文明的進步源於重要行為增加的數量，我們可以很自然地從事這些行為，而不需要經過思考。
——艾爾弗雷德·諾思·懷特海，1911年42
與其原來的樣子相比，事物未來的樣子與它現在的樣子更像。
——德懷特·艾森豪威爾
加速回歸定律可應用於所有技術，尤其是進化過程。應用信息技術可以將該定律很準確地繪製出來，因為我們已經有了完善的定義標準（如每美元每秒鍾的計算量、每克元件每秒鍾的計算量）去衡量它們。加速回歸定律中暗含著大量指數增長的例子，在各種不同的領域中我們都能找到，如電子、dna測序、通信、大腦掃描、人腦的逆向工程、人類的知識領域以及技術小型化。技術小型化的趨勢與納米技術的出現直接相關。
未來的gnr（遺傳學、納米技術、機器人技術）時代（見第5章）不僅源於計算的指數增長，而且更多地來自於多種相互交織的技術進步的內部作用，以及它們彼此間的相互協作。指數增長曲線上的每一點都構建了全方位的技術，它們是人類創新與競爭的史詩。我們認為正是這些混沌過程的共同作用，導致了平穩可預測的指數增長趨勢。這不是巧合，而是進化過程的本質特征。
人類基因組破譯工程啟動於1990年，有批判者指出，以當時的速度完成這項工程需要幾千年的時間。但是，原計劃需要15年的工程提前完工了——2003年<small>43</small>便完成了第一版測繪。破譯成本也由1990年的每對染色體10美元降到了2004年的每對一便士，而且這個成本還在加速持續下降（見圖2-19）<small>44</small>。
圖 2-19
科學家破譯dna序列的數據量呈平緩的指數增長（見圖2-20）<small>45</small>。一個具有代表性的例子是sars病毒dna序列的破譯——從sars病毒的發現到最終破譯隻用了31天，而hiv病毒dna序列的破譯則花費了多於15年的時間<small>46</small>。
圖 2-20
當然，電子存儲方麵我們在也可以看到指數級的增長（如ram）。需要注意的是，圖2-21中的指數增長經曆了不同的技術範式：從真空管到離散晶體管，再由從離散晶體管到集成電路<small>47</small>。
圖 2-21
但是，磁存儲（磁盤驅動器）的性價比的增長並不遵循摩爾定律（見圖2-22）。這一指數趨勢反映了一個磁性基板上的數據壓縮量，而非集成電路中的晶體管數量，這是很多工程師和公司尋求解決的另一技術挑戰<small>48</small>。
圖 2-22
很多年來，通信技術（交流信息的方法，見圖2-23）的指數增長甚至比計算的處理或存儲方法更快，故而通信技術的暗示作用同樣非常重要。這一領域的進展，不僅涉及集成電路中晶體管縮小方麵的進步，還涉及纖維光學、光交換、電磁技術等諸多領域的加速進步<small>49</small>。
目前，我們正在通過無線通信方式，逐漸擺脫有線通信對我們的城市和日常生活的局限，無線通信正以每10到11個月翻一番的速度增長（見圖2-23）。
圖 2-23
圖2-24和圖2-25顯示了基於主機（網絡服務器）數量的互聯網的整體增長。這兩個圖表分別用對數形式和線性形式繪製相同的數據。正如前文討論過的，當技術進步呈指數增長時，我們卻以為這個過程在線性域中經曆。從大多數觀察家的角度來看，直到20世紀90年代中期，這個領域什麽也沒有發生，而萬維網和電子郵件似乎是突然出現。但是因特網在世界範圍內的普及，早在20世紀80年代初，通過對因特網前身app的指數增長趨勢的檢測，就可以預測到<small>50</small>。
圖 2-24
圖2-25顯示的是相同的數據在線性圖中的刻畫<small>51</small>。
圖 2-25
除了服務器外，互聯網的實際數據流量每年都翻倍<small>52</small>，如圖2-26所示。
