有些算法是基质中立的，也就是说，只要有一些基本的设置条件，它们就可以被剥离成一个可以在各种基质上运作的基本核心。例如，你可以想象一个从大到小排序的算法，这样的算法可能对排序苹果桶的重量或列表中的姓氏长度有用。定义算法的不是特定的基质，而是算法用于处理信息的逻辑。排序算法实际上并不会对苹果桶或名字进行排序，相反，这个算法是根据苹果桶的重量或者名字的拼写来计算的。算法是处理信息的准则，本质上是计算机程序。7
进化是一种基质中立的算法，它需要获取关于事物设计的信息，并通过一个过程盲目地研究这些信息。进化也是递归的：它在一个循环中的输出会成为下一轮的输入。这种循环性意味着它会无限地运行，直到有什么东西阻止它。丹尼特举的网球锦标赛的例子也是递归的，如四分之一决赛的输出是半决赛的输入，这个过程会一直持续到确定获胜者为止。然而，生物进化并没有预先设定的停止点，它会不断地重复运转，直到太阳爆炸或者地球变得无法居住。
乐高积木图书馆8
在一次圣诞节的聚会上，斯图尔特·考夫曼在比赛中赢得了一套乐高积木。9这对考夫曼来说是一份特别合适的礼物，因为他的研究课题之一就是观察进化是如何从简单的积木块构建出极其复杂的设计的。每个孩子都知道，乐高的巨大吸引力在于，它简单而多彩的塑料积木可以通过无数种方式拼装在一起，从而产生有趣而复杂的结构。
即使是最简单的积木块也可以附加大量的排列，例如，两个小矩形块上包括一个凹坑宽和两个凹坑长（我们将其称为l×2块），可以在14个不同的连接位置上排列在一起（假设两个积木块的颜色相同），而两个2×2块能够以33种方式连接在一起。随着积木块的数量、大小和附加块选项的数量增长，可能的排列数量会激增。即使是中等大小的乐高积木套装，也能构建出各种可能的结构，其总量之大令人难以置信。
尽管如此，乐高积木块可能的排列方式还是有限的。进化理论家把这样一组可能的排列称为设计空间。假如有500块不同形状和颜色的积木套装，它被恰当地命名为“创造者”，我们可以说，这一套乐高套装可以创造出约10120种独特的乐高积木块设计。借用一些丹尼尔·丹尼特的措辞，我们称之为“所有可能的乐高设计的图书馆”。10我们可以想象这个比宇宙本身还要大得多的图书馆（宇宙中只有大约1080个原子）里面有一排又一排的书架，上面堆满了纸质记录卡，每一张上面都有一个独特的乐高设计说明。如果我们在乐高图书馆中闲逛，随意翻看记录卡，就会发现绝大多数的设计都很无聊。会有33个设计只是由一个蓝色2×2块以不同的方式连接到一个红色2×2块，另一组33个设计是关于一个蓝色的2×2块连接到一个黄色的2×2块，数以百万计的其他方式被用于连接两个积木块，数以万亿计的方式被用于连接3个积木块，等等。
除此之外，图书馆深处的某个地方还埋藏着一件神奇的由384块积木构成的乐高宇宙飞船，它将会让任何一个7岁的孩子心跳加速。同样，这里还有一个迷人的由220块积木构成的乐高积木马，以及由405块积木构成的乐高城堡。图书馆中还有一个由406块积木构成的城堡，它与由405块积木构成的乐高城堡的设计相同，只是增加了一个积木块。事实上，所有的设计都有一个变体块。不过，尽管城堡设计有数万亿种变体，但是如此“有趣”的设计在乐高积木图书馆中极其罕见。图书馆中还有很多无聊的、随意的、莫名其妙的设计。也有很多设计根本行不通，在面对现实世界的重力时，它们会被自己的重量打翻、折断或压塌。套用丹尼特的话说，你在全世界的海洋中找到一滴水的机会，要比在乐高图书馆的所有垃圾中找到一个特定的有趣设计的机会大得多。
假设我们被赋予了一项费力不讨好的任务：在乐高图书馆中搜索有趣的设计，那么该怎么做呢？要如何在比宇宙还要大得多的乐高图书馆中找到城堡、宇宙飞船和马呢？如果我们随便在图书馆里闲逛，偷看书架上的设计记录卡，也许要经过几百万年我们才会发现一种勉强称得上有趣的设计。我们需要一种能够在巨大的设计空间中可靠、快速地找到好的设计的算法。进化就是这样一种算法，事实上，进化本身就是伟大的胜利者。
进化设置
所有的算法都需要一些设置来完成它们的工作。因为算法是处理信息的，所以我们首先需要一些方法来将潜在的乐高设计转化为“信息”。我们可以通过多种方式来对乐高设计进行编码，比如用句子进行描述：“一个2×2的蓝色积木上附加着一个2×6的红色积木。”我们可以用建筑师创建草图的方式绘制设计图，或者也可以创建一个描述乐高设计的特殊代码，例如RED26TOPBLUE22AT56TO12，又或者在计算机上将乐高设计表示为一串1和0，例如101011100100101。具体如何编码并不重要，重要的是，它可以通过可靠的编码和解码来准确地描述这些设计，这样的设计编码被称为模式。11一旦我们建立了模式，就可以用这个模式来表示设计空间中的任何可能设计。
