. Гены велят им защищать мать точно так же, как велят искать пищу. Иными словами, не матриарх обучает своих слуг защищать её, а эволюция.

Поп-культура спекулирует на сталинских стереотипах о муравьях (вспомните хотя бы авторитарный режим колонии в мультфильме «Муравей Антц»), но на самом деле колонии представляют собой полную противоположность плановой экономике. И хотя они способны на удивительно скоординированное распределение обязанностей, никаких пятилеток в муравьином царстве нет. Колонии, которые изучает Гордон, демонстрируют один из самых завораживающих примеров децентрализованного поведения в природе: разум, индивидуальность и способность к обучению, возникающие по принципу «снизу вверх».

Я все еще разглядываю хитросплетение пластиковых трубок, когда Гордон обращает мое внимание на две широкие белые доски, прикрепленные к основному пространству колонии — одна над другой, соединенные рампой. (Представьте себе двухэтажный паркинг рядом со станцией метро.) По каждой платформе лениво снуют несколько муравьев: одни тащат на спинах крошкообразные предметы, другие, похоже, просто вышли на прогулку. Если это Центральный парк муравьиного мегаполиса Гордон, — думаю я, — то сейчас наверняка рабочий день.

Гордон жестом указывает на ближний угол верхней доски, в четырех дюймах от рампы, ведущей на нижний уровень. Там у самой стенки аккуратно привалилась кучка пыли со странной текстурой, усыпанная крошечной шелухой и чешуйками. «Это мидден, — говорит она. — Городская свалка». Она показывает на трех муравьев, марширующих вверх по рампе, каждый из которых едва виден под комично огромной чешуйкой. «Эти муравьи дежурят на свалке: они берут отходы, оставшиеся от собранной пищи — в данном случае семена степных злаков, — и сносят их в мусорную кучу».

Гордон делает два быстрых шага к противоположному краю стола, как можно дальше от рампы. Она указывает на то, что выглядит как еще одна кучка пыли. «А это кладбище». Я всматриваюсь внимательнее, пораженный. Она права: сотни муравьиных трупиков свалены друг на друга и аккуратно втиснуты в самый угол стола. Зрелище жутковатое и в то же время удивительно методичное.

Я достаточно знаю о поведении колоний, чтобы удивленно кивнуть. «Значит, они каким-то образом коллективно решили использовать эти две зоны под свалку и кладбище», — говорю я. Ни один отдельный муравей не размечал эти участки, никакой центральный планировщик не отводил одно место под мусор, а другое — под мертвецов. «Это просто как бы случилось само собой, верно?»

Гордон улыбается, и становится ясно, что я упустил нечто важное. «Все еще интереснее, — говорит она. — Посмотрите, что здесь произошло на самом деле: они устроили кладбище в точке, максимально удаленной от колонии. А с мидденом еще любопытнее: они разместили его в месте, максимально удаленном как от самой колонии, так и от кладбища. Похоже, они следуют какому-то правилу: относить мертвых муравьев как можно дальше, а мусорку устраивать как можно дальше, но так, чтобы она не оказалась рядом с мертвецами».

Мне требуется пара секунд, чтобы мысленно прикинуть геометрию, и — надо же! — муравьи все рассчитали верно. Я невольно рассмеялся при этой мысли: они словно решили одну из тех пространственных задач, что встречаются в стандартных тестах по математике, выдав решение, идеально подходящее для их среды обитания — решение, которое запросто поставило бы в тупик восьмилетнего ребенка. Но вопрос в том, кто же здесь творец?

У этого вопроса долгая и почтенная история, и он отнюдь не ограничивается коллективным поведением муравьиных колоний. Сегодня мы знаем ответ благодаря мощным инструментам для осмысления — и моделирования — эмерджентного интеллекта самоорганизующихся систем, но этот ответ не всегда был столь очевиден. Теперь мы знаем, что в таких системах, как муравьиные колонии, нет настоящих лидеров, а само понятие «королева» вводит в заблуждение. И все же стремление найти «водителей ритма» в таких системах всегда было сильным — как в групповом поведении общественных насекомых, так и в коллективном поведении людей, созидающих живой город.

*   *   *

Сохранились сведения о римском форте, основанном в 76 году н. э. у слияния рек Медлок и Ирвелл на северо-западной окраине современной Англии, примерно в 150 милях от Лондона. Поселения существовали там на протяжении трех столетий, пока не угасли вместе со всей остальной империей около 400 года н. э. Историки полагают, что это место пустовало полтысячелетия, пока там не начал формироваться город под названием Манчестер, чье имя произошло от названия римского поселения Мамуциум (в переводе с латыни — «холм грудевидной формы»).

Большую часть тысячелетия Манчестер просуществовал как неприметный североанглийский боро: получив городскую хартию в 1301 году, он в начале XV века обзавелся колледжем, но на протяжении сотен лет оставался на вторых ролях по сравнению с соседним Солфордом. В XVII веке Манчестерский регион стал узлом торговли шерстью: местные купцы отправляли товары на континент через крупные порты Лондона. В то время это было невозможно разглядеть, но Манчестер — да и весь регион Ланкашир — оказался в самом центре технологической и коммерческой революции, которая безвозвратно изменит будущее планеты. Манчестер лежал на слиянии нескольких рек всемирно-исторического масштаба: зарождающихся промышленных технологий паровых ткацких станков, банковской системы делового Лондона, глобальных рынков и резервов рабочей силы Британской империи. История этого слияния рассказывалась не раз, и споры о его последствиях продолжаются по сей день. Но помимо колоссального влияния, которое он оказал на мировую экономику, промышленный подъем, произошедший в Манчестере между 1700 и 1850 годами, создал также новый тип города — город, который буквально возник в результате взрывного роста.

Одна только статистика роста населения отражает силу этого взрыва: по оценкам 1773 года в Манчестере проживало 24 000 человек; первая официальная перепись 1801 года зафиксировала уже 70 000. К середине века непосредственно в самом городе насчитывалось более 250 000 жителей — десятикратное увеличение всего за семьдесят пять лет. Темпы этого роста были столь же беспрецедентными и неистовыми, как и сами паровые двигатели. В самом буквальном смысле город рос слишком быстро, чтобы власти успевали за ним. На протяжении пятисот лет Манчестер формально считался «манором» (поместьем), что с юридической точки зрения означало управление им как феодальным владением, без какого-либо вменяемого местного самоуправления — без градостроителей, полиции или органов здравоохранения. До 1832 года Манчестер даже не отправлял своих представителей в парламент, а статус самоуправляемой общины получил лишь шесть лет спустя. К началу 1840-х годов недавно сформированный муниципальный совет наконец начал проводить реформы здравоохранения и градостроительства, но британское правительство официально признало Манчестер городом только в 1853 году. В этом кроется одна из величайших ироний промышленной революции, которая наглядно показывает, насколько стремительными были перемены: город, который больше всего определял будущее урбанизации в первой половине XIX века, юридически не признавался городом до тех пор, пока этот великий взрывной рост не подошел к концу.

Результатом этой бессистемности стал, пожалуй, наименее спланированный и самый хаотичный город за всю шеститысячелетнюю историю городских поселений. Шумный, загрязненный, невероятно перенаселенный, в 1830-х годах Манчестер привлекал непрерывный поток интеллектуалов и общественных деятелей, которые тянулись на север, к этому промышленному магниту, в поисках будущего современного мира. Один за другим они возвращались с рассказами о крайней нищете и сенсорной перегрузке, силясь подобрать слова, чтобы передать весь масштаб и уникальность увиденного. «То, что я увидел, вызвало у меня безмерное отвращение и изумление, — писал Диккенс после визита осенью 1838 года. — Я намерен нанести самый сильный удар, на какой только способен, в защиту этих несчастных созданий». Генерал-майор Чарльз Джеймс Непир, назначенный в конце 1830-х годов командующим северными округами, писал: «Манчестер — это дымовая труба мира. Богатые мошенники, бедные плуты, пьяные оборванцы и проститутки составляют его моральный облик... Ну и местечко! Воплощенный вход в ад». Токвиль, посетивший Ланкашир в 1835 году, описал этот пейзаж словами, которые будут эхом отзываться на протяжении следующих двух столетий: «Из этого зловонного стока изливается величайший поток человеческой индустрии, чтобы оплодотворить весь мир. Из этой грязной клоаки течет чистое золото. Здесь человечество достигает своего самого полного развития и своего самого животного состояния; здесь цивилизация творит свои чудеса, а цивилизованный человек превращается почти в дикаря».