圖 2-26
為了適應這種指數增長，互聯網骨幹網的數據傳輸速度（圖2-27所示，實際用於互聯網的最快的骨幹網通信信道）本身也呈指數級增長。請注意圖2-27中的“互聯網骨幹網的帶寬”，我們可以明顯地看到連續的s形曲線：一個新的範式帶來了加速增長；隨著該範式的潛力用盡，增長趨於平緩；隨後通過範式的遷移實現新的加速增長<small>53</small>。
圖 2-27
另一個將對21世紀產生深遠影響的趨勢是，各類技術普遍朝著小型化方向發展。各類技術（包括電子和機械）關鍵部件的尺寸正在以指數速度縮小。目前，縮小技術以每10年縮小到原來尺寸1/4的速度發展。這種小型化趨勢是由摩爾定律驅動的，但它同樣反映了所有電子係統尺寸的發展趨勢，例如磁存儲。我們還可以看到機械設備尺寸的減少，圖2-28說明了機械設備尺寸隨時間的變化趨勢。<small>54</small>
圖 2-28
由於納米技術的快速發展，各種不同技術的關鍵特征的尺寸正在接近於多納米範圍（少於100納米，1納米是1米的10億分之一）。如圖2-29所示<small>55</small>，納米技術科學引用文獻在過去的十年增長迅速。
圖 2-29
在納米技術的相關專利方麵我們看到了相同的現象（見圖2-30）<small>56</small>。
圖 2-30
正如我們將在第5章探討的，隨著基因技術在能力和性價比方麵的指數增長，基因（或生物技術）革命給生物領域帶來了信息革命，同樣，納米技術革命將為材料和機械係統提供快速增長的信息控製力。機器人（或強人工智能）革命涉及人類大腦的逆向工程，這意味著用信息的方式，並結合日益強大的計算平台的分析結果來理解人類智能。因而，所有這三種重疊的變革（遺傳學、納米技術和機器人），將主導21世紀上半葉信息革命的方方麵麵。
信息、秩序和進化：沃爾夫勒姆和弗雷德金對於元胞自動機的深刻見解
正如我在本章前麵所描述的，信息技術的每個方麵都在以指數級的速度增長。人類固有的對於奇點（正發生於人類曆史之中）的期望，對人類的未來是非常重要的。我們可以在人類曆史的每個階段發現信息的存在。人類知識和藝術的每一種表達形式——科學抑或工程設計、文學、音樂、繪畫、電影，都能表達為數字信息。
我們的大腦可以通過神經元放電的方式進行數字化的運轉。大腦中神經元之間的連接可以通過數字化的方法來進行描述，甚至人腦的構造也是由一段令人稱奇的微小的數字遺傳密碼所規定的<small>57</small>。
事實上，所有的生物操作都是通過2比特的dna堿基對的線性序列完成的，這些堿基對序列控製20種氨基酸的排列以生成蛋白質。分子通過離散的原子排布構成。碳原子在它的四個方向上都能與分子建立連接，故而非常適於創造多種三維結構，因此無論在生物中還是在技術中碳原子都非常重要。在原子內部，電子位於離散的能量層中；其他的原子內微粒（例如質子），則由不同數量的誇克組成。
盡管量子力學的公式在連續域和離散層都適用，但是我們知道連續層可以通過二進製數據<small>58</small>進行非常準確的描述。事實上，量子力學（從量子的字麵意思去理解）是基於離散值的。
物理學家、數學家史蒂芬·沃爾夫勒姆提供了大量的證據證明，事物複雜度的逐漸增加來源於宇宙，宇宙是一個具有確定性的規則係統（該係統基於確定的規則並能夠預測結果）。在他所著的《a new kind of science》一書中，沃爾夫勒姆綜合地分析了一種稱為“元胞自動機”的數學結構是如何描述自然界的方方麵麵的<small>59</small>。（元胞自動機是一種簡單的計算機製，例如，它可以根據轉化規則，依據臨近細胞的顏色來改變每個細胞的顏色。）
