Модель, которую обсчитывал Лоренц, была упрощенным вариантом метеорологических моделей, анализирующих поведение атмосферных потоков под влиянием перепадов температуры. Его повторное открытие того, как малые изменения начального состояния системы могут оказать такое сильное влияние на исход, имело огромное значение для наших попыток использовать математические уравнения для предсказания будущего. Как писал сам Лоренц:
Два состояния, между которыми имеются неощутимые различия, могут развиться в существенно разные состояния. Любая ошибка в наблюдениях настоящего состояния – а в любой реальной системе такие ошибки представляются неизбежными – может сделать приемлемое предсказание состояния в отдаленном будущем невозможным.
Месть кузнечика
Когда Лоренц рассказал о своей находке коллеге, тот ответил: «Эдвард, если твоя теория справедлива, то один взмах крыльев чайки может навечно изменить ход истории».
Чайка в конце концов уступила место знаменитой теперь бабочке в 1972 г., когда Лоренц доложил о своем открытии Американской ассоциации содействия развитию науки[26] в докладе, озаглавленном «Может ли взмах крыльев бабочки в Бразилии вызвать торнадо в Техасе?».
Интересно отметить, что и чайку, и бабочку, возможно, обогнал кузнечик. Оказывается, еще в 1898 г. профессор У. С. Франклин осознал то чудовищное влияние, которое сообщество насекомых может оказывать на погоду. Вот что он писал в рецензии на одну книгу:
Бесконечно малая причина может породить конечный эффект. Таким образом, долговременный подробный прогноз погоды невозможен, а единственное возможное предсказание представляет собой предположение о последующих тенденциях и свойствах шторма, выведенное на основе его предыдущих стадий; причем точность такого предсказания следует оценивать с учетом того, что полет кузнечика в Монтане может развернуть шторм, идущий на Филадельфию, в сторону Нью-Йорка!
Удивительное положение. Уравнения, открытые наукой, дают совершенно детерминистическое описание эволюции многих динамических систем, подобных погоде. И тем не менее во многих случаях предсказания, которые можно из них получить, нам недоступны, так как любые измерения положения или скорости полета частицы могут быть лишь приближениями к истинным условиям.
Именно поэтому, когда британская метеорологическая служба составляет прогноз погоды, она берет данные, зарегистрированные метеостанциями, разбросанными по всей стране, и, вместо того чтобы использовать их в уравнениях, метеорологи производят несколько тысяч модельных расчетов, варьируя данные в некотором диапазоне значений. В течение некоторого времени прогнозы остаются достаточно близкими, но начиная приблизительно с пятого дня от текущей даты результаты зачастую расходятся так далеко друг от друга, что один набор данных может предсказывать приход в Великобританию аномально жаркой погоды, в то время как изменение нескольких знаков после запятой дает предсказание ливней, которые затопят всю страну.
Исходя из почти одинаковых начальных условий, прогноз А предсказывает, что через четыре дня на всех Британских островах будут сильные ветры и дожди, а прогноз В – приход с Атлантики зоны высокого давления
Великий шотландский физик Джеймс Клерк Максвелл сформулировал в своей книге «Материя и движение», опубликованной в 1873 г., важное отличие системы детерминистической, но непознаваемой: «Существует принцип, на который часто ссылаются: “Одинаковые причины всегда производят одинаковые следствия”»[27]. Это безусловно справедливо в отношении математического уравнения, описывающего динамическую систему. Но Максвелл продолжает: «Существует другой принцип, который не следует смешивать с приведенным [выше]: “Подобные причины производят подобные следствия”. Это справедливо лишь в том случае, если небольшие изменения начальных условий производят лишь небольшие изменения в конечном состоянии системы». Ложность именно этого принципа выявило в XX в. открытие теории хаоса.
Такая чувствительность к малым изменениям начальных условий может сорвать мои попытки использовать выписанные мной уравнения для предсказания будущего игральной кости. Уравнения у меня есть, но могу ли я быть уверен в точности определения угла, под которым кубик вылетает из моей руки, скорости его вращения, расстояния до стола?
