Читать книгу 📗 Если Вселенная изобилует инопланетянами… Где все? - Уэбб Стивен

Даже если принять исходную перколяционную модель как объяснение отсутствия у нас посетителей, может ли модель объяснить, почему мы не слышали от ВЦ или не видели признаков их деятельности? Этот вопрос особенно тревожен, если верен один из случаев p ≥ p_c, и мы населяем пустоту, окруженную со всех сторон развитыми цивилизациями: даже если дочерние цивилизации становятся независимыми от своих родителей, наверняка они время от времени захотят общаться друг с другом. Поддержание связи с использованием радио– или оптических каналов было бы тривиальным по сравнению с проблемой физического перемещения между звездами. Трудно поверить, что все эти цивилизации будут путешествовать, а затем примут и будут придерживаться политики молчания. Так почему мы не подслушали хотя бы один из этих разговоров? Почему мы не видели ни одного маяка «мы здесь»? (В модели Лэндиса ВЦ нечего бояться раскрывать свое положение: одним из входных данных модели является то, что колонизация обитаемой системы настолько трудна, что никогда не происходит.) Почему мы не видели даже одного астроинженерного проекта, который могла бы предпринять развитая ВЦ? Ответом на все эти вопросы может быть просто то, что космос велик, и мы недостаточно усердно искали и недостаточно долго слушали. Тем не менее, хотя перколяционная модель дает элегантное объяснение того, почему нас не посетили, лично я нахожу ее в конечном итоге неубедительной.

Решение 14: Подождите минутку

Все приходит, если человек только умеет ждать. Бенджамин Дизраэли, Танкред

Одним из преимуществ перколяционного подхода Лэндиса было то, что он решал парадокс Ферми, делая явными некоторые простые предположения о галактической колонизации, а затем используя компьютер для исследования последствий этих предположений. В наши дни многие из нас имеют доступ к компьютерам, достаточно мощным, чтобы исследовать наши собственные любимые теории галактической колонизации, и один из способов сделать это — использовать модели, основанные на клеточных автоматах. Именно это и сделали астрономы Безсуднов и Снарский, тем самым предоставив связанное, но несколько иное понимание парадокса.

Клеточные автоматы Клеточные автоматы впервые были изучены Станиславом Уламом и Джоном фон Нейманом в 1940-х годах, но стали широко известны только в 1970-х годах, когда Мартин Гарднер популяризировал^[136] «Игру Жизни» Джона Конвея.

Создать клеточные автоматы легко. Возьмите доску и разделите ее, подобно шахматной доске, на несколько квадратов: каждый квадрат называется ячейкой, и ячейка может быть одного из конечного числа различных цветов. Вам нужно еще два элемента. Во-первых, вам нужны часы. Во-вторых, вам нужно определить правило перехода, которое применяется при каждом тике часов: ячейка проверяет свой собственный цвет и цвета своих соседей и определяет свой цвет в зависимости от правила. Когда часы тикают, все ячейки меняются одновременно. Таким образом, чтобы запустить клеточный автомат, вы раскрашиваете ячейки в какой-либо узор, запускаете часы, а затем наблюдаете, как узор развивается при каждом тике часов.

В «Игре Жизни» Конвея каждая ячейка может быть одного из двух цветов — скажем, черного или белого, что соответствует состояниям мертвая или живая — и правило перехода простое: если белая (живая) ячейка имеет двух или трех белых соседей, то она остается белой; иначе она становится черной (умирает); черная (мертвая) ячейка становится белой, если у нее ровно три белых соседа. Эти простые детерминированные правила порождают сложные, непредсказуемые результаты. Если вы не играли в «Игру Жизни», попробуйте одну из свободно доступных систем симуляции — наблюдение за эволюцией узора может быть весьма гипнотическим: некоторые узоры мигают; другие колеблются; третьи скользят по пространству или поедают глайдеры. В ноябре 2013 года, через 43 года после того, как игра стала достоянием общественности, было объявлено о первом самовоспроизводящемся узоре.

