第六章 基因种族 · 2（2/2）

[]近亲选择理论需要动物拥有超现实的计算能力这一说法是错误的。这一谬误在一代又一代的学生中不断地重演，没有一次减弱。犯错的还不仅仅是年轻的学生。如果不是被标榜为对“社会生物学”的“毁灭一击”，由著名社会人类学家马歇尔·塞林斯（y）一书还能继续默默无闻地体面着。下面引用的是讨论亲属关系是否在人类中同样有效的一段话，这段话好到让人不可能相信它是对的：

强调一点，由于缺少语言学上关于如何计算关系系数r的支持，这个认识论问题成为了近亲选择理论的一个重大缺陷。世界上只有极少的语言有分数这个概念，例如印欧语系以及存在于近东和远东的一些古代文明。但对于所谓的原始人类来说，他们根本没有这个概念。猎手和采集者们通常不需要超过一、二、三的计数系统。我都避免去提及更大的问题，动物们该怎么去搞清楚r[自己，第一代堂兄弟]=1/8。

这已经不是我第一次引用这个高度揭示性的段落了，我大概也就再引一下我自己那无情的回复吧，这是来自《关于近亲选择的12个误解？》（elve s of k selection）

对塞林斯来说真可惜，他居然屈服于诱惑而“避免去提及”动物是如何“搞清楚”r。他想要嘲弄的这个非常荒谬的观点应该敲响他头脑里的警钟。一个蜗牛的壳是一个优雅的对数螺线，但蜗牛在哪里保管它的对数表呢；因为它眼睛里的晶体缺少对计算折射系数的“语言学支持”，它又是怎么看对数表呢？绿色植物又是怎么“搞清楚”叶绿素的化学式的呢？

事实上，除了行为学以外，在你能想到的几乎所有生物学的方面，诸如解剖学、生理学，如果按塞林斯的方法你都会走入同样的死胡同。任何动物或植物躯体的发育都需要复杂的数学来精确描述，但这并不意味着动植物自身必须成为一个聪明的数学家。非常高的树木常常会在其树干底部像翅膀一样伸出巨大的板根。对任何一种树而言，树越高，板根就越庞大。大家广泛接受一个事实，即这些板根的形状和大小都接近于能够保持树木直立的最有效方案，然而一个工程师需要非常高深的数学知识才能够证明这一点。尽管树也缺乏相应的数学知识来作出计算，塞林斯或其他什么人也绝对不会来质疑板根背后的理论。那么为什么就要特别地对近亲选择行为提出这个问题呢？这显然不可能是因为这是行为学，而非解剖学。因为塞林斯对很多其他行为学的例子（我是指近亲选择行为以外）都会欣然接受，而不是提出他那个“认识论上的”反对意见。作为一个例子，你可以想想当我对我每接一次球从某种意义上来说，都需要做出的那种复杂计算时所做的解释。人们会情不自禁地想：对于这些很满意自然选择理论的社会学家来说，仅仅由于他们学科历史上一些毫不相干的理由，就不顾一切地想要专门去找到一些——哪怕一丁点儿——近亲选择理论的问题？

这种情况其实是不难想象的。一个人把球投入高空，然后又把球接住，他在完成这个动作时好像事先解了一组预测球的轨道的微分方程。他对微分方程可能一窍不通，也不想知道微分方程是什么玩意儿，但这种情况不影响他投球与接球的技术。在某个下意识的水平上，他进行了某种在功能上相当于数学演算的活动。同样，一个人如要作出某项困难的决定，他首先权衡各种得失，并考虑这个决定可能引起的他想象得到的一切后果。他的决定在功能上相当于一系列加权演算过程，有如计算机进行的那种演算一样。

如果要为一台计算机编制程序，使之模拟一个典型的生存机器如何作出应否表现利他行为的决定，我们大概要这样进行：开列一份清单，列出这只动物可能做的一切行为，然后为这些行为的每一种模式分别编制一次加权演算程序。各种利益都给以正号，各种风险都给以负号。接着进行加权（weighted），即把各项利益和风险分别乘以适当的表示亲缘关系的指数。然后再把得出的数字加起来，为了演算的方便，在开头的时候我们不考虑其他方面如年龄、健康状况之类的权重。

由于一个个体对自己的亲缘关系指数是1（就是说，他具有他自己的100 的基因——这是不言自明的），对他的一切风险和利益都不需要打折扣，即在演算时给以全部权重。这样，每一种可能的行为模式的总和大体上是这样的：行为模式的净收益=对自己的利益–对自己的风险+1/2对兄弟的利益–1/2对兄弟的风险+1/2对另一个兄弟的利益–1/2对另一个兄弟的风险+1/8对堂兄弟的利益–1/8对堂兄弟的风险+1/2对子女的利益–1/2对子女的风险+……

