Ричард Докинз - Слепой часовщик. Как эволюция доказывает отсутствие замысла во Вселенной

• Название: Слепой часовщик. Как эволюция доказывает отсутствие замысла во Вселенной
• Автор: Ричард Докинз
• Жанр: Биология
• Год: 2015
• ISBN: 978-5-17-086374-7

Как работает естественный отбор? Является ли он достаточным объяснением сложности живых организмов? Возможно ли, чтобы слепая, неуправляемая сила создала столь сложные устройства, как человеческий глаз или эхолокационный аппарат у летучих мышей? Еще Дарвин убедительно ответил на эти вопросы, а наука с каждым новым десятилетием предоставляет все больше доказательств его правоты, но многие по-прежнему в ней сомневаются. Книга знаменитого английского биолога, популяризатора науки и борца с креационизмом Ричарда Докинза “Слепой часовщик” защищает эволюционный взгляд на мир и развенчивает мифы, существующие вокруг дарвиновской теории. Впрочем, Докинз никогда не ограничивается одной проблемой конкретной научной дисциплины — в конечном счете он говорит о философских основах научного мировоззрения в целом. Остроумие и широкая эрудиция автора позволяют ему легко оперировать примерами из самых разных областей — от компьютерного программирования до Шекспира, и это, вероятно, тоже сыграло свою роль в том, что “Слепой часовщик” уже почти три десятка лет остается бестселлером.

---

Молекула гемоглобина состоит из четырех аминокислотных цепочек, переплетенных между собой. Возьмем только одну из них. Она образована 146 аминокислотами. В живых организмах обычно встречается 20 разных типов аминокислот. Число способов, которыми можно соединить 20 различных элементов в цепь длиной в 146 звеньев, невероятно велико; Азимов назвал его “гемоглобиновым числом”. Его несложно подсчитать, но вот вообразить затруднительно. Первым звеном из 146 может оказаться любая из 20 допустимых аминокислот. Вторым тоже. Следовательно, для цепочек, состоящих из двух звеньев, количество возможных вариантов равняется 20 × 20, то есть 400. Число возможных типов цепочки из трех звеньев будет 20 × 20 × 20, что равняется 8000. Чтобы узнать, сколько может быть построено различных цепочек из 146 звеньев, надо 146 раз помножить двадцатку саму на себя. Полученное число будет ошеломляюще громадным. Миллион — это единица с шестью нулями. Миллиард (1000 миллионов) — это единица с девятью нулями. А искомое нами число — “гемоглобиновое число” — это (приблизительно) единица со 190 нулями после нее! И только один из этого множества вариантов — наш гемоглобин. Вот сколь ничтожен шанс получить его благодаря удачному стечению обстоятельств. А ведь молекула гемоглобина — это лишь крохотная частица сложнейшего устройства. Совершенно очевидно, что само по себе простое отсеивание даже близко не в состоянии порождать ту степень упорядоченности, какую мы видим в живых организмах. Отсеивание — важный фактор при формировании сложной организации живого, но это далеко не все, что требуется. Нужно что-то еще. Чтобы объяснить, что же именно, мне необходимо провести разграничение между “одноступенчатым” и “накапливающим” отбором. Все те примитивные разновидности сита, которые мы пока что рассматривали в этой главе, представляют собой примеры одноступенчатого отбора. А живые организмы являются результатом накапливающего отбора.

Принципиальное различие между двумя этими видами отбора состоит в следующем. При одноступенчатом отборе отбираемые или сортируемые объекты — будь то камешки на пляже или что-то другое — отбираются раз и навсегда. А при отборе накапливающем они “размножаются” — ну или каким-то иным способом результаты одного отсеивания оказываются материалом для другого, следующего отсеивания, результаты которого опять “проходят через сито”, и так далее до бесконечности. Объекты подвергаются отбору или систематизации в течение многих следующих друг за другом “поколений”. Итоги отбора в одном поколении являются отправной точкой для отбора в следующем поколении, и так много поколений подряд. Использовать тут слова “размножаться” и “поколение”, обычно применимые к живым организмам, вполне естественно, ведь живые организмы — это самый типичный пример объектов, участвующих в процессе накапливающего отбора. В реальности они могут оказаться даже единственным таким примером, но пока я предпочел бы воздержаться от категоричных заявлений.

Порой игра ветра придает облакам форму легкоузнаваемых предметов. Много раз публиковалась фотография, сделанная одним пилотом-любителем: нечто похожее на глядящий с неба лик Иисуса. Все мы видели облака, которые были на что-нибудь похожи, например на морского конька или на улыбающуюся рожицу. Эти изображения возникают путем одноступенчатого отбора — другими словами, благодаря однократному совпадению, — и потому большого впечатления они не производят. Сходство знаков зодиака с животными, в честь которых они были названы, — Скорпион, Лев и т. п. — не более интересно, чем предсказания астрологов. Оно не ошеломляет нас в той же степени, что и биологические адаптации, возникающие в результате накапливающего отбора. Увидев, сколь схожа листовидка с листом, или встретив богомола, выглядящего как соцветие из розовых цветочков, мы описываем эти явления как необычайные, поразительные и захватывающие дух. А если облако похоже на хорька, то для нас это разве что слегка занятно и едва ли стоит того, чтобы обращать внимание собеседника. Более того, мы вполне можем изменить свое мнение насчет того, на что это облако больше всего похоже.

ГАМЛЕТ. Видите вы вон то облако в форме верблюда?