Конечно, не все так уж безнадежно. Бывают случаи, в которых малые изменения не приводят к разительным отклонениям результатов уравнений, как в примере траекторий на классическом бильярдном столе. Важно осознавать, когда познание невозможно. Прекрасный пример осознания момента, начиная с которого невозможно узнать, что произойдет дальше, был открыт математиком Робертом Мэем, когда он анализировал уравнения роста популяций.
Осознание невозможности познания
Мэй, родившийся в 1938 г. в Австралии, сначала учился физике и работал в области сверхпроводимости. Но в конце 1960-х гг. в его научной работе произошел резкий поворот, когда он познакомился с вновь образованным движением социальной ответственности в науке. Его интересы переместились с поведения групп электронов на более актуальные вопросы закономерностей динамики популяций животных. В то время биология еще не была естественной средой для человека с математическим складом ума, но работы Мэя впоследствии изменили это положение. Его великое открытие стало возможным благодаря сочетанию строгого математического образования, которое он получил как физик, и нового интереса к проблемам биологии.
В опубликованной в 1976 г. в журнале Nature статье под названием «Простые математические модели с чрезвычайно сложной динамикой»[28] Мэй рассмотрел динамику математического уравнения, описывающего циклический рост популяции. Он показал, что даже вполне невинно выглядящее уравнение может давать численные результаты с необычайно сложным поведением. Его формула популяционной динамики была не каким-нибудь сложным дифференциальным уравнением, а простым дискретным уравнением с обратной связью, которое мог обсчитать кто угодно при помощи карманного калькулятора.
Уравнение динамики популяции с обратной связью
Рассмотрим популяцию животных, численность которой может варьироваться от нуля до некоторого гипотетического максимального значения, обозначенного N. Существует некоторая доля Y этого максимума (лежащая между 0 и 1), определяющая в уравнении, какая часть популяции выживет к следующему циклу с учетом воспроизводства и борьбы за пищевые ресурсы. Предположим, что коэффициент воспроизводства в каждом цикле равен r. Тогда, если доля максимальной численности популяции, выжившая к концу цикла, была равна Y, то численность следующего поколения составит r · Y · N.
Но выживут не все вновь появившиеся животные. Согласно этому уравнению, доля не выживших животных также будет равна Y. То есть из r · Y · N животных, существовавших в начале цикла, умрет Y(r · Y · N). Значит, всего к концу цикла останется в живых (r · Y · N) – (r · Y 2 · N) = [r · Y(1 – Y)] · N животных, а доля максимальной численности популяции, существующая в текущем цикле, равна r · Y(1 – Y).
По сути дела, эта модель предполагает, что произведение численности выжившей к концу каждого цикла части популяции на постоянный коэффициент r, называемый коэффициентом воспроизводства, дает число животных, существующих в начале следующего цикла. Но необходимых для выживания ресурсов на всех не хватает. Поэтому уравнение вычисляет, какая часть этих животных доживет до конца цикла. Полученное число выживших животных снова умножают на коэффициент r, что дает численность следующего поколения. Интересная особенность этого уравнения состоит в том, что его поведение сильно зависит от выбора значения r, коэффициента воспроизводства. Некоторые значения r дают в высшей степени непредсказуемое поведение. Мы можем точно знать, как будут изменяться значения. Но существует некий предел, за которым они полностью выходят из-под контроля. Знание внезапно оказывается недостижимым, так как добавление всего одного лишнего животного может привести к резкому изменению динамики численности популяции.
Например, Мэй выяснил, что при значениях r от 1 до 3 численность популяции в конце концов стабилизируется. В этом случае, каковы бы ни были начальные условия, численность будет постепенно стремиться к некоторому постоянному значению, зависящему от величины r. Это похоже на игру на бильярде, в центре которого устроена воронка. Куда бы я ни запустил шар, рано или поздно он окажется на дне воронки.
