У любого животного имеется определенный набор ФПД. Похожий принцип лежит в основе устройства куклы, которую заводят, потянув за шнурок, после чего она говорит одну из фраз, случайным образом выбираемых из некоего ограниченного репертуара. Когда фраза выбрана, кукла проговаривает ее до конца и не переключается посреди нее на какую-либо другую. Выбор конкретной фразы из дюжины возможных непредсказуем, но, когда он сделан, дальнейшее развитие событий вполне предсказуемо. Так представляли себе работу ФПД и мы с Мэриан, будучи этологами тинбергеновской школы. Но так ли это на самом деле? На этот вопрос нам и хотелось ответить – точнее, нам хотелось переформулировать его таким образом, чтобы на него можно было дать однозначный ответ.

Теоретически непрерывный ход поведения любого животного может быть записан как последовательность мышечных сокращений. Но если теория ФПД верна, то действия животного должны быть настолько предсказуемы, что запись всех сокращений мышц (если это вообще возможно) оказалась бы трудоемкой и напрасной. Вместо этого можно просто записать все ФПД, тогда последовательность ФПД (исходя из утрированной версии данной теории) и будет полным описанием поведения животного.

Но так должно быть лишь в том случае, если ФПД действительно аналогичны органам или костям, – иными словами, если каждая такая последовательность действий совершается полностью, не прерываясь на середине и не смешиваясь ни с какой другой последовательностью. Нам с Мэриан хотелось найти способ оценить, в какой степени это положение теории ФПД верно. Темы наших диссертаций были по-своему связаны с принятием решений, и для нас казалось естественным перевести проблему ФПД на язык принятия решений. Говоря этим языком, животное принимает решение запустить ту или иную ФПД, но после запуска каждая ФПД осуществляется до конца, и во время ее осуществления никакие решения уже не принимаются. По завершении ФПД в поведении животного наступает период неопределенности, продолжающийся до принятия нового решения запустить (и завершить) ту или иную ФПД.

Мы решили изучить это явление на конкретном примере поведения цыплят, когда они пьют воду, и надеялись, что этот случай окажется репрезентативным[104]. Птицы (за исключением голубей, которые просто всасывают воду) пьют, совершая последовательность действий, напоминающую изящное глиссандо и создающую отчетливое субъективное впечатление, что ее запускает конкретное решение, после которого она всегда осуществляется от начала до конца. Но можно ли было подтвердить это субъективное впечатление достоверными данными?

Мы снимали пьющих цыплят на кинопленку в профиль, а затем анализировали их поведение кадр за кадром, чтобы разобраться, можно ли установить “структуру принятия решений” такого поведения. Мы измеряли координаты положения головы на каждом кадре и вводили их в компьютер. Идея была в том, чтобы установить степень предсказуемости каждого следующего кадра, исходя из положения головы на предыдущих кадрах.

На следующей странице показаны графики изменений высоты глаза у одного и того же цыпленка во время трех последовательностей действий, которые он совершал, когда пил воду. Все три графика наложены друг на друга так, чтобы на них совпадал момент соприкосновения клюва с водой (ноль на оси времени). Если посмотреть на эти графики, складывается ощущение, что с этого момента (и даже незадолго до него) поведение цыпленка стереотипно и предсказуемо, но более ранний этап движения головы вниз варьирует сильнее и зависит от принимаемых решений, позволяющих цыпленку приостановить движение и даже (как мы показали в другой серии экспериментов) отказаться от питья воды.

Но как можно количественно оценить эту предсказуемость? Один из способов сделать это изображен на графике на следующей странице. На нем тоже представлена последовательность действий цыпленка, пьющего воду, но от каждой точки, отражающей положение глаза на каждом кадре, отходят стрелки, длины которых пропорциональны вероятности (рассчитанной по данным о многих цыплятах, много раз пивших воду) того, что на следующем кадре высота глаза будет меньше, больше или такой же.

Из графика видно, что во время движения головы цыпленка вверх, когда он дает воде стекать ему в горло, велика вероятность того, что это плавное движение вверх продолжится и далее. Цыпленок в данном случае осуществляет решение выполнить соответствующую ФПД, во время выполнения которой никакие другие решения не принимаются. Но во время движения головы вниз дальнейшее поведение цыпленка прогнозировать сложнее. На каждом следующем кадре, сделанном в ходе такого движения, высота глаза может уменьшиться, а может и остаться прежней, и существует даже некоторая вероятность, что она увеличится, то есть что цыпленок откажется от намерения пить воду.

Можно ли рассчитать на основе таких стрелок некий индекс неопределенности (степени зависимости от принимаемых цыпленком решений)? Тот индекс, который мы в итоге выбрали, был взят из теории информации, разработанной в сороковых годах XX века изобретательным американским инженером Клодом Шенноном. Количество информации в том или ином сообщении можно образно определить как “степень удивительности”. Эта степень представляет собой удобную в использовании противоположность степени прогнозируемости и может быть проиллюстрирована двумя классическими примерами: утверждением “В Англии идет дождь” (количество информации маленькое, потому что в этом нет ничего удивительного) и утверждением “В пустыне Сахара идет дождь” (количество информации большое, потому что сообщается нечто удивительное). Для удобства расчетов Шеннон предложил использовать коэффициент, измеряемый в битах (bit – сокращение от binary digit, “двоичная цифра”) и определяемый как сумма логарифмов (по основанию 2) априорных вероятностей всего, что до получения сообщения вызывало сомнения. Количество информации в сообщении о результате подбрасывания монетки составляет один бит, потому что априорная неопределенность составляет ½ (оба альтернативных результата, “орел” или “решка”, равновероятны). Количество информации в сообщении о масти вытянутой из колоды карты составляет два бита (альтернативных результатов четыре, а двоичный логарифм от четырех равен двум, что соответствует минимальному числу вопросов, предполагающих ответ “да” или “нет”, которые требуется задать, чтобы узнать масть вытянутой карты). Основной массив примеров, касающихся событий реальной жизни, не так прост, и возможные исходы обычно не равновероятны, но принцип в большинстве из них работает тот же, а количество информации в сообщении об исходе события удобно рассчитывать по одной из разновидностей той же формулы. Именно в связи с удобством подобных расчетов мы и выбрали в качестве меры предсказуемости (или неопределенности) информационный индекс Шеннона.

Рассмотрим еще один график (на следующей странице), показывающий изменения высоты глаза цыпленка, пьющего воду. Тонкие линии соответствуют периодам низкой прогнозируемости, то есть высокой вероятности принятия цыпленком решения, которое повлияет на его дальнейшее поведение. Жирные линии, в свою очередь, соответствуют периодам высокой прогнозируемости (когда количество информации в сообщении о положении глаза меньше условного порогового значения в 0,4 бита), во время которых цыпленок осуществляет принятое решение, а новых решений, скорее всего, не принимает. Движение головы вверх, когда оно уже началось, оказывается высоко прогнозируемым, а движение вниз – нет. Неподвижность головы цыпленка в промежутке между эпизодами питья воды высоко прогнозируема по той банальной причине, что если цыпленок в тот или иной момент неподвижен, он, скорее всего, будет неподвижен и в следующем кадре (момент начала следующего эпизода питья прогнозировать трудно).