我们需要一些设备来存储模式所代表的信息。在乐高图书馆的例子中，我们可以假设其设计是写在纸质记录卡上来存储的。例如，一张卡可能记录的是RED26TOPBLUE22AT56T012，另一张卡可能记录的是YELLOW26 TOPBLUE22AT56T012。
接下来，我们需要一种机制，将模式所代表的理论设计转换为现实世界中具体的塑料乐高建造物，这时候就需要一个模式解读器。在生物世界中，模式解读器就是一种将DNA转化为生物的机制。例如，在鸟类中，受精卵能够将小鸡的DNA设计转换成一只活生生的小鸡。对于人类和其他哺乳动物来说，模式解读器就是一枚植入雌性子宫的受精卵。正如丹尼特所指出的，这也是小说和电影《侏罗纪公园》情节的致命缺陷。在《侏罗纪公园》中，科学家们用恐龙的DNA再造恐龙——他们真正需要的是一个恐龙模式解读器，换句话说，就是雌性恐龙和恐龙蛋。
生物系统的一个重要特征是模式对自身的模式解读器的设计进行编码。在人类中，当女性胎儿只有20周大的时候，她就已经发育出了卵巢和上百万个卵子。因此，在一个母亲生产之前，在她的子宫里不仅有自己的女儿，而且在她的女儿身体里面也有能生育未来的孙子、孙女们的卵子。
然而，乐高玩具还没有发展到可以自我复制的地步。因此，假设乐高模式解读器是一个7岁的孩子，这个孩子知道模式代码，我们在孩子面前倒出一大盒乐高积木，然后递给他一张卡片，上面写着设计的代码。这个孩子会尽职尽责地捡起必要的塑料部件，将它们组装成纸条上的代码所描述的设计，我们称这个孩子为“解读者”。
我们还需要一个词来描述解读者在构建什么，需要一个术语来区分设计空间中理论的、潜在的设计和实际已经完成的设计。我们将使用进化哲学家戴维·赫尔（David Hull）提出的一个术语：互动者12。互动者是指从可能的设计空间中呈现出来的，并且在一个环境中实现了的“真实”设计（尽管“真实”也可以指存在于计算机上）。在一个进化系统中，一旦设计被呈现并“真实”存在，它在某种程度上就会与所处的环境产生相互作用，然后承担该环境的选择压力。
进化设置的一个必要部分是适合度函数。到目前为止，我对在乐高图书馆中寻找什么是相当模糊的。我只是说我们在寻找“有趣的设计”，但谁会对什么感兴趣呢？在卡尔·西姆斯的模型中，适合度函数是由游泳速度定义的。如上所述，设计展示了目的，由于乐高玩具的生产目的是娱乐儿童，我将假设有第二个7岁的孩子，他将担任乐高设计适合度的仲裁者。解读者将按照各种模式指定的方式组装乐高玩具，并将其交给仲裁者。仲裁者会检验各种玩具，并在0（“讨厌、无聊”）到100（“酷毙了”）的范围内打分。
进化过程：孩子的游戏
有了进化完成其工作所需的所有信息处理机制之后，我们还需要初始化系统。假设乐高套装的各个部分散落在担任解读者的孩子面前的地板上，我们从乐高图书馆随机抽取100张上面有乐高设计编码的卡片交给这个孩子。这个孩子会尽职尽责地把卡片上指定的每个玩具都组装起来，放在担任乐高设计适合度仲裁者的孩子面前。仲裁者会对每个玩具进行评分，由于这些玩具完全是随机构造的，大多数玩具的评级都为零或接近零，但也有些玩具比其他玩具有趣一点，评级略高一些。我们把仲裁者使用适合度函数标准来给玩具打分的过程称为选择。
解读者之后会拿出排名在前两位的玩具进行改造：将这两个玩具的模式卡随机切成两半并交换这两部分。改造后的新玩具具有了两款获得高评分的玩具的设计特色。在进化术语中，这种交换被称为杂交。进化算法的一个重要特点是设计越合适，其平均变量就越多，这有助于使设计适合的特征在群体中得到放大。然而，对乐高玩具的数量也是有限制的，因为解读者可以用来构建乐高玩具的积木块是有限的。为了扩大群体中合适的玩具的特性并减少不太合适的玩具的特性，我们将实施以下规则：前20个合适的设计将通过杂交来使每对模式卡拥有4个变体，接下来的20个设计的每对模式卡将有3个变体，再接下来的20个设计的每对模式卡将有2个变体，接下来的20个设计的每对模式卡只有1个变体，而最不合适的20个设计将没有变体。我们将通过抛硬币来打破适合度的束缚。因此，我们将从原来的100个设计中制作出100个变体（40 + 30 + 20 + 10 + 0）。一旦制作好变体，我们将拆掉原来的100个设计，并将零件放回箱子里。如果一个高评级的设计需要比盒子里保有得更多的部件，我们会将最低评级的设计拆分以提供必要的部件——即使在乐高世界里也存在对有限资源的竞争。
此外，我们还假设解读者这个孩子并不完美。有时候，积木搭建过程中会出现错误。例如，他可能会错误地将模式从一张卡转录到另一张卡，并意外地更改、删除或添加之前不存在的符号。这些错误大多数时候都不会被注意到，可能只是改变了某一个部件的颜色，或者稍微改变了一个特定积木块的方向。但是，这样一个随机的错误可能会对后续玩具的适合度产生重大影响，这种随机误差就是突变。
现在，让我们想象一下这两个孩子（解读者和仲裁者）经历几十次循环过程后会发生什么。就像卡尔·西姆斯的电脑模拟一样，最初我们会看到一群随机的低适合度的玩具。解读者可能会在相当长的一段时间里费力地完成许多无趣的设计。但总有一两个设计会引起仲裁者的注意，于是，这些设计就会衍生出不同的版本。我们很快就会看到一些更适合、更有趣（至少在仲裁者眼中是这样）的设计。玩具群体的适合度水平将开始上升。我们也看到在玩具中会出现共同的特点，它们都体现出对仲裁者的口味的迎合。例如，如果仲裁者喜欢有人和动物形象的玩具，我们就会看到有四肢和脸的玩具。如果仲裁者喜欢黄色，我们会看到很多黄色的玩具。在某种程度上，我们会开始看到有复杂结构出现，也就是任何能吸引决定适合度的仲裁者的东西，比如乐高人、乐高马、乐高狗。相对而言，与在乐高图书馆中随机搜索相比，将会很快出现符合这种适合度设计的发现。
在互动者群体中出现的共同特征和花招将把我们引向另一个重要的观点。复杂设计本质上是模块化的。13人类身体中有一系列令人眼花缭乱的系统、子系统和其他组件，从心血管系统到心脏，再到红细胞，而红细胞又有自己的系统和子系统。复杂的人工设计具有相同的特点，例如汽车的刹车系统、刹车本身和一个单独的刹车片。复杂设计可以被看作模块和子模块的分层集合。在进化系统中，这些系统、子系统和组件在模式中都有对应的代码片段。因此，进化构建的模式中充满了这样的模块，这些模块组合成更高级别的模块，而更高级别的模块会组合成更更高级别的模块。在生物学中，构建人类DNA图谱的是单个基因，这些基因编码了从眼睛颜色到将有毒氨转化为危险性较低的尿素的化学循环等各种事物。在乐高的案例中，我们将看到编码肢体和颜色等事物的模块。如果某个模块有助于提高互动者的适合度，那么随着时间的推移，我们将看到该模块在玩具中变得更加普遍。如果仲裁者真的喜欢黄色，我们就会看到黄色的模块出现在许多模式图中。
事实上，正如道金斯指出的那样，选择实际上并不对互动者本身起作用，它作用的是模块。14我们可以把每个乐高玩具看作由积木编码的特性集合。通过在仲裁者面前展示不同的组合，进化过程会测试哪些特征会吸引裁判的眼球，然后用这些特征构建更多的东西。随着时间的推移，这些特性以及为它们编写代码的模块在玩具群体中变得越来越常见。因此，进化过程并不是选择单个玩具，而是在表达“仲裁者喜欢有四肢的、黄色的东西”。
如果将第一个仲裁者撤换为仲裁者2，突然之间，适合和不适合的东西就会发生变化。之前符合前任仲裁者口味的玩具现在被仲裁者2判定为“恶心”，我们很快就会看到适合度的崩溃。但在这次崩溃之后的某个时刻，进化算法将再次站稳脚跟，并开始提出一些更好的设计。一旦这种情况发生，它将开始产生越来越多更好的设计变体，最终乐高玩具的适合度将再次攀升。如果仲裁者2喜欢飞机、汽车和绿色，我们很快就会看到玩具设计中出现翅膀、轮子和许多绿色的元素。15
进化是一个在巨大的可能性空间中筛选的过程。它会尝试一系列设计，然后增加可行的设计并减少那些不可行的设计，如此循环往复。没有远见，没有计划，没有理性，也没有有意识的设计，有的只是针对算法进行的盲目又机械的反复折磨。
复制因子只想复制
“但是坚持住！”你可能会哭，“这真的是没有设计师的设计吗？”算法本身可能会在没有任何帮助的情况下缓慢运行，但是所有这些设置呢？卡尔·西姆斯做所有编程怎么样呢？在乐高思想实验中安插人类解读者和人类裁判怎么样呢？
要理解内生进化的逻辑，或者说是没有外部设计者或程序员帮助的进化，最好的方法是研究一个已知的例子：地球生命的发展史。16地球大约有46亿年的历史，在最初的10亿年里，地球上没有任何生命，只有丰富的化学物质在冷却的海洋中徘徊，在形成的陆地中被搅动，并被火山喷射到大气中，大量分子在加热、冷却、晃动和放电时相互作用和反应着。随着所有这些相互作用和反应，一些更为复杂的分子开始出现。
最终，在大约30亿到35亿年前的某个时间点，发生了一场引人注目的意外——能够复制自身的分子被创造出来。第一个可以自我复制的分子无疑是相当简单的。一个自我复制的分子可能会从周围的化学物质海洋中吸引一些“相反的”分子，这些分子反过来又会吸引与它们“相反”的分子，从而制作出一份分子的原件。即使是一个简单的自我复制分子也不太可能是随机产生的。但是，万万亿分之一的机会也意味着是有可能的，有可能在几十亿年的时间里，有几万万亿个分子发生了几百万万亿次的相互作用。一些科学家还认为，热力学定律可能大大提高了这种可能性。早期地球上有来自火山和其他地热活动的巨大自由能量，反应网络和复杂的有机分子是新陈代谢和自我复制的基础，它们还是所有能量通过地球海洋化学渗透的可能方式。17
科学家还不知道第一个自我复制分子（或者说分子们）的确切组成，这是一个重要的研究领域。然而，我们确实知道，至少有一种分子看起来像是RNA的前体（地球上所有生命在核糖体的RNA上都有共同的基因——DNA是最近的进化发明）。但是，一旦第一批可以自我复制的分子从早期地球的随机化学晃动中产生了，一种奇特的逻辑就占据了主导地位。正如理查德·道金斯在《自私的基因》一书中指出的，没有复制过程是完美的。复制中出现一个错误，这里或那里发生了一些改变，就会导致自我复制的分子产生一些与自身存在细微差别的东西，但这个错误又没有大到足以损害自我复制的过程。一段时间以后，化学汤中会充满各种略有不同的自我复制分子。汤中的各种可以自我复制的分子的数量是否相同？正如道金斯所言，肯定不同。有些分子在化学上比其他分子更稳定，因此会“活”得更久，或者复制的速度更快。如此一来，寿命更长、质量更好、复制速度更快的分子将在分子群中更为普遍。此外，在这些可以自我复制的分子所处的邻近区域里，复制所需的原料供应是有限的。如果随机突变使得一种分子在化学的应用原料方面比另一种更好，那么这种分子就能够拥有更多的自身拷贝。争夺有限资源从一开始就是进化的一个主题。
最终，一些分子可能会偶然发现一些化学结构，它们会让其他自我复制因子的结构不稳定和破裂并破坏其自我复制过程，然后使具有攻击性的分子能够将被攻击的分子释放出来的分子结合起来供自己使用。这种偶然的创新会立即带来巨大的优势，因为从同类的自我复制者那里获得预先组装好的原材料要比自己找寻并组装它们容易得多。易受干扰和化学物质被盗用的分子数量将迅速下降，而厉害的、发动干扰的分子将迅速复制自己。但一些复制分子也可能碰巧含有一些化学物质外壳，例如脂质，这些化学物质在它们的自我复制机制和外部世界之间提供了一个缓冲地带。有了对干扰物的防御，受保护的分子将更频繁地进行自我复制，并在分子群中变得更普遍。一旦达到了能够复制出对外界产生屏蔽作用的干扰分子的阶段，我们就拥有了现代人眼所能识别的某种东西——病毒。病毒可能会或可能不会被视为活着，但它肯定正在形成。
这些分子战争背后的逻辑非常简单：好的复制因子被复制。18这听起来像是赘述，但这正是进化最微妙和强大的驱动力之一。如果随机突变导致了复制能力的差异，那么任何促进复制的差异都会随着时间的推移在群体中变得更加普遍。进化最终会选择支持复制的模块。这也是道金斯著名的“自私的基因”理论的精髓。19道金斯所说的自私，并不是指人类或其他生物的基因使我们在寻求生存的过程中天生自私。事实上，合作对包括人类在内的许多物种来说是一种至关重要的生存技巧。“自私的基因”所指的是复制的逻辑，即擅长支持自己的复制的基因将被复制。任何其他策略都无法在竞争的世界存续下来。
“好的复制因子被复制”的逻辑有时会在困扰我们的电脑病毒中发挥作用。一种“成功的”计算机病毒（从黑客或病毒的角度来看）是一种可以大量复制其自身的病毒。大多数病毒会通过使用收件人的电子邮件地址簿复制。因此，病毒要被复制，就必须欺骗接收者打开电子邮件。病毒在电子邮件中出现的主题经常是“我爱你”“裸照”。我最近收到的一封特别棘手的邮件来自“管理员”，标题是“您的电子邮件账户将被关闭”。所有这些都是黑客社区为帮助他们的创造物复制而开发的花招。由于好的复制因子会被复制，如果对全世界的计算机病毒进行调查，我们将会看到这些有效的花招在计算机病毒传播中不成比例地出现。
最终，在大约38亿年前，自我复制分子的战争发展到一个点，好的复制分子拥有了看起来像现代RNA的自我复制过程，以及它们与外界之间的屏蔽膜，但是没有在高等生物的细胞中发现的线粒体、叶绿体、细胞核或其他细胞器。更确切地说，这些最初的生命形式并不比麻袋中的自我复制分子多，就像简单的蓝绿藻漂浮在海水的浮沫上。然而，一旦这些自我复制分子达到这一阶段，进化就开始了，先是出现了种类繁多的单细胞生物，这些单细胞生物又发展出了更为复杂的内部组织，可以做诸如移动、光合作用和吃掉彼此之类的事情。最终，在大约18亿年前，进化发现了多细胞生命形式的设计，导致了多样性的爆发，创造了植物、动物以及人类。
这个故事中还有许多重要的细节有待商榷，但它的逻辑中并不需要任何外生因素。只要有了模式、模式阅读器和适合度函数，我们就可以建立进化算法的逻辑。在生命的故事中，模式和模式阅读器是相同的，因为自我复制分子既是代码又是阅读器。甚至复制技术也在随着时间的推移而不断发展，最终发展出了DNA、保护DNA的核膜和有性繁殖，当然，还有无数吸引异性的策略。
在乐高实验中，适合度函数值是由外在的仲裁者决定的。在生物学中，适合度函数是内源性的。有一些决定适合度的约束因素是固定不变的，例如物理和化学定律。但是适合度的其他重要方面与系统是共同进化的。生物环境的关键部分是其他的生物，每个生物体的进化运动和反运动都会影响其他生物体的适合度。掠食性生物可能进化出更快的奔跑速度（良好的奔跑基因会增加复制的概率），但随后它的猎物可能会发展出伪装，掠食性生物的视力可能因此得到改善，它们的军备竞赛在一场无止境的共同进化竞赛中循环往复。但是随着每一个动作的产生，适合度函数值都会发生变化。作为适合度的另一个组成部分——地球的气候也在随着生命的进化而改变。例如，植物生命的发展增加了大气中的氧气含量，为需要氧气的生命铺平了道路。当然，人类的进化正在进一步改变地球上所有生命的生存环境和适合度函数值。
综上所述，进化的过程可以归结为信息处理。为了让进化站稳脚跟，进化算法需要一种信息处理媒介：用于存储、修改和复制的物质。进化在生物世界中是无法自然开始的，直到热力学和随机机会的结合创造了第一个可以自我复制的分子来存储、修改和复制分子设计。在第三部分中，我们将看到使进化在经济中站稳脚跟的信息处理媒介是口语，后来是写作。一旦建立了信息处理媒介，就可以开始分化、选择和复制的过程。好的复制因子可以进行复制，什么是适合的既取决于环境，也取决于与其他复制者的竞争。然后，进化开始在设计空间中行进，寻找更好的复制者。
我们已经看到了进化是如何工作的，下一个大问题是，它为何如此有效？
适合度景观的探索
想象一下所有可能用DNA编码的生物的设计空间。DNA由四种碱基构成，分别为C、G、A、T，代表胞嘧啶、鸟嘌呤、腺嘌呤和胸腺嘧啶，这些碱基成对依次排列在DNA双螺旋结构中。人类基因组中大约有60亿个DNA碱基对。为了研究DNA链比人类更长的生物的进化，我们可以想象一个设计空间，它可以容纳100亿个碱基对上所有可能的DNA排列。如果我们把每个排列都写在一本厚厚的书里，把所有的书都放在一张桌子上，桌子上的某个地方有一本3 000页的书，里面有你自己的全部DNA序列，还有10900本不同的书，里面有各种大肠杆菌序列，还有1012 000本典型植物物种序列的书等。20丹尼尔·丹尼特将这个囊括所有可能生物的DNA的设计空间称为孟德尔图书馆(14)。21就像乐高图书馆一样，孟德尔图书馆里的大部分内容都是垃圾，如果它曾经建成的话，也必定会毁于突变。虽然有大量的设计可以成功地在地球环境中生存，但相对于难以想象的设计空间的大小，它们是非常罕见的。
就像乐高图书馆一样，孟德尔图书馆是有限的，但它只在某个时间点上有限。22随着时间的推移，地球上生命的历史已经见证了DNA串长度的扩展，从简单的细菌到复杂的哺乳动物，因此DNA设计空间的大小也在扩展。你可以把设计空间想象成气球的表面——它在某一时刻是有限的，但它可以扩展，就像气球会在充气时膨胀一样。虽然像孟德尔图书馆这样的设计空间的有限性具有一些重要的数学含义，但对于所有实际用途来说，它也可能是无限的。在宇宙的生命周期中，人类或任何其他生物的所有可能设计都不可能得到充分的探索。
这里我想借用丹尼特的另一张图片，让我们想象孟德尔图书馆里的每一本DNA书上都有一根金属杆，23每根杆子的高度代表下面特定DNA序列的适合度——杆子越高，代表设计越适合。当然，所谓的适合，主要是指在特定的时间点适应特定的环境。我们将进一步假设，孟德尔图书馆中的DNA书籍是按照某种顺序排列的，它们之间只有一个“位”的距离。例如，序列A-G-C-C-T紧挨着序列C-G-C-C-T，序列C-G-C-C-T紧挨着序列G-G-C-C-T，以此类推。因此，就在你的DNA书旁边的是你的360亿个变体，它们只差一个基因字母。24我们可以“一次依据一个字母”在这片地形上移动，从一本书到另一本书，通过每一个DNA序列杆的高度，我们可以看到相应的适应度变化。
在建造物测量中，我们有了一个拥有不同高度杆的巨大山地景观（见图9-3）。这种描述方式有助于我们比较哪个设计比其他的更好，生物学家称之为适合度景观，这一概念最初由进化理论学家休厄尔·赖特（Sewall Wright）在1931年提出。25适合度景观以可视化的方式向我们展示了设计空间中优秀设计的位置。我们可以将良好的设计视为高适合度峰值，而在设计空间的近无限处寻找优秀设计的问题可以被重新认识为在适合度景观中找到高峰。
图9-3 适合度景观示意图
资料来源：丹尼特（1995年）。
这个巨大的、多山的适合度景观会是什么样子呢？斯图尔特·考夫曼指出，人们可以想象两个极端。首先，人们可能会认为每根杆子都有不同的高度，因此这个景观看起来就是完全随机的、杂乱的（见图9-4）。在另一个极端，我们可以想象一个完美有序的景观，其中的地形起伏绵延，从低适合度到高适合度，最终形成一个富士山一样的山峰高耸在景观之上（见图9-5）。考夫曼声称，实际情况介于两者之间（见图9-6）。26一本只有一个字母和你的DNA书不同的书，很可能和你拥有一样的适合度，除非它是一个特别幸运或不幸的突变体。两个字母不同的DNA书还是可能和你一样具有相同的适合度。随着我们越来越远离你的DNA书，从而产生有着数十、数百或数千个字母不同的书籍，这些变化对适合度的影响会表现得更为明显。离你的DNA书越远，相应的书对应的适合度可能就越不同。随着距离的增加，变化幅度会产生较大波动，因为一些小的变化可能会产生非常大的影响，而一些较大的变化可能只会产生很小的影响。因此，任意两个相邻点之间的适合度仅仅是粗略相关的。当我们在书与书之间移动的距离越来越远时，整个景观就变得崎岖不平了。考夫曼注意到，这种粗糙的相关性在适合度景观中会创造一个更像瑞士阿尔卑斯山的地形，而不是一种杂乱无序或像富士山一样的地形。
图9-4 随机的适合度景观
图9-5 富士山样的适合度景观
图9-6 粗相关的适合度景观
包括圣塔菲研究所的吉姆·克拉奇菲尔德（Jim Crutchfield）在内的其他研究人员，已经研究了适合度景观的数学形状，并注意到一些其他特征。27与普通的山地景观不同，适合度景观中有许多平坦的斑点。正如前面所提到的，生物体DNA密码的绝大多数微小变化对适合度没有任何积极或消极的影响。因此，你的DNA书中大约有360亿个单字母变体，以及数万亿的几个字母的变体，景观周围将会有一些大而平坦的高原。这些平坦的高原内部存在裂隙，看上去就像瑞士奶酪一样布满了孔洞。进入这些洞中会导致适合度急剧下降，因为尽管绝大多数的小突变作用不大，但也有一些是相当危险的。如果从你的DNA中删除大脑中负责制作关键蛋白质的指令，那么你就会遇到大麻烦。
尽管一些小突变有很大的负面影响，但也存在带来好结果的小突变。这些小突变可以在适合度方面带来显著优势，甚至是为进一步增强适合度的突变开辟道路。克拉奇菲尔德将这些地点称为景观门户，它们是上山的快速通道，就像从山上的一个高原到达另一个高原的陆地桥梁。在前一章中，我们研究了一个模型，该模型通过生态系统中物种关系的网络结构来解释间断均衡。克拉奇菲尔德认为，平坦的高原、瑞士奶酪孔洞和景观的门户路线特征也通过在遗传变化的影响中创造非线性来促进间断均衡。大多数变化都不会产生太大影响，只有少数变化会对适合度（无论是好的或者是坏的）产生较大影响，因此这些变化可能对物种关系网络产生不相称的影响。
任何一个设计空间中大部分的小变化都不会对适合度产生大影响，只有小部分变异具有很大的影响，从而形成生物适合度景观中的相关起伏。这一点很重要，因为正是这种粗相关的特性使得进化成为搜索适合度景观中的高峰的理想算法。
大冠军搜索算法
假设我们被要求在孟德尔图书馆的适合度景观中搜寻高峰，这里需要注意的是，我们的任务并不是找到最高的山峰。整个景观中可能并不一定存在一个明确的最高峰，而是可能有多个高度相同的山峰却彼此相距甚远。更重要的是，即使有一根适合度杆比其他的杆子都略高，我们找到它的机会也非常小。而且，山峰的高度会在景观中不断变化，当我们发现最高的一根杆子时，它可能会变矮，或者另一根杆子会变高。因此，我们无法寻找某个全局最优值，只能简单地寻找在任何给定的时刻的最高峰值。
在开始徒步旅行之前，我们需要引入三个额外的挑战。第一，我们必须想象这是一个漆黑无月的夜晚。你可以感觉到你是走到了高处还是低处，但仅此而已。这代表着进化在任何意义上都无法“向前看”，它所能做的就是尝试一些东西，看看它是否有效。
第二，这个景观中毒雾附着在低适合度的山谷和缝隙中。如果你在漫游中到达的高度太低，就会掉入毒雾因窒息而死。毒雾代表了自然选择——在某些时候，如果你的适合度太低，你就会被淘汰。
第三，这个景观不是静止的，而是不断变化的。随着环境的变化，适合度函数也会发生变化，因此今天的适合度高峰可能到明天就不再是高峰了。随着环境的变化，低适合度的山谷形成新的山脉，而以前的高峰在毒雾之下塌陷为低地。在任何一个时间点上，一些地区的景观可能是稳定的，而另一些地区可能会像板块运动一样逐渐移动，还有一些地区可能是高度活跃的，就像地震带和火山爆发形成的断裂带。
一些景观的变化，比如小行星撞击地球并改变气候，代表了环境的随机变化。而大部分的起伏变化都是物种自身进化的结果。之前，我们注意到所有物种都存在于与其他物种的复杂关系网络中：掠食者、猎物、共生关系、寄生关系等。随着物种在进攻与防御、合作与竞争之间展开军备竞赛，一个物种的进化改变会引发其他物种适合度的连锁反应。
为了搜索景观，我们可能会先选择一个随机的起点，然后运用以下规则：向任意方向迈出一步；如果这一步让你向上走了，就以那里为起点再随意走一步。如果没有让你向上走，则回到之前的位置再试一次。可以想象，如果你的起始点在一个山谷里，你最初可能会在谷底随意地移动。但你最终还是会找到一条向上的路径，爬上最近的山峰。这个规则被称为适应性步行（adaptive walk，见图9-7）。28虽然适应性步行在攀登单个山峰方面是有效的，但它有一个重要的局限性，即一旦你到达山顶就会停下来，被困在一个局部的最大值上。也许在离山谷不远的地方有一个更高的山峰，但是你永远也找不到，因为你必须先下山才能到达那里。这种适应性步行甚至可能使你困在场地中间的一个小山丘上。
图9-7 适应性步行
另一种策略是想象你有一个非常强大的弹簧跳板。当你按下弹簧跳板上的一个按钮时，它会在一个随机的距离内向一个随机的方向把你发射出去。因此，你会连续按下按钮，希望降落在一个较高的位置，这种策略被称为随机跳跃（见图9-8）。与适应性步行相比，随机跳跃的优势在于，你可以跳过中间的山谷，从低谷跳到高峰。然而，它也有一个缺点，那就是你可能会发现自己掉进了一个死亡谷。因此，随机跳跃是一种比适应性步行风险更高的策略，因为适应性步行至少可以让你远离最低的低地并躲开毒雾。此外，随机跳跃也面临着要花很长的时间才能找到真正的高峰的问题。我们都知道，山体大致呈锥形。如果把圆锥体水平切成两半，圆锥体下半部分的表面积总是大于上半部分的表面积。因此，更多的景观表面区域都将是低适合度区域，而非高适合度区域，平均而言，随机跳跃将使你进入低适合度点，偶有幸运的例外情况。对于任何一个正在寻找适合度景观的人来说，即使是找到一个适合度高的点，总有更多的方法让你变得更糟，而不是更好。用丹尼特的话来说，在一个设计空间中，好的设计的数量总是“少得可怜”。
图9-8 随机跳跃
到目前为止，我们似乎面临着霍布森（Hobson）的选择。我们必须选择一种低风险，但不太可能让我们达到非常高的峰值的策略，或是一种高风险，有可能把我们带到一个高峰，但更有可能把我们带到毒雾之中的策略。
接下来，让我们尝试一下将这两种选择混合在一起的算法，这种算法采用适应性步行，以使我们在景观中爬得越来越高，同时也提供一些随机跳跃，以防止我们被困在局部的高峰上（见图9-9）。29我们还将权衡随机跳跃与较短距离的跳跃（跳跃距离越长，发生的概率越低），这仍然会帮助我们避免陷入局部的高峰，但降低了落入一个非常低的山谷的可能。
图9-9 适应性步行和随机跳跃的混合
