那些致力于推动人工智能研究的人无疑会对此大唱赞歌。在没有任何提示和限定答案方向的前提下，能想出一个解决方案——人们称之为横向思维——这几乎就等同于人类的智能了。
人类的发明物就没有那么丰富了。大部分机器被造来完成某个明确的任务。它们遵照我们旧式的定义，服从我们的规则。然而，如果让我们构想一架理想的、梦寐以求的机器的话，它应该可以改变自身来适应环境，更理想的是，它还能自我进化。
探索超越我们理解力外的领域并提炼我们所收获的，这是定向式、监督式和最优化的进化带给我们的礼物。汤姆·雷说：“但是，进化不仅是优化。我们知道进化能超越优化并创造新事物来加以优化。”当一个系统可以创造新事物来加以优化时，我们就有了一个恒新的工具和开放的进化。
汤姆·雷已经通过让他的世界自主选择适者的方式加载了人工自然选择工具。因此，他的世界从理论上说就具有了进化全新事物的能力。但是雷确实“做了点小手脚”以使系统进入运作。他等不及他的世界靠自己的力量进化出自我复制能力了。因此一开始他就引进了一个自我复制机制，一经引入，复制再也不会终止。用雷的比喻来说，他将生命在单细胞有机体状态下强力启动，然后观看了一场新生物体的“寒武纪大爆发”。但是他并不歉疚。“我只是尝试获得进化，并不真的在意获取它的方式。如果我需要将我的世界的物理和化学成分拉升到能支承花样繁多无限制进化的水平，我乐于这么做。我不得不操纵它们来达到这个水平，对此我并不感到内疚。如果我可以操控一个世界达到寒武纪大爆发的临界点，然后让它自己沸腾溢出边界，那才真是永生难忘呢。和系统所产生的结果相比，我不得不操控它达到临界点是一件不值一提的事。”
每一个涉足人工进化的人都为进化能轻而易举地得出异想天开的结果而大为吃惊。汤姆·雷说：“进化可不管有没有意义；它关心的是管不管用。”
约翰·柯扎认为，进化处理定义不严格的并行问题的能力是它的另一个独特优势。教计算机学会解决问题的困难在于，时至今日，为了解决我们遇到的每一个新问题，我们最终还是要逐字逐句地为它重新编程。如何才能让计算机自行完成任务，而不必一步步告诉它该做什么和怎么做？
西姆斯的图像遴选和柯扎那通过逻辑繁衍进行的程序遴选都是生物学家称为育种或人工选择的例子。“合格”的标准——被选择的标准——是由培育员决定的，因而也是人工产物或人为的。为了达到恒新——找到我们不曾预料的东西——我们必须让系统自己为它的选择划定标准。这就是达尔文所说“自然选择”的含义所在。选择标准由系统的特性所确定；它自然而然地出现。开放的人工进化也需要自然选择，如果你愿意，也可以叫它人工自然选择。选择的特征应该从人工世界内部自然地产生。
而这也正是为什么并行计算机必须被进化而不是被设计出来：因为在需要并行思考的时候我们都成了傻子。计算机和进化并行地思考；意识则串行思考。在《代达罗斯》1992年冬季刊上一篇极具争议的文章里，思维机器公司的市场总监詹姆斯·贝利描述了并行计算机对人类思维的飞反效应。文章题为《我们先改造电脑，然后电脑改造我们》，贝利在文中指出，并行计算机正在开启知识的新领域。计算机的新型逻辑反过来迫使我们提出新的问题和视角。贝利暗示道：“也许，世上还有一些截然不同的计算方式，一些只有用并行思考才能理解的方式。”像进化那样思考也许会开启宇宙中新的大门。
尽管大脑像并行机器一般运作，人类意识却无法并行思考。这一讽刺性的事实让认知科学家们百思不得其解。人类的智慧有一个近乎神秘的盲点。我们不能凭直觉理解概率、横向因果关系及同步逻辑方面的各种概念。它们完全不符合我们的思维方式。我们的思维退而求其次地选择了串行叙述——线性描述。那正是最早的计算机使用冯·诺依曼串行设计方案的原因：因为人类就是这样进行思考的。