Например, Мэй выяснил, что при значениях r от 1 до 3 численность популяции в конце концов стабилизируется. В этом случае, каковы бы ни были начальные условия, численность будет постепенно стремиться к некоторому постоянному значению, зависящему от величины r. Это похоже на игру на бильярде, в центре которого устроена воронка. Куда бы я ни запустил шар, рано или поздно он окажется на дне воронки.
При r, бо́льших 3, также обнаруживается участок предсказуемого поведения, но несколько другого типа. При значениях r от 3 до (что приблизительно равно 3,44949) численность популяции, по сути дела, скачет взад и вперед между двумя значениями, зависящими от r. Когда r становится больше , характер динамики популяции снова изменяется. При значениях r от до 3,54409 (точнее, до корня алгебраического уравнения 12-й степени) существуют уже четыре значения, которых периодически достигает численность популяции. При дальнейшем увеличении r таких значений становится 8, потом 16 и т. д. По мере роста r число разных значений каждый раз удваивается, пока мы не дойдем до порога, за которым динамика превращается из периодической в хаотическую.
Мэй признает, что, когда он начал исследовать это уравнение, он не имел никакого представления о том, что происходит за этой точкой. Перед его кабинетом в Сиднее была доска, на которой он повесил объявление, обещавшее 10 австралийских долларов любому, кто сможет объяснить такое поведение системы. На доске он написал: «По-моему, полная неразбериха».
Он нашел ответ на свой вопрос во время поездки в Мэриленд – и тогда-то и был впервые использован термин «хаос»[29]. Мэй выступал там на семинаре и рассказал об участке удвоения периода, признав, что дошел до такого места, после которого он вообще ничего не понимает. В зале был один математик, который понимал все. Джеймс Йорк никогда раньше не видел такого удваивающегося поведения, но зато он точно знал, что происходит на следующем участке. Он называл это хаосом.
При r, бо́льших 3,56995 (точнее, предельной точки решений системы уравнений возрастающей степени), поведение становится чрезвычайно чувствительным к начальному состоянию популяции. Малейшее изменение исходной численности животных может привести к получению совершенно другого результата.
Однако, как выяснил Йорк, по мере дальнейшего увеличения r все еще могут встречаться участки регулярного поведения. Например, при r = 3,627 численность популяции снова становится периодической и колеблется между шестью разными значениями. С увеличением r 6 заменяется на 12, потом на 24 и так далее, каждый раз удваиваясь вплоть до нового наступления хаоса.
Две популяции с r = 4, исходное различие между численностью которых составляет одно животное на тысячу. Хотя в начале их поведение сходно, уже через 15 лет они ведут себя совершенно по-разному
Боб Мэй осознал, каким грозным предупреждением является такая простая система для тех, кто думает, что знает все: «Не только в научных исследованиях, но и в мире повседневной политики и экономики было бы гораздо лучше, если бы большее количество людей понимало, что простые системы далеко не всегда обладают простыми динамическими свойствами».
Политика хаоса
Сейчас Боб Мэй воплощает свои убеждения на практике. Точнее, мне следовало бы сказать «лорд Роберт Мэй, барон Оксфордский», как указал мне человек в цилиндре, встретивший меня у главного входа в палату лордов. В последние годы Мэй сочетает научную работу с активной политической деятельностью. Он стал членом межпартийной группы в палате лордов, и именно там я встретился с ним за обедом, чтобы узнать, насколько он преуспел в деле информирования политиков о влиянии хаотических систем на общество.
Когда человек в цилиндре и полицейские с автоматами провели меня в здание палаты лордов, Мэй уже ждал меня по другую сторону металлодетекторов и рентгеновских аппаратов. Мэя не интересуют все эти официальные титулы, так что он в своей простецкой австралийской манере по-прежнему просит называть его Бобом. «Виноват, я уже пообедал. Но я пойду с вами есть десерт, пока вы будете обедать». Пока я ел свою рыбу, он расправился с огромным куском фирменного шоколадного торта палаты лордов. Мэю 79 лет, но он все так же энергичен и целеустремлен; после своего второго обеда он спешил на заседание парламентской комиссии, рассматривающей последствия строительства новой железнодорожной ветки, которая должна соединить Лондон с северо-западом Англии.
