Но опять-таки, эксперименты с десятками личинок показывают,
что они в целом, строят свои домики на этом участке и строят из скорлупок.
Другими словами, эта не очень, казалось бы, рациональная стратегия предс
казания по единичным событиям позволяет ручейникам в целом выигрывать.

Мы это проверяли, построив математическую модель, где правила поведения
, о которых я говорю, были заложены в программу. И модель подтвердила, что э
тих правил достаточно для того, чтобы ручейники собирались и строили име
нно на том участке, где есть скорлупки. Здесь, естественно, возникает тако
й вопрос: когда мы моделируем, мы вводим правила, но это ничего не говорит
о механизме управления поведением, то есть о том, откуда берутся эти прав
ила. Единственное, что можно здесь сделать, с моей точки зрения, Ц это пре
дложить следующую аналогию.
Есть динамические системы, так называемые нелинейные системы (одна из ни
х здесь изображена), поведение которых может быть очень сложным Ц несмо
тря на то, что сама система описывается очень простым уравнением. В завис
имости от величины параметра «А» (показано на рисунке), переменная в урав
нении может изменяться сложным образом, как периодически, так и не перио
дически. И поведение системы оказывается одновременно и случайным, и пре
дсказуемым. Оно случайно в том смысле, что невозможно предсказать, в како
й момент времени произойдёт переход от больших значений переменной к ма
лым значениям. В то же время, поведение системы упорядочено: мы видим, что
большие и малые значения идут друг за другом сериями.
Здесь есть аналогия с ручейником, у которого реакции тоже повторяются се
риями. Пусть эта аналогия поверхностная, но пока я буду на ней, так сказать
, настаивать. Далее, если некий внешний сигнал (некая положительная велич
ина) прибавляется к параметру «А», то затем переменная надолго увеличива
ется, несмотря на то, что сигнал Ц коротенький. Это Ц ещё одна аналогия с
ручейником: одна частица может надолго изменить его поведение. Конечно,
такого простого уравнения недостаточно для того, чтобы моделировать по
ведение целого ручейника. Всё-таки его поведение сложнее: он и берёт част
ицы, и крутит их.
А.Ж. Но вы сейчас моделируете какую-то одну составляющую.
В.Н. Да, и мы решили пойти несколько более простым путём: модели
ровать не ручейника, а некую условную инфузорию, которая движется в усло
вном пространстве и находит там участки с пищей. Пища Ц это просто химич
еские вещества, которые инфузория может в буквальном смысле всасывать. Н
икакого сложного пищевого поведения здесь не нужно. Когда на эту инфузор
ию не действуют никакие сигналы, то её поведение определяется единствен
ным уравнением, а траектория её движения получается такая, что в ней чере
дуются почти прямые пробеги с петлями. Эти петли (опять-таки с точки зрени
я внешнего наблюдателя), можно интерпретировать как отыскивание какого-
то места в пространстве.
А.Ж. То есть, идёт такой локальный поиск, который чередуется с к
рупными перемещениями в попытке найти какое-то или более богатое «место
рождение».
В.Н. На данном этапе, когда нет никаких сигналов, искать, собств
енно говоря, нечего. Я хотел бы подчеркнуть, что это поведение, чередовани
е таких спонтанных поисков на одном месте…
А.Ж. Очень красивая картинка. Этот спонтанный поиск, эти вот пе
тли, узлы такие. И длинные эти пробеги. Очень красиво.
В.Н. Это поведение на самом-то деле типично для многих животны
х. И не только инфузорий, но и для червей, для насекомых Ц для таких животн
ых, не слишком крупных, для которых можно построить экспериментальную ус
тановку, в которой нет никаких сигналов, освещение и все внешние факторы
распределены равномерно.
Теперь мы вводим в это пространство пищу: у нас есть три участка, на слайде
это можно показать. На одном участке концентрация пищи маленькая, на дру
гом Ц большая, а между ними находится пустой участок. И вот наша условная
инфузория начинает поиск с бедного участка. В какой-то момент ей не везёт
, не попадается пищевых веществ. В результате инфузория перестаёт описыв
ать петли на этом участке и начинает двигаться прямо. Здесь работает про
стая система, показанная раньше, которая из одного режима поведения пере
ходит в другой режим: вместо больших значений переменной, которые обеспе
чивают поворот, теперь наблюдаются малые значения, соответствующие пря
мому пробегу. Поэтому инфузория теперь летит прямо, пролетает пустое мес
то и попадает на богатый участок. Конечно, она может и уйти из богатого уча
стка. Однако на богатом участке пища сосредоточена плотнее, там меньше в
ероятность серии неудач, и поэтому, в конце концов, инфузории скапливают
ся на богатых участках.
Так, собственно, поступают и реальные инфузории Ц я хотел бы подчеркнут
ь сходство поведения модели с реальными организмами. Мало того, с помощь
ю такой простой системы можно добиться ещё более богатого поведения, есл
и добавить к ней разные сенсоры, разные органы чувств. Вот на следующем сл
айде, например, показана ориентация…
А.Ж. А можно остановиться на этом слайде на секундочку. Хочется
обратить внимание на то, что эта картинка характерна не только для инфуз
орий, для рассматриваемых здесь объектов, а это вообще житейская картина
. Когда мы обсуждали в передаче наши проблемы, возникла очень хорошая ана
логия с человеком, который тоже ищет, где лучше и где глубже. Допустим, он и
щет в пределах своего города, находит всё, что может, а когда решает, что вс
ё здесь уже найдено, то он совершает какую-то миграцию.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115