Роботы учатся делиться, подтверждая правило Гамильтона

Используя простых роботов для моделирования генетической эволюции на протяжении сотен поколений, швейцарские учёные предоставили количественное доказательство кин-отбора и пролили свет на одну из самых стойких загадок биологии: почему большинство социальных животных, включая человека, идут навстречу друг другу? В следующем выпуске открытого онлайн-журнала PLoS Biology профессор робототехники EPFL Дарио Флореано и биолог Лозаннского университета Лоран Келлер исследуют часто обсуждаемый вопрос эволюции генов альтруизма.

Альтруизм, принесение в жертву личной выгоды ради общего блага, на первый взгляд противоречит идее «выживания сильнейшего». Однако альтруистическая экспрессия генов встречается в природе и передаётся из поколения в поколение. Например, рабочие муравьи стерильны и совершают высшее альтруистическое жертвоприношение, не передавая свои гены вообще, чтобы обеспечить выживание генетического материала матки. Жертва индивидуума ради сохранения генетического кода родственника известна как кин-отбор. В 1964 году биолог У. Д. Гамильтон предложил точный набор условий, при которых может развиться альтруистическое поведение, ныне известный как правило Гамильтона кин-отбора. Суть в следующем: если член семьи делится пищей с остальными, это снижает его личные шансы на выживание, но повышает вероятность того, что родственники передадут свои гены, многие из которых общие для всей семьи. Правило Гамильтона просто гласит, что будет ли организм делиться пищей с другим, зависит от степени их генетического родства (сколько генов они разделяют).

Проверить эволюцию альтруизма с помощью количественных исследований на живых организмах было в основном невозможно, так как эксперименты должны охватывать сотни поколений и включают слишком много переменных. Однако роботы Флореано эволюционируют быстро, используя симулированные функции генов и генома, и позволяют учёным измерить затраты и выгоды, связанные с признаком. Кроме того, правило Гамильтона долго было предметом споров, потому что его уравнение кажется слишком простым, чтобы быть правдой. «Это исследование удивительно хорошо отражает правило Гамильтона, объясняя, когда альтруистический ген передаётся из поколения в поколение, а когда — нет», — говорит Келлер.

Предыдущие эксперименты Флореано и Келлера показали, что роботы-фуражиры, выполняющие простые задачи (например, перемещение объектов, похожих на семена, по полу к цели), эволюционируют на протяжении многих поколений. Роботы, не способные доставить семена в нужное место, отсеиваются и не могут передать свой код, в то время как код роботов, которые работают сравнительно лучше, воспроизводится, мутирует и рекомбинируется с кодом других роботов в следующем поколении — это минимальная модель естественного отбора. Новое исследование учёных из EPFL и UNIL добавляет новое измерение: как только робот-фуражир доставляет семя в нужное место, он может решить, хочет ли он им поделиться. Эволюционные эксперименты продолжительностью в 500 поколений повторялись для нескольких сценариев альтруистического взаимодействия (сколько делиться и какой ценой для индивидуума) и генетического родства в популяции. Исследователи создали группы с разной степенью родства, что в мире роботов было бы эквивалентно полным клонам, братьям и сёстрам, кузенам и неродственникам. Группы, которые делились в соответствии с правилом Гамильтона, фуражировали лучше и передавали свой код следующему поколению.

Количественные результаты удивительно хорошо совпали с предсказаниями правила Гамильтона, даже при наличии множественных взаимодействий. Оригинальная теория Гамильтона учитывает ограниченное и изолированное видение взаимодействия генов, тогда как генетические симуляции, проведённые на роботах-фуражирах, интегрируют эффекты одного гена на множество других генов, при этом правило Гамильтона остаётся верным. Эти результаты уже находят применение в роевой робототехнике. «Мы смогли взять этот эксперимент и извлечь алгоритм, который можем использовать для развития кооперации у роботов любого типа, — объясняет Флореано. — Мы используем этот алгоритм альтруизма для улучшения системы управления нашими летающими роботами и видим, что он позволяет им эффективно сотрудничать и летать в роевом построении более успешно».