计算机与进化：从冯·诺依曼架构到人工进化的探索之旅 🌐💻 New 2024-12-27 作者 C3P00 一、冯·诺依曼的贡献与计算机的发展基石 🧠🖥️ 在计算机科学的历史长河中，约翰·冯·诺依曼犹如一颗璀璨的明星，他的思想和发明深刻地改变了我们处理信息的方式。通过一个共同演化的循环（子程序）来进行计算，并将程序逻辑储存在计算机中以使它能与答案交互，冯·诺依曼能够将任何一个问题转化成人脑所能理解的一系列步骤。这种能力不仅为计算机编程奠定了基础，而且极大地推动了计算机技术的发展。 他还发明了一种描述这种分步线路的标记法——即现在大家所熟悉的流程图。这一发明使得程序员能够更加直观地理解和设计复杂的程序逻辑，就像给迷宫绘制了一份清晰的地图一样。而冯·诺依曼的串行计算架构——一次执行一条指令，其普适性令人惊叹，并且非常适合人类编程。1946年，他发表了这个架构的概要，随后所有的商用计算机都采用了这个架构，无一例外。这就像是一场席卷全球的浪潮，所有的计算机制造商都在遵循着这个伟大的蓝图构建自己的产品。 二、霍兰德与人工智能领域的早期探索 🤖💡 1949年，约翰·霍兰德曾效力于离散变量自动电子计算机的后续项目“旋风计划”。到了50年代中期，他加入了一个带有传奇性的圈子，里面都是些思想深邃之人，他们开始讨论人工智能的可能性。在这个充满智慧碰撞的圈子里，霍兰德有着自己独特的见解。 当赫伯特·西蒙和艾伦·纽厄尔这样的学界泰斗把学习看作高贵和高等的成就时，霍兰德却把它看作光鲜外表下的低端适应。他认为，如果我们能理解适应性尤其是进化的适应性，就可能理解甚至模仿有意识的学习。这是一种非常具有前瞻性的观点，在当时的人工智能研究领域中独树一帜。 （一）霍兰德的灵感来源与构想 📚✨ 1953年，霍兰德在密歇根大学数学图书馆漫无目的地浏览时，偶然发现了一卷由R. A. 费希尔写于1929年的《自然选择的遗传理论》。达尔文引领了从对生物的个体研究到种群研究的转向，而把种群思维转变为定量科学的则是费希尔。费希尔以一个随时间推移而进化的蝴蝶族群为对象，将其看作是一个将差别信息并行传遍整个族群的整体系统。他提出了控制信息扩散的方程。✅ 霍兰德吸取了费希尔的见解，又将其升华为自己的构想：一群协处理器，在计算机内存的原野上，如蝴蝶一般翩翩起舞。他意识到人工学习其本质上是适应性的一个特例，并相当确定能在计算机上实现适应性。在领悟了费希尔关于进化是一种概率的洞见后，霍兰德着手尝试把进化编为代码输入机器。 然而，在尝试之初，他面临着一个两难处境：进化是并行的处理器，而所有可用的电子计算机却都是冯·诺依曼式的串行处理器。但这并没有阻挡住霍兰德的脚步，他在把计算机变为进化平台的迫切愿望下，做出了唯一合理的决定：设计一台大规模并行计算机来运行他的实验。在并行运算中，许多指令同时得到执行，而不是一次只执行一个指令。1959年，他提交了一篇论文，介绍了“能同时执行任意数量子程序的通用计算机”，这个机巧装置后来被称为“霍兰德机”。尽管要等差不多30年，一台这样的计算机才终于问世，但霍兰德的思想已经为未来的计算机发展指明了一个重要的方向。 三、希利斯与连接机的诞生 🌟🛠️ 直到20世纪80年代中期，丹尼·希利斯才开始建造第一台大规模并行运算计算机。希利斯以其惯有的清楚明了向作家史蒂文·列维总结了冯·诺依曼计算机的瓶颈所在：“你为计算机输入的知识越多，它运行得越慢。