Однако самым известным и влиятельным летописцем Манчестера стал молодой человек по имени Фридрих Энгельс, который прибыл туда в 1842 году, чтобы помогать в управлении семейной хлопчатобумажной фабрикой и своими глазами увидеть, как локомотивы истории приближают рабочий класс к самосознанию. Хотя Энгельс исправно получал жалованье в фирме своего отца «Эрмен и Энгельс», к моменту приезда в Манчестер он уже находился под влиянием радикальных политических идей, связанных со школой младогегельянцев. За несколько лет до этого он подружился с Карлом Марксом, а к поездке в Манчестер его подтолкнул социалист Моисей Гесс, с которым он познакомился в начале 1842 года. Таким образом, три года, проведённые им в Англии, стали своего рода разведывательной миссией на благо революции, профинансированной классом капиталистов. Книга, которую Энгельс в итоге написал, — «Положение рабочего класса в Англии», — по сей день остается одним из классических трудов по истории городов и служит авторитетным описанием манчестерской жизни XIX века во всем ее смятении и динамизме. Диккенс, Карлейль и Дизраэли пытались запечатлеть Манчестер в его эпическом буйстве, но их усилия превзошел двадцатичетырехлетний юноша из Пруссии.

Но «Положение рабочего класса» — это не просто, как можно было бы ожидать, документ промышленного хаоса Манчестера, история о том, как «все сословное и застойное исчезает» (если воспользоваться фразой, которую соратник Энгельса напишет несколько лет спустя). Посреди этого городского безумия взгляд Энгельса подмечает странный порядок; в одном замечательном отрывке он увлекает читателя на пешую прогулку по промышленной столице — прогулку, которая обнажает своего рода политику, встроенную в саму топографию городских улиц. Этот отрывок демонстрирует исключительную наблюдательность Энгельса, но я цитирую его столь подробно еще и потому, что он отражает нечто иное — то, насколько трудно мыслить категориями самоорганизации, насколько сложно представить себе мир без регуляторов ритма.

Манчестер построен так своеобразно, что в нем можно прожить годы, ежедневно ездить туда и обратно, ни разу не повидав рабочего квартала и даже не встретив рабочих, — конечно, если заниматься только своими делами или гулять ради удовольствия. Происходит это главным образом потому, что вследствие бессознательного, молчаливого соглашения, так же как и сознательного, намеренного стремления, рабочие кварталы самым резким образом отделены от частей города, предназначенных для среднего класса...

Я отлично знаю, что этот лицемерный способ застройки более или менее свойствен всем большим городам; я знаю также, что лавочники по роду своего дела должны нанимать помещения на больших улицах; я знаю, что на таких улицах хороших домов больше, чем плохих, и что стоимость земли вблизи них выше, чем в отдаленных кварталах. Но все же мне ни разу не приходилось видеть столь систематического обособления рабочего класса от больших дорог, такого деликатного сокрытия всего, что могло бы оскорбить взор и нервы среднего класса, как в Манчестере. А между тем именно Манчестер построен менее по какому-либо плану, менее подчинен официальным предписаниям и возник скорее случайно, чем какой-либо другой город. И все же... я не могу отделаться от мысли, что либеральные промышленники, манчестерские «тузы», не совсем уж непричастны к этому стыдливому стилю застройки.

В этом отрывке вы почти физически слышите грохот сталкивающихся друг с другом противоречий, подобно шуму «темных сатанинских мельниц» самого Манчестера. Город выстроил санитарный кордон, чтобы отделить промышленников от нищеты и убожества, которые они обрушили на мир, скрывая деградацию рабочих кварталов Манчестера, — и тем не менее этот фокус с исчезновением происходит без «сознательного, намеренного стремления». Кажется, будто город искусно спланирован так, чтобы скрыть свои ужасы, и в то же время он «построен менее по какому-либо плану», чем любой другой город в истории. Как отмечает Стивен Маркус в своем исследовании, посвященном пребыванию молодого Энгельса в Манчестере: «Суть в том, что это поразительное и возмутительное устройство нельзя полностью объяснить заговором или даже намеренным замыслом, хотя те, в чьих интересах оно работает, также его контролируют. Это положение дел поистине слишком грандиозно и сложно, чтобы его можно было когда-либо замыслить заранее, чтобы оно существовало до этого как идея».

Иными словами, эти широкие, сверкающие проспекты вызывают ассоциации с потемкинской деревней без самого Потемкина. Это смешение порядка и анархии — то, что мы сегодня называем эмерджентным поведением. Урбанисты, начиная с Льюиса Мамфорда и Джейн Джекобс, знали, что города живут собственной жизнью, а районы формируются сами по себе, без какого-либо подобия Роберта Мозеса, диктующего план сверху. Но это понимание вошло в интеллектуальный мейнстрим лишь в последние годы — когда Энгельс шагал по манчестерским улицам в 1840-х, он блуждал вслепую, пытаясь найти виновника дьявольской организации города, даже притом что сам признавал: город строился вопиюще незапланированно. Как и большинство интеллектуальных историй, развитие этого нового понимания — наук о сложности и самоорганизации — представляет собой запутанный, многопоточный сюжет со множеством действующих лиц, взаимодействовавших на всем его протяжении. Вероятно, правильнее воспринимать его не как линейное повествование, а как взаимосвязанную паутину, которая становилась все более плотной за те полтора века, что отделяют нас от первого визита Энгельса в Манчестер.

*   *   *

Сложность — слово, часто встречающееся в критических исследованиях городского пространства, но для города фундаментальны два типа сложности, два опыта с совершенно разными последствиями для людей, пытающихся их осмыслить. Первый — это более традиционное понимание сложности как сенсорной перегрузки, когда город напрягает человеческую нервную систему до предела, попутно обучая ее новому набору рефлексов и прокладывая путь к сопутствующим эстетическим ценностям, которые нарастают, подобно струпу вокруг первоначальной раны. Немецкий теоретик культуры Вальтер Беньямин пишет в своем незаконченном шедевре «Пассажи»:

«Возможно, ежедневное зрелище движущейся толпы когда-то представляло для глаза картину, к которой ему сначала нужно было адаптироваться... тогда вполне допустимо предположение, что, справившись с этой задачей, глаз с радостью искал возможности подтвердить обретение своей новой способности. Метод импрессионистической живописи, при котором картина собирается из буйства цветовых пятен, в таком случае явился бы отражением опыта, ставшего привычным для глаза жителя большого города».

К этому пассажу ведет длинный приток урбанистической прозы XIX и XX веков, от лондонских глав «Прелюдии» Вордсворта до пеших размышлений в джойсовских «Дублинцах»: шум и бессмысленность каким-то образом трансформируются в эстетический опыт. Толпа — это то, во что бросаешься с головой ради чистой поэзии момента. Но сложность — это не только вопрос сенсорной перегрузки. Есть также понимание сложности как самоорганизующейся системы — ближе к Институту Санта-Фе, чем к Франкфуртской школе. Сложность такого рода живет уровнем выше: она описывает систему самого города, а не то, как ее воспринимает горожанин. Город сложен потому, что он ошеломляет, да, но еще и потому, что у него есть целостная индивидуальность, которая самоорганизуется из миллионов индивидуальных решений, — глобальный порядок, построенный на локальных взаимодействиях. Именно эту «систематическую» сложность Энгельс мельком увидел на бульварах Манчестера: не перегрузку и анархию, которые он фиксировал в других местах, а странный вид порядка, узор на улицах, который продвигал политические ценности манчестерской элиты, не будучи ею намеренно спланирован. Сегодня благодаря компьютерным моделям и социологическим исследованиям — а также изучению сопоставимых систем, создаваемых общественными насекомыми, вроде муравьев-жнецов Гордон, — мы знаем, что более крупные структуры могут возникать из нескоординированных локальных действий. Но для Энгельса и его современников эти незапланированные городские очертания, должно быть, казались чем-то потусторонним. Казалось, город живет своей собственной жизнью.

Полтора века спустя те же методы, переведенные на язык программного обеспечения — как в симуляции слизевика Митча Резника, — вызывают похожую реакцию: жутковатое ощущение чего-то живого, чего-то органического, формирующегося на экране. Даже те, кто глубоко разбирается в самоорганизующихся системах, все равно находят эти структуры тревожащими — в их сочетании стабильности и изменчивости, в их способности к бесконечному обучению. Стремление строить централизованные модели для объяснения такого поведения остается почти столь же сильным, как и во времена Энгельса. Когда мы видим повторяющиеся формы и структуру, возникающие из кажущегося хаоса, мы невольно ищем «водителей ритма».

