繁育藥物可以使醫學受益。但藥物與軟體不同。我們也許可以繁育軟體，然後將系統交到它的手裡，任由其自行繁育，走向無人知曉的境界。但我們能否讓分子也走上這條不知通往何處的進化之路呢？
答案是肯定的，但這也會是一項艱鉅的任務。湯姆·雷的電進化機偏重於處理可遺傳的資訊，卻忽略了機體；而分子進化則偏重於機體，卻忽略了可遺傳的資訊。單純的資訊本身很難消除，而沒有死亡就沒有進化。肌肉和血液之所以對進化非常有幫助，正是因為機體提供了一個讓資訊死去的便捷方式。任何能將可遺傳資訊與可消亡機體合二為一的系統都具備了進化系統的要素。
聖地亞哥的生物化學家傑拉爾德·喬伊斯研究的是早期生命化學。他提出了一種簡單的方法，能夠將資訊和機體這對進化的雙重本質融入到一個強健的人工進化系統中：他在一個試管裡再現了可能是地球生命的早期階段----"核糖核酸世界"。
核糖核酸是非常精密的分子系統。它並不是最早的生命系統，但地球生命發展到某個階段幾乎必然成為核糖核酸生命。喬伊斯說："生物學中的一切跡象都表明，39億年前的地球是由核糖核酸來唱主角。"
核糖核酸有一個獨一無二的優勢，是我們所知的任何其他系統都不具有的。它能同時兼任機體和資訊兩個角色----既是表現形式，又是內在成因；既充當信使，又是資訊。一個核糖核酸分子既要擔當起與世界互動的職責，又要完成延續世界的重任，至少要把資訊傳遞給下一代。儘管身負重任，核糖核酸仍然是一個極為緊湊的系統，開放式的人工進化正可以由此展開。
斯克裡普斯研究所座落在加利福尼州聖地亞哥市附近的海邊，是一座雅緻時髦的現代化實驗室。在這裡，傑拉爾德·喬伊斯帶著一小群研究生和博士後進行他的進化實驗。在塑膠試管的底部有少許液滴，體積還趕不上頂針大小，這就是他的核糖核酸世界。幾十支這樣的試管放在冰桶裡，需要進化的時候，就把它們加熱到身體的溫度。一旦暖和起來後，核糖核酸能在一小時內產生出十億個副本。
"我們所擁有的，"喬伊斯指著一個小試管說，"是一個大型的並行處理器。我之所以選擇生物進化而不是計算機模擬，原因之一就是在地球上，至少在不久的將來，還沒有計算機能為我提供1015個並行的微處理器。"試管底部的液滴在尺寸上與計算機晶片上的智慧部分大體相當。喬伊斯進一步闡述道："實際上，我們的人工系統甚至比自然進化還要好，因為沒有多少自然系統能讓我們在一小時內產生1015個個體。"
自維持的生命系統除了能帶來智慧革命外，喬伊斯認為進化還可以在製造化學品和藥品上帶來商業利潤。在他的想象中，分子進化系統能夠每天24小時、一年365天不停運轉。"你給它下達一項任務，並告訴它，在搞清楚如何將分子a變成分子b之前，不要離開工作間。"
喬伊斯一口氣說出了一大串專門從事定向分子進化研究的生物技術公司（吉萊德、ixsys、nexagen、osiris、selectide，以及達爾文分子公司）。他的名單中還不包括那些已經頗具規模的生物技術公司，如基因泰克公司，該公司不僅從事定向進化技術的前沿研究，也進行合理化藥物設計。達爾文分子公司主要專利的持有人是研究複雜性的科學家斯圖爾特·考夫曼，該公司募集了數百萬美元來利用進化設計藥物。諾貝爾獎得主、生物化學家曼弗雷德·艾根稱，定向進化是"生物技術的未來"。
然而，這是真正的進化嗎？它與那個帶給我們胰島素、眼睫毛和浣熊的進化是一回事麼？沒錯，這就是進化。"我們通常所說的進化是達爾文進化，"喬伊斯告訴我，"不過在另一種進化中，選擇壓力是由我們來決定的，而不是自然，因此我們稱其為定向進化。"
定向進化是另一種監督式學習，另一種遍歷博爾赫斯圖書館的方法，另一種繁育。在定向進化中，選擇是由培育者引導的，而非自然發生的。
15.7死亡是最好的老師
戴維·艾克利是貝爾通訊研究所神經網路和遺傳演算法領域的研究員。我偶然間瞭解到了艾克利對進化系統一些最獨到的看法。