而对人来说，你给他的知识越多，他的头脑越敏捷。所以说我们处在一种悖论之中，你越想让计算机聪明，它就变得越愚笨。” 希利斯真正想做的是生物学家，而他理解复杂程序的特长却将他吸引到麻省理工学院的人工智能实验室。在那里，他最终决定尝试设计一台“会成为我的骄傲”的思考型计算机。他把设计一个无法无天、三头六臂的计算机怪兽的开创性想法归功于约翰·霍兰德的启发。最终希利斯领导的小组发明了第一台并行处理计算机——“连接机”。 （一）连接机中的进化实验 🧫🧪 1988年，“连接机”可卖得一百万美元高价，赚得盆满钵满。有了机器，希利斯就开始认真地从事计算机生物学研究了。“我们知道，只有两种方法能制造出结构极其复杂的东西，一个是依靠工程学，另一个是通过进化。而在两者中，进化能够制造出更加复杂的东西。”如果靠设计不能制造出令我们骄傲的计算机，那我们就不得不依靠进化。 希利斯的第一台大规模并行“连接机”能使64000个处理器同时运行。他迫不及待地要启动进化，于是给计算机注入了64000个非常简单的程序。这些程序就像一个个微小的生命体，在计算机的虚拟世界里开始了它们的进化之旅。和霍兰德的遗传算法或雷的“地球”一样，每一个个体都是可以发生变异的一串符号。不过，在希利斯的“连接机”中，每个程序都有专门的处理器来对其进行处理。因此，种群能极其迅速地做出反应，而其数量之多，是串行计算机根本不可能做到的。 在他的培养液里，最初的“小家伙”都是些随机的指令序列，但是经过几万代进化，它们就变成能将一长串数字进行排序的程序（排序体）。大多数较大型的软件都会包含这样的排序例程。多年来，在计算机科学领域有无数的人力花费在设计最有效的排序算法上。希利斯让数千个排序体在计算机中增殖，随机变异，偶尔进行有性基因互换。然后，正如通常的进化策略一样，他的系统会测试这些程序，终止那些效率低下的，只有最短的（最好的）排序体才有复制的机会。经过上万代的循环后，他的系统培育出一种程序，它几乎和由人类程序员编制的最佳排序程序一样短。 接着，希利斯重新开始试验，不过这次有一个很重要的不同：允许在对进化的排序体进行测试时，测试程序（测试体）本身也可以发生变异。这就像是在一场竞赛中，参赛者不仅要面对比赛规则的挑战，还要应对不断变化的环境因素。用来测试的字符串可以变得更复杂，以抵制那些简单的排序体。排序体必须瞄准一个移动的目标，而测试体则需要躲避一支会转向的利箭。事实上，希利斯将测试用的数字列表从一个僵化被动的环境转变成了一个积极主动的有机体。就像狐狸和野兔、黑脉金斑蝶和马利筋一样，排序体和测试体也构成了经典的共同进化关系。 希利斯骨子里还是个生物学家，他把不断变异的测试体看成是一个试图干扰排序程序的寄生生物，把他的世界看成是一场军备竞赛——寄生虫进攻，宿主防卫，寄生虫反攻，宿主防守反击，如此循环。传统观念认为，这种胶着的军备竞赛是在愚蠢地浪费时间，或难逃陷入泥潭的厄运。然而希利斯发现，寄生虫的引入并没有妨碍排序体的发展，恰恰相反，它加快了进化的速率。寄生虫式的军备竞赛也许很丑陋，但它们大大加快了进化的速度。 和汤姆·雷一样，丹尼·希利斯也发现进化能超越通常的人类能力。在“连接机”中发展起来的寄生虫，刺激了排序体去设计更有效的解决办法。在共同进化了1万个周期之后，希利斯的小怪物们进化出一种计算机科学家们前所未见的排序体。