Неутолимая любознательность - читать онлайн книгу. Автор: Ричард Докинз cтр.№ 44

Поначалу я не обращал внимания на последовательность клевков как таковую. Этим я занялся уже позже, когда переехал в Калифорнию. Если не ошибаюсь, причина была весьма прозаична: устройство, сконструированное Яном, позволяло считать клевки, но не позволяло точно записывать тот порядок, в котором цыпленок их совершал, а сам Ян к тому времени вернулся в Германию и не мог помочь мне с усовершенствованием установки. Кроме того, я, кажется, был слишком увлечен красотой попперианской идеи вывести математическую формулу, которая позволяла бы прогнозировать значения одного регистрируемого показателя, исходя из значений других регистрируемых показателей.

Как выяснилось, цыплята предпочитали синие мишени не только зеленым, но и красным, а красные предпочитали только зеленым. Я придумал эксперимент, в котором предоставил им возможность выбирать между синим и зеленым, синим и красным, а также красным и зеленым, и в каждом случае регистрировал долю клевков по мишени предпочитаемого цвета P. В результате у меня получалось три числа (P_{лучший/худший}, P_{лучший/средний}, P_{средний/худший}). Логично предположить, что P_{лучший/худший} будет больше, чем два других параметра. Но позволяет ли моя модель прогнозировать, насколько больше? Можно ли вывести из этой модели формулу, на основании которой станет возможным рассчитать точное значение P_{лучший/худший}, исходя из значений P_{лучший/средний} и P_{средний/худший}? Оказалось, что можно, и мне удалось это сделать. Я ввел символы, обозначающие время, в течение которого величина побуждения находится между разными пороговыми значениями, провел некоторые алгебраические преобразования школьного уровня (операции с системами уравнений, которым меня учил Эрни Дау), чтобы исключить неизвестные переменные, и был очень рад, когда после нескольких страниц выкладок у меня получилась формула, позволяющая делать простой, точный количественный прогноз. В соответствии с моделью пороговых значений побуждения

P_{лучший/худший} = 2 (P_{лучший/средний} + P_{средний/худший} − P_{лучший/средний} × P_{средний/худший}) − 1.

Я назвал эту формулу “прогноз 1”. Меня привлекало в ней то, что она позволяла прогнозировать точные значения количественного параметра.

Теперь мне предстояло проверить этот прогноз. Станут ли цыплята вести себя в соответствии с ним? Да, к моей несказанной радости, в семи из восьми повторностей эксперимента они вели себя почти в точности так, как предписывал прогноз. Результаты восьмого эксперимента были настолько не похожи на результаты остальных семи, что, когда одна из моих статей была опубликована в журнале “Поведение животных” ^[93], в издательстве, к моей крайней досаде, соответствующую точку на графике удалили, приняв ее за изъян печатной формы! К счастью, из таблицы соответствующая цифра никуда не делась, иначе меня могли бы обвинить в преднамеренном искажении данных. После этого я провел еще одну серию экспериментов, в которых цыплята не клевали мишени, а заходили в камеры, освещенные светом разных цветов. На приведенном здесь графике представлены результаты обеих серий экспериментов и прогнозируемые значения процента предпочтений “лучшего” цвета “худшему”.

Если бы прогноз был идеальным, все точки лежали бы ровно на диагональной линии. За исключением восьмого эксперимента, о котором уже было сказано, прогнозы модели пороговых значений побуждения оказались намного лучше, чем можно было надеяться получить в экспериментах, посвященных поведению животных (в физических экспериментах точность обычно выше, потому что меньше статистическая ошибка измерений).