Безсуднов и Снарский создают модель галактической цивилизации на основе клеточного автомата следующим образом. Они делят Галактику на набор квадратных ячеек (для упрощения Галактика существует в двумерном пространстве, поэтому после деления она выглядит как сетка в игре «Морской бой»), а затем делают некоторые предположения о том, как ВЦ будут возникать, расширяться и исчезать. Первое предположение: цивилизация может появиться в любой точке незанятого пространства с некоторой малой вероятностью. Второе, и решающее, предположение: все цивилизации имеют одинаковую естественную продолжительность жизни, T₀, после чего они начинают умирать. (Авторы считают, что универсальной причиной гибели цивилизаций будет потеря «основных функций — функций познания». Другими словами, узнав все, что можно о себе и своем окружении, цивилизация не имеет желания продолжать существование. Она увядает, умирает.) Третье: если одна цивилизация вступает в контакт с другой, то продолжительность жизни обеих увеличивается на время T_b: контакт порождает новые вещи для изучения, новые разговоры, стимул для дальнейшего развития. (Авторы называют это моделью «стимулирования бонусом», но это порождает довольно неудачную аббревиатуру: модель BS. Я вместо этого буду называть ее полностью.)

В модели стимулирования бонусом цивилизация представлена квадратом ячеек, где центральный квадрат является местом рождения цивилизации. Модель можно определить как клеточный автомат, сформулировав предположения в виде правил перехода. Первое правило заключается в том, что новая цивилизация может родиться в любой пустой ячейке; вероятность рождения равна n, и цивилизация начинается как одна ячейка. Второе правило заключается в том, что с каждым тиком часов цивилизация изменяет размер на один слой ячеек с каждой стороны: если цивилизация моложе T₀, то она увеличивается в размере; если цивилизация старше T₀, то она уменьшается в размере; и когда размер становится равным нулю, то есть когда больше нет ячеек, цивилизация мертва. Третье правило: если растущая цивилизация встречает другую цивилизацию — что в этой модели означает, что ячейка должна принадлежать обеим цивилизациям — то продолжительность жизни обеих цивилизаций увеличивается на бонусное время T_b; если в кластере несколько цивилизаций, то все они получают бонусное время. Последующее развитие каждой цивилизации происходит так же, как во втором правиле.

Методы Монте-Карло Клеточные автоматы — не единственный доступный вычислительный метод для исследования вопросов, связанных с внеземным разумом. Например, можно использовать методы Монте-Карло.

В подходе Монте-Карло вы запускаете симуляцию много раз, а затем многократно выбираете случайные значения, чтобы получить распределение некоторой неизвестной величины. Возможно, самый ранний метод Монте-Карло появился в XVIII веке, когда Жорж-Луи Леклерк, граф де Бюффон показал, как случайный, вероятностный подход можно использовать для оценки π. Предположим, у вас есть деревянная доска, состоящая из параллельных полос, каждая из которых имеет одинаковую ширину d. Теперь бросьте иглу, длина которой l меньше ширины полос, на пол. Бюффон спросил: какова вероятность P, что игла пересечет линию между двумя полосами? Он показал, что P = 2l/dπ, что можно преобразовать, чтобы получить выражение для π. Но вы можете измерить P экспериментально, проведя эксперимент много раз и измерив, сколько раз игла пересекает линию. Предположим, это происходит h раз из n попыток, так что P = h/n. В этом случае π = 2ln/hd. Если у вас хватит терпения, вы можете провести этот эксперимент Монте-Карло самостоятельно и оценить π.

По словам Николаса Метрополиса, человека, придумавшего название «метод Монте-Карло» для современной версии этого подхода, Ферми был первым, кто баловался^[137] этой техникой. Ферми использовал ее при изучении диффузии нейтронов в 1930-х годах, но не опубликовал это исследование. Именно работа Улама и фон Неймана, упомянутая выше, положила начало широкому использованию методов Монте-Карло. Улам и фон Нейман использовали методы Монте-Карло в исследованиях ядерного оружия в Лос-Аламосе; в наши дни эта техника используется везде, где есть необходимость моделировать какое-либо явление, имеющее большую неопределенность во входных данных — так что вы найдете ее применение во всей физике, инженерии, прогнозировании погоды, бизнесе… она действительно повсеместна. Шотландский астрофизик Дункан Форган первым применил методы Монте-Карло для изучения парадокса Ферми.^[138]