什么是进化系统？

所有进化系统都是基于存储的信息，并具有完整的信息处理策略，能够对信息体进行修改、添加和删除操作。所有进化系统的核心都利用概率计算，可以从随机发生的事件中提取目的性信息。一旦这种计算有可能生成指令，再用指令生成有用的事物，就有可能形成正反馈循环。指令的变化如果能改善结构或行为，就有可能以此为基础在将来进一步改进指令及其产物。通过这种高效的循环，指令不断改进。当指令是用于解答某个问题时，如果最初对答案是怎样的没有任何想法，这种策略将是寻找答案的最有效的方法。

当从信息的角度来认识相关的对象和活动时，会发现随机性才是新事物的终极来源。对计算机科学不熟悉的人可能会觉得难以置信，但其中的逻辑是合理的。确定性的规则精确决定结果；因此只要输入不是随机的，结果就一定可以预料。确定性的计算机之所以如此强大就是因为只要给它们同样的输入，总是会得到同样的结果。这是创造性的对立面。创造性意味着意料之外的结果，但在确定性过程中这样的结果只有当输入不可预测时才有可能。不可预测性是随机性的精髓。所有创造性活动的设计都隐含了随机输入，这本书中讨论的进化过程几乎都可以视为从随机来源进行提取的概率计算。

所有进化过程的共同特征包括以下5个要素：

1．个体。一般都有许多某种类型的单元体。它们有各种名字，比如：生物、自主体、基因、概念和公司。

2．可遗传的特征。个体的描述信息，以某种形式编码为个体本身的一部分（生物的这种信息编码为DNA）。

3．个体可以繁殖或复制。通过这个机制，个体从父辈或之前的个体拷贝编码信息。

4．变化机制。信息在复制、繁殖或维护过程中必须有机会产生适度的改变。在许多系统中变化机制就是复制过程中产生的错误。

5．基于特征的选择。繁殖（或复制）的成功必须部分取决于各个体编码信息所描述的特征。

只要系统同时具备了这5个要素，个体组成的群体中的编码信息以及相应的个体特征就会随时间改变；遗传的个体特性必然会越来越适应决定繁殖（复制）成功率的标准。

具有这种逻辑结构的系统会累积适应选择标准的编码信息。它们利用随机变化做到这一点，有时候也利用非随机变化，以免偶然性过大，不利于产生有用或有趣的东西。这个信息累积和改进的过程就是概率计算。它有效的原因很简单。很小的变化通常是有可能的。最小的可能变化是是/否、增/减、要么/要么这种类型的。这样的选择一般有一半对一半的概率发生，也有一半对一半的概率一个比另一个好。而无目的的大变化基本不可能发生。通过小的并非很不可能的变化，并累计好的变化，就有可能达到本来很难达到的目标。著名的进化论作家道金斯有一本书的书名就体现了这个思想：《攀登不可能的山峰》。

可能会发生错误的指令复制机制一旦与在多个结果中选择的机制相结合，就会产生戏剧性的变化。这种选择复制过程一旦成型，即使没有引导，也会逐渐装配出本来出现概率极低的复杂目的性指令。复杂的指令反过来又使得本来极为不可能的复杂对象或行为的形成成为可能。后面我们会看到化学和物理定律作用于自然产生的物质也可以自发形成结构，有一些还相当复杂。这类对象的形成不需要指令。无需指令的结构的形成局限于有较大概率自发形成的事物。而指令则为创造有用的、神奇的、聪明的、美丽的概率极低的事物提供了无限可能。在第4章我们会看到一些例子。可以毫不夸张地说，不违反化学和物理定律的任何事物都可以利用适当的指令得到——相当惊人的论断。当然，挑战在于得到正确的指令。没有指令，可能性就会大为受限。

由于指令的使用是如此强大而普遍，最好是将使用指令产生的复杂性（Ⅱ型事物）与不需要指令的复杂性（Ⅰ型事物）区分开来，并且将Ⅱ型事物归于更高形式的复杂性。我在书中反复强调，所有最复杂的指令都是由进化计算创造的（我们不知道还有哪种计算策略能做到这一点）。对这个断言的一个检验是只要发现了不一般的复杂性，就应当能识别出明确的编码指令以及创造指令的计算的物理基础。对于生物，信息是用DNA分子编码。细胞和生物通过生存和繁殖执行这种计算。实际上，生物依赖于两种非常不同的计算。一是创造和维持生命本身。这些过程部分依赖于DNA编码的信息。不是所有人都将这些化学和发育过程视为计算。另一种很不一样的计算是基于DNA的信息一代又一代慢慢改变。这才是这本书所关注的进化计算。名为群体遗传学的生物学分支描述的就是改变生命的进化计算是如何一代又一代进行的。

确定性的电子计算机也能够执行进化计算，但与生命执行的不一样。对于计算机，进化的信息是软件代码。大脑也可以被视为是计算机，信息则编码为神经元的通信模式。在第10章，我们会探讨学习和思维活动是进化计算的可能性。

从信息累积和提取的角度看待进化可以带来更深刻的认识，同时也让一些原本很困难的问题变得容易解决。例如，进化进步的观念在生物学中存在争议，也没有人否认生命的最终起源是一个尚未解决的科学难题。计算的视角有助于澄清这些问题。对于进化进步，如果进步等同于复杂性的增加，则根据信息理论可以确认，特定情形下复杂性的不断增加是可以预期的结果。后面我们会探讨复杂性的另一个方面——深度，并证明为什么它在特定条件下会增加。书的最后还会探讨为什么所有进化系统的起源包括生命在内都要受信息理论的限制。总的来说，由于进化计算具有产生越来越大的复杂性的巨大潜力，有理由怀疑只要出现了显著的复杂性，就存在进化引擎。