Кроме того, я использовал те же данные, чтобы проверить прогнозы, сделанные на основе альтернативной, более простой модели, исходившей из того, что каждый цвет имеет для цыпленка определенную “ценность” и вероятность выбора того или иного цвета пропорциональна его ценности. Прогнозы обеих моделей были похожи, так что если одна из них была верна, другая неизбежно должна была быть почти верна. Но модель пороговых значений побуждения неизменно позволяла прогнозировать наблюдаемые результаты точнее. Модель “ценности цветов” постоянно давала заниженные оценки показателя P_{лучший/худший}, а значит, не выдерживала проверку на ложность, которую модель пороговых значений побуждения, напротив, с блеском выдержала, давая необычайно точные прогнозы (за исключением одного эксперимента).

Означает ли хороший результат проверки моей модели, что в голове цыпленка действительно есть что-то вроде колеблющейся величины “побуждения”, время от времени превышающей определенные пороговые значения, и происходит ли при превышении двух или трех значений что-то вроде подбрасывания монетки, определяющего выбор цвета цыпленком? Поппер сказал бы, что модель выдержала серьезную попытку ее опровергнуть, однако это ничего не говорит о том, соответствуют ли постулируемые моделью “побуждение” и “пороги” тому, что на самом деле происходит в нейронах и синапсах. Но, по меньшей мере, интересно то, что мы можем делать некоторые выводы о происходящем в голове, даже не заглядывая в нее.

Этот метод, включающий в себя придумывание модели и проверку ее прогнозов, оказался исключительно продуктивным во многих отраслях науки. Так, в генетике вывод о существовании хромосом как линейных последовательностей генов, содержащих закодированную информацию, можно сделать и безо всякого микроскопа, только на основании результатов экспериментов по скрещиванию. Свою модель пороговых значений побуждения, а также результаты своих исследований восприятия цыплятами затенения как показателя объема я рассматриваю в качестве примеров того, какого рода процессы могут происходить в голове цыпленка, а не как окончательные выводы о том, что на самом деле в ней происходит.

Я совершенствовал свою модель в разных направлениях (в полном соответствии с предписаниями попперианской философии) и проверил в общей сложности девять прогнозов, оказавшихся довольно точными. Одно из таких усовершенствований, уже упоминавшееся выше, было попыткой объяснить, в какой момент цыпленок совершает клевок (отражая текущий уровень побуждения относительно пороговых значений). Прогнозы этой усовершенствованной модели хорошо выдержали проверку данными о птенцах озерной чайки, полученными моей коллегой и близким другом доктором Моникой Импековен, приезжавшей из Швейцарии, чтобы поработать на Бевингтон-роуд. Результаты этого исследования мы с ней опубликовали в совместной статье ^[94].

Другой усовершенствованный вариант моей модели, который я назвал в соответствующей публикации моделью пороговых значений внимания ^[95], был попыткой глубже разобраться в “бросании монетки”, предполагаемом исходной моделью пороговых значений побуждения, то есть в случайном выборе мишени при превышении побуждением двух или трех порогов. Суть модели пороговых значений внимания состояла в следующем. Я предположил, что в каждый момент времени цыпленок концентрирует внимание только на одном аспекте мишени (цвете, форме, размерах, текстуре и т. д.), причем в определенном порядке, и каждая из соответствующих систем концентрации внимания подчиняется своей собственной разновидности модели пороговых значений побуждения. Вначале цыпленок концентрирует внимание на первом аспекте – скажем, цвете. Если значение побуждения цветовой системы превышает только один порог, цыпленок выбирает предпочитаемый цвет (например, синий). Но если цветовая система требует “бросать монетку”, то цыпленок переключает внимание на что-то еще, например форму, а цвет игнорирует. С точки зрения системы цвета выбор, совершаемый на основе формы, равнозначен случайному. Но с точки зрения системы формы он, разумеется, неслучаен. Этот процесс перехода на следующие уровни внимания может продолжаться вплоть до последней системы. Если ни одна из них не предписывает однозначного выбора, то цыпленок “подбрасывает монетку”, просто выбирая ближайшую мишень. Модель пороговых значений внимания позволила мне сделать еще несколько прогнозов (всего девять), и все они успешно выдержали экспериментальную проверку.