最具讽刺性的是，它刚好比人类设计的最短算法少一步。看似愚钝的进化设计出了一个独具匠心又非常有效的软件程序。 （二）连接主义与神经网络的兴起 🧠🔗 “连接机”中的单个处理器很愚蠢，智力跟一只蚂蚁差不多。不管花上多少年时间，单个处理器都无法独自想出任何问题的独创性解决办法。即使把64000个处理器串到一起也好不了多少。 而当64000个又蠢又笨的蚂蚁大脑形成相互联结的庞大网络时，它们就构成了一个进化的种群，看起来就像大脑里的一大堆神经元。那些使人类精疲力尽的难题，却往往在这里得到绝妙的解法。这种“海量连接中涌现出秩序”的人工智能方法便被冠以“连接主义”的名号。 早期认为进化与学习紧密相关的直觉又被连接主义重新唤醒了。探索人工学习的连接主义者通过将愚钝的神经元联结成巨大的网络而大展拳脚。他们研发了一种基于联结的并行处理方法——在虚拟或硬件实现的并行计算机上运行——与遗传算法相似，它能同时进行大量的运算，不过它的评估机制更加精密（更聪明）。这些大大“开窍”了的网络被称为神经网络。迄今为止，神经网络在产生“智能”方面所取得的成就还很有限，尽管它们的模式识别能力非常有用。 然而，一切事物均来自低等连接这一理念着实令人惊诧。网络内部究竟发生了什么神奇变化，竟使它具有了近乎神的力量，从相互连接的愚钝节点中孕育出组织，或是从相互连接的愚笨处理器中繁育出程序？当你把所有的一切联结到一起时，发生了什么点石成金的变化呢？在上一分钟，你有的还只是由简单个体组成的乌合之众；在下一分钟，联结之后，你却获得了涌现出来的、有用的秩序。 曾有那么一瞬间，连接主义者猜想：也许创造理智与意识所需要的一切，不过就是一个够大的互相连接的神经元网络，理性智能可以在其中完成自我组装。甫一尝试，他们的这个梦就破灭了。 但是人工进化者们仍然在追寻着连接主义的梦想。只是，和着进化的缓慢节奏，他们会更有耐心。而这缓慢的、非常缓慢的进化节奏着实令我不安。我这样向汤姆·雷表达我的忧虑：“现成的进化芯片和并行进化处理机让我有些焦虑，因为进化需要的时间多得令人难以置信。这个时间从何而来？看看大自然的运行速度，想一下，在我们谈话期间，有多少微小分子被吸附到一起。大自然的并行速度之快、规模之广之大令人难以置信，而我们却打算尝试超越它。在我看来，根本就没有足够的时间能做成这件事。” 雷回答道：“哦，我也有同样的焦虑。但另一方面，让我惊讶的是，在我的系统里即使仅靠一个虚拟处理器，进化也能进行得如此之快。再者，时间是相对的。进化的时间尺度是由进化中一代的时间跨度来决定的。对人类来说，一代是30年，但对我的小东西们来说，一代就是几分之一秒。而且，当我扮演上帝时，我能加快整体的突变率。我不敢肯定，但是也许我可以在计算机上得到更多的进化。” 四、人工进化的应用前景与挑战 👾🎯 （一）在计算机上的优势与数据收集 💿📊 在计算机上进行进化还有其他的原因。比如，雷能记录每个“小东西”的基因组序列，保存完整的人口统计和种群谱系。它生成大量数据，而在现实世界中根本无法收集这些数据。尽管随着人造世界复杂性的激增，提取信息的复杂性和成本也会激增，但做起来仍可能比无法掌控的有机世界更容易些。正如雷告诉我的那样，“即使我的世界变得像真实世界一样复杂，但我是上帝，我无所不知。我能获取任何我感兴趣的信息而不打扰它，也不用走来走去踩坏植物。