这个总和就称为那个行为模式的净收益得分。接着，这个“模式动物”算出清单上每一种可供选择的行为模式的得分。最后，它决定按净收益最大的行为模式采取行动。即使所有的得分都是负数，它还是应该按这个原则进行选择，即择其害处最小的一种行为模式。应当记住，任何实际行动必然牵涉精力和时间的消耗，这些精力和时间可以用于做其他事情。如果演算的结果表明不做任何事情的净收益最大，那么，这个模式动物就什么也不做。

下面是个十分简单的例子，以自我独白的形式而不是以计算机模拟的形式来说明问题。我是一只动物，发现了8只长在一起的蘑菇。我心中首先盘算一下它们的营养价值，同时考虑到它们可能有毒的这个不大的风险，我估计每个蘑菇约值+6个单位（像前一章一样，这些单位是任意选定的）。由于蘑菇很大，我最多只能吃3个。我要不要发出“有食物”的喊声，把我的发现告诉其他动物呢？谁能听到我的喊声？兄弟b（它和我的亲缘关系是1/2），堂兄弟c（亲缘关系是1/8）和d（并不算亲戚，因此它和我的亲缘关系指数是如此之小，以至于事实上可以作为0）。如果我不声张，我能吃掉的每个蘑菇都为我带来净收益+6，全部吃掉是+18。如发出“有食物”的喊声，那么我还有多少净收益可要盘算一下了。8个蘑菇4份平分，对我而言，我自己吃的一份折合净收益+12，但我的兄弟和堂兄弟各吃掉的两个蘑菇也会给我带来好处，因为它们体内有和我一样的基因。事实上的总分是（1x12）+（1/2x12）+（1/8x12）+（0x12）=195，而自私行为带来的净收益是+18。尽管差别不大，但得失是分明的。因此，我将发出“有食物”的喊声。在这种情况下，我的利他行为会给我的自私基因带来好处。

在上面这个简化的例子里，我假设个体动物能够盘算它的基因的最大利益是什么。实际的情况是，基因库中充满对个体施加影响的基因，由于这种影响，个体在采取行动时好像事先进行过这种演算。

无论如何，这种演算的结果仅仅是一种初步的第一近似值，它离理想的答案还有一段距离。这种演算方式忽略了许多东西，其中包括个体的年龄等因素。而且，如果我刚饱餐了一顿，现在最多只能吃一个蘑菇，这时发出“有食物”的喊声为我所带来的净收益将比我在饥肠辘辘时大得多。针对各种可能出现的理想情况，这种演算的质量可以无止境地逐步提高。但动物并非生活在理想的环境里，我们不能指望真正的动物在作出最适宜决定时考虑到每一个具体细节。我们必须在自然界里通过观察和试验去发现，真正的动物在进行有关得失的分析时，能够在多大的程度上接近理想的境界。

为了不致因为举了一些主观想象的例子而离题太远，让我们暂且再使用一下基因语言。生命体是由存活下来的基因为之编制程序的机器。这些存活下来的基因是在一定的条件下这样做的。这些条件，一般说来，往往构成这个物种以前的环境所具有的特征。因此，有关得失的“估计”是以过去的“经验”为依据的，正像人类作出决定时一样。不过，这里所说的经验具有基因经验的特殊意义，或者说得更具体一些，是以前的基因生存的条件（由于基因也赋予生存机器以学习能力，我们可以说，某些得失的估计也可能是以个体经验为基础的）。只要条件不发生急剧变化，这些估计是可靠的，生存机器一般来说往往能作出正确的决定。如果条件发生急剧变化，生存机器往往作出错误的决定，它的基因要为此付出代价。人类也是一样，他们的基因根据过时的资料作出的决定多半是错误的。

对亲缘关系的估计也会出现差错和靠不住的情况。在我们上面一些简化的计算中，生存机器被说成是知道谁跟它们有亲缘关系，而且知道这种关系的密切程度。在实际生活中，确切知道这方面的情况有时是可能的，但一般来说，亲缘关系只能作为一个平均数来估计。譬如说，我们假定a和b可能是异父或异母兄弟，也可能是同胞兄弟。他们之间的亲缘关系指数是1/4或1/2，由于我们不能肯定它们的确切关系，可供运用的有效指数是其平均数，即3/8。如能肯定他们都为一母所生，但为一父所生的可能性只是1/10，那么他们是异父兄弟的可能性是90，而同胞兄弟的可能性是10 ，因而有效指数是1/10 x 1/2 + 9/10 x 1/4 = 0275。