Если понимать это в самом абстрактном смысле, то, что наблюдал Энгельс, — это паттерны городского ландшафта, видимые потому, что они обладают повторяющейся структурой, которая отличает их от чистого шума, обычно ассоциирующегося с незапланированным городом. Это паттерны человеческого движения и принятия решений, которые впечатались в саму ткань городских кварталов, — паттерны, которые затем возвращаются к самим жителям Манчестера посредством обратной связи, меняя их последующие решения. (В этом смысле они являются полной противоположностью традиционному пониманию городской сложности: это сигналы, возникающие там, где в противном случае вы ожидали бы увидеть лишь шум.) Город — своего рода машина, усиливающая паттерны: его районы служат способом измерения и выражения повторяющегося поведения крупных сообществ, фиксируя информацию о групповом поведении и делясь ею с самой группой. Поскольку эти паттерны возвращаются к сообществу, небольшие изменения в поведении могут быстро перерасти в масштабные процессы: элитные магазины заполняют главные бульвары, в то время как рабочий класс незаметно ютится в тупиках и на боковых улицах; художники живут на Левом берегу, а инвестиционные банкиры — в Восьмом округе. Вам не нужны предписания и градостроители, намеренно создающие эти структуры. Все, что требуется, — это тысячи людей и несколько простых правил взаимодействия. Яркие витрины магазинов притягивают новые яркие витрины, вытесняя бедноту к скрытой от глаз глубине. В таком мире нет нужды в бароне Османе — достаточно нескольких повторяющихся паттернов движения, которые разрастаются в крупные, живущие поколениями формы: кластеры, трущобы, районы.

*   *   *

Однако не все паттерны видны каждому жителю города. История урбанизма — это также история более приглушенных сигналов, создаваемых коллективным поведением небольших групп и редко замечаемых посторонними. В Манчестере скрывается несколько таких тайных кластеров, сохраняющихся на протяжении многих поколений, подобно «стоячей волне перед камнем в быстром потоке». Один из них находится чуть севернее Университета Виктории, в том месте, где Оксфорд-роуд переходит в Оксфорд-стрит. Источники, восходящие к середине девятнадцатого века, сообщают о мужчинах, фланировавших по этим кварталам в поисках других мужчин — ради случайного секса, более прочных отношений или даже просто ради товарищества и общей идентичности в те времена, когда эта идентичность не смела назвать своего имени. Некоторые историки предполагают, что Витгенштейн бывал на этих улицах во время своего пребывания в Манчестере в 1908 году. Почти сто лет спустя этот район окрестили Гей-Виллидж; сегодня здесь активно рекламируют кофейни и бутики как обязательную для посещения достопримечательность Манчестера — наряду с Кристофер-стрит в Манхэттене и Кастро в Сан-Франциско. Теперь этот паттерн транслируется на гораздо более широкую аудиторию, но он не утратил своей формы.

Но даже при меньшей амплитуде этот сигнал оставался достаточно громким, чтобы привлечь внимание другого прославленного иммигранта Манчестера — британского ученого-энциклопедиста Алана Тьюринга. В рамках своего героического вклада в победу Тьюринг занимался исследованием математических закономерностей: он разрабатывал уравнения и машины, которые взломали «неприступный» немецкий шифр устройства «Энигма». После изнурительных трех лет работы в Национальной физической лаборатории в Лондоне Тьюринг в 1948 году переехал в Манчестер, чтобы помочь в работе зарождавшейся университетской лаборатории вычислительной техники. Именно в Манчестере Тьюринг начал размышлять о проблеме биологического развития на языке математики, что привело его к созданию статьи «Морфогенез», опубликованной в 1952 году, которую Эвелин Фокс Келлер заново откроет более десяти лет спустя. Военные исследования Тьюринга были сосредоточены на поиске паттернов, скрытых в кажущемся хаосе шифра, но в манчестерские годы его ум обратился к зеркальному отражению этой задачи: как из простых правил могут возникать сложные паттерны. Откуда семя знает, как вырастить цветок?

Статья Тьюринга о морфогенезе — буквально «зарождении формы» — оказалась одной из его основополагающих работ, встав в один ряд с его более известными трудами и гипотезами: работой над проблемой неразрешимости Гёделя, машиной Тьюринга, тестом Тьюринга, не говоря уже о его вкладе в физическую архитектуру современного цифрового компьютера. Но статья о морфогенезе была лишь началом формы — блестящий ум нащупал контуры новой проблемы, но еще не осознал полностью все ее тонкости. Если бы Тьюрингу было даровано еще несколько десятилетий для исследования возможностей самосборки — не говоря уже о доступе к вычислительным мощностям безламповых компьютеров, — нетрудно представить, как сильно его разум мог бы продвинуть наше понимание эмерджентного поведения. Но работа над морфогенезом была трагически прервана его смертью в 1954 году.

Алан Тьюринг, скорее всего, стал жертвой жестоких гомофобных законов послевоенной Великобритании, но его гибель также пересеклась с теми самыми негласными паттернами жизни на тротуарах Манчестера. Тьюринг знал об этом отрезке Оксфорд-роуд с самого своего приезда в Манчестер; время от времени он заглядывал в этот район, встречаясь с другими геями — некоторых он приглашал к себе в квартиру для бесед и, по всей видимости, определенного физического контакта. В январе 1952 года на этих улицах Тьюринг познакомился с молодым человеком по имени Арнольд Мюррей, и между ними завязался короткий роман, который быстро разладился. Мюррей — или кто-то из его знакомых — ворвался в дом Тьюринга и украл несколько вещей. Тьюринг заявил о краже в полицию и, со свойственной ему прямотой, не стал скрывать своей связи с Мюрреем, когда полицейские пришли к нему домой. Согласно британскому законодательству, гомосексуальность была уголовным преступлением, каравшимся тюремным заключением на срок до двух лет, поэтому полиция незамедлительно предъявила Тьюрингу и Мюррею обвинение в «грубой непристойности».

29 февраля 1952 года, пока власти Манчестера готовили судебное дело против него, Тьюринг завершил доработку своей статьи о морфогенезе и спорил о ее достоинствах с Ильей Пригожиным, приехавшим с визитом бельгийским химиком, чья работа по неравновесной термодинамике позже принесет ему Нобелевскую премию. За один день Тьюринг закончил текст, который заложит основы биоматематике и пятнадцать лет спустя вдохновит Келлер и Сегеля на открытия в исследовании слизевиков, а также провел оживленную дискуссию с человеком, который со временем обретет всемирную известность благодаря своим исследованиям самоорганизующихся систем. В тот зимний день 1952 года на всей планете не было разума, более подготовленного к борьбе с тайнами эмерджентности, чем разум Алана Тьюринга. Но мир за пределами этого разума сговорился уничтожить его. В то самое утро местная газета опубликовала новость о том, что герой войны и выдающийся ученый был уличен в запретной связи с девятнадцатилетним юношей.

Через несколько месяцев Тьюринг был осужден и подвергнут унизительному лечению эстрогенами, призванному «излечить» его от гомосексуальности. Преследуемый властями и лишенный допуска к сверхсекретным британским компьютерным проектам, в которые он вносил свой вклад, Тьюринг умер два года спустя, судя по всему, покончив жизнь самоубийством.

*   *   *

Карьера Тьюринга еще до тех роковых лет в Манчестере уже несколько раз пересекалась с развивающейся сетью эмерджентности. В начале сороковых годов, в самый разгар войны, он провел несколько месяцев в легендарных Лабораториях Белла на Уэст-стрит в Манхэттене, работая над рядом схем шифрования, включая технологию передачи сложно закодированных звуковых волн, которые можно было расшифровать как человеческую речь с помощью специального ключа. В самом начале своего пребывания в лабораториях Белла Тьюринг додумался использовать другое изобретение Белла — вокодер (позже использовавшийся такими рок-музыкантами, как Питер Фрэмптон, для объединения звуков гитары и человеческого голоса) — в качестве способа шифрования речи. (К началу 1943 года идеи Тьюринга позволили осуществить первую защищенную голосовую передачу через Атлантику, недоступную для немецких подслушивающих устройств.) Лаборатории Белла были базой для еще одного гения — Клода Шеннона, который впоследствии станет основателем влиятельной дисциплины — теории информации, и чьи работы исследовали границы между шумом и информацией. Шеннона особенно интриговала способность машин обнаруживать и усиливать паттерны информации в зашумленных каналах связи — направление исследований, которое сулило очевидную выгоду телефонной компании, но также могло спасти тысячи жизней в условиях войны, столь сильно зависевшей от отправки и расшифровки кодов. Шеннон и Тьюринг сразу поняли, что двигались параллельными путями: на тот момент они оба были дешифровщиками по профессии, и в своих попытках создать автоматические машины, способные распознавать паттерны в аудиосигналах или числовых последовательностях, они оба мельком увидели будущее, населенное еще более разумными машинами. Шеннон и Тьюринг провели немало долгих обеденных перерывов в лабораториях Белла, обмениваясь идеями об «электронном мозге», который мог бы совершать подобные человеческим подвиги в распознавании паттернов.

Тьюринг представлял свою мыслящую машину прежде всего с точки зрения ее логических возможностей, ее способности выполнять бесконечное множество вычислительных программ. Но Шеннон подталкивал его к тому, чтобы думать о машине как о чем-то более близком к реальному человеческому мозгу, способном распознавать более тонкие паттерны. Однажды за обедом в лаборатории Тьюринг шутливо воскликнул, обращаясь к коллегам: «Шеннон хочет скармливать мозгу не просто данные, а культурные вещи! Он хочет играть ему музыку!» Музыкальные ноты тоже были паттернами, понимал Шеннон, и если можно научить электронный мозг понимать логические паттерны из нулей и единиц и реагировать на них, то, возможно, когда-нибудь в будущем мы сможем научить наши машины ценить эквивалентные паттерны минорных аккордовых последовательностей и арпеджио. В то время эта идея казалась фантастической — трудно было заставить машину делить в столбик, не говоря уже о том, чтобы наслаждаться Девятой симфонией Бетховена. Но распознавание паттернов, которое Тьюринг и Шеннон предвидели для цифровых компьютеров, в последние годы стало центральной частью нашей культурной жизни: машины как генерируют музыку для нашего развлечения, так и рекомендуют нам новых исполнителей. Связь между музыкальными паттернами и устройством нашей нервной системы сыграет центральную роль в одном из основополагающих трудов по современному искусственному интеллекту — книге Дугласа Хофштадтера «Гёдель, Эшер, Бах». Наши компьютеры все еще не обрели подлинного музыкального слуха, но если они когда-нибудь его обретут, их мастерство будет восходить к тем обеденным беседам между Шенноном и Тьюрингом в лабораториях Белла. И это обучение тоже станет своего рода эмерджентностью, порядком более высокого уровня, формирующимся из относительно простых составляющих частей.

Через пять лет после общения с Тьюрингом Шеннон опубликовал в Bell System Technical Journal длинную статью, которую вскоре переиздали в виде книги под названием «Математическая теория связи». Наполненная уравнениями и загадочными названиями глав вроде «Дискретные системы без шума», книга сумела стать чем-то вроде культовой классики, а порожденная ею дисциплина — теория информации — оказала глубокое влияние на последующие научные и технологические исследования как на теоретическом, так и на практическом уровне. Книга «Математическая теория связи» содержала элегантное, понятное неспециалистам введение в теорию Шеннона, написанное уважаемым ученым Уорреном Уивером, который одним из первых осознал значимость работы Шеннона. С 1932 года Уивер играл ведущую роль в отделении естественных наук Рокфеллеровского фонда, а когда в конце пятидесятых годов он вышел на пенсию, то составил для фонда подробный отчет, оглядываясь на научный прогресс, достигнутый за предшествующую четверть века. Этот повод предполагал размышления о прошлом, но документ, созданный Уивером (основанный в общих чертах на статье, которую он написал для American Scientist), оказался гораздо более дальновидным, устремленным в будущее. Во многих отношениях он заслуживает того, чтобы считаться основополагающим текстом теории сложности — моментом, когда исследование сложных систем начало осознавать себя как единую область. Опираясь на исследования в области молекулярной биологии, генетики, физики, компьютерных наук и теории информации Шеннона, Уивер разделил последние несколько веков научных изысканий на три больших лагеря. Во-первых, изучение простых систем: задач с двумя или тремя переменными, таких как вращение планет или связь между электрическим током, его напряжением и сопротивлением. Во-вторых, проблемы «неорганизованной сложности»: проблемы, характеризующиеся миллионами или миллиардами переменных, к которым можно подступиться только с помощью методов статистической механики и теории вероятностей. Эти инструменты помогли объяснить не только поведение молекул в газе или паттерны наследственности в генофонде, но и помогли компаниям по страхованию жизни получать прибыль, несмотря на их ограниченные знания о будущем здоровье каждого отдельного человека. Благодаря работе Клода Шеннона статистический подход также помог телефонным компаниям предоставлять более надежную и разборчивую междугороднюю связь.

Но в этом поступательном движении существовала и третья фаза, которую мы только-только начинали понимать. «Этот статистический метод работы с неорганизованной сложностью, ставший столь мощным шагом вперед по сравнению с прежними методами с двумя переменными, оставляет нетронутой огромную область», — писал Уивер. Существовала промежуточная область между уравнениями с двумя переменными и задачами, включающими миллиарды переменных. Традиционно считалось, что эта область имеет дело с «умеренным» числом переменных, однако масштаб системы на самом деле был второстепенной характеристикой:

Гораздо важнее самого количества переменных тот факт, что все эти переменные взаимосвязаны... Эти проблемы, в отличие от неорганизованных ситуаций, с которыми справляется статистика, демонстрируют важнейшую черту организации. Поэтому мы будем называть эту группу проблем проблемами организованной сложности.

Представьте эти три категории проблем в свете нашей аналогии с бильярдным столом из введения. Задача с двумя или тремя переменными — это обычный бильярдный стол, где шары сталкиваются друг с другом по простым правилам, определяемым их скоростями и трением о сукно стола. Это пример «простой системы» — и действительно, в школьных учебниках физики бильярдные шары часто используются для иллюстрации базовых законов. Система неорганизованной сложности представляла бы собой тот же самый стол, увеличенный настолько, чтобы вместить миллион шаров, сталкивающихся друг с другом миллионы раз в секунду. Предсказать поведение какого-то конкретного шара в этом хаосе было бы трудно, но можно было бы сделать довольно точные прогнозы относительно поведения стола в целом. При условии, что изначально в системе достаточно энергии, шары распределятся так, что заполнят весь стол, подобно молекулам газа в сосуде. Эта система сложна, поскольку в ней много взаимодействующих агентов, но она неорганизованна, потому что они не порождают никакого поведения более высокого уровня, помимо общих статистических тенденций. Организованная сложность, напротив, подобна нашему моторизованному бильярдному столу, где шары следуют определенным правилам и в результате различных взаимодействий создают отчетливое макроповедение, выстраиваясь в определенную фигуру или формируя со временем особый узор. Подобное поведение, с точки зрения Уивера, указывало на проблему организованной сложности — проблему, которая внезапно оказывалась вездесущей в природе, стоило лишь начать ее искать:

Что заставляет вечернюю примулу раскрываться именно тогда, когда она это делает? Почему соленая вода не утоляет жажду? <...> Как описать старение в биохимических терминах? <...> Что такое ген и как исходная генетическая конституция живого организма выражается в развившихся характеристиках взрослой особи?

Все это, безусловно, сложные проблемы. Но это не проблемы неорганизованной сложности, ключом к которым служат статистические методы. Все они представляют собой проблемы, требующие одновременного рассмотрения значительного числа факторов, взаимосвязанных в единое органическое целое.

Решение таких проблем требовало нового подхода: «К важнейшим, центральным вопросам биологии... теперь подходят не только сверху, с широким взглядом натурфилософа, обозревающего весь живой мир, но и снизу, силами специалистов по количественному анализу, которые измеряют лежащие в основе факты». Пользуясь языком Томаса Куна, это был подлинный сдвиг парадигмы научных исследований — революция не столько в интерпретациях, которые выстраивала наука в попытках объяснить мир, сколько в типах вопросов, которые она задавала. Как понимал Уивер, сдвиг парадигмы был не просто новым образом мыслей; он также стал побочным продуктом новых инструментов, появлявшихся на горизонте. Чтобы решать проблемы организованной сложности, требовалась машина, способная производить тысячи, если не миллионы вычислений в секунду — скорость, немыслимая для человеческого мозга, производившего расчеты с помощью ограниченных вычислительных машин прошлых веков. Благодаря своим связям с группой из лабораторий Белла, Уивер на раннем этапе разглядел перспективы цифровых вычислений и понимал, что к тайнам организованной сложности будет гораздо проще подступиться, если научиться моделировать поведение систем в режиме времени, близком к реальному. На протяжении тысячелетий люди использовали свои навыки наблюдения и классификации для документирования тончайшей анатомии цветов, но теперь они впервые оказались на пороге ответа на более фундаментальный вопрос, который имел отношение скорее к развивающимся во времени паттернам, нежели к статической структуре: почему вечерняя примула раскрывается именно тогда, когда раскрывается? И как, в конце концов, простое семя знает, как вырастить примулу?

Алан Тьюринг сыграл важнейшую роль в создании как аппаратного, так и программного обеспечения, которые питали эту первую цифровую революцию, а его работа по морфогенезу стала одной из первых систематических попыток представить индивидуальное развитие как проблему организованной сложности. Одна из величайших трагедий этой истории заключается в том, что Тьюринг не дожил до необычайного интеллектуального расцвета, произошедшего на стыке этих двух путей, и тем более не смог принять в нем участия.