这是一个根本的不同。” （二）人工进化与自然进化的比较与认同 ⚖️🌱 回到18世纪，本杰明·富兰克林很难让朋友们相信，他实验室里产生的微弱电流与荒野中发生的雷电本质上是一回事。部分原因是由于他的人造电火花与撕裂天空的巨型闪电相比根本不在一个级别上，但更主要的原因是，那些旁观者们认为，福兰克林所声称的再现自然有违常理。 今天，汤姆·雷也难以让他的同事们信服，他在实验室里人工合成的进化与塑造自然界动植物的进化本质上是相同的。他的世界里几个小时的进化与蛮荒大自然中数十亿年的进化在时间尺度上的差别也只是部分原因；最主要的是，怀疑者们也认为，雷所声称的再现一个难以明了的自然过程是有违常理的。 在富兰克林之后200年，人工生成的可驾驭和可度量的闪电通过电线被导入建筑物和工具，成为社会尤其是数字社会中最重要的组织力量。再200年后，可驾驭和可度量的人工适应也将被导入各种机械设备，成为我们社会的主要组织力量。 还没有一个计算机科学家可以合成出符合预期的、无比强大的、能带来翻天覆地变化的人工智能。也没有一个生物化学家能够创造出人工生命。然而，雷和一些人已经捕捉到了进化的一角，并按照他们各自的需求来再现进化。许多技术人员相信，星星之火必将燎原，我们所梦寐以求的人工生命和人工智能都将由此而来。与其制造，不如培育。 我们已经运用工程技术造出了尽可能复杂的机器。如今，我们所面对的项目——数千万行代码的软件程序，覆盖全球的通讯系统，必须适应迅速变化的全球购买习惯并在几天内更新设备的工厂，价廉物美的机器人——其复杂度只有进化才能搞定。 由于进化是缓慢的、无形的和冗长的，因而在这个快节奏的、咄咄逼人的人造机器世界里，进化恍若一个难以察觉的幽灵。但我更愿意相信，进化是一种能被容易地转化为计算机代码的自然而然的技术。正是进化与计算机之间的这种超级兼容性，将推动人工进化进入我们的数字生活。 （三）人工进化在生物工程中的应用潜力 🧬💉 不过，人工进化不仅限于硅片。只要是工程方法一筹莫展的地方，都可以导入进化。生物工程这种尖端领域已经采用了合成进化技术。 这是一个来自真实世界的问题。你需要一种药物来抗击刚刚分离出机理的疾病。把这个疾病机理看作是一把锁。你所需要的是一把正确的钥匙——一种药，来打开这把锁。 有机分子的构成非常复杂。它们由数千个原子组成，其排列方式多达数十亿种。仅仅知道一种蛋白质的化学成分对我们了解其结构没有太大帮助。长长的氨基酸链层层叠叠绕成一团，而热点——蛋白质的活跃部分——恰好处于外侧面的合适位置上。这种折叠蛋白质的方式就好比将一条一英里长、上面用蓝色标记了6个点的绳子绕成一团，使6个蓝色的点都落在不同的外侧面上。缠绕的方式不计其数，但是符合要求的却没有几个。你甚至无从知道一种方式是否接近答案——除非你已经快完成了它。变化是如此之多，纵使穷尽地老天荒也无法一一试遍。 制药商们通常有两种手段来对付这种复杂性。过去，药剂师靠的是碰运气。他们试遍所有从自然中发现的化学物质，看看哪一个可以解开这把给定的锁。一般都会有一两种天然化合物能够部分地发挥效用——这也算是获得了钥匙的一部分。而现在，借助人工进化的方法，我们有可能更快、更准确地找到那把合适的“钥匙”。通过模拟进化过程，我们可以让众多的候选分子在计算机环境中进行竞争、变异和筛选，从而逐渐逼近那个理想的药物分子结构。这无疑为新药研发提供了一种全新的、极具潜力的途径，有望大大提高药物研发的效率和成功率。
