Представьте себе птицу, летящую по лесу в поисках добычи. Ее окружают веточки, очень немногие из которых могли бы быть съедобными гусеницами. Проблема в выборе. Мы можем предположить, что птица могла бы гарантированно различить, была ли предполагаемая ветка на самом деле гусеницей, если бы приблизилась к ней по-настоящему близко и подвергла бы ее в течение минуты усиленному осмотру при хорошем свете. Но нет времени, чтобы проделать это со всеми ветками. Маленькие птицы с высоким метаболизмом должны находить пищу пугающе часто, чтобы остаться в живых. Любая птица, разглядывающая каждую отдельную ветку аналогом лупы, умрет от голода, прежде чем найдет свою первую гусеницу. Эффективный поиск требует более быстрого, более поверхностного и скоротечного осмотра, даже при том, что это несет риск не заметить некоторую пищу. Птица должна соблюдать баланс. Слишком поверхностно — и она никогда ничего не найдет. Слишком детально — и она обнаружит каждую гусеницу, на которую смотрит, но она проверит слишком немногих и будет голодать.
Легко выразить это на языке ошибок типа 1 и типа 2. Ложноотрицательную ошибку совершает птица, которая проносится над гусеницей, не взглянув на нее поближе. Ложноположительную совершает птица, которая сосредотачивается в на предполагаемой гусенице, только чтобы обнаружить, что это на самом деле ветка. Штраф за ложноположительную ошибку — время и энергия, потраченные впустую при подлетах для близкого осмотра: не серьезный в каждом отдельном случае, но он может роковым образом накапливаться. Штраф за ложноотрицательную ошибку — незамеченная пища. Ни одна птица за пределами Тучекукуйщины[11] не может надеяться быть свободной от ошибок типа 1 и типа 2. Каждая особь птицы будут запрограммирована естественным отбором проводить некоторую компромиссную политику, рассчитанную, чтобы достичь оптимального промежуточного уровня ложноположительных и ложноотрицательных ошибок. У некоторых птиц могут преобладать ошибки типа 1, у других — противоположные. Некоторое промежуточные настройки будут лучшими, и естественный отбор направит эволюцию в этом направлении.
То, какие промежуточные настройки являются лучшими, будет меняться от вида к виду. В нашем примере это будет также зависеть от условий в лесу, например, от величины популяции гусениц относительно количества веток. Эти условия могут изменяться от недели к неделе. Или они могут изменяться от леса к лесу. Птицы могут быть запрограммированы учиться регулировать свою политику в результате их статистического опыта. Учатся ли они или нет, успешные охотящиеся животные должны как правило вести себя, как если бы они были хорошими знатоками статистики. (Кстати, я надеюсь, что нет необходимости прибегать к обычным оговоркам: нет, нет, птицы сознательно не занимаются вычислениями с таблицами вероятности и калькулятором. Они ведут себя, как если бы рассчитали p-значения. Они не больше знают, что означает p-значение, чем вы знаете об уравнении параболической траектории, когда ловите крикетный шар или бейсбольный мяч в дальней части поля.)