*   *   *

Ирония судьбы заключалась в том, что призыв Уоррена Уивера к действию привел к первому крупному прорыву в работе, которая не имела никакого отношения к цифровым компьютерам, — в работе, относившейся к области, обычно не причисляемой к точным наукам. В послевоенные годы градостроители и государственные чиновники боролись с проблемой трущоб в центральных районах городов, используя решительный подход «сверху вниз»: сносили целые кварталы и строили унылые многоэтажные жилые комплексы, окруженные садами и детскими площадками, которые вскоре приходили в запустение. В этих микрорайонах фактически пытались решить проблему опасных городских улиц путем полной ликвидации самих улиц, и хотя квартиры в новых высотках обычно представляли собой улучшение жилищных условий и инфраструктуры, общая среда этих жилых комплексов быстро превратилась в безликую зону боевых действий, что привело как к росту уровня преступности в этом районе, так и к уничтожению того духа добрососедства, который существовал здесь прежде.

В октябре 1961 года Комиссия по городскому планированию Нью-Йорка объявила о своих выводах, согласно которым значительная часть исторического Вест-Виллиджа «отмечена упадком и пригодна для расчистки, перепланировки, реконструкции или восстановления». Жители Виллиджа — бурлящая смесь художников, писателей, пуэрториканских иммигрантов и италоамериканцев из рабочего класса — отреагировали на это с возмущением, и в самом центре протестов оказалась страстный урбанист по имени Джейн Джекобс. Джекобс только что возглавила успешную кампанию по блокированию плана градостроительного магната Роберта Мозеса построить скоростную автомагистраль через самое сердце Сохо, и теперь она обратила свое внимание на безумие новых микрорайонов. (Предлагаемое «восстановление» затрагивало и собственный дом Джекобс на Хадсон-стрит.) В своей отважной и в конечном счете победной борьбе против сноса Вест-Виллиджа Джекобс утверждала, что способ улучшить городские улицы и восстановить динамичную культуру городской жизни заключается не в том, чтобы сносить бульдозерами проблемные зоны, а в том, чтобы присмотреться к тем городским улицам, которые работают успешно, и поучиться у них. Где-то в процессе написания книги, которая впоследствии получит название «Смерть и жизнь больших американских городов» и выйдет в свет вскоре после противостояния в Виллидже, Джекобс прочитала эссе Уоррена Уивера для Фонда Рокфеллера и сразу же увидела собственные устремления в его призыве исследовать проблемы организованной сложности.

Под кажущимся беспорядком старого города — везде, где этот старый город живет успешно, — скрывается удивительный порядок, поддерживающий безопасность улиц и свободу города. Это сложный порядок. Его суть — в высокой интенсивности использования тротуаров, приносящем с собой постоянную смену наблюдающих глаз. Этот порядок целиком состоит из движения и перемен, и хотя это жизнь, а не искусство, мы можем в воображении назвать его художественной формой города и уподобить танцу — не примитивному синхронному танцу, где все одновременно вскидывают ноги, кружатся в унисон и гурьбой раскланиваются, а сложному балету, в котором отдельные танцоры и ансамбли исполняют свои особые партии, чудесным образом подкрепляющие друг друга и составляющие упорядоченное целое.

Джекобс дала заключительной главе «Смерти и жизни» запоминающееся название «Какого рода проблемой является город» и начала ее с обширного цитирования эссе Уивера. Понимание того, как устроен город, утверждала Джекобс, требует, чтобы вы подходили к нему как к проблеме снизу вверх, начиная с уровня улицы. «В тех частях городов, которые в одних отношениях функционируют хорошо, а в других плохо (как это часто и бывает), мы не можем даже проанализировать достоинства и недостатки, диагностировать проблему или обдумать полезные изменения, если не будем подходить к ним как к проблемам организованной сложности», — писала она. — «Мы можем желать более простых, универсальных методов анализа и более простых, волшебных, универсальных лекарств, но желания не могут превратить эти проблемы во что-то более простое, чем организованная сложность, как бы мы ни пытались уйти от реальности и обращаться с ними как с чем-то иным». Чтобы понять сложный порядок города, необходимо было понять этот вечно меняющийся балет; там, где городские улицы утратили свое равновесие, нельзя было решить проблему волевым указом и сровнять с землей целые кварталы.

Книга Джекобс произведет революцию в наших представлениях о городах. Опираясь на идеи Уивера, она представила видение города как чего-то гораздо большего, чем просто сумма его жителей, — чего-то более близкого к живому организму, способному к адаптивным изменениям. «Жизнеспособные города обладают удивительной врожденной способностью понимать, передавать информацию, выдумывать и изобретать то, что необходимо для борьбы со своими трудностями», — писала она. Они обретают свой порядок снизу; они представляют собой обучающиеся машины, распознаватели образов — даже когда паттерны, на которые они реагируют, оказываются нездоровыми. Спустя век после того, как Энгельс мельком увидел систематическое «исчезновение» манчестерской городской бедноты, самоорганизующийся город наконец обрел четкие очертания.

*   *   *

«Организованная сложность» оказалась конструктивным способом осмысления городской жизни, но книга Джекобс была трудом по социальной теории, а не по естественным наукам. Было ли возможно смоделировать и объяснить поведение самоорганизующихся систем с помощью более строгих методов? Можно ли было эффективно применить развивающиеся технологии цифровых вычислений для решения этой проблемы? Отчасти благодаря работам Шеннона в конце сороковых годов, к моменту публикации шедевра Джекобс биологические науки совершили ряд значительных прорывов в понимании распознавания образов и обратной связи. Вскоре после своего назначения в Гарвардский университет в 1956 году энтомолог Эдвард О. Уилсон убедительно доказал, что муравьи общаются друг с другом — и координируют поведение всей колонии — благодаря распознаванию следов феромонов, оставляемых их сородичами, что очень похоже на сигналы циклического АМФ (цАМФ) у слизевика. В Брюссельском свободном университете в пятидесятых годах Илья Пригожин делал уверенные шаги в понимании неравновесной термодинамики — сред, в которых законы энтропии временно преодолеваются, а порядок более высокого уровня может спонтанно возникать из глубинного хаоса. А в Линкольновской лаборатории Массачусетского технологического института двадцатипятилетний исследователь по имени Оливер Селфридж экспериментировал с моделью, призванной научить компьютер учиться.

Между компьютером, пассивно принимающим предоставляемую вами информацию, и компьютером, который активно учится самостоятельно, лежит огромная пропасть. Самое первое поколение компьютеров, такое как ENIAC, обрабатывало информацию, вводимую их создателями, и было способно производить различные вычисления с этими данными на основе запрограммированных в них наборов инструкций. Это было достаточно поразительным достижением во времена, когда слово «компьютер» означало человека с логарифмической линейкой и ластиком. Но даже в те ранние дни пионеры цифровых технологий представляли себе машину, способную к более свободному самообучению. Тьюринг и Шеннон во время обеденного перерыва в Bell Labs спорили о будущих музыкальных вкусах «электронного мозга», а их коллега Норберт Винер написал ставший бестселлером гимн саморегулирующим силам обратной связи в своем манифесте 1949 года «Кибернетика».

«По большей части мое участие во всем этом — просто большая удача для меня», — говорит сегодня Селфридж, сидя в своем тесном офисе без окон в MIT. Рожденный в Англии, Селфридж поступил в Гарвард в возрасте пятнадцати лет, а три года спустя начал писать докторскую диссертацию в Массачусетском технологическом институте, где его научным руководителем был Норберт Винер. Будучи не по годам развитым двадцатиоднолетним юношей, Селфридж предложил несколько поправок к статье, которую его наставник опубликовал о трепетании предсердий, — поправок, которые Винер с благодарностью упомянул на первых страницах «Кибернетики». «Думаю, теперь я имею честь быть одним из немногих ныне живущих людей, упомянутых в этой книге», — смеясь, говорит Селфридж.

После периода работы над проектами военного управления в Нью-Джерси Селфридж вернулся в MIT в середине пятидесятых годов. Его возвращение совпало со всплеском интереса к искусственному интеллекту (ИИ) — событием, которое свело его с тогда еще младшим научным сотрудником Гарварда по имени Марвин Минский. «В области ИИ меня интересовали, — говорит сейчас Селфридж, — не столько сами процессы обработки данных, сколько то, как системы меняются, как они развиваются — словом, как они учатся». Исследование возможностей машинного обучения всколыхнуло в памяти Селфриджа воспоминания о его учебе в Англии. «В школе в Англии я читал «Потерянный рай» Джона Мильтона, — рассказывает он, — и меня поразил образ «Пандемониума» — по-гречески это означает „все демоны“. Затем, после рождения моего второго сына, Питера, я снова обратился к «Потерянному раю», и вопли демонов пробудили во мне какую-то мысль». Встроенный в мозг Селфриджа механизм распознавания образов натолкнулся на способ научить компьютер распознавать эти самые образы.