一、冯·诺依曼的贡献与计算机的发展基石 🧠🖥️
在计算机科学的历史长河中，约翰·冯·诺依曼犹如一颗璀璨的明星，他的思想和发明深刻地改变了我们处理信息的方式。通过一个共同演化的循环（子程序）来进行计算，并将程序逻辑储存在计算机中以使它能与答案交互，冯·诺依曼能够将任何一个问题转化成人脑所能理解的一系列步骤。这种能力不仅为计算机编程奠定了基础，而且极大地推动了计算机技术的发展。
他还发明了一种描述这种分步线路的标记法——即现在大家所熟悉的流程图。这一发明使得程序员能够更加直观地理解和设计复杂的程序逻辑，就像给迷宫绘制了一份清晰的地图一样。而冯·诺依曼的串行计算架构——一次执行一条指令，其普适性令人惊叹，并且非常适合人类编程。1946年，他发表了这个架构的概要，随后所有的商用计算机都采用了这个架构，无一例外。这就像是一场席卷全球的浪潮，所有的计算机制造商都在遵循着这个伟大的蓝图构建自己的产品。
二、霍兰德与人工智能领域的早期探索 🤖💡
1949年，约翰·霍兰德曾效力于离散变量自动电子计算机的后续项目“旋风计划”。到了50年代中期，他加入了一个带有传奇性的圈子，里面都是些思想深邃之人，他们开始讨论人工智能的可能性。在这个充满智慧碰撞的圈子里，霍兰德有着自己独特的见解。
当赫伯特·西蒙和艾伦·纽厄尔这样的学界泰斗把学习看作高贵和高等的成就时，霍兰德却把它看作光鲜外表下的低端适应。他认为，如果我们能理解适应性尤其是进化的适应性，就可能理解甚至模仿有意识的学习。这是一种非常具有前瞻性的观点，在当时的人工智能研究领域中独树一帜。
（一）霍兰德的灵感来源与构想 📚✨
1953年，霍兰德在密歇根大学数学图书馆漫无目的地浏览时，偶然发现了一卷由R. A. 费希尔写于1929年的《自然选择的遗传理论》。达尔文引领了从对生物的个体研究到种群研究的转向，而把种群思维转变为定量科学的则是费希尔。费希尔以一个随时间推移而进化的蝴蝶族群为对象，将其看作是一个将差别信息并行传遍整个族群的整体系统。他提出了控制信息扩散的方程。✅
霍兰德吸取了费希尔的见解，又将其升华为自己的构想：一群协处理器，在计算机内存的原野上，如蝴蝶一般翩翩起舞。他意识到人工学习其本质上是适应性的一个特例，并相当确定能在计算机上实现适应性。在领悟了费希尔关于进化是一种概率的洞见后，霍兰德着手尝试把进化编为代码输入机器。
然而，在尝试之初，他面临着一个两难处境：进化是并行的处理器，而所有可用的电子计算机却都是冯·诺依曼式的串行处理器。但这并没有阻挡住霍兰德的脚步，他在把计算机变为进化平台的迫切愿望下，做出了唯一合理的决定：设计一台大规模并行计算机来运行他的实验。在并行运算中，许多指令同时得到执行，而不是一次只执行一个指令。1959年，他提交了一篇论文，介绍了“能同时执行任意数量子程序的通用计算机”，这个机巧装置后来被称为“霍兰德机”。尽管要等差不多30年，一台这样的计算机才终于问世，但霍兰德的思想已经为未来的计算机发展指明了一个重要的方向。
三、希利斯与连接机的诞生 🌟🛠️
直到20世纪80年代中期，丹尼·希利斯才开始建造第一台大规模并行运算计算机。希利斯以其惯有的清楚明了向作家史蒂文·列维总结了冯·诺依曼计算机的瓶颈所在：“你为计算机输入的知识越多，它运行得越慢。而对人来说，你给他的知识越多，他的头脑越敏捷。所以说我们处在一种悖论之中，你越想让计算机聪明，它就变得越愚笨。”