柯扎指出，人类之所以追求类似牛顿的f=ma那样简单的公式，是因为我们深信：宇宙是建立在简约秩序的基础之上。更重要的是，简约对人类来说是很方便的。f=ma这个公式比柯扎确定螺旋线的怪物使用起来容易得多，这使我们更加体会到公式中所蕴涵的美感。在计算机和计算器问世前，简单的方程更加实用，因为用它计算不易出错。复杂的公式既累人又不可靠。不过，在一定范畴内，无论是大自然还是并行计算机，都不会为繁复的逻辑发愁。那些我们觉得既难看又让人头晕的额外步骤，它们能以令人乏味的精确度运行无误。
雷认为，启动开放的人工进化本身已经极具挑战性了，他不一定非得使系统自己进化到那种程度。他会控制他的系统直到它能靠自己的力量进化。正如卡尔·西姆斯所说，进化是一种工具。它可以与控制相结合。雷在控制数月之后转入了人工自然选择。与之相反的过程同样可行——也许有人会在进化数月之后再施以控制，以得到想要的结果。
适应是对自身结构的扭曲，以使之能够钻过一个新漏洞。而进化是更深层的改变，它改变的是构建结构本身的架构——也即如何产生变化的方式——这个过程常常为其他人提供了新的漏洞。如果我们预先确定了一台机器的组织结构，也就预先确定了它能解决怎样的问题。理想的机器应该是一台通用问题解决机，一台只有想不到没有做不到的机器。这就意味着它必须拥有一种开放性的结构。柯扎写道：“（解决方案的）规模、形式以及结构复杂度都应是答案的一部分，而不是问题的一部分。”当我们认识到，是一个系统自身的结构决定了它所能得出的答案，那么我们最终想要的是如何制造出没有预先定义结构的机器。我们想要的是一种不断自我更新的机器。
而一旦定义了答案的界限，也就等于回答了问题的一半。如果我们不告诉它附近有什么样的石头，我们知道是不会得到“向它扔石头”的答案的。而在进化中，则完全有这个可能。更可能出现的情况是，进化会给出完全意想不到的答案，譬如：使用高跷；学习跳高；请小鸟来帮忙；等暴风雨过后；生小孩然后让他们站在你的头上。进化并不一定要昆虫飞行或游泳，只要求它们能够快速移动来逃避捕食者或捕获猎物。开放的问题得出了诸如水蝇用脚尖在水上行走或蚱蜢猛然跳起这样各不相同但却明确的答案。
卡尔·西姆斯告诉我：“进化是一个非常实用的工具。它是一种探索你不曾想过的新事物的方式。它是一种去芜存精的方式。它也是一种无需理解便能探索程序的方式。如果计算机运转速度够快，这些事它都能做到。”
我们所知唯一一台能重塑自己内部连接的机器就是我们称为大脑的灰色活体组织（大脑灰质）。我们目前唯一可以设想付诸生产的重塑自身结构的机器，可能是一种能够自我改编的软件程序。西姆斯和柯扎的进化方程是通向自我改编程序的第一步。一个可以繁衍其他方程的方程正是这种生命种类的基土。繁衍其他方程的方程就是开放性宇宙。在那里任何方程都能产生，包括自我复制的方程和衔尾蛇式的无限循环公式。这种循作用于自身并重写自身规律的递归程序，蕴涵着世上最宏伟的力量：创造恒新。
“恒新”是约翰·霍兰德使用的词组。多年来，他一直在潜心研究人工进化方法。用他的话说，他真正在从事的，是一种恒新的新数学。那是能够创造永无止尽的新事物的工具。
生命的天性就是以钻常规的漏洞为乐。它会打破它自己所有的规则。看看这些生物学上令人瞠目结舌的奇事吧：由寄居在体内的雄鱼来进行授精的雌鱼，越长越萎缩的生命体，永远不会死的植物。生命是一家奇物店，货架上永远不会缺货。自然界层出不穷的怪事几乎跟所有生命的数量一样多；每一种生物在某种意义上都在通过重新诠释规则来为自己找活路。
柯扎的答案是：进化。现实世界中，一个问题可能有一个或多个答案，而答案的范围、性质或值域可能完全模糊不清。进化就可以让计算机软件解决这种问题。譬如：香蕉挂在树上，请给出摘取程序。至今大多数计算机学习都不能解决这样的问题。除非我们明确地向程序提供一些明确的参数作为线索，诸如：附近有多少梯子？有没有长竿？