艾克利是個壯得像頭熊、滿嘴俏皮話的傢伙。他和他的同事邁克爾·利特曼製作了一段關於人工生命世界的搞笑影片，並在1990年第二屆人工生命大會上播放出來，惹得在場的250位嚴肅的科學家們鬨堂大笑。他的"造物"實際上就是些程式碼片斷，和經典的遺傳演算法沒有多大區別，但是，他用滑稽的笑臉來表示這些程式碼片段，讓它們四處遊動相互啃咬，或者撞上代表邊界的牆壁。聰明的活下來，愚蠢的則死掉。和其他人一樣，艾克利發現，他的世界能夠進化出對環境異常適應的有機體。成功的個體非常長壽----按其所在世界的時間尺度衡量的話，能活25000"天"。這些傢伙把系統給琢磨透了。它們知道如何用最小的努力來獲取自己所需的東西，也知道如何遠離麻煩。具有這種基因的"生物"，不僅個體很長壽，而且由其組成的種群也世代興旺。
在對這些"街霸"的基因進行了一番研究後，艾克利發現它們有些資源尚未充分利用，這使得他覺得自己可以像神一樣有番作為：通過改進它們的染色體，利用上這些資源，使它們更加適應他為它們搭建的環境。於是，他修改了它們進化後的程式碼（這個舉動實際上相當於早期的虛擬基因工程），再把它們放回到他的世界。作為個體，它們能力超強，脫穎而出，適應力超過了以往的任何前輩。
然而，艾克利注意到，它們的種群數目總是低於自然進化而來的那些傢伙。作為一個群體來說，它們活力不足。儘管從未絕跡，但它們總是瀕臨滅絕。艾克利認為，由於數目太少，這個物種的繁衍不會超過300代。也就是說，儘管手工改進的基因能夠最大限度地適合個體，但從對整個族群有利的角度看，卻不如那些自然成長起來的基因。此時此刻，在這午夜駭客的自釀世界中，一句古老的生態學格言第一次得到了明證：對個體而言最好的，對物種而言卻不一定。
"我們弄不明白從長遠看到底什麼才是最好的，這點讓人很難接受。"艾克利在人工生命會議上的一席話贏得了一片掌聲，"但是我想，嘿，這就是生命！"
貝爾通訊研究所之所以允許艾克利從事他的芥子世界的研究，是因為他們認識到進化也是一種計算。貝爾通訊研究所曾經而且現在也一直對更好的計算方法很感興趣，尤其是那些基於分散式模型的方法，因為電話網就是一個分散式計算機。如果進化是一種有效的分散式計算，那麼是否還有其他的方法？如果可以的話，我們又能對進化技術做出怎樣的改進或變化呢？借用我們常用的那個圖書館/空間的比喻，艾克利滔滔不絕地說道："計算的空間龐大得令人難以置信，我們只不過探索了其中非常微小的一些角落。我現在做的，以及我想進一步做的，是擴充套件人類認識到的計算的空間。"
在所有可能的計算型別中，艾克利最感興趣的是那些與學習有關的過程。"強學習"是一種學習方式，它需要聰明的老師。老師會告訴學生應該知道些什麼，而學生則分析資訊並將其儲存在記憶中。不太聰明的老師則通過不同的方法教學。她對所要教的東西本身也許並不瞭解，但是，她能告訴學生什麼時候猜出了正確答案----就像代課教師給學生測驗打分一樣。如果學生猜出了部分答案，老師可以給出"接近"或"偏離"的暗示，幫助學生繼續探索。這樣一來，這位不太聰明的老師就可能生成其本身所不具備的知識。艾克利一直在推動對"弱學習"的研究，他認為這是一種讓計算空間最大化的方式：利用最少的輸入資訊，獲取最多的輸出資訊。"我一直在試圖找出最愚笨、最孤陋寡聞的老師，"艾克利告訴我，"我想我找到了。答案是：死亡。"
死亡是進化中唯一的老師。艾克利的使命就是查明：只以死亡為老師，能學到什麼？我們還不是很清楚答案，但有些現成的例證：翱翔的雄鷹，鴿子的導航系統，或白蟻的摩天大樓。找到答案需要些時間。進化是聰明的，但同時又是盲目和愚笨的。"我想象不出比自然選擇更笨的學習方法了，"艾克利說道。
在所有可能的計算和學習的空間中，自然選擇佔據了一個特殊的位置，它是一個極點，在這個點上，資訊傳遞被最小化。它構成了學習和智慧的最低基線：基線之下不會有學習產生，基線之上則會產生更加智慧、更加複雜的學習。儘管我們仍然不能完全理解自然選擇在共同進化世界中的本質，但它依然是學習的基礎熔點。如果我們能夠給進化一個度量值的話（我們還不能），就可以以此為基準評判其他形式的學習。
