Але чи можна очікувати на складні розрахунки від бідолашної машини для виживання, особливо коли йдеться про поспіх?!^[35] Навіть видатний математичний біолог Дж. Б. С. Холдейн (у статті 1955 року, де він випередив Гамільтона, коли оголосив про поширення гена порятунку близьких родичів, що тонуть) зауважив: «…двічі, коли я порятував з води людей, що могли потонути (з безкінечно малим ризиком для себе), в мене не було часу на такі розрахунки». Однак, як про це добре знав Холдейн, на щастя, немає жодної необхідності припускати, що машини для виживання свідомо здійснюють ці розрахунки в своїх головах. Так само, як ми можемо використовувати логарифмічну лінійку, не усвідомлюючи, що, насправді, маємо справу з логарифмами, так і тварина може бути заздалегідь запрограмована таким чином, що поводитиметься, немов провела складний розрахунок.

Як саме це відбувається, уявити не складно. Коли людина підкидає м’яч високо в повітря та ловить його, то поводиться, немов розв’язала низку диференційних рівнянь, обчисливши траєкторію м’яча. Вона може не знати й не перейматися тим, що це диференційні рівняння, але це аж ніяк не впливає на її вправність із м’ячем. На якомусь підсвідомому рівні відбувається щось функціонально еквівалентне до математичних розрахунків. Так само людина, що приймає певне складне рішення, зваживши на всі плюси та мінуси, а також на можливі наслідки цього рішення, виконує функціональний еквівалент великого розрахунку «зваженої суми», на зразок комп’ютерних обчислень.

Якби ми програмували комп’ютер для створення моделі прийняття машинами для виживання необхідних рішень, чи слід їм поводитись альтруїстично, то мали б, мабуть, діяти приблизно так. Нам потрібно було б скласти перелік усіх альтернативних дій тварин. Потім для кожної з цих альтернативних схем поведінки ми би запрограмували розрахунок зваженої суми. Всі можливі переваги матимуть знак «плюс», а всі ризики — знак «мінус». Перед додаванням всі вигоди та ризики будуть зважені завдяки помноженню на відповідний коефіцієнт спорідненості. Для спрощення ми можемо спочатку не зважати, наприклад, на вік і стан здоров’я. Оскільки «спорідненість» індивіда із самим собою дорівнює одиниці (тобто, він безсумнівно має 100 % своїх власних генів), ризики та вигоди для нього не знецінюватимуться і ввійдуть до розрахунку у повному об’ємі. Вся сума для будь-якої схеми альтернативної поведінки виглядатиме десь так: чиста вигода схеми поведінки = вигода для себе — ризик для себе + ½ вигоди для брата — ½ ризику для брата + ½ вигоди для іншого брата — ½ ризику для іншого брата + 1/8 вигоди для двоюрідного брата чи сестри — 1/8 ризику для двоюрідного брата чи сестри + ½ вигоди для дитини — ½ ризику для дитини тощо.

Результатом такого додавання стане число із назвою «показник чистої вигоди» цієї схеми поведінки. Далі уявний комп’ютер розраховує еквівалентну суму для кожної альтернативної схеми поведінки в репертуарі тварини. Врешті-решт, тварина обирає ту, що пропонує найбільш безсумнівну користь. Навіть якщо всі показники негативні, вона все одно має обрати найменше зло. Пам’ятайте, що будь-яка позитивна дія передбачає споживання енергії та часу, які можна було б витратити на інше. Якщо «поведінкою» з найвищим показником чистої вигоди буде не робити нічого, тваринна модель не робитиме нічого.