«Мы предлагаем модель процесса, который, как мы утверждаем, способен адаптивно совершенствоваться для решения определенных задач распознавания образов, не поддающихся адекватному предварительному описанию». Это были первые слова, произнесенные Селфриджем на симпозиуме в конце 1958 года, проходившем в той самой Национальной физической лаборатории, откуда Тьюринг бежал десятилетием ранее. Доклад Селфриджа носил запоминающееся название ««Пандемониум»: парадигма обучения», и хотя он не произвел большого эффекта за пределами зарождающегося сообщества компьютерных наук, идеи, изложенные Селфриджем в тот день, со временем стали частью нашей повседневной жизни — каждый раз, когда мы вводим имя в наши КПК PalmPilot или используем программы распознавания голоса, чтобы запросить информацию по телефону. «Пандемониум», каким его описал Селфридж в своем выступлении, был не столько конкретным программным обеспечением, сколько подходом к решению проблемы. Проблема эта была весьма амбициозной, учитывая ограниченные вычислительные ресурсы того времени: как научить компьютер распознавать нечеткие или хаотичные образы — например, звуковые волны, составляющие устную речь.

Гениальность новой парадигмы Селфриджа заключалась в том, что она опиралась на распределенный интеллект, работающий по принципу «снизу вверх», а не на единый, управляемый «сверху вниз». Вместо того чтобы создавать одну умную программу, Селфридж создал рой ограниченных мини-программ, которые назвал демонами. «Идея заключалась в том, что у нас есть куча этих демонов, вопящих вверх по иерархии, — объясняет он. — Демоны более низкого уровня вопят демонам более высокого уровня, те вопят еще более высоким».

Чтобы понять, что означает этот «вопль», представьте себе систему с двадцатью шестью отдельными демонами, каждый из которых обучен распознавать одну букву алфавита. Этой группе демонов показывают серию слов, и каждый демон «голосует» за то, соответствует ли очередная показанная буква его выбранной букве. Если первая буква — a, то демон, распознающий a, сообщает, что с высокой долей вероятности он обнаружил совпадение. Из-за сходства начертания распознаватель o может заявить о возможном совпадении, в то время как распознаватель b категорически объявит, что буква ему непонятна. Все демоны, распознающие буквы, отчитываются перед главным демоном, который подсчитывает голоса за каждую букву и выбирает того демона, который выразил наибольшую уверенность. Затем программа переходит к следующей букве в последовательности, и процесс начинается заново. В конце передачи у главного демона будет рабочая интерпретация переданного текста, основанная на собранных голосах этой демократии демонов.

Конечно, точность этой интерпретации зависела от точности распознавателей букв. Если вы пытались научить компьютер читать, то предполагать с самого начала, что у вас есть двадцать шесть безошибочных распознавателей букв, было жульничеством. Селфридж преследовал более масштабную цель: как вообще научить машину распознавать буквы — или гласные звуки, минорные аккорды, отпечатки пальцев? Ответ заключался в добавлении еще одного уровня демонов и механизма обратной связи, с помощью которого можно было бы оценивать различные догадки демонов. Этот более низкий уровень был заполнен еще менее сложными мини-программами, обученными распознавать только базовые физические очертания (или звуки, в случае с азбукой Морзе или устной речью). Одни демоны распознавали параллельные линии, другие — перпендикулярные. Некоторые демоны искали круги, другие — точки. Ни одно из этих очертаний не ассоциировалось с какой-то конкретной буквой; эти обитающие на нижнем уровне демоны были подобны двухлетним детям — способным сообщить об очертаниях, которые они видят, но не воспринимающим их как буквы или слова.

Используя этих минимально оснащенных демонов, систему можно было обучить распознавать буквы, вообще заранее ничего «не зная» об алфавите. Рецепт был относительно прост: покажите букву b демонам нижнего уровня и посмотрите, какие из них отреагируют, а какие нет. В случае с буквой b, могут среагировать распознаватели вертикальных линий, а также распознаватели кругов. Эти демоны более низкого уровня сообщат об этом распознавателю букв, находящемуся на одну ступень выше в цепочке. На основе информации, собранной от своих «лейтенантов», этот распознаватель сделает предположение о том, что это за буква. Затем программа «оценивает» эти предположения. Если догадка неверна, программа учится разрывать связь между этими конкретными лейтенантами и данной буквой; если же догадка оказывается верной, она укрепляет связь между лейтенантами и буквой.

Сначала результаты близки к случайным, но если повторить этот процесс тысячу или десять тысяч раз, система учится связывать определенные наборы распознавателей очертаний с конкретными буквами и довольно скоро оказывается способна переводить целые предложения с поразительной точностью. Система не имеет никаких заранее заданных представлений о форме букв — вы обучаете ее связывать буквы с конкретными очертаниями на этапе оценки. (Вот почему программы распознавания рукописного ввода могут адаптироваться к самым разным почеркам, но не могут приспособиться к почерку, который меняется изо дня в день.) Эта смесь случайного начала, организующегося в более сложные результаты, напоминала Селфриджу другой процесс, чей собственный базовый код как раз тогда расшифровывался в виде ДНК. «Набросанная схема — это действительно естественный отбор среди обрабатывающих демонов», — объяснял Селфридж. «Если они выполняют полезную функцию, они выживают и, возможно, даже становятся источником для других субдемонов, которых, в свою очередь, оценивают по их заслугам. Вполне разумно представить себе, что это происходит в более широком масштабе... вместо всего одного «Пандемониума» у нас могло бы возникнуть целое их множество, устроенных примерно одинаково, и мы могли бы применить естественный отбор ко всему этому множеству».

Система, описанная Селфриджем — с ее обучением «снизу вверх» и оценивающими петлями обратной связи — по праву вошла в историю как первое практическое описание эмерджентной компьютерной программы. Сегодня наш мир кишит миллионами его демонов.

*   *   *

Среди студентов МТИ в конце сороковых годов был перебравшийся туда уроженец Среднего Запада по имени Джон Холланд. Холланд также был учеником Норберта Винера, и в студенческие годы он проводил массу времени, урывая часы для работы на первых прототипах компьютеров, которые тогда собирали в Кембридже. Его незаурядное мастерство в программировании привело к тому, что в пятидесятых годах компания IBM наняла его для помощи в разработке своего первого коммерческого калькулятора модели 701. Как ученик Винера, он естественным образом тяготел к экспериментам с методами, которые заставили бы неповоротливую машину 701 обучаться более органичным путем, по принципу «снизу вверх» — подобно «Пандемониуму» Селфриджа. В итоге Холланд с группой единомышленников даже запрограммировали грубую симуляцию взаимодействия нейронов. Но в те времена IBM занималась продажей счетных машин, а потому работа Холланда осталась практически незамеченной и лишенной финансирования. Спустя несколько лет Холланд вернулся к академической деятельности, чтобы получить докторскую степень в Мичиганском университете, где только что была создана группа Logic of Computers («Логика компьютеров»).

В шестидесятых годах, став первым в стране обладателем докторской степени по компьютерным наукам, Холланд начал исследования в направлении, которое определило всю его дальнейшую научную деятельность. Как и Тьюринг, Холланд хотел исследовать, каким образом простые правила могут приводить к сложному поведению; как и Селфридж, он стремился создать программное обеспечение, способное к свободному самообучению. Величайшим прорывом Холланда стало использование сил другой открытой системы, работающей по принципу «снизу вверх» — естественного отбора. Опираясь на модель «Пандемониума» Селфриджа, Холланд взял логику дарвиновской эволюции и воплотил ее в коде. Свое новое творение он назвал генетическим алгоритмом.

Традиционная компьютерная программа представляет собой последовательность инструкций, которые указывают компьютеру, что делать: залить экран красными пикселями, перемножить ряд чисел, удалить файл. Обычно эти инструкции закодированы в виде ветвящихся путей: сначала сделай это, и если получится результат А, сделай одно; если получится результат Б — сделай другое. Искусство программирования заключалось в том, чтобы придумать, как выстроить наиболее эффективную последовательность инструкций — такую, которая выполняла бы максимум задач при минимальном объеме кода и с наименьшей вероятностью сбоя. Обычно это делалось за счет чистой интеллектуальной мощи человеческого разума — ума программиста. Вы размышляли над задачей, набрасывали наилучшее решение, вводили его в компьютер, оценивали результат, а затем дорабатывали код, чтобы сделать его лучше. Но Холланд вообразил иной подход: создать генофонд потенциального программного обеспечения и позволить успешным программам эволюционировать из этого «бульона».