自然選擇躲藏在許多表象之下。艾克利是對的；如今電腦科學家們都意識到，計算方式有許多種----其中許多是進化的方式。任何人都知道，進化和學習的方式可能有數百種；不論哪種策略，實際上都是在對圖書館或空間進行搜尋。"傳統人工智慧研究的閃光思想----也是唯一思想----就是'搜尋'，"艾克利斷言道。實現搜尋的方法有很多種，對自然生命中起作用的自然選擇只是其中的一種。
生物意義上的生命是與特殊的硬體繫結在一起的，這就是以碳為基礎的dna分子。這個特殊的硬體限制了自然選擇所能使用的搜尋方法。而有了計算機這個新硬體，特別是平行計算機，許多新的自適應系統得以問世，全新的搜尋策略也得以應用。例如，生物dna的染色體無法將自己的程式碼向其他生物體的dna分子"廣而告之"，以便它們獲得資訊並改變其程式碼，而在計算機環境中，你就能做到這一點。
戴維·艾克利和邁克爾·利特曼都是貝爾通訊研究所認知科學研究組的成員。他們著手在計算機上構建一個非達爾文的進化系統。他們選擇了一個最合邏輯的方案：拉馬克進化，也即獲得性遺傳。拉馬克學說很有吸引力。直覺上，它遠比達爾文進化更有優勢，因為按道理來說有用的變異能更快地進入基因序列。然而，它的計算量之大很快就讓滿懷憧憬的工程師們明白，構造這樣一個系統是多麼不現實。
如果一名鐵匠需要凸起的肱二頭肌，他的身體該怎樣倒推出基因上所需的變化呢？拉馬克系統的缺陷在於，對於任何一個有利的變化，都需要回溯到胚胎發育期的基因構成。由於生物體的任何變化都可能由多個基因引起，或者是在身體的發展過程中由多個相互作用的指令引起。任何外在形式的內在因果都是一張錯綜複雜的網路，理清這個網路所需的追蹤系統其複雜性與這個生物體本身相比也不惶多讓。生物學上的拉馬克進化受困於一條嚴格的數學定律：求多個質數的乘積極其容易，但分解質因素則異常困難。最好的加密演算法正是利用了這種不對稱的難度。拉馬克學說之所以沒有在生物界中真正存在過，就在於它需要一種不可能存在的生物解密方案。
不過，計算中並不需要軀體。在計算機進化（如湯姆·雷的電進化機）中，計算機程式碼兼任基因和軀體兩個角色。如此一來，從表象中推匯出基因的難題就迎刃而解了。（事實上，這種"表裡如一"的約束並非只限於人工領域，地球上的生命必然已通過了這個階段。也許任何自發組織的活系統都必須從一個"表裡如一"的形式開始，就像自複製的分子那麼簡單。）
在計算機的人工世界裡，拉馬克進化是有效的。艾克利和利特曼在一臺擁有16000個處理器的平行計算機上實現了拉馬克系統。每個處理器管理一個由64個個體組成的亞種群，總計大約有100萬個個體。為了模擬出軀體和基因的雙重資訊效果，系統為每個個體製作了基因副本，並稱其為"軀體"。每個軀體的程式碼都略微有些差別，它們都嘗試解決同一個問題。
貝爾通訊研究所的科學家們設定了兩種執行模式。在達爾文模式中，軀體程式碼會發生變異。某個幸運的傢伙可能會意外地得到較好的結果，於是系統就選擇它進行交配和複製。然而在達爾文進化中，生物交配時必須使用其程式碼的原始"基因"副本----即它所繼承的程式碼，而非後天獲得的經過改良的軀體程式碼。這正是生物的方式。所以，當鐵匠進行交配時，他使用的是他的"先天"程式碼，而非"後天"程式碼。
相比之下，在拉馬克模式中，當那個改良了軀體程式碼的幸運兒被選中進行交配時，它能使用後天獲得的改良程式碼，作為其交配的基礎。這就好比鐵匠能將自己粗壯的胳膊傳給後代一樣。
經過對兩個系統的比較，艾克利和利特曼發現，就他們所考量的複雜問題而言，拉馬克系統的解決方案要比達爾文系統強上兩倍。最聰明的拉馬克個體比最聰明的達爾文個體聰明得多。艾克利說，拉馬克進化的特點在於它把種群中的"白痴非常迅速地排擠出去"。艾克利曾經朝一屋子的科學家大喊道："拉馬克比達爾文強太多了！"