Ось ще один спрощений приклад, цього разу представлений у формі радше суб’єктивного монологу, ніж комп’ютерного моделювання. Уявімо, що я — тварина, що натрапила на місце, де росте вісім грибів. Врахувавши їхню поживну цінність і зваживши на ризик, що вони можуть бути отруйними, я оцінюю, що вони варті +6 одиниць кожен (одиниці — це довільні винагороди, як у попередньому розділі). Гриби такі великі, що я можу з’їсти лише три з них. Чи маю я повідомити комусь про мою знахідку, надавши «сигнал про їжу»? Хто перебуває у межах чутності? Брат B (його спорідненість зі мною становить ½), двоюрідний брат C (1/8 спорідненості зі мною), а також сторонній мені D (жодного кревного зв’язку: його спорідненість зі мною становить таке мале число, що її можна вважати нульовою). Якщо я промовчу про свою знахідку, показник чистої користі для мене складе +6 для кожного з трьох грибів, які я з’їм, що в сумі дасть +18. Показник же моєї чистої вигоди, якщо я подам сигнал про їжу, доведеться трохи порахувати. Вісім грибів будуть порівну розділені між нами чотирма. Винагорода для мене від тих двох грибів, що я з’їм сам, складе цілих +6 одиниць за кожний, що в сумі дасть +12. Але я також отримаю якусь винагороду, коли мій брат та кузен з’їдять кожен по два свої гриби, бо ми маємо спільні гени. Тому насправді показник чистої вигоди для мене складе (1 × 12) + (½ × 12) + (1/8 × 12) + (0 × 12) = +19½. Відповідна безпосередня користь від егоїстичної поведінки становитиме +18: цифри ті самі, але рішення зрозуміле. Я маю подати сигнал про їжу; альтруїзм з мого боку насамперед пішов би на користь моїм егоїстичним генам.

Згідно з моїм спрощеним припущенням, певна тварина вираховує найкращий варіант для її генів. Насправді ж генофонд наповнюється генами, які впливають на тварин таким чином, що ті поводяться, немов виконали такі розрахунки.

Зрештою, цей розрахунок є надто далеким від ідеального. Він не бере до уваги багато важливих моментів, таких як вік індивідів, що про них мова. Крім того, якби я перед тим добре попоїв, тому подужав з’їсти лише одного гриба, безсумнівна користь від мого сигналу про їжу була би більшою, ніж якби я був голодним. Нема межі прогресивним покращенням розрахунку, якого можна було б досягти у найкращому з усіх можливих світів. Але реальне життя триває не у ньому. Ми не можемо очікувати, що тварини насправді враховуватимуть кожну деталь у пошуках оптимального рішення. Завдяки спостереженням та експериментам над дикою природою ми маємо виявити, наскільки насправді близько тварини від досягнення ідеального аналізу витрат і вигод.

Для того, щоб переконатися, що ми не надто відбігли від суб’єктивних прикладів, на певний час вдамося до мови генів. Живі організми — це машини, запрограмовані генами, яким вдалося вижити. Гени, що вижили, зробили це в умовах, що в середньому були характерними для середовища існування цього виду в минулому. Тому «зважування» витрат і вигод базується на минулому «досвіді», так само, як це роблять люди, приймаючи рішення. Проте досвід у цьому випадку має особливе значення досвіду генів або, що краще, умов виживання генів у минулому. (Оскільки гени також наділяють машини для виживання здатністю навчатися, можемо сказати, що деякі зважання на ризик і вигоду робилися ще й на підставі індивідуального досвіду.) Допоки умови раптово не зміняться, розрахунки будуть точними, а машини для виживання загалом прийматимуть правильні рішення. Якщо ж відбудуться радикальні зміни, машини для виживання почнуть робити помилки, за що поплатяться їхні гени. Зрештою, і рішення людей, базовані на застарілій інформації, зазвичай бувають неправильними.

Оцінювання спорідненості також є об’єктом помилок та сумнівів. Досі в наших спрощених розрахунках ми вважали, наче машини для виживання знають, хто є їхнім родичем та наскільки близьким. У реальному житті таке точне знання теж іноді можливе, але значно частіше спорідненість вдається оцінити лише приблизно. Наприклад, уявімо, що A і B мають однакові шанси бути зведеними або рідними братами. Їхня спорідненість складає ¼ або ½, але, оскільки ми не знаємо, наполовину вони брати чи рідні, ефективно можна використовувати лише середнє значення 3/8. Якщо точно відомо, що у них одна мати, а от імовірність того, що батько спільний, складає лише 1 до 10, тоді є 90 % упевненості, що вони зведені брати і 10 % упевненості, що вони рідні брати, а дійсна спорідненість складає 1/10 × ½ + 9/10 × ¼ = 0,275.

Але коли ми говоримо про 90 % упевненості, кого маємо на увазі? Натураліста після тривалих польових досліджень чи тварин? Насправді, різниці між ними, мабуть таки, не буде. Щоби переконатися в цьому, варто довідатися, як тварини насправді розпізнають своїх близьких родичів^[36].