нижать объем передаваемой информации без значительного ухудшения качества звучания или изображения. В живых системах случайный шум создается, конечно, и термодинамическими взаимодействиями с молекулами окружения (воды), но, возможно, его интенсивность и спектр не вполне соответствуют требуемым характеристикам для «биодизеринга». В этом отношении, например, если митохондрии функционируют на основе квантовых механизмов – квантового туннелирования и квантовой когерентности, определенно случайных процессов в самом чистом виде, то этим самым могут обретать наибольшую функциональную сложность, служить субъектом мастеринга всей входящей информации и становиться ведущим управляющим элементом клетки.
Развитие понятия функциональной сложности приводит к известному закону необходимого разнообразия Уильяма Эшби, в нематематической формулировке сводимого к следующему высказыванию: качество управления иерархической системой возрастает с увеличением разнообразия управляющего воздействия и уменьшением потерь от неоднозначности управления. И далее в популярной интерпретации Седова-Назаретяна, что «обеспечение роста разнообразия верхнего уровня системы достигается за счет снижения разнообразия нижних иерархических уровней». С учетом возможного приравнивания сложности, в т. ч. управления, к случайности, при наличии механизмов купирования «неоднозначности управления», можно посчитать, что оптимальное выполнение верхнеуровневого управленческого функционала сводится к генерированию случайности управляющих воздействий. Добавление «смысла», «логики», «миссии» и «идеи» в алгоритм принятия решений может уводить, и достаточно далеко, от оптимальности управления. В этом отношении и практика гаданий древних царей, и случайный набор слов в предсказаниях древних оракулов, и фраза, приписываемая М. Е. Салтыкову-Щедрину, что «российская власть должна держать народ в состоянии постоянного изумления», приобретают новое наполнение, особенно когда решительность такого управления вполне компенсирует его неоднозначность.
Кроме того, в рамках данного подхода акцент с вероятности возникновения сложных/случайных структур смещается к вероятности возникновения алгоритмов, генерирующих такие структуры. Эту идею, помимо прочих авторов, прекрасно описывает Виктор Пелевин в «iPhuck10» – от вероятности написания «Войны и мира» гигантским числом обезьянок с печатными машинками за неограниченное время к вероятности написания ими алгоритма, который будет создавать тексты, максимально приближенные к «Войне и миру» (у Пелевина, правда, одна обезьянка за миллион лет с печатной машинкой против обезьянки с RCP – random code programming – за миллиард лет). Виктор Пелевин на самом деле очень недооцененный визионер, популяризатор и интерпретатор актуальнейших достижений естественных наук, неоправданно воспринимаемый большинством читателей как автор забавных совокупностей хохм и мемов, объединенных прикольным сюжетом.
Если признано, что создание полного описания сложной системы требует такой же сложности, как сама система («совершенное описание Вселенной неотличимо от самой Вселенной», Сет Ллойд), то написание полного идентичного текста даже невероятно сложным алгоритмом также невероятно, как и случайный набор текста на печатной машинке. Но требуется ли полная идентичность? Иногда говорят, что в сценарии «Войны и мира» Сергея Бондарчука было изъято до 20 % сцен из книги, но большинство литературоведов даже не заметили этих сокращений. Так, использование аудиоформата mp3, убирая «неслышимые» сигналы, пропуская «слышимые» через дизеринг и нойз-шопинг, позволяет кратно уменьшать звуковой файл, при этом разница в звучании с «оригиналом» также «неслышима» большинству потребителей. Допуск полного смыслового (семантического) подобия, но не полной синтаксической идентичности оригиналу «Войны и мира» делает разницу в работе обезьянок за печатными машинками, набивающими текст на печатной машинке, и обезьянками за компьютером, создающими алгоритм написания текста, весьма существенной по вероятности нужного результата, особенно при наличии механизмов отбора (редактуры). И особенно, если создается и отбирается алгоритм создания алгоритмов (и так далее).
Статистическая сложность генома
В приложении к реальным живым системам напрямую провести адекватное математическое описание их биологических функций как выражение их функциональной или вычислительной сложностей оказывается пока крайне затруднительно.