ПОЛОНИЙ. Ей-богу, вижу, и действительно, ни дать ни взять верблюд.

ГАМЛЕТ. По-моему, оно смахивает на хорька.

ПОЛОНИЙ. Правильно: спинка хорьковая.

ГАМЛЕТ. Или как у кита.

ПОЛОНИЙ. Совершенно как у кита[1].

Не знаю, кто именно первым обратил наше внимание на то, что обезьяна, бессмысленно лупящая по пишущей машинке, смогла бы, имей она достаточно времени, напечатать полное собрание сочинений Шекспира. Ключевая фраза тут, разумеется, “имей она достаточно времени”.

Давайте слегка облегчим задачу нашей обезьяне. Пусть ей надо будет напечатать не полное собрание сочинений, а всего лишь коротенькое предложение Methinks it is like a weasel (“По-моему, оно смахивает на хорька”), и, чтобы облегчить задачу еще больше, мы дадим ей для этого упрощенную клавиатуру, содержащую только 26 букв (заглавных) и клавишу пробела. Сколько же времени на это потребуется?

В выбранном предложении 28 знаков. Давайте будем считать, что обезьяна как бы делает серию дискретных “попыток”, каждая из которых состоит из 28 ударов по клавиатуре. Если она правильно набирает нужную фразу — эксперимент окончен. Если нет — мы даем ей новую “попытку” 28 раз нажать на клавиши. Я не знаком ни с одной обезьяной, но, к счастью, моя 11-месячная дочь представляет собой хорошо зарекомендовавший себя в деле генератор беспорядка, и она с готовностью (даже, может быть, излишней) согласилась взять на себя роль обезьянки-машинистки. Вот что она набрала на компьютере:

UMMK JK CDZZ F ZD DSDSKSM

S SS FMCV PU I DDRGLKDXRRDO

RDTE QDWFDVIOY UDSKZWDCCVYT

H CHVY NMGNBAYTDFCCVD D

RCDFYYYRM N DFSKD LD K WDWK

JJKAUIZMZI UXDKIDISFUMDKUDXI

Однако у нее много дел и без того, так что я был вынужден запрограммировать компьютер так, чтобы он сам имитировал печатающего младенца или обезьяну:

WDLDMNLTDTJBKWIRZREZLMQCO P

Y YVMQKZPGJXWVHGLAWFVCHQYOPY

MWR SWTNUXMLCDLEUBXTQHNZVJQF

FU OVAODVIKDGXDEKYVMOGGS VT

HZQZDSFZIHIVPHZPETPWVOVPMZGF

GEWRGZRPBCTPGQMCKHFDBGW ZCCF

И так далее, и тому подобное. Вычислить, через какое время имеет смысл ожидать, что компьютер (или младенец, или обезьяна) случайно наберет METHINKS IT IS LIKE A WEASEL, нетрудно. Давайте прикинем общее число возможных фраз нужной нам длины, которые обезьяна, или младенец, или компьютер могли бы случайно набрать. Принцип расчета будет тот же самый, что и для гемоглобина, и результат получится таким же огромным. На месте первой буквы может оказаться любая из имеющихся 27 (давайте считать пробел тоже “буквой”). Таким образом, шансы, что обезьяна в качестве первой буквы поставит нужную нам M, составляют 1 из 27. Вероятность того, что правильными окажутся первые две буквы ME, будет равна вероятности правильного попадания на вторую букву E (1 из 27) при условии, что первая буква, M, уже оказалась верной — то есть 1/27 × 1/27 или 1/729. Вероятность получить первое слово, METHINKS, соответствует 1/27 для каждой из восьми составляющих его букв, иначе говоря, 1/27 × 1/27 × 1/27 … и т. д., всего восемь раз, то есть 1/27 в 8-й степени. Вероятность же написать правильно всю фразу из 28 знаков составляет 1/27 в 28-й степени, что означает число 1/27, помноженное само на себя 28 раз. Это очень маленькие шансы, где-то 1 к 10 000 миллионов миллионов миллионов миллионов миллионов миллионов. Ждать нужной фразы придется, мягко выражаясь, очень-очень долго. Что уж говорить о полном собрании сочинений.

Вот и все, на что способен одноступенчатый отбор случайных изменений. А как насчет накапливающего отбора, намного ли он будет эффективнее? Очень намного — возможно, больше, чем мы в состоянии вообразить, хотя если подумать, то это покажется почти что очевидным. Мы снова воспользуемся нашей компьютерной обезьянкой, но внесем в программу одно существенное изменение. Как и в предыдущий раз, компьютер начинает со случайной 28-буквенной последовательности:

WDLDMNLTDTJBKWIRZREZLMQCOP

А затем приступает к “селекции”. Он воспроизводит эту бессмысленную фразу несколько раз подряд, но с определенной вероятностью случайной ошибки — “мутации” — при копировании. Далее компьютер изучает получившиеся бессмысленные фразы — “потомство” исходной — и выбирает среди них ту, которая хоть сколько-нибудь больше других походит на искомое METHINKS IT IS LIKE A WEASEL. В данном случае среди следующего “поколения” победительницей оказалась такая фраза:

WDLTMNLTDTJBSWIRZREZLMQCO P

Не то чтобы явное улучшение! Но алгоритм продолжает выполняться, теперь уже эта фраза “производит” мутантное “потомство”, из которого выбирается новый “победитель”. Десять поколений спустя фраза, оставляемая “на племя”, выглядела так: