如果悬平系统能够不靠创建者而是自行调节自身又会怎样？对于自平衡的复杂系统来说，它将获得生物学意义上的巨大的进化优势。它能更快地进化，更快地学习，也能更容易地适应。考夫曼说，如果进化选择了自我调节功能，那么，“进化和适应的能力本身可能就是进化的一大成就”。而自我调节是更高级进化的必然选择。考夫曼提出，基因系统的确通过在其系统内部调节连接数量以及染色体大小等因素来调节自身，使其获得最佳的灵活性。
“没错，”无意中听到我们谈话的朗顿回答道。“确实就像拍岸的海浪，它们砰砰的拍着岸边，就像心跳一样稳健。然后突然之间，哗——掀起一个大浪。而那就是我们所有人正在寻找的。”
斯图亚特·考夫曼也讲到过将其仿真的基因网络参数“调节”到“最佳平衡点”。上百万个基因或神经元的连接方式数也数不清，但在连接方式之外，一些数目较少的设置对促进整个网络的学习和适应要重要得多。处于这个进化平衡点上的系统能够最快地学习，最容易地进化。如果朗顿和考夫曼是对的话，那么一个进化的系统会自己找到这个平衡点。
那么这一切是如何发生的？朗顿找到了一些线索。他发现，这个点就处于混沌的边缘。他认为，最具适应性的系统是如此不羁，以致于与失控之间仅一线之隔。生命既非毫无沟通的停滞系统，也非沟通太多的死锁系统。生命是被调节到“混沌边缘”的活系统——就处在那个λ点上，信息流量刚好足够到使每个事物都处于摇摇欲坠当中。
在朗顿和考夫曼的架构里，自然起始于一堆相互作用的聚合体，它们通过自催化作用生成新的聚合体，并连接成网络，以使进化能够最大限度地发生。这个富含进化的环境产生了细胞，而细胞也学会了调节自己的内部连接，以保证系统处于最佳进化状态。在混沌边缘所迈出的每一步，都小心翼翼地踏在最优灵活性的小路上，不断地增加着它的复杂性。只要系统踏上这条进化的波峰，它就会一直向前冲。
朗顿表示，我们在人造系统里想要的是些相似的东西。任何系统寻求的首要目标都是生存。其次是保证系统最大灵活度的理想参数。而最令人兴奋的是第三个层级的目标：寻找系统在进化过程中不断增强自调节的策略和反馈机制。考夫曼假设，如果系统构建为自调节的，那么它就能很容易地适应，也就意味着它们是自然选择的必然目标。能够借力于自然选择会是首选的能力之一。
考夫曼把建立在λ值范围内的系统叫做“悬平系统”。这些系统悬停在混沌和严格秩序的交界处。悬平系统在宇宙中随处可见，甚至在生物圈之外也不乏它们的身影。许多宇宙学家，如约翰·巴罗，认为宇宙本身就是个悬平系统，在一连串非常精密的数值（比如万有引力参数或电子质量）上达成不稳定的平衡。这些数值如果改变一丁点，哪怕是微不足道的一亿分之一，宇宙都可能在一开始就坍塌了，或是根本就不能成形。这类“巧合”太多了，足足可以写好几本书。按照数学物理学家保罗·戴维斯的说法，这些巧合“聚集在一起，有力地证明了我们所了解的生命是如此敏感地依赖于物理定律的形式，依赖于一些看似偶然实际上却是自然为各种粒子和相互作用所选定的数值。”简单说，我们所接触的宇宙和生命悬停在混沌的边缘。
就在朗顿和同事们在可能世界的空间中寻找生命所能停留的最佳平衡点时，我听到他们说自己是在无尽的夏天里冲浪，找寻着那波完美而缓慢的浪头。
通过调节λ参数，朗顿就能调节世界使之更容易地学习或进化。朗顿把在几个固定点之间变化的状态和无定相的气态之间的临界值称为“相变”——物理学家用同样的术语来描述液体转化为气体，或是液体转化为固体。然而，最令人惊奇的是，朗顿发现，当λ参数接近相变——即最大适应性的“最佳平衡点”——时，它减速了。也就是说，系统趋向于停在这个边缘上，而不会跑过了头。在靠近这个进化的极致点时，它变得小心翼翼。朗顿喜欢将之描绘成这样一幅图景：系统在一个缓慢运动的永不消逝的完美浪头上冲浪，越接近于浪顶，时间就走得越慢。