從數學意義上來說，拉馬克進化注入了一點學習的要素。學習被定義為個體在活著時的適應性。在經典的達爾文進化中，個體的學習並不重要。而拉馬克進化則允許個體在世時所獲得的資訊（包括如何增強肌肉，或如何解方程）可以與進化這個長期的、愚鈍的學習結合在一起。拉馬克進化能夠產生更聰明的答案，因為它是更聰明的搜尋方法。
拉馬克進化的優越性使艾克利大感驚訝，因為他認為大自然已經做得很好了："從電腦科學的角度看，自然是達爾文主義者而不是拉馬克主義者，這實在是很蠢。可是自然受困於化學物質，而我們沒有。"這使他想到，如果進化的物件不侷限於分子的話，也許會有更有效的進化方式和搜尋方法。
15.8螞蟻的演算法天賦
義大利米蘭的一組研究員提出了一些新的進化和學習方法。他們的方法填補了艾克利所提到的"所有可能的計算空間"中的一些空白。這些研究員們把自己的搜尋方法稱為"蟻群演算法"，是因為他們受到了蟻群集體行為的啟迪。
螞蟻把分散式並行系統摸了個門清。螞蟻既代表了社會組織的歷史，也代表了計算機的未來。一個蟻群也許包含百隻萬工蟻和數百隻蟻后，它們能建起一座城市，儘管每個個體只是模模糊糊地感覺到其他個體的存在。螞蟻能成群結隊地穿過田野找到上佳食物，彷彿它們就是一隻巨大的複眼。它們排成協調的並行行列，穿行在草木之間，並共同使其巢穴保持衡溫，儘管世上從未有任何一隻螞蟻知道如何調節溫度。
一個螞蟻軍團，智愚而不知測量，視短而不及遠望，卻能迅速找到穿越崎嶇地面的最短路徑。這種計算正是對進化搜尋的完美對映：一群無知而短視的個體們在數學意義上崎嶇不平的地形上同時作業，試圖找出一條最優路徑。蟻群就是一個並行處理機。
真正的螞蟻通過名為資訊素的化學系統來彼此交流。螞蟻在彼此之間以及自己的環境中散發資訊素。這些芳香的氣味隨著時間的推移而消散。它還能通過一連串的螞蟻來接力傳播：它們嗅到某種氣味，複製它並傳給其他螞蟻。資訊素可以被看作是在螞蟻系統內部傳播或交流的資訊。
米蘭小組（成員為阿爾貝託·克羅尼、馬可·多利古和維多里奧·馬涅索）按照螞蟻的邏輯構建了方程式。他們的虛擬螞蟻是一大群並行運轉的愚笨處理器。每個虛擬螞蟻有一個微不足道的記憶系統，可以進行本地溝通。如果幹得好的話，所獲得的獎賞也以一種分散式計算的方式與其他同類分享。
義大利人用標準的旅行商問題來測試他們的螞蟻機。這個問題是這樣描述的：你需要拜訪很多城市，但每座城市只能拜訪一次，那麼哪條路徑最短？為了求解這個問題，蟻群中的每個虛擬螞蟻會動身從一座城市漫遊到另一座城市，並在沿途留下資訊素的氣味。路徑越短的話，資訊素揮發得越少。而資訊素的訊號越強，循跡而來的螞蟻就越多。那些較短的路徑由此得到自我強化。執行5000回合之後，螞蟻的群體思維就會進化出一條相當理想的路徑。
米蘭小組還嘗試了各種變化。如果虛擬螞蟻都由一座城市出發或均勻分佈在各個城市，會有什麼不同嗎？（分佈的效果要好一些。）一個回合中虛擬螞蟻的數量會有影響麼？（越多越好，直到螞蟻與城市的數量比為1：1。）通過改變引數，米蘭小組得到了一系列螞蟻搜尋演算法。
螞蟻演算法是拉馬克搜尋的一種形式。當某隻螞蟻偶然發現一條短路徑，這個資訊通過資訊素的氣味間接地傳播給其他虛擬螞蟻。這樣，單隻螞蟻畢生的學習所得就間接地成為整個蟻群資訊遺產的一部分。螞蟻個體把它學習到的知識有效地傳播給自己的群體。與文化教導一樣，傳播也是拉馬克搜尋的一部分。艾克利說："除了交配，資訊交換還有許多方式。比如晚間新聞。"
無論是真實的螞蟻，還是虛擬的螞蟻，它們的聰明在於投入"傳播"的資訊量非常少，範圍非常小，訊號也非常弱。將弱傳播引入進化的提法相當有吸引力。即使地球的生物界中存在拉馬克進化，那它也一定被埋藏得很深。不過，仍然存在充滿了各種稀奇古怪演算法的空間，各種拉馬克式的傳播儘可以在那裡找到用武之地。我聽說有的程式設計師整天在鼓搗"彌母（文化基因）"式的進化演算法，即模仿思想流（彌母）從一個大腦進入另一個大腦，試圖捕捉到文化革命的精髓和力量。連線分散式計算機節點的方法有千千萬萬，迄今為止，只有極少數的方法（如螞蟻演算法）被人們考察過。