更进一步讲，如果不是只有一个旅行者，而是有一大群旅行者来帮助我们探索景观呢？如果站在“上帝之眼”的视角，每个徒步旅行者在巨大的地形上看起来就像一个小黑点，而当一大群徒步旅行者都在寻找更高的山峰时，他们看起来就像一片乌黑的云。30我们会看到一片乌云缓缓爬上山坡，每个人都在进行适应性步行。最终，随着这一大群徒步旅行者展开探索，这片云将会出现在局部的高原上并随机扩散到周围。当他们继续适应性步行时，一些徒步旅行者将从“瑞士奶酪孔洞”中消失，但大多数会在局部的高原周围散布开来。我们偶尔也会看到这群人中出现了几个跳跃者，他们降落在远离这群人主体的地方。像高级侦察兵一样，这些跳跃者将在景观中寻找新的路线。一些跳跃者会从高原边缘跳跃到下面的毒雾中，一些人可能会偶然发现一条新路线，也有一些人会发现克拉奇菲尔德所说的那个门户陆桥，带他们穿过低适合度的山谷，进入一个新的高适合度的高原。
截至这里，我们就得到了一个两全其美的结果。大部分徒步旅行者采用了相对风险较低的、在景观中行进的适应性步行。也有一些徒步旅行者分散在离中心更远的地方，还有一些侦察兵拿着真正的传单，在远离人群的地方搜索。这种策略不可避免地会淘汰一些徒步旅行者，但也更有可能找到景观的高适合度区域，而不会陷入局部的高原。
这种在群体中分散赌注的行为正是进化所做的，每个生物都可以被认为是一个徒步旅行者。复制过程为适应性步行提供了动力。如果高适合度的徒步旅行者倾向于将他们的模式与其他高适合度徒步旅行者重新组合，并拥有更多的后代，那么低适合度的徒步旅行者往往会在更高的海拔地区增多，而在低海拔地区减少。但是，变异（生物学中是通过杂交和突变）确保了徒步旅行者遍布整个景观。大多数的徒步旅行者将在同一地区聚集在一起——这是一件好事，因为如果徒步旅行者还活着，他们至少知道自己是在毒雾之上。并且如前所述，下山的路总是比上山的路多，至少也会有一些离群者提供一些寻找更高的高地的新方法。
如果外围的侦察兵确实找到了一条新的上升路径，比如说通过一个门户陆桥到达一个新的高适合度区域，那么高适合度将意味着它们将更快地繁殖，在新的高适合度区域创造一片新的种群云。从上帝的视角看，我们会看到高原上嗡嗡作响的种群云——换句话说，是一个新物种。31
这种由变异带来的赌注分散，不仅对发现提高适合度的新方法至关重要，而且对于提高某些徒步旅行者在环境发生变化时存活下来的概率也至关重要。大多数徒步旅行者可能正生活在一个不错的高适合度的高原上，突然景观发生了急剧变化，他们所在的高原坍塌了，唯一剩下的就是那些在更远处的侦察兵了，他们必须重建队伍。同样，一些之前在低适合度地区的侦察兵可能会突然发现，随着景观的变化，他们会到达一个新的、更高的海拔。这是遗传多样性在种群中所起的重要作用：如果你不把赌注分散到整个景观范围内，当环境突然发生变化时，你就有可能失去一切。
通过创建跳跃长度的扩展，进化解决了约翰·霍兰德所说的探索与开发之间的紧张关系。32如果进化发现了一个高适合度的高原，大多数种群就会聚集在该地区繁殖和生长，从而利用其好运及它已经发现的成功适应。但也总会有一些徒步旅行者在更远处的黑暗中跌跌撞撞，寻找上山的新方法，以防范“过度适应”。
有趣的是，霍兰德已经证明，进化会自动在探索与开发之间取得正确的平衡。当情况良好时，也就是在找到一个高原时，进化将按比例投入更多的人口或族群资源用于开发。但是，当情况变得糟糕时，也就是当山谷中的人口或个体减少时，进化就会将更多的资源用于探索。每当进化占据了适合度景观的一个新部分，它就会押注于对未知事物的采样。就像任何下注者一样，随着进化得到更多的信息，它也想对看起来最有希望的赌注加码。霍兰德研究出了平衡开发与探索的最佳方法，并证明了进化非常接近于达到最优均衡。33进化是一个赌徒，一个胜算很大的赌徒。
妙把戏、强迫移动和路径依赖
我在前文中提到过丹尼特的把戏的概念。34把戏是在适合度景观上的移动，这些移动并不需要经历族群灭绝的痛苦，而是非常吸引人的，它们很有可能会在景观的进化搜索中被反复又独立地发现。假设景观中有一个叫做“有眼睛的生物”的巨大高山区域，所有的DNA书中都有关于制造能探测光的传感器的指令。这种通过眼睛检测和解释光信号的能力对适合度有着重大的贡献，几乎与环境无关（除非世界变黑）。就适合度景观而言，具有“有眼睛的生物”的DNA书籍构成了一片非常大的、稳定的高适合度区域。该区域的大小、高度和稳定性使得任何进化搜索过程最终都能找到它。大而高的山区也可能有多条通向它们的进化路径，因此，把戏可能独立地出现在多个物种中，而且每个物种的设计都有所不同，例如哺乳动物的眼睛设计和昆虫的眼睛设计就是不同的。
