В 1975 году в Мичиганском университете вышла книга, которую почти никто не заметил за шумом нефтяного кризиса. «Адаптация в естественных и искусственных системах» — тонкий томик, автор Джон Холланд. Внутри не было ни одной формулы, которую нельзя было бы объяснить студенту-второкурснику, зато была идея, от которой до сих пор захватывает дух: заставить решения задач рождаться сами, через отбор, скрещивание и мутации — точно так же, как рождается всё живое.
Холланд отказался от привычного подхода, когда человек пишет точный код. Вместо этого он создал популяцию случайных вариантов, оценил их по единственному критерию — насколько хорошо они решают задачу, — и дал им размножаться. Лучшие «родители» обменивались кусками кода, случайные ошибки добавляли разнообразие, слабые исчезали. Через сотни и тысячи поколений из хаоса появлялось то, что человек никогда бы не придумал.
Инженер НАСА Джейсон Лон вспоминает, как в 2000-х запускал такой алгоритм на ночь, а утром находил антенну, похожую на скрученную проволочную скульптуру. Объяснить её форму он мог только в половине случаев. Зато в 2006 году точно такая «выросшая» антенна улетела на спутнике ST5 и отработала идеально.
В Новой Зеландии команда «Властелина колец» столкнулась с невозможным: нужно было анимировать тысячи скачущих лошадей так, чтобы движения выглядели живыми. Аниматоры сдались и запустили эволюцию цифровых жеребят. Через миллионы поколений виртуальные лошади научились ставить копыта именно туда, куда ставит настоящая лошадь, — даже профессиональные наездники не могли отличить.
Сегодня эти алгоритмы уже не экзотика.
В 2024 году Google DeepMind и Институт Броуда вырастили сотни новых белков-кандидатов на лекарства от рака и редких болезней. Некоторые из них в лабораторных тестах превзошли всё, что химики находили за десятилетия классического скрининга.
В лабораториях Boston Dynamics и ETH Zürich новые роботы больше не получают контроллеры, написанные инженерами. Их просто ставят в симуляцию и дают падать миллионы раз. Выжившие поколения встают, прыгают через препятствия и бегают по камням способами, которые механики называют «биологически странными, но чертовски эффективными».
Даже архитектуры современных нейронных сетей всё чаще выращивают, а не проектируют. Алгоритмы типа NEAT и их наследники (EvoJax, POET) буквально эволюционируют количество слоёв, связи и типы нейронов с нуля — и в 2024–2025 годах такие сети уже решают задачи обучения с подкреплением не хуже, а иногда и лучше лучших человеческих проектов.
А на выставке Ars Electronica в 2025-м посетители сами становились частью отбора: их движения и эмоции определяли, какие визуальные и звуковые паттерны выживают и размножаются дальше. Искусство эволюционировало в прямом эфире.
У метода по-прежнему есть слабое место — ловушка локального оптимума, когда эволюция застревает на «почти хорошем» решении. Но инженеры научились встряхивать систему так же, как природа делает это катастрофами и миграциями.
Джон Холланд ушёл в 2015-м, так и не увидев, как его тихая университетская идея превратилась в повседневный инструмент от фармацевтики до кино и робототехники.
А где-то сейчас, в серверных залах и лабораториях, миллиарды цифровых существ продолжают рождаться, бороться и умирать каждую секунду. Они делают это не за миллионы лет, как жизнь на Земле, а за часы или минуты.
И каждый раз, когда из этого безжалостного процесса выходит решение — странное, прекрасное и необъяснимое, — становится ясно: мы не просто написали ещё один алгоритм. Мы запустили в компьютерах крошечную копию той силы, которая когда-то создала нас самих.