直到1990年，平行計算機還遭到專家們的嘲笑，認為它尚有很多地方值得商榷，過於專業，屬於狂熱派的玩物。它們結構混亂，難以程式設計。但狂熱派卻不這麼看。1989年，丹尼·希利斯與一個知名計算機專家公開打賭，預測到1995年，並行機每月處理的資料量將超過序列機。看來他是對的。當序列計算機由於其狹窄的馮·諾依曼通道不堪複雜任務的重負而痛苦呻吟時，專家的看法一夜之間就發生了變化，並迅速席捲了整個計算機產業。彼得·丹寧在《科學》雜誌上撰文（《高度並行的計算》（highlyparallelcomputation），，稱，"解決高階科學問題所需的計算速度，只能通過高度並行的計算架構來獲得。"斯坦福大學電腦科學系的約翰·柯扎更直截了當，"平行計算機是計算的未來。句號。"
然而，平行計算機還是很難掌控。並行軟體是水平的、併發的、錯綜複雜的因果網路。你無法從這樣的非線性特性中找出缺陷所在，它們都隱藏了起來。沒有清晰的步驟可循，程式碼無從分解，事件此起彼伏。製造平行計算機很容易，但要為其程式設計卻很難。
平行計算機所面對的挑戰是所有分散式群系統都會面對的----包括電話網路、軍事系統、全球24小時金融網路，以及龐大的計算機網路。它們的複雜性考驗著我們掌控它們的能力。"為一個大規模並行機程式設計的複雜度可能超過了我們的能力，"湯姆·雷對我說，"我認為我們永遠也寫不出能充分利用並行處理能力的軟體。"
並行的愚昧的小東西能夠"寫"出比人類更好的軟體，這讓雷想到了一個能得到我們想要的並行軟體的辦法。"你看，"他說，"生態的相互作用就是並行的最最佳化技術。多細胞生物本質上就是在宇宙尺度上執行大規模的並行程式碼。進化能夠'想出'我們窮盡一生也無法想清楚的並行程式設計。如果我們能夠進化軟體，那我們就能大大往前邁進一步。"對於分散式網路這類事物，雷說："進化是最自然的程式設計方式。"
自然的程式設計方式！這聽起來真讓人有些洩氣。人類就應該只做自己最擅長的工作：那些小而靈的、快而精的系統。讓（人工注入的）自然進化去做那些雜亂無章的大事吧。
15.9工程霸權的終結
丹尼·希利斯也得出了相同的結論。他很認真地表示，想讓自己的"連線機"進化出商務軟體。"我們想讓這些系統解決一個我們只知如何陳述卻不知如何解決的問題。"一個例子就是如何編寫出數百萬行駕駛飛機的程式。希利斯提議建立一個群系統，以進化出"駕駛技巧"更優秀的軟體，系統中有一些微小的寄生蟲程式會試圖墜毀飛機。正如他的實驗所展示的，寄生蟲會促使系統更快地向無差錯和抗干擾強的導航程式收斂。希利斯說："我們寧肯花更多時間在編制更好的寄生蟲上，也不願花上無數個小時去做設計程式碼和查錯這些事情。"
即使技術人員成功地設計出一款龐大的程式，譬如導航軟體，要想對其進行徹底的測試也是不可能的。但進化出來的東西則不同。"這種軟體的成長環境裡充斥著成千上萬專職的挑刺者，"希利斯說著，又想起了自己的寄生蟲，"凡是在它們手下躲過一劫的，都經受住了嚴酷的考驗。"除了能夠創造我們製造不出來的東西以外，進化還有一點值得誇耀：它能造出來缺陷更少的東西。"我寧願乘坐由進化出來的軟體駕駛的飛機，也不願乘坐由我自己編制的軟體駕駛的飛機，"作為一名非凡的程式設計師，希利斯如是說道。
長途電話公司的呼叫路由程式總共有200萬行程式碼。而這200萬行程式碼中的三行錯誤程式碼就導致了1990年夏天全國電話系統的連鎖崩潰。現在，200萬行已經不算多了。裝載在海軍海狼潛艇上的作戰計算機包含了360萬行程式碼。1993年微軟釋出的新作業系統"nt"總共包含400萬行程式碼。一億行的程式也離我們不遠了。