我倾向于相信他的观点。我们拥有把每个人与其他所有人连接起来的技术，但一些试着以那种方式生活的人却发现，无论要完成什么事情，我们都在断开连接。我们生活在加速连接的时代，其实，就是在稳步地攀登考夫曼的小山丘。但是，我们很难阻止自己越过山顶，滑入连通性越来越强而适应性越来越弱的山坡。而断开就是刹车，它能避免系统的过度连接，它能使我们的文化系统保持在最高进化度的边缘。
圣塔菲研究所的研究员瑞奇·巴格利告诉我：“我正在寻找的是与我相隔一层窗户纸的东西”。他进一步解释道，它既不是规则的，也不是混乱的；处在近于失控和危险的边缘中。
进化的艺术就是管理动态复杂性的艺术。把事物连接起来并不难，但是进化的艺术是要找到有组织的、间接的、有限的连接方式。
自调节也许正是那把通往永不停止的进化——即开放进化的圣杯——的神奇钥匙。克里斯·朗顿将开放进化正式表述为不断地调节自身使其复杂度越来越高的系统，或者在他的构想中，是一个成功地掌控越来越多影响进化的参数并在边缘位置保持平衡的系统。
这种在“边缘”处的减速对于解释为什么不稳定的胚胎活系统能不断进化非常关键。当一个随机系统接近相变时，它会被“拉向”并停靠在最佳平衡点，在那里进化，并力求保留那个位置。这就是它为自己所建的自静态的反馈环。由于最佳平衡点很难用静止来形容，所以也许把这种反馈环称为“自动态”会更好。
考夫曼在圣塔菲研究所的同事克里斯·朗顿从其人工生命的群体模型试验中得到了一种抽象性质，叫做λ参数。λ参数能预测一个群体在某个特定规则集下产生行为“最佳平衡点”的可能性。在这个平衡点之外的系统往往陷入两种模式：它们或者定格在几个晶格点上，或者散落成白噪声。那些落在最佳平衡点范围内的值则使系统最长时间地保持有意义的行为。
稍稍放松一点缰绳，死板的系统就会运转得更好；而稍微加强一些组织，紊乱的系统也能得到改进。米奇·沃尔德罗普在他的著作《复杂性》里这样解释朗顿的概念：如果自适应系统没有运行在令人满意的正道上，铁面无私的效率就会将它推向最佳平衡点。如果一个系统停留在僵化和混乱间平衡的峰顶，那么，如果它偏离原位，适应性就会将它拉回到边缘。“换句话说，”沃尔德罗普写道，“学习和进化会使混沌的边缘保持稳定。”——这就是一个自强化的最佳平衡点。我们也许应该说它是动态稳定的，因为它的位置会不断变动。林恩·马基莉斯称这种变化的、动态恒定的状态为“流动稳定”——即紧紧地攀附在一个移动的点上。正是同样的持久的摇摇欲坠态，使地球生物圈的化学路径处于有目的的失衡中。
斯图亚特·考夫曼的仿真像任何数学模型一样：缜密、新颖，备受科学家们的关注。也许还不只如此，因为他是在用真实的（计算机）网络来仿真假设的网络，而不是像往常一样，用假设的网络来仿真真实的网络。尽管如此，我承认这只是将纯数学的抽象概念应用于不规则现实的漫漫征途中的一点点进展。没有什么比在线网络、生物基因网络和国际经济网络更不规则的了。不过，斯图亚特·考夫曼非常渴望将其通用试验的结果外推到真实生命中。复杂的真实世界网络与他自己运行在硅芯上的数学仿真之间的比对正是考夫曼苦苦追寻的圣杯。他认为他的模型“就仿佛是真实的一般”。他打赌道，群网络在某个层面上的表现都是相似的。考夫曼喜欢说，“IBM和大肠杆菌看待世界的方式并无不同。”