Система Холланда строилась на ряде изящных параллелей между компьютерными программами и земными формами жизни. Существование и тех, и других зависит от главного управляющего кода: нулей и единиц в компьютерном программировании и закрученных спиралей ДНК, скрывающихся в каждой нашей клетке (что принято называть генотипом). Эти два типа кода определяют форму или поведение более высокого уровня (фенотип): например, рост рыжих волос или перемножение двух чисел. В случае с организмами на основе ДНК естественный отбор работает за счет создания огромного пула генетических вариаций с последующей оценкой успешности различных видов поведения, порожденных всеми этими генами. Успешные вариации передаются следующему поколению, в то время как неудачные исчезают. Половое размножение гарантирует, что новые инновационные комбинации генов найдут друг друга. Время от времени в генофонде возникают случайные мутации, открывающие совершенно новые пути для развития системы. Запустите этот процесс на достаточное количество циклов, и вы получите рецепт для создания таких шедевров инженерной мысли, как человеческий глаз — притом что никакого реального инженера и близко не было.

Генетический алгоритм был попыткой воссоздать этот процесс в кремнии. Программное обеспечение уже обладает генотипом и фенотипом, осознал Холланд: существует сам код, и существует то, что этот код фактически делает. Что, если создать генофонд из различных комбинаций кода, а затем оценивать успешность фенотипов, отсеивая наименее удачные цепочки? Естественный отбор опирается на блестяще простой, но отчасти тавтологичный критерий оценки успеха: ваши гены передаются следующему поколению, если вы проживете достаточно долго, чтобы произвести это следующее поколение. Холланд решил сделать этот этап оценки более точным: его программы допускались в следующее поколение, если они лучше справлялись с выполнением конкретной задачи — скажем, решали простые математические примеры или распознавали образы на изображениях. Программист мог определять саму задачу, но не мог напрямую указывать программе, как именно ее решать. Он или она задавали параметры, определяющие генетическую приспособленность, а затем позволяли программе эволюционировать самостоятельно.

Холланд разрабатывал свои идеи в шестидесятых и семидесятых годах, пользуясь в основном бумагой и карандашом — даже самая передовая техника той поры была слишком медлительной, чтобы прокручивать тысячи поколений эволюционного времени. Но массивно-параллельные высокоскоростные компьютеры, появившиеся в восьмидесятых годах — такие как Connection Machine Дэнни Хиллиса, — идеально подходили для исследования возможностей генетических алгоритмов. И одна из самых впечатляющих систем генетических алгоритмов, созданных для Connection Machine, была целиком посвящена моделированию поведения муравьев.

Это была программа под названием Tracker, разработанная в середине восьмидесятых двумя профессорами Калифорнийского университета в Лос-Анджелесе (UCLA), Дэвидом Джефферсоном и Чаком Тейлором. (Джефферсон работал на факультете компьютерных наук, а Тейлор был биологом.) «Идея пришла мне в голову после прочтения первой книги Ричарда Докинза «Эгоистичный ген»,» — рассказывает сегодня Джефферсон. «Эта книга действительно меня изменила. Он утверждает, что для того, чтобы наблюдать дарвиновскую эволюцию в действии, вам нужны лишь объекты, способные воспроизводить себя, причем воспроизводить несовершенно, и имеющие какие-то ограничения в ресурсах, порождающие конкуренцию. И больше ничего не имеет значения — это крошечная абстрактная аксиома, необходимая для того, чтобы запустить эволюцию. И тогда мне пришло в голову, что программы обладают этими свойствами — программы могут воспроизводить себя. За исключением того, что обычно они воспроизводят себя абсолютно точно. Но я понял: если бы нашелся способ заставить их воспроизводиться с ошибками, и если бы у вас была не одна программа, а целая популяция, то можно было бы моделировать эволюцию с помощью софта, а не живых организмов».

После нескольких мелкомасштабных экспериментов Джефферсон и Тейлор решили смоделировать поведение муравьев, которые учатся следовать по феромоновому следу. «Я постоянно думал о муравьях — я искал простых существ, а тут как раз вышел фундаментальный труд Э. О. Уилсона о муравьях», — объясняет Джефферсон. «На самом деле мы искали простую задачу, которую выполняют простые существа, но при этом было неочевидно, как заставить программу ее решать. Каким-то образом нам пришла в голову идея следования по следу — и не просто по чистому следу, а по зашумленному, прерывистому следу». Ученые создали виртуальную сетку из квадратов, начертив на ней извилистый путь длиной в восемьдесят два квадрата. Их цель состояла в том, чтобы вывести простую программу — виртуального муравья, способного пройти весь этот путь за ограниченное время, располагая лишь скудной информацией об изгибах и поворотах тропы. На каждом цикле у муравья был выбор: «принюхаться» к квадрату впереди, продвинуться вперед на один квадрат или повернуться на девяносто градусов вправо или влево. Джефферсон и Тейлор дали своим муравьям сто циклов на прохождение пути; как только муравей расходовал свои сто циклов, программа подсчитывала количество квадратов на тропе, на которые он успешно наступил, и выставляла ему оценку. Муравей, сбившийся с пути после первого же квадрата, получал оценку 1; муравей, успешно прошедший весь путь до истечения ста циклов, получал высший балл — 82.

Система начисления баллов позволила Джефферсону и Тейлору создать критерии приспособленности, определявшие, каким муравьям дозволено размножаться. Работа программы Tracker началась с моделирования шестнадцати тысяч муравьев — по одному на каждый процессор Connection Machine — с шестнадцатью тысячами более или менее случайных стратегий прохождения тропы. Один муравей мог начать со стратегии прямолинейного движения по сетке, другой — чередуя повороты на девяносто градусов и обнюхивание пространства, третий — следуя еще более замысловатым правилам. Подавляющее большинство этих стратегий оказывалось полным провалом, но некоторые позволяли случайно набрести на более длинный отрезок тропы. Этим более успешным муравьям позволяли спариваться и давать потомство, создавая новое поколение из шестнадцати тысяч муравьев, готовых преодолеть тропу.

Путь, названный «Тропой Джона Мьюра» в честь знаменитого защитника природы, начинался с относительно простого участка с несколькими правыми поворотами и длинными прямыми отрезками, а затем постепенно усложнялся. Сейчас Джефферсон говорит, что спроектировал его таким образом из опасения, что первые поколения будут настолько беспомощными, что более сложный путь введет их в полный ступор. «Нужно помнить, что, когда мы начинали этот эксперимент, мы понятия не имели, достаточно ли популяции в шестнадцать тысяч особей для запуска дарвиновской эволюции», — объясняет он. «И я не знал, потребуется ли для этого десять поколений, сто или десять тысяч. Не существовало никакой теории, которая могла бы дать нам количественные ориентиры относительно размера популяции в пространстве или продолжительности эксперимента во времени».

Прохождение ста поколений занимало около двух часов; Джефферсон и Тейлор настроили систему так, чтобы получать в реальном времени отчеты о самых талантливых муравьях каждого поколения. Подобно биржевому тикеру, Connection Machine в конце каждого поколения выдавала обновленное число: если лучшему ходоку по следу в одном поколении удавалось пройти пятнадцать квадратов за сто циклов, Connection Machine сообщала, что 15 — это текущий рекорд, и переходила к следующему поколению. После нескольких фальстартов из-за программных ошибок Джефферсон и Тейлор наладили работу системы Tracker — и результаты превзошли даже самые оптимистичные их ожидания.

«К нашему удивлению и полнейшему восторгу, — вспоминает Джефферсон, — все получилось с первого раза. Мы сидели и смотрели, как поступают эти цифры: одно поколение выдавало двадцать пять, затем снова двадцать пять, потом двадцать семь, затем тридцать. В конце концов, всего через сто поколений, мы увидели идеальный результат. Это было просто невероятно». Программа вывела целую популяцию экспертов по прохождению тропы, несмотря на то, что Джефферсон и Тейлор изначально не наделили свое первое поколение муравьев вообще никакими навыками. Вместо того чтобы проектировать решение задачи по прохождению тропы, два профессора из Калифорнийского университета в Лос-Анджелесе вырастили это решение; они создали случайный пул возможных программ, а затем выстроили механизм обратной связи, который позволил появиться более успешным программам. Более того, эволюционировавшие программы оказались настолько успешными, что выработали решения, идеально адаптированные под окружающую среду. Когда Джефферсон и Тейлор «препарировали» одного из финальных муравьев-чемпионов, чтобы посмотреть, какую стратегию прохождения тропы он выработал, они обнаружили, что программа развила склонность к поворотам направо — в ответ на три начальных правых поворота, которые Джефферсон заложил в «Тропу Джона Мьюра». Это было похоже на наблюдение за тем, как у водного организма вырастают жабры: даже на грубой абстрактной сетке Tracker виртуальные муравьи выработали стратегию выживания, уникально приспособленную к их среде обитания.