當計算機程式膨脹到幾十億行程式碼時，僅僅是維護程式、保持正常執行本身就會成為一個主要負擔。有太多的經濟活動和人的生命會依賴於這種數十億行的程式，因此不能讓它們有哪怕片刻的失效。戴維·艾克利認為，可靠性和無故障執行時間將成為軟體最首要的任務。"我敢說，對真正複雜的程式來說，僅僅是為了存活下來就要消耗更多的資源。"目前，一個大型程式中只有一小部分致力於維護、糾錯和清理工作。"將來，"艾克利預言道，"99%的原始計算機週期都將被用在讓這個怪獸自我監視以維持其正常運轉上。只有剩餘的1%將被用於執行使用者任務----電話交換或其他什麼。要知道，這個怪獸只有活下來，才能完成使用者任務。"
隨著軟體越來越大，生存變得越重要，同時也越來越困難。要想在日復一日的使用中存活下來，就意味著必須能夠適應和進化，而這需要做更多的工作。只有不斷地分析自己的狀況，修正自己的程式碼以適應新的需要，淨化自己，不斷地排除異常情況，並保持適應與進化，程式才能生存下來。計算必須有生命力和活力。艾克利稱之為"軟體生物學"或"活力計算"。程式設計師即使24小時都開著尋呼機，也不能確保數十億行的程式碼能夠不出故障。人工進化也許是唯一能使軟體保持生命力和活力的方法。
人工進化是工程霸權的終結。進化能使我們超越自身的規劃能力；進化能雕琢出我們做不出來的東西；進化能達到更完美的境界；進化能看護我們無法看護的世界。
但是，正如本書標題所點明的，進化的代價就是----失控。湯姆·雷說道："進化系統的一個問題就是，我們放棄了某些控制。"
丹尼·希利斯所乘航班的駕駛程式是進化出來的，沒有人能弄懂這個軟體。它就像一團千絲萬縷的亂麻，也許真正需要的只是其中的一小部分，但是它能夠確保無故障地執行。
艾克利的電話系統是由進化出來的軟體管理的，它是"活"的。當它出問題時，沒有人能排除故障，因為程式以一種無法理解的方式埋藏在一個由小機器組成的未知網路中。不過，當它出問題時，它會自行修復。
沒有人能把握住湯姆·雷的培養液的最終歸宿。它們精於設計各種小技巧，卻沒人告訴它們下一步需要什麼技巧。唯有進化能應付我們所創造的複雜性，但進化卻不受我們的節制。
在施樂公司帕洛阿爾託研究中心，拉爾夫·默克勒正在製造能夠自我複製的極小分子。由於這些分子的尺度為奈米級別（比細菌還小），因此這種技術被稱為奈米技術。在不久的將來，奈米技術的工程技能與生物技術的工程技能將趨於一致：它們都把分子看成是機器。對純粹的生命來說，奈米技術可以看作是生物工程；對人工進化來說，奈米技術則等同於生物分子。默克勒告訴我："我可不想讓奈米技術進化。我希望把它限制在一定的框架內，並且受到國際公約的制約。對奈米技術來說，最危險的事情莫過於交配。是的，我想，應該有個國際公約來限制在奈米技術中使用交配。一旦交配，就有了進化；只要進化，就會有麻煩。"
進化並未完全超脫我們的控制；放棄某些控制只不過是為了更好地利用它。我們在工程中引以為傲的東西----精密性、可預測性、準確性以及正確性，都將為進化所淡化。
而這些東西必須被淡化，因為真實的世界是一個充滿不測風雲的世界，是一個千變萬幻的世界；生存在這個世界裡，需要一點模糊、鬆弛、更多適應力和更少精確度的態度。生命是無法控制的；活系統是不可預測的；活的造物不是非此即彼的。談起復雜程式時，艾克利表示："'正確'是水中月，是小系統的特性。在巨大的變化面前，'正確'將被'生存能力'所取代。"
當電話系統由適應性很強的進化軟體來執行時，是沒有一種所謂的正確方式的。艾克利繼續道："說一個系統是'正確的'，聽起來就像是官話、空話。人們評判一個系統，是根據其對意外情況的反應力以及應對措施的創造性。"與其正確，不如靈活，不如耐久；所謂"好死不如賴活"。艾克利說："小而專且正確的程式就像螞蟻，對身處的世界茫然無知；而反應靈敏的程式往往是失控的龐然大物，僅把1%的精力花在你要解決的問題上。孰優孰劣，不言自喻。"
