Naukowcy są często szkoleni w poszukiwaniu absolutnie najlepszego rozwiązania danego problemu. Na tablicy kredowej może to wyglądać jak rysowanie wykresu w celu znalezienia punktu minimalnego lub maksymalnego funkcji. Podczas projektowania silnika turboodrzutowego może to oznaczać niewielkie dostosowanie kąta łopat wirnika, aby uzyskać wzrost wydajności o jedną dziesiątą procenta.
Adrian Bejan, JA Jones Distinguished Professor of Mechanical Engineering na Duke University, był zajęty demonstracją tego pierwszego dla klasy pełnej studentów, kiedy przyszła mu do głowy myśl: nie tak działa natura. Ewolucja to sekwencja zmian konstrukcyjnych zachodzących samoistnie w dostrzegalnym kierunku; nigdy nie łączy się z jednym punktem na desce kreślarskiej. Ewoluujący system lub zwierzę może po prostu podążać za tym, co działa. Nie tyle, żeby bardzo ucierpiała na tym jego wydajność, ale na tyle, by otwierał dostęp do innych opcji w pobliżu tzw. optymalnego projektu.
Ponieważ nauka często szuka w naturze wskazówek do rozwiązywania problemów, Bejan zastanawiał się, czy mógłby spojrzeć w drugą stronę, aby przewidzieć naturę, zanim na nią spojrzy. Gdyby osoby rozwiązujące problemy i konstruktorzy mogli przegapić absolutnie najwyższą ocenę, o ile większy byłby zakres projektów, które uważają za wiarygodne?
To pytanie stawia Bejan w nowym artykule opublikowanym online 16 maja w czasopiśmie Biosystems. Używając dwóch stosunkowo prostych przykładów – chodników wysiadających pasażerów z pociągu i ptaka machającego skrzydłami – odkrywa, że odpowiedź brzmi „całkiem dużo”.
„W inżynierii, projektowaniu, teatrze, architekturze, a nawet organizacji tego uniwersytetu, każda forma projektowania czerpie korzyści z możliwości podejmowania dobrych, ale niedoskonałych decyzji oraz swobody poruszania się i rozważania innych możliwości ulepszeń” – powiedział Bejan. „Jeśli ktoś jest oddany idei absolutnie najlepszego, nigdy nie powstanie nic nowego”.
W artykule Bejan najpierw przygląda się przykładowi pasażerów przyjeżdżających pociągiem i przechodzących przez pomieszczenie z wieloma punktami wyjścia. Ponieważ całkowita powierzchnia pokoju pozostaje stała, ale długość i szerokość pokoju mogą się zmieniać, rozwiązuje problem optymalnego kształtu pokoju, aby wszyscy pasażerowie mogli dotrzeć tam, gdzie najszybciej. Z równaniami rozwiązań w ręku pokazuje, że zapewnienie nawet 1% miejsca na niedoskonałości z dala od najlepszej wydajności otwiera przestrzeń projektową o 28%.
W swoim drugim przykładzie Bejan przygląda się trzepoczącym ruchom ptaków na prawie stałej wysokości i prędkości. Biorąc pod uwagę różne zaangażowane siły – opór podczas szybowania, siłę nośną stworzoną między innymi przez rozmiar skrzydła, prędkość i rozmiar ciała – formułuje równanie rytmu skrzydeł potrzebnego do utrzymania stałej prędkości przy minimalnym wysiłku. Chociaż istnieje optymalna odpowiedź, Bejan po raz kolejny pokazuje, że uwzględnienie zaledwie 1% niedoskonałości powyżej teoretycznego minimalnego wysiłku otwiera przestrzeń projektową o 20%.
Bejan mówi, że wybrał te przykłady, ponieważ dotyczyły one zmiany tylko jednej zmiennej, jednego stopnia swobody – kształtu pokoju lub rytmu trzepotania skrzydła. W bardziej złożonych przykładach, które obejmują wiele zmiennych, te małe tolerancje niedoskonałości tworzą jeszcze szerszy zakres „wystarczająco dobrych” rozwiązań.
Wyciągnięta lekcja jest taka, że nauka ma teraz przewidywalne wyobrażenie o tym, jak działa przyroda. Koncentrując się w mniejszym stopniu na znajdowaniu absolutnie optymalnych projektów, badacze mogą wykorzystać swobodę iteracyjnego przechodzenia w kierunku całkowicie nowych koncepcji projektowych, które w przeciwnym razie nie byłyby w zasięgu ich wzroku. Daje również projektom, metodom i całym kierunkom studiów możliwość dostosowania się do zmieniającego się świata.
„Doktryna pogoni za najlepszym projektem nie jest pomocna” – powiedział Bejan. „Nauczanie nauki powinno iść w parze ze swobodą oddania strzału, trafienia w okolice celu i ruszenia dalej. Ostatecznym celem nie jest tylko trafienie w dziesiątkę, ale zatrzymanie większej ilości strzał w kołczanie robić zdjęcia przez długi czas”.
Ta praca była wspierana przez grant od CaptiveAire Systems.