До того как он стал членом палаты лордов, Мэй был главным научным консультантом сперва консервативного правительства Джона Мейджора, а затем и лейбористского кабинета Тони Блэра. Я поинтересовался, не слишком ли трудно было человеку, обычно не боящемуся говорить правду в глаза, балансировать на такой политизированной должности.
– На собеседовании мне сказали, что мне иногда придется защищать решения каких-нибудь министров; что я об этом думаю? Я ответил, что никогда и ни при каких обстоятельствах не буду отрицать факты. Вместе с тем я всегда достаточно хорошо выступал в игровых дискуссиях, когда тебе дают тему и ты должен по жребию отстаивать одну или другую из двух противоположных точек зрения. Поэтому я сказал, что всегда буду рад объяснить, как именно министр пришел к такому решению. Я просто не стану его поддерживать, если решение было неправильным.
Типичный ответ математика. Изложить аксиомы, использованные министром, а затем развернуть доказательство, которое привело его к данному выводу. Беспристрастный подход. Который, однако, не означает, что Мэй не имеет собственных твердых убеждений и не готов излагать свою точку зрения на обсуждаемую тему.
Мне было интересно узнать, как правительство справляется с теми затруднениями, которые теория хаоса создает для всех, кто пытается принимать политические решения. Как политики подходят к задаче предсказания будущего и управления им при наличии лишь частичного знания систем, которые они анализируют.
– Я думаю, это слишком радужное представление о том, что тут происходит. За очень редкими исключениями все они – люди очень эгоистичные, очень амбициозные, которых прежде всего интересует собственная карьера.
А что сам Мэй? Как повлияли сделанные им открытия на его мнение о роли науки в обществе?
– Это было очень странное ощущение. Конец ньютоновской мечты. Когда я заканчивал университет, считалось, что при помощи все более и более мощных компьютеров мы сможем получать все более и более точные прогнозы погоды, потому что мы знаем все уравнения и сможем построить еще более реалистичные модели Земли.
Но Мэй не согласен с попытками отрицателей изменения климата использовать теорию хаоса для подрыва дискуссии.
– Не верить в изменение климата на том основании, что прогнозам погоды нельзя доверять, – это примерно как не верить в приливы на том основании, что нельзя предсказать, когда на пляж Бонди-бич придет следующая волна.
В качестве иллюстрации того странного противоречия, которое существует между возможностью необыкновенно точного научного познания некоторых вещей и теорией хаоса, которая отказывает нам в познании многих частей природного мира, часто цитируют отрывок из пьесы «Аркадия» Тома Стоппарда. Один из главных героев, Валентайн, заявляет:
Нам легче предсказать, что произойдет на краю Галактики или внутри атомного ядра, чем узнать, будет ли дождь в воскресенье через три недели, когда тетушка будет принимать гостей в своем саду.
Мэй шутит, что его наиболее цитируемая работа – это не одна из резонансных статей, напечатанных в таких престижных научных журналах, как Nature, а театральная программка, которую он написал к первой постановке пьесы Стоппарда в лондонском Национальном театре. «Как бы в насмешку над всеми этими индексами цитирования как критерием значимости научного исследования».
Человеческое уравнение
На какие же великие нерешенные вопросы науки Мэй хотел бы получить ответ? Сознание? Бесконечная Вселенная?
– Я думаю, меня бы интересовало что-нибудь менее грандиозное, так что я бы скорее говорил о тех вещах, над которыми сейчас работаю. Я практически случайно занялся вопросами банковского дела.
Это было неожиданно. Хотя создание стабильной банковской системы казалось весьма узкой проблемой, Мэй недавно использовал свои модели распространения инфекционных заболеваний и динамики экологических пищевых сетей для изучения банковского кризиса 2008 г. В сотрудничестве с Эндрю Холдейном из Банка Англии он рассматривал финансовую сеть как экосистему. Это исследование показало, как финансовые инструменты, предназначенные для оптимизации прибыли отдельных организаций с, по-видимому, минимальным риском, могут тем не менее дестабилизировать банковскую систему в целом.