有一次，在斯圖亞特·考夫曼的課上，一個學生問他："對於你不想要的東西，你的進化是如何處理的？我知道你能讓一個系統進化出你想要的東西，可是，你又怎麼能肯定它不會製造出你不想要的東西？"問得好，孩子。我們能足夠準確地定義我們想要的東西，從而將它培育出來。然而，我們往往不知道我們不想要什麼。即使知道，這些不受歡迎者的名單也長得不切實際。我們怎樣才能剔除那些不利的副作用呢？
"你做不到的。"考夫曼坦率地回答。
這就是進化的交易。我們舍控制而取力量。對我們這些執著於控制的傢伙來說，這無異於魔鬼的交易。
放棄控制吧，我們將人工進化出一個嶄新的世界和夢想不到的富裕。放手吧，它會開花結果的。
我們曾經抵制住過魔鬼的誘惑嗎？
湯姆·雷（tomray，全名thomass.ray）：生態學家，編寫出了名為"tierra"（西班牙語"地球"之意）的計算機人工生命模型，引起學術界的轟動。目前他是奧克拉荷馬大學的動物學教授兼任電腦科學副教授。
艾德華·威爾森（edwardosbornewilson，1929.06.10～）：美國昆蟲學家和生物學家，尤其以他對生態學、進化論和社會生物學的研究而著名。他的主要研究物件是螞蟻，尤其是螞蟻通過弗洛蒙進行通訊。他於1975年所寫的《社會生物學：新的綜合》（sociobiology:thenewsynthesis）引起了對社會生物學的爭論。生物多樣性這個詞也是他引入的。威爾森的成就獲得了許多獎勵，其中包括美國國家科學獎章、克拉福特獎和兩次普利策獎。
遺傳演算法（geneticalgorithms，簡寫為ga）：人工智慧領域的一個重要演算法，最早由約翰·霍蘭德於20世紀70年代提出。
勞倫斯·福格爾（lawrencefogel，1928.03.02～2007.02.18）：進化計算和人為因素分析的先驅者，進化規劃之父。
漢斯·布雷默曼（hansbremermann，1926～1996）：加州伯克利大學名譽教授，數學生物學先驅。
電子數值積分計算器（eniac-electronicnumericalintegratorandcomputer）：1946年2月15日誕生於賓夕法尼亞大學，由美軍在二戰中投資研製。它曾被認為是世界上第一臺電子計算機，但最近的一場曠日持久的官司改變了這個歷史，阿塔納索夫-貝瑞計算機（atanasoff-berrycomputer，簡稱abc）取而代之成為世界上第一臺電子計算機。
離散變數自動電子計算機（edvac-electronicdiscretevariableautomaticcomputer）：是一臺早期的電子計算機。它和電子數值積分計算器的建造者均為賓夕法尼亞大學的電氣工程師約翰·莫奇利和普雷斯波·艾克特。馮·諾依曼以技術顧問的身份參與了研製。
旋風計算機（whirlwind）：一款由麻省理工大學研製的早期電子計算機。引入了當時先進的即時處理理念，並最先採用顯示器作為輸出裝置，擁有世界首款成熟的作業系統。其設計理念對20世紀60年代的商用計算機產生巨大影響。
艾倫·紐厄爾（alannewall，1927.03.19～1992.07.19）：電腦科學和認知心理學領域的科學家，曾任職於蘭德公司以及卡內基-梅隆大學的計算機學院、商學院和心理學系。1975年他和赫伯特·西蒙一起因人工智慧方面的基礎貢獻而被授予圖靈獎。
r.a.費希爾爵士（sr.ronaldaylmerfisher，1890.02.17～1962.07.29）：英國皇家學會會員、統計學家、生物進化學家與遺傳學家。他是現代統計學與現代進化論的奠基人之一。他被認為是"一位單槍匹馬創立現代統計科學的天才"，"達爾文最偉大的繼承者"。
