戴维·艾克利 是贝尔通信研究所 神经网络遗传算法领域的研究员。我偶间了解了艾克利进化系统一些最独的法。
艾克利是壮像头熊、满嘴俏皮话的伙。他他的同迈克尔·利特曼 制了一段关人工生命世界的搞笑视频，并在1990年二届人工生命播放，惹在场的250位严肃的科哄堂笑。他的“造物”实际就是些代码片断，经典的遗传算法有区别，但是，他滑稽的笑脸表示些代码片段，让它四处游动相互啃咬，或者撞代表边界的墙壁。聪明的活，愚蠢的则死掉。其他人一，艾克利现，他的世界够进化环境异常适应的有机体。功的体非常长寿——按其所在世界的间尺度衡量的话，活25000“”。些伙系统给琢磨透了。它知何最的努力获取己所需的东西，知何远离麻烦。具有基因的“生物”，不仅体很长寿，且由其组的群世代兴旺。
在些“街霸”的基因进行了一番研究，艾克利现它有些资源尚未充分利，使他觉己像神一有番：通改进它的染色体，利些资源，使它更加适应他它搭建的环境。是，他修改了它进化的代码（举动实际相早期的虚拟基因工程），再它放回他的世界。体，它力超强，颖，适应力超了往的任何前辈。
，艾克利注意，它的群数目总是低进化的那些伙。一群体说，它活力不足。尽管从未绝迹，但它总是濒临灭绝。艾克利认，由数目太少，物的繁衍不超300代。就是说，尽管手工改进的基因够最限度适合体，但从整族群有利的角度，却不那些长的基因。此此刻，在午夜黑客的酿世界中，一句古老的生态格言一次了明证：体言最的，物言却不一定。
“我弄不明白从长远底什才是最的，点让人很难接受。”艾克利在人工生命议的一席话赢了一片掌声。“但是我，嘿，就是生命！”
贝尔通信研究所所允许艾克利从他的芥子世界的研究，是因他认识进化是一计算。贝尔通信研究所曾经且现在一直更的计算方法很感兴趣，尤其是那些基分布式模型的方法，因电话网就是一分布式计算机。果进化是一有效的分布式计算，那是否有其它的方法？果的话，我又进化技术做怎的改进或变化呢？借我常的那图书馆/空间的比喻，艾克利滔滔不绝说，“计算的空间庞令人难置信，我不探索了其中非常微的一些角落。我现在做的，及我进一步做的，是扩展人类认识的计算的空间。”
在所有的计算类型中，艾克利最感兴趣的是那些与习有关的程。“强习”是一习方式，它需聪明的老师。老师告诉生应该知些什，生则分析信息并将其储存在记忆中。不太聪明的老师则通不同的方法教。所教的东西本身许并不了解，但是，告诉生什候猜了正确答案——就像代课教师给生测验打分一。果生猜了部分答案，老师给“接近”或“偏离”的暗示，帮助生继续探索。一，位不太聪明的老师就生其本身所不具备的知识。艾克利一直在推动“弱习”的研究，他认是一让计算空间最化的方式：利最少的输入信息，获取最的输信息。“我一直在试图找最愚笨、最孤陋寡闻的老师，”艾克利告诉我，“我我找了。答案是：死亡。”
死亡是进化中唯一的老师。艾克利的使命就是查明：死亡老师，什？我不是很清楚答案，但却有些现的例证：翱翔的雄鹰，鸽子的导航系统，或白蚁的摩楼。找答案需些间。进化是聪明的，但同又是盲目愚笨的。“我像不比选择更笨的习方法了。”艾克利说。
在所有的计算习的空间中，选择占据了一特殊的位置，它是一极点，在点，信息传递被最化。它构了习智的最低基线：基线不有习产生，基线则产生更加智、更加复杂的习。尽管我仍不完全理解选择在共同进化世界中的本质，但它依是习的基础熔点。果我够给进化一度量值的话（我不），就此基准评判其他形式的习。
选择躲藏在许表象。艾克利是的；今计算机科意识，计算方式有许——其中许是进化的方式。任何人知，进化习的方式有数百；不论哪策略，实际是在图书馆或空间进行搜索。“传统人工智研究的闪光思——是唯一思——就是‘搜索’，”艾克利断言。实现搜索的方法有很，生命中的选择是其中的一。
生物意义的生命是与特殊的硬件绑定在一的，就是碳基础的DNA分子。特殊的硬件限制了选择所使的搜索方法。有了计算机新硬件，特别是并行计算机，许新的适应系统问世，全新的搜索策略应。例，生物DNA的染色体无法将己的代码向其它生物体的DNA分子“广告”，便它获信息并改变其代码，在计算机环境中，你就做一点。
戴维·艾克利迈克尔·利特曼是贝尔通信研究所认知科研究组的员。他着手在计算机构建一非达尔文的进化系统。他选择了一最合逻辑的方案：拉马克 进化——即获遗传 。拉马克说很有吸引力。直觉，它远比达尔文进化更有优势，因按理有的变异更快进入基因序列。，它的计算量很快就让满怀憧憬的工程师明白，构造一系统是不现实。
果一名铁匠需凸的肱二头肌，他的身体该怎倒推基因所需的变化呢？拉马克系统的缺陷在，任何一有利的变化，需回溯胚胎育期的基因构。由生物体的任何变化由基因引，或者是在身体的展程中由相互的指令引。任何外在形式的内在因果是一张错综复杂的网络，理清网络所需的追踪系统其复杂与生物体本身相比不惶让。生物的拉马克进化受困一条严格的数定律：求质数的乘积极其容易，但分解质因素则异常困难。最的加密算法正是利了不称的难度。拉马克说所有在生物界中真正存在，就在它需一不存在的生物解密方案。
不，计算中并不需躯体。在计算机进化（汤姆·雷的电进化机）中，计算机代码兼任基因躯体两角色。此一，从表象中推导基因的难题就迎刃解了。（实，“表一”的约束并非限人工领域，球的生命必已通了阶段。许任何组织的活系统必须从一“表一”的形式始，就像复制的分子那简单。）
在计算机的人工世界，拉马克进化是有效的。艾克利利特曼在一台拥有16000处理器的并行计算机实现了拉马克系统。每处理器管理一由64体组的亚群，总计约有100万体。了模拟躯体基因的双重信息效果，系统每体制了基因副本，并称其“躯体”。每躯体的代码略微有些差别，它尝试解决同一问题。
贝尔通信研究所的科设置了两运行模式。在达尔文模式中，躯体代码生变异。某幸运的伙意外较的结果，是系统就选择它进行配复制。在达尔文进化中，生物配必须使其代码的原始“基因”副本——即它所继承的代码，非获的经改良的躯体代码。正是生物的方式。所，铁匠进行配，他使的是他的“先”代码，非“”代码。
相比，在拉马克模式中，那改良了躯体代码的幸运儿被选中进行配，它使获的改良代码，其配的基础。就比铁匠将己粗壮的胳膊传给代一。
经两系统的比较，艾克利利特曼现，就他所考量的复杂问题言，拉马克系统的解决方案比达尔文系统强两倍。最聪明的拉马克体比最聪明的达尔文体聪明。艾克利说，拉马克进化的特点在它群中的“白痴非常迅速排挤。”艾克利曾经朝一屋子的科喊：“拉马克比达尔文强太了！”
从数意义说，拉马克进化注入了一点习的素。习被定义体在活着的适应。在经典的达尔文进化中，体的
（本章未完）