Но в частном применении к функциональной сложности, например генома, общий статистический подход может быть частично реализован. Таким примером может быть предложенная Кристофом Адами (Adami C., 2002) концепция эволюционной «физической сложности». В ней под физической сложностью (нуклеотидной) последовательности понимается мера информации адаптирующейся популяции об окружающей среде, выражаемая как разница между энтропией популяции в отсутствии отбора и энтропией в условиях действия сил отбора окружающей среды. Математически для одного переменного сайта (j) последовательности она может быть выражена следующим образом:
где C1(L) – эволюционная физическая сложность отдельного геномного сегмента, подверженного селективному отбору, L – число нуклеотидов геномного сегмента, Hi – энтропия отдельной последовательности (Hi= , где Fij – частоты j для нуклеотидов в сайте i).
Евгений Кунин развивает этот подход для еще более реальных условий как расчет эволюционной биологической сложности по сложности выравнивания ортологических последовательностей в генах (то есть близких статистически и функционально у разных организмов), таким образом интерпретируя эволюционную биологическую сложность всего генома:
из чего можно вывести своего рода удельную биологическую сложность, приведенную на общую длину генома, то есть биологическую плотность генома:
где C(N) – эволюционная биологическая сложность генома, D(N) – удельная биологическая сложность (биологическая плотность) генома, N – число нуклеотидов (длина) генома, Li – длина геномного сегмента, подверженного отбору (ген), k – число генов в геноме, H(Li) – эволюционная энтропия для отдельного сегмента Li, рассчитываемая как
Энтропия генома, его общая биологическая сложность и биологическая плотность таким образом, в принципе, оказываются просчитываемыми с приемлемой оценочной точностью и дают удивительные результаты. С увеличением генома быстро возрастает его энтропия (потенциальная или микроинформация), медленно нарастает биологическая сложность, а удельная биологическая сложность (биологическая плотность генома), напротив, падает. Результат выглядит парадоксальным, если принять, что в ходе эволюции отдельной линии размер генома, как правило, возрастает. То есть геном бактерий выглядит лучше «спроектированным» или, по-другому, эволюционно оптимизированным, по сравнению с геномом простейших эукариот, а он – с геномом млекопитающих и человека! Если исторически экстраполировать эту тенденцию к истокам жизни (а цифры получены только для ныне живущих организмов), то получится, что самые первые организмы или даже протоорганизмы должны были иметь самый оптимизированный низкоэнтропийный геном с максимальной плотностью информации, что, казалось бы, маловероятно. Но с принятием эквивалентности сложности и случайности такая сложность первых истинно случайных нуклеотидных последовательностей выглядит вполне объяснимой. В дополнение ко всему, допустив для эволюционной динамики траекторию прерывистого равновесия со сменой фаз состояния системы, можно признать и локальную разновекторность энтропии и сложности, например в период разрешения критичного состояния системы.
От бессмысленной структуры к информационной насыщенности гена
Могла ли разнородная смесь структурных нуклеиновых кислот, «работавших», например, на поддержание целостности полупроницаемых неорганических мембран, в какой-то момент обрести критичность состояния и создать эволюционно новый уровень сложности? Предположим, что структурные нуклеиновые кислоты (подразумевая, конечно, в первую очередь двухцепочечную ДНК, как физически более устойчивую, хотя необязательно находящуюся в классическом спиральном состоянии, и ее гибриды с РНК) являются носителями своего рода аналоговой информации, то есть содержащейся в форме их макромолекул. Об этом вполне можно говорить в настоящем времени, так как замечательными примерами современных именно структурных ДНК служат упомянутые выше матричные ДНК бактериальных биопленок и NET структуры, наблюдаемые, в частности, при развитии аутоиммунных и онкологических заболеваний у животных и человека (БОН: глава XIV), и искусственные нанотехнологические структуры на основе ДНК.
Вообще, даже некодирующие ДНК последовательности можно в каком-то смысле тоже принять за структурные элементы в составе хромосом. В этом случае движущей силой эволюции, ведущей к накоплению нуклеиновых кислот, могли бы служить циклические изменения физико-химических условий существования протобиологических ячеистых структур – геологические источники неравновесности (см. табл. 1). Было бы весьма соблазнительным вообразить, например, циклические изменения температуры в них в качестве основы работы своего рода природного ПЦР-термоциклера, пусть и невыносимо медленного (можно предполагать, что за время коронавирусной пандемии 2020 года все более-менее интересующиеся вопросами этой инфекции, узнали о полимеразной цепной реакции (ПЦР) – чрезвычайно чувствительном методе диагностики, основанном на циклическом двукратном увеличении количества искомой ДНК и/или РНК в циклах высокотемпературного разделения двойных цепочек этих молекул и последующего низкотемпературного (иногда) достраивания разделенных цепей – амплификации).