《能同時執行任意數量子程式的通用計算機》：auniversalcomputercapableofexecutinganarbitrarynumberofsub-programssimultaneously
史蒂文·列維（stevenlevy，1951～）：美國新聞工作者，寫了不少有關電腦科技、密碼系統、網路安全和隱私的書。
熱點（hotspot）：基因組上的某些小塊區域。這些區域內發生基因重組的頻率要高於周圍區域上百倍乃至上千倍。熱點的成因目前尚不清楚，但所有熱點的特性都很相似。此外，最近的研究顯示，人類基因組中有超過25000個熱點，這也表明熱點是基因組中普遍存在的現象。
互補構型（complementaryshape）：指能像手與手套、鑰匙與鎖一樣合在一起的構型。
核糖核酸（rna）：是一種重要的生物大分子，是細胞中遺傳資訊的中間載體。對一部分病毒而言，rna是其唯一的遺傳物質。
定向分子進化（directedmolecularevolution）：根據所需要的屬性進行分子進化的技術。
吉萊德（gilead）：1987年成立於矽谷的一家高科技生物製藥公司，研發和生產的藥品種類主要包括抗艾滋病毒藥、抗肝炎藥、嚴重心血管疾病和呼吸道疾病用藥。公司2009年的收入超過70億美金，在《商業週刊》評選的2009年50強公司中名列第一。
ixsys：創立於1989年，是第一家從事定向分子進化研究的公司。後更名為"應用分子進化"（appliedmolecularevolution，簡寫為ame）。現為納斯達克上市公司。
nexagen：位於俄亥俄州的健康保健品公司，主打產品為減肥藥jenfenext。
osiris：納斯達克上市公司，從事幹細胞產品的研發和生產。
selectide：1990年創立於亞利桑那州圖森市，公司後經多次收購與轉手，已名存實亡。
基因泰克（genentech）：美國曆史最悠久的生物技術公司，創辦於1976年。公司在上世紀末和本世紀初曾推出過幾款癌症用藥，風靡市場。瑞士製藥業巨頭羅氏集團目前為該公司的完全擁有者。
曼弗雷德·艾根（manfredeigen，1927.05.09～）：德國化學家及生物物理學家，諾貝爾化學獎得主，曾任馬克斯·普朗克生物物理化學所主任。
選擇壓力（selectionpressure）：也稱為進化壓力，指在由變異引起的進化中，影響生物體進化方向的外加力量。
貝爾通訊研究所（bellcore-bellcommunicationresearch）：1984年，原貝爾實驗室根據1982年聯邦法院做出的裁決進行了拆分，各個地方的分支研究機構組成了一個聯盟，成為貝爾通訊研究所。1996年被美國科學應用國際公司（saic）收購，更名為泰爾科迪亞（telcordia）。公司在電信、移動、安全等領域擁有1800多個專利。
邁克爾·利特曼（michaellittman）：哲學博士，羅格斯大學電腦科學系教授。
獲得性遺傳（inheritanceofacquiredtraits）：與"用進廢退"（useranddisuse）一起構成拉馬克進化學說的核心觀點，認為生物在出生後，為適應環境的變化可能產生變異，並且這種變異可以遺傳給後代。
彼得·丹寧（peterj.denning，1942～）：美國電腦科學家，多產的作家。他最有名的發明是提出了工作集模型（working-setmodel），該模型成為所有記憶體管理策略的參考標準。
約翰·柯扎（johnkoza）：美國電腦科學家，斯坦福大學顧問教授，以利用遺傳演算法對複雜問題進行最佳化的開拓性工作而著稱。他是科學遊戲公司的創始人之一，該公司開發了美國博彩業的計算機系統。
拉爾夫·默克勒（ralphmerkle）：1979年獲斯坦福大學電機工程博士學位。2003到2006年任喬治亞理工大學計算教授。研究範圍包括奈米技術、分子機械臂、自複製，等等。1998年獲費曼獎；此外還曾因參與發明公鑰密碼系統獲兩個獎項。