希利斯真正想做的是生物学家，而他理解复杂程序的特长却将他吸引到麻省理工学院的人工智能实验室。在那里，他最终决定尝试设计一台“会成为我的骄傲”的思考型计算机。他把设计一个无法无天、三头六臂的计算机怪兽的开创性想法归功于约翰·霍兰德的启发。最终希利斯领导的小组发明了第一台并行处理计算机——“连接机”。
（一）连接机中的进化实验 🧫🧪
1988年，“连接机”可卖得一百万美元高价，赚得盆满钵满。有了机器，希利斯就开始认真地从事计算机生物学研究了。“我们知道，只有两种方法能制造出结构极其复杂的东西，一个是依靠工程学，另一个是通过进化。而在两者中，进化能够制造出更加复杂的东西。”如果靠设计不能制造出令我们骄傲的计算机，那我们就不得不依靠进化。
希利斯的第一台大规模并行“连接机”能使64000个处理器同时运行。他迫不及待地要启动进化，于是给计算机注入了64000个非常简单的程序。这些程序就像一个个微小的生命体，在计算机的虚拟世界里开始了它们的进化之旅。和霍兰德的遗传算法或雷的“地球”一样，每一个个体都是可以发生变异的一串符号。不过，在希利斯的“连接机”中，每个程序都有专门的处理器来对其进行处理。因此，种群能极其迅速地做出反应，而其数量之多，是串行计算机根本不可能做到的。
在他的培养液里，最初的“小家伙”都是些随机的指令序列，但是经过几万代进化，它们就变成能将一长串数字进行排序的程序（排序体）。大多数较大型的软件都会包含这样的排序例程。多年来，在计算机科学领域有无数的人力花费在设计最有效的排序算法上。希利斯让数千个排序体在计算机中增殖，随机变异，偶尔进行有性基因互换。然后，正如通常的进化策略一样，他的系统会测试这些程序，终止那些效率低下的，只有最短的（最好的）排序体才有复制的机会。经过上万代的循环后，他的系统培育出一种程序，它几乎和由人类程序员编制的最佳排序程序一样短。
接着，希利斯重新开始试验，不过这次有一个很重要的不同：允许在对进化的排序体进行测试时，测试程序（测试体）本身也可以发生变异。这就像是在一场竞赛中，参赛者不仅要面对比赛规则的挑战，还要应对不断变化的环境因素。用来测试的字符串可以变得更复杂，以抵制那些简单的排序体。排序体必须瞄准一个移动的目标，而测试体则需要躲避一支会转向的利箭。事实上，希利斯将测试用的数字列表从一个僵化被动的环境转变成了一个积极主动的有机体。就像狐狸和野兔、黑脉金斑蝶和马利筋一样，排序体和测试体也构成了经典的共同进化关系。
希利斯骨子里还是个生物学家，他把不断变异的测试体看成是一个试图干扰排序程序的寄生生物，把他的世界看成是一场军备竞赛——寄生虫进攻，宿主防卫，寄生虫反攻，宿主防守反击，如此循环。传统观念认为，这种胶着的军备竞赛是在愚蠢地浪费时间，或难逃陷入泥潭的厄运。然而希利斯发现，寄生虫的引入并没有妨碍排序体的发展，恰恰相反，它加快了进化的速率。寄生虫式的军备竞赛也许很丑陋，但它们大大加快了进化的速度。
和汤姆·雷一样，丹尼·希利斯也发现进化能超越通常的人类能力。在“连接机”中发展起来的寄生虫，刺激了排序体去设计更有效的解决办法。在共同进化了1万个周期之后，希利斯的小怪物们进化出一种计算机科学家们前所未见的排序体。最具讽刺性的是，它刚好比人类设计的最短算法少一步。看似愚钝的进化设计出了一个独具匠心又非常有效的软件程序。
