Уилсоновское определение кин-отбора содержит и другой, еще более серьезный недостаток. Оно преднамеренно исключает потомков: они не считаются родственниками![6.5] Разумеется, Уилсон прекрасно знает, что потомки связаны родством со своими родителями, но предпочитает не взывать к теории кин-отбора для того, чтобы объяснить альтруизм, проявляемый родителями в заботе о собственных потомках. Он, конечно, вправе определять термин так, как считает нужным, но это определение создает сильную путаницу, и я надеюсь, что в последующих изданиях своей действительно очень ценной книги он его изменит. С генетической точки зрения родительская забота о потомстве и братско-сестринский альтруизм возникли в процессе эволюции по совершенно одной и той же причине: в обоих случаях велика вероятность наличия в теле опекаемого индивидуума гена альтруизма.

Я прошу прощения у читателя-неспециалиста за эту небольшую обличительную речь и спешу вернуться к нашей главной теме. До сих пор я слишком сильно упрощал изложение, но настало время ввести некоторые оценки. Я говорил просто о генах, детерминирующих самоубийство ради спасения жизни определенного числа родственных индивидуумов, коэффициент родства с которыми точно известен. Совершенно очевидно, что в реальной действительности животные неспособны точно сосчитать, сколько родственных индивидуумов они спасают, или провести в уме гамильтоновские расчеты, даже если бы они могли каким-то образом наверняка знать, что данные индивидуумы в самом деле их родные, двоюродные и т. п. братья и сестры. В реальной жизни верное самоубийство и несомненное «спасение» жизни должны быть заменены статистическим риском гибели как для самого себя, так и для других. Может статься, что имеет смысл спасать даже четвероюродного брата, если риск для самого себя при этом очень невелик. Кроме того, как вы, так и родственник, которого вы собираетесь спасать, в любом случае в один прекрасный день несомненно умрете. Для каждого индивидуума существует некая «ожидаемая продолжительность жизни», которую страховая компания может вычислить с некоторой степенью точности. Спасение жизни родственника, который скоро умрет от старости, окажет меньшее влияние на будущий генофонд, чем спасение жизни столь же близкого родственника, у которого большая часть жизни еще впереди.

Наши изящные симметричные вычисления коэффициентов родства придется модифицировать с учетом путаных и сложных взвешиваний, производимых статистиками страховых компаний. Деды и бабки, с одной стороны, и внуки — с другой, в генетическом смысле имеют равные основания проявлять друг к другу альтруизм, поскольку их гены на 1/4 одинаковы. Но поскольку ожидаемая продолжительность жизни внуков больше, гены альтруизма дедов и бабок по отношению к внукам имеют более высокую селективную ценность, чем гены альтруизма внуков по отношению к дедам и бабкам. Вполне возможно, что чистый выигрыш от помощи, оказанной молодому дальнему родственнику, будет выше чистого выигрыша от помощи пожилому близкому родственнику. (Кстати сказать, ожидаемая продолжительность жизни у дедов и бабок вовсе необязательно должна быть меньше, чем у внуков. У видов с высокой смертностью в раннем возрасте возможно обратное соотношение.)

Продолжая «страховочную» аналогию, можно рассматривать индивидуумов как лиц, страхующих жизнь. Данный индивидуум может рискнуть известной частью своего состояния на страховку жизни другого человека. При этом он принимает во внимание коэффициент своего родства с этим человеком, а также его «надежность» в смысле его ожидаемой продолжительности жизни по сравнению со своей собственной. Строго говоря, следовало бы заменить «ожидаемую продолжительность жизни» на «ожидаемую репродуктивность» или еще строже — на «общую способность благоприятствовать собственным генам в течение будущей жизни». В таком случае для эволюции альтруистичного поведения суммарный риск для альтруиста должен быть меньше, чем суммарный выигрыш для реципиента, умноженный на коэффициент родства. Риск и выигрыш следует вычислять упомянутым выше сложным способом, применяемым страховыми обществами.

Но можно ли ожидать, что бедная машина выживания будет способна произвести эти сложные вычисления, да еще в спешке [6.6]! Даже великий матбиолог Дж. Холдейн (в опубликованной в 1955 г. работе, где он предвосхитил концепцию Гамильтона, постулировав распространение гена, детерминирующего спасение тонущих родственников) заметил: «…в тех двух случаях, когда я вытаскивал из воды с минимальнейшим риском для себя людей, которые могли бы утонуть, у меня не было никакого времени на подобные вычисления». К счастью, как это хорошо знал Холдейн, предполагать, что машины выживания сознательно производят в уме вычисления, нет необходимости. Совершенно так же, как мы применяем логарифмическую линейку, не сознавая, что мы на самом деле используем логарифмы, животное может быть запрограммировано таким образом, что оно ведет себя, как если бы оно производило сложные вычисления.

Вообразить это не столь уж сложно, как может показаться. Когда человек подбрасывает мяч высоко в воздух и вновь ловит его, он ведет себя так, как если бы он решал систему дифференциальных уравнений, определяющих траекторию мяча. Он может не знать, что такое дифференциальное уравнение, и не стремиться узнать, но это никак не отражается на его искусстве играть с мячом. На каком-то подсознательном уровне происходит что-то, равноценное математическим вычислениям. Точно так же, когда человек принимает трудное решение, предварительно взвесив все «за» и «против» и все последствия своего решения, которые он может вообразить, его действия функционально равноценны вычислению «взвешенной суммы», производимому компьютером.

Если бы нам надо было составить программу, моделирующую на компьютере поведение образцовой машины выживания, которая принимает решения о том, следует ли ей вести себя альтруистически, мы, вероятно, действовали бы примерно следующим образом. Сначала надо составить список всех альтернативных типов поведения животного. Затем для каждого типа поведения составить программу вычисления взвешенной суммы. Все выигрыши, получаемые в результате поведения данного типа, помечаются знаком плюс, а все связанные с ним риски — знаком минус; все выигрыши и все риски перед суммированием следует взвесить путем умножения на соответствующий коэффициент родства. Для простоты мы можем прежде всего не проводить другие взвешивания, например связанные с возрастом и состоянием здоровья. Поскольку коэффициент родства данного индивидуума с самим собой равен 1 (т. е. он содержит, как это совершенно очевидно, 100%-собственных генов), риски и выигрыши для самого себя вообще не надо снижать, и в вычисления они должны входить с полным весом. Общая сумма для каждого из альтернативных типов поведения будет выглядеть следующим образом:

Чистый выигрыш при данном типе поведения = Выигрыш для себя – Риск для себя + 1/2 Выигрыша для брата – 1/2 Риска для брата + 1/2 Выигрыша для другого брата – 1/2 Риска для другого брата + 1/8 выигрыша для двоюродного брата – 1/8 риска для двоюродного брата + 1/2 Выигрыша для ребенка – 1/2 Риска для ребенка + и т. д.

Результатом такого суммирования выигрышей будет число, называемое оценкой чистого выигрыша при данном типе поведения. Затем модельное животное вычисляет эквивалентную сумму для каждого альтернативного типа поведения, имеющегося в его репертуаре. Наконец, оно выбирает и реализует поведение того типа, при котором достигается наивысший чистый выигрыш. Даже если все оценки оказываются со знаком минус, оно выбирает наилучшую форму поведения, т. е. связанную с наименьшим риском. Помните, что любое позитивное действие сопряжено с затратами энергии и времени, которые можно было бы израсходовать на другие дела. Если ничегонеделанье оказывается тем «поведением», при котором достигается наивысший выигрыш, то модельное животное будет бездельничать.