По любым меркам Tracker стал настоящим прорывом. Наконец-то инструменты современных вычислений развились до такой степени, что стало возможным моделировать эмерджентный разум, наблюдая за его развитием на экране в реальном времени, как мечтали Тьюринг, Селфридж и Шеннон много лет назад. И было вполне закономерно, что Джефферсон и Тейлор решили смоделировать именно тот организм, который больше всего славится своим эмерджентным поведением, — муравья. Начали они, конечно, с самой элементарной формы муравьиного интеллекта — поиска по запаху феромоновых следов, — но возможности, которые открывал успех Tracker, были безграничны. Инструменты эмерджентного программного обеспечения были задействованы для моделирования и понимания эволюции эмерджентного разума у реальных организмов. И действительно, глядя на то, как эти виртуальные муравьи эволюционируют на экране компьютера, самостоятельно обучаясь и приспосабливаясь к своей среде, нельзя было не задаться вопросом, не становится ли граница между реальным и виртуальным все более зыбкой.

*   *   *

В компьютерной симуляции поведения слизевика, созданной Митчем Резником, есть две ключевые переменные — два элемента, которые вы можете изменять в процессе взаимодействия с моделью. Первый — это количество клеток слизевика в системе; второй — физическая протяженность и время существования феромонового следа, оставляемого каждой клеткой по мере ее перемещения по экрану. (Вы можете задать длинные следы, испарение которых занимает минуты, или короткие, исчезающие за секунды.) Поскольку клетки слизевика коллективно принимают решение о слиянии на основе встреч с феромоновыми следами, изменение этих двух переменных может оказать колоссальное влияние на симулируемое поведение системы. Если оставить следы короткими, а клеток мало, то слизевики будут упорно отказываться объединяться. Экран будет напоминать оживленную галактику падающих звезд, где не возникает никаких крупных структур. Но стоит увеличить время жизни следов и количество агентов, как в определенный, чётко очерченный момент внезапно сформируется скопление клеток. Система совершает фазовый переход, перейдя из одного дискретного состояния в другое на основе «организованной сложности» клеток слизевика. Это происходит не постепенно, а мгновенно, словно кто-то щёлкнул выключателем. Но здесь нет ни тех, кто щёлкает выключателем, ни задающих ритм лидеров — только рой изолированных клеток, сталкивающихся друг с другом и оставляющих свои феромоновые следы.

Истории интеллектуального развития — возникновения и распространения новых идей — обычно сводятся к одной из двух концепций. Это либо теория «великих людей», согласно которой одинокий гений переживает момент озарения в лаборатории или библиотеке и мир мгновенно преображается; либо теория «сдвига парадигм», когда обитатели храмов науки, проснувшись, обнаруживают, что прямо над ними надстроен целый этаж, и через несколько лет все уже работают в новых кабинетах. Обе теории несостоятельны: история о «великом человеке» игнорирует распределённые, совместные усилия, которые стоят за любым важным интеллектуальным прорывом, а модели сдвига парадигм трудно объяснить, как именно надстраивается этот новый этаж. Подозреваю, что симуляция слизевика Митча Резника может оказаться лучшей метафорой для объяснения того, как происходят революции в мире идей. Представьте эти клетки слизевика в виде полевых исследователей; представьте их следы как своего рода институциональную память. Когда какую-то проблему изучают лишь несколько умов, клетки остаются разобщёнными, блуждая по экрану как изолированные элементы, каждый из которых следует своим хаотичным маршрутом. При быстро испаряющихся феромоновых следах клетки не оставляют следов своего продвижения — подобно статье, опубликованной в журнале, который годами пылится непрочитанным на библиотечной полке. Но стоит подключить к системе больше умов и сделать след их работы более длинным и прочным — публикуя их идеи в книгах-бестселлерах или основывая исследовательские центры для изучения этих идей, — и вскоре система совершит фазовый переход: разрозненные догадки и личные одержимости сливаются в новый взгляд на мир, разделяемый тысячами людей.

Именно это и произошло с мышлением «снизу вверх» за последние три десятилетия. После долгих лет разрозненных исследований разнообразные труды Тьюринга, Шеннона, Винера, Селфриджа, Уивера, Джекобс, Холланда и Пригожина положили начало революции в том, как мы воспринимаем мир и его системы. К тому времени, когда в середине восьмидесятых Джефферсон и Тейлор начали возиться со своими виртуальными муравьями, следы интеллектуального поиска стали достаточно длинными и взаимосвязанными, чтобы породить порядок более высокого уровня. (Назовем это эмерджентностью эмерджентности.) Область исследований, для которой прежде были характерны лишь единичные изыскания на ранних стадиях, в одночасье расцвела, превратившись в густонаселенный и разнообразный ландшафт, преобразив десятки существующих дисциплин и породив несколько новых. В 1969 году Марвин Минский и Сеймур Пейперт опубликовали книгу «Перцептроны» (Perceptrons), которая опиралась на разработанную Селфриджем модель «Пандемониум» для распределенного распознавания образов, что проложило путь к созданной Минским в течение следующего десятилетия теории «Общества разума», построенной по принципу «снизу вверх». В 1972 году профессор Рокфеллеровского университета по имени Джералд Эдельман получил Нобелевскую премию за расшифровку структуры молекул антител, что открыло путь к пониманию иммунной системы как самообучающегося механизма распознавания образов. Пять лет спустя последовала Нобелевская премия Пригожина. В конце десятилетия Дуглас Хофштадтер опубликовал книгу «Гёдель, Эшер, Бах», связав воедино искусственный интеллект, распознавание образов, муравьиные колонии и «Вариации Гольдберга». Несмотря на сложный характер темы и витиеватую риторическую структуру, книга стала бестселлером и получила Пулитцеровскую премию в категории нехудожественной литературы.

К середине восьмидесятых революция была в самом разгаре. В 1984 году был основан Институт Санта-Фе; три года спустя вышла книга Джеймса Глейка «Хаос», встреченная всеобщим восторгом, а вскоре за ней последовали две научно-популярные книги, каждая из которых называлась «Сложность». Исследования искусственной жизни процветали, отчасти благодаря успеху таких компьютерных программ, как Tracker. В гуманитарных науках такие теоретики, как Мануэль Де Ланда, начали экспериментировать с концептуальным инструментарием самоорганизации, отказываясь от модной тогда парадигмы постструктурализма или культурологии. Фазовый переход завершился; призыв Уоррена Уивера к изучению организованной сложности получил решительный отклик. «Срединная область» Уоррена Уивера наконец-то была занята научным авангардом.

*   *   *

Сейчас мы переживаем третью фазу этой революции. Ее начало можно отнести к тому дню в начале девяностых, когда Уилл Райт выпустил программу под названием SimCity, которой суждено было стать одной из самых продаваемых франшиз в истории видеоигр. SimCity также ознаменовала новый этап в развивающейся истории самоорганизации: эмерджентное поведение перестало быть сугубо объектом исследования, чем-то, что можно лишь интерпретировать и моделировать в лаборатории. Теперь это было нечто такое, что можно построить, с чем можно взаимодействовать и что можно продавать. И хотя SimCity родилась из развивающейся сети мировоззрения «снизу вверх», она открыла совершенно новые горизонты: SimCity была произведением культуры, а не науки. Она была призвана развлекать, а не объяснять.

Спустя десять лет после того, как Райт выпустил SimCity, мир переполнен этими искусственными системами: интернет-магазины используют их для распознавания наших культурных вкусов; художники создают с их помощью новые виды адаптивного искусства; веб-сайты применяют их для регулирования своих онлайн-сообществ; маркетологи с их помощью выявляют демографические паттерны среди населения. Сама индустрия видеоигр выросла до колоссальных масштабов, превзойдя Голливуд по чистым объемам продаж, причем многие из самых популярных хитов опираются на возможности цифровой самоорганизации. И этот массовый успех принес за собой тонкий, но важный сопутствующий эффект: мы начинаем мыслить категориями систем «снизу вверх». Подобно метафорам часовщика в эпоху Просвещения или диалектической логике в девятнадцатом веке, эмерджентное мировоззрение принадлежит нашему времени, формируя наши мыслительные привычки и окрашивая наше восприятие мира. По мере того как наша повседневная жизнь все больше наполняется искусственной эмерджентностью, мы будем все чаще ловить себя на том, что полагаемся на логику этих систем — как в корпоративной Америке, где «интеллект снизу вверх» начинает вытеснять «управление качеством» в качестве главного лозунга дня, так и в радикальных антиглобалистских протестных движениях, которые явно моделируют свои распределенные структуры, лишенные лидеров, по образцу муравьиных колоний и слизевиков. Бывший вице-президент Эл Гор и сам является приверженцем теории сложности и может часами рассуждать о том, как парадигма «снизу вверх» способна помочь переосмыслить государственное управление. Спустя почти два века после того, как Энгельс пытался осмыслить призрачную упорядоченность улиц Манчестера, и через пятьдесят лет после того, как Тьюринг размышлял над загадкой цветения, круг наконец замкнулся. Наш разум, возможно, и устроен так, чтобы искать тех, кто задает ритм, но мы неуклонно учимся мыслить снизу вверх.