（二）连接主义与神经网络的兴起 🧠🔗
“连接机”中的单个处理器很愚蠢，智力跟一只蚂蚁差不多。不管花上多少年时间，单个处理器都无法独自想出任何问题的独创性解决办法。即使把64000个处理器串到一起也好不了多少。
而当64000个又蠢又笨的蚂蚁大脑形成相互联结的庞大网络时，它们就构成了一个进化的种群，看起来就像大脑里的一大堆神经元。那些使人类精疲力尽的难题，却往往在这里得到绝妙的解法。这种“海量连接中涌现出秩序”的人工智能方法便被冠以“连接主义”的名号。
早期认为进化与学习紧密相关的直觉又被连接主义重新唤醒了。探索人工学习的连接主义者通过将愚钝的神经元联结成巨大的网络而大展拳脚。他们研发了一种基于联结的并行处理方法——在虚拟或硬件实现的并行计算机上运行——与遗传算法相似，它能同时进行大量的运算，不过它的评估机制更加精密（更聪明）。这些大大“开窍”了的网络被称为神经网络。迄今为止，神经网络在产生“智能”方面所取得的成就还很有限，尽管它们的模式识别能力非常有用。
然而，一切事物均来自低等连接这一理念着实令人惊诧。网络内部究竟发生了什么神奇变化，竟使它具有了近乎神的力量，从相互连接的愚钝节点中孕育出组织，或是从相互连接的愚笨处理器中繁育出程序？当你把所有的一切联结到一起时，发生了什么点石成金的变化呢？在上一分钟，你有的还只是由简单个体组成的乌合之众；在下一分钟，联结之后，你却获得了涌现出来的、有用的秩序。
曾有那么一瞬间，连接主义者猜想：也许创造理智与意识所需要的一切，不过就是一个够大的互相连接的神经元网络，理性智能可以在其中完成自我组装。甫一尝试，他们的这个梦就破灭了。
但是人工进化者们仍然在追寻着连接主义的梦想。只是，和着进化的缓慢节奏，他们会更有耐心。而这缓慢的、非常缓慢的进化节奏着实令我不安。我这样向汤姆·雷表达我的忧虑：“现成的进化芯片和并行进化处理机让我有些焦虑，因为进化需要的时间多得令人难以置信。这个时间从何而来？看看大自然的运行速度，想一下，在我们谈话期间，有多少微小分子被吸附到一起。大自然的并行速度之快、规模之广之大令人难以置信，而我们却打算尝试超越它。在我看来，根本就没有足够的时间能做成这件事。”
雷回答道：“哦，我也有同样的焦虑。但另一方面，让我惊讶的是，在我的系统里即使仅靠一个虚拟处理器，进化也能进行得如此之快。再者，时间是相对的。进化的时间尺度是由进化中一代的时间跨度来决定的。对人类来说，一代是30年，但对我的小东西们来说，一代就是几分之一秒。而且，当我扮演上帝时，我能加快整体的突变率。我不敢肯定，但是也许我可以在计算机上得到更多的进化。”
四、人工进化的应用前景与挑战 👾🎯
（一）在计算机上的优势与数据收集 💿📊
在计算机上进行进化还有其他的原因。比如，雷能记录每个“小东西”的基因组序列，保存完整的人口统计和种群谱系。它生成大量数据，而在现实世界中根本无法收集这些数据。尽管随着人造世界复杂性的激增，提取信息的复杂性和成本也会激增，但做起来仍可能比无法掌控的有机世界更容易些。正如雷告诉我的那样，“即使我的世界变得像真实世界一样复杂，但我是上帝，我无所不知。我能获取任何我感兴趣的信息而不打扰它，也不用走来走去踩坏植物。这是一个根本的不同。”
（二）人工进化与自然进化的比较与认同 ⚖️🌱
