Сёрфер лежит на доске вдали от берега. Волны приходят и уходят, но он не тратит силы, пока не видит ту самую, которая быстро нарастает. В этот короткий миг он вскакивает, гребёт изо всех сил и скользит по склону. Его эффективность максимальна именно в момент синхронизации с волной, а не когда он спокойно покачивается на воде. Так же и адаптивные системы, от биологических сенсоров до алгоритмов онлайн-обучения, достигают пика преобразования энергии в информацию не в устойчивом покое, а в переходные мгновения, когда среда резко меняется.
Представьте частицу, которая может находиться в одной из двух ям энергетического ландшафта, как шарик в одной из двух лунок. Глубина лунок зависит от управляющего параметра, который, в свою очередь, пытается следовать за внешним сигналом. Сигнал этот не стоит на месте, а медленно дрейфует, как уровень воды в лагуне, куда приходят приливы разной силы. Когда среда меняется, параметр вынужден перестраиваться, и система выходит из равновесия. В такие моменты она производит энтропию, то есть рассеивает энергию, и одновременно получает информацию о среде. Отношение скорости получения информации к скорости рассеяния энергии и есть мгновенная эффективность обучения.
Численные симуляции показали: когда среда быстро меняется, система тратит больше энергии и получает больше информации, но пики эффективности не совпадают точно с пиками рассеяния энергии. Это означает, что система может тратить много энергии, но не учиться, если её внутренний ритм не совпал с ритмом внешнего сигнала. При усреднении по многим запускам пики сглаживаются, средняя эффективность затухает до нуля, что подтверждает чисто переходный характер оптимального преобразования информации в энергию. Найдена эмпирическая зависимость максимальной эффективности от параметров: она убывает как корень из произведения скорости адаптации и времени дрейфа среды.
Сёрфер не тратит силы на каждую волну подряд. Он ждёт нужный момент, когда волна крутая и быстрая, и тогда вкладывает всю энергию в несколько мощных гребков. Адаптивные системы в меняющемся мире делают то же самое: их термодинамическая производительность максимальна не в спокойном плавании, а в коротком рывке, когда они синхронизируются с переменой. Это знание может пригодиться при проектировании энергоэффективных сенсоров и алгоритмов, которым важно быстро обучаться в моменты изменений, а не тратить ресурсы на постоянное поддержание равновесия.
В модели эффективность может превышать единицу или быть отрицательной в отдельные моменты, что не нарушает второй закон термодинамики, а отражает временное рассогласование между диссипацией и получением информации.