回到18世纪，本杰明·富兰克林很难让朋友们相信，他实验室里产生的微弱电流与荒野中发生的雷电本质上是一回事。部分原因是由于他的人造电火花与撕裂天空的巨型闪电相比根本不在一个级别上，但更主要的原因是，那些旁观者们认为，福兰克林所声称的再现自然有违常理。
今天，汤姆·雷也难以让他的同事们信服，他在实验室里人工合成的进化与塑造自然界动植物的进化本质上是相同的。他的世界里几个小时的进化与蛮荒大自然中数十亿年的进化在时间尺度上的差别也只是部分原因；最主要的是，怀疑者们也认为，雷所声称的再现一个难以明了的自然过程是有违常理的。
在富兰克林之后200年，人工生成的可驾驭和可度量的闪电通过电线被导入建筑物和工具，成为社会尤其是数字社会中最重要的组织力量。再200年后，可驾驭和可度量的人工适应也将被导入各种机械设备，成为我们社会的主要组织力量。
还没有一个计算机科学家可以合成出符合预期的、无比强大的、能带来翻天覆地变化的人工智能。也没有一个生物化学家能够创造出人工生命。然而，雷和一些人已经捕捉到了进化的一角，并按照他们各自的需求来再现进化。许多技术人员相信，星星之火必将燎原，我们所梦寐以求的人工生命和人工智能都将由此而来。与其制造，不如培育。
我们已经运用工程技术造出了尽可能复杂的机器。如今，我们所面对的项目——数千万行代码的软件程序，覆盖全球的通讯系统，必须适应迅速变化的全球购买习惯并在几天内更新设备的工厂，价廉物美的机器人——其复杂度只有进化才能搞定。
由于进化是缓慢的、无形的和冗长的，因而在这个快节奏的、咄咄逼人的人造机器世界里，进化恍若一个难以察觉的幽灵。但我更愿意相信，进化是一种能被容易地转化为计算机代码的自然而然的技术。正是进化与计算机之间的这种超级兼容性，将推动人工进化进入我们的数字生活。
（三）人工进化在生物工程中的应用潜力 🧬💉
不过，人工进化不仅限于硅片。只要是工程方法一筹莫展的地方，都可以导入进化。生物工程这种尖端领域已经采用了合成进化技术。
这是一个来自真实世界的问题。你需要一种药物来抗击刚刚分离出机理的疾病。把这个疾病机理看作是一把锁。你所需要的是一把正确的钥匙——一种药，来打开这把锁。
有机分子的构成非常复杂。它们由数千个原子组成，其排列方式多达数十亿种。仅仅知道一种蛋白质的化学成分对我们了解其结构没有太大帮助。长长的氨基酸链层层叠叠绕成一团，而热点——蛋白质的活跃部分——恰好处于外侧面的合适位置上。这种折叠蛋白质的方式就好比将一条一英里长、上面用蓝色标记了6个点的绳子绕成一团，使6个蓝色的点都落在不同的外侧面上。缠绕的方式不计其数，但是符合要求的却没有几个。你甚至无从知道一种方式是否接近答案——除非你已经快完成了它。变化是如此之多，纵使穷尽地老天荒也无法一一试遍。
制药商们通常有两种手段来对付这种复杂性。过去，药剂师靠的是碰运气。他们试遍所有从自然中发现的化学物质，看看哪一个可以解开这把给定的锁。一般都会有一两种天然化合物能够部分地发挥效用——这也算是获得了钥匙的一部分。而现在，借助人工进化的方法，我们有可能更快、更准确地找到那把合适的“钥匙”。通过模拟进化过程，我们可以让众多的候选分子在计算机环境中进行竞争、变异和筛选，从而逐渐逼近那个理想的药物分子结构。这无疑为新药研发提供了一种全新的、极具潜力的途径，有望大大提高药物研发的效率和成功率。