在他看來，可以用元胞自動機去解釋所有的信息過程，所以沃爾夫勒姆與信息相關的見地的若幹關鍵問題有著密切的關係。沃爾夫勒姆還假設宇宙本身是一個巨大的具有元胞自動機特性的計算機。在他的假設中，顯而易見的模擬現象（例如運動與時間）和物理學中的公式，都存在一種數字化的基礎，我們可以根據一種簡單的元胞自動機的轉換，對物理學的理解進行建模。
其他一些人早先已經提出了這種可能性。理查德·費因曼從信息與物質和能量的關係方麵思考這個問題。諾伯特·維納在他1948年的《控製論》一書中曾經預言過一個根本性的變化：宇宙的基石不是能源，而是信息轉換<small>60</small>。關於“宇宙正在運行於一台數字計算機中”的假設可能是由在1967年康拉德·楚澤<small>61</small>第一次提出來的。楚澤被公認為可編程計算機領域傑出的專家，從1935年到1941年間，他發明了可編程計算機。
另一個物理信息化理論的狂熱支持者是愛德華·弗雷德金，他在20世紀80年代早期提出了一種“物理學新理論”，這一理論基於宇宙最終由軟件組成這一思想。根據他的理論，現實不是由物質和能量組成的，而是由根據計算規則不斷變化的比特數據構成的。
20世紀80年代，羅伯特·賴特援引弗雷德金的話：
“世上有三大哲學問題：什麽是生命？什麽是意識、思想和記憶？宇宙是如何運轉的？……信息的觀點涵蓋了以上三者……我的意思是說複雜性的最基礎層次應該是運行於物理空間的信息處理過程。在複雜性的更高層次，例如生命、dna（生化機能），都是由數字化信息處理控製的。在另外一個層次上，思考的過程也是基本的信息處理……我可以在很多不同的領域找到支持該觀點的證據……在我看來，這真是一種勢不可擋的趨勢。它像是我苦苦尋找的一隻動物。我已經發現了它的足跡，發現了它的排泄物，發現了它咀嚼了一半的食物，發現了它的皮毛，還發現了很多其他關於它的蹤跡。每個發現都符合一種動物的特征，但它卻是一種未被前人發現的動物。人們會問：那個動物在哪裏？我會回答，好吧，它就在那裏，並且我知道它的各個方麵。它不在我的身邊，但是我就是知道它在那裏……我所見到的是如此具有說服力，所以它不可能是我想象出來的東西<small>62</small>。”
賴特就弗雷德金的數字化的物理學理論作了一些評論：
“弗雷德金提出了一種計算機程序的有趣特征，即它包括很多元胞自動機；查明這些元胞自動機將帶來的後果是沒有捷徑的。事實上，基於傳統數學的分析方法（包括不同的方程）與基於算法的計算方法有著根本的不同。你可以不用知道係統運行的中間過程，僅通過分析就能推算出這個係統未來的狀態，但是這種方法對於元胞自動機卻是失效的，你必須洞察整個發展軌跡，才能最終發現係統的最終狀態：如果它不顯露出自己的狀態，就無法預測其最終狀態。弗雷德金解釋道：‘對於一些問題，我們沒有辦法預測它們的答案’。……弗雷德金相信宇宙是一個規則化的計算機，它正在被一些人或事物利用去解決一個問題。這聽起來像是一個好消息和壞消息的笑話：好消息是我們的生活有了意義；壞消息是這個意義幫助遠方的黑客將pi的估算值精確到小數點後9位<small>63</small>。”
弗雷德金繼續說明他的理論：盡管信息的存儲和恢複需要消耗能量，但是我們能夠任意減少在信息處理方麵的能量消耗，並且這個極限沒有下界<small>64</small>。這表明信息比物質和能量更適合作為現實世界的基礎<small>65</small>。在第3章，我將重新審視弗雷德金的這個理論，即信息處理所需的能量的減少將沒有下限，因為它屬於宇宙智能的終極力量。
沃爾夫勒姆將他的理論建立在了一個單一且統一的觀點上。讓沃爾夫勒姆感到興奮的發現，是一個被稱為元胞自動機110規則的簡單規則及其行為。（還有一些其他有趣的自動機規則，不過110規則已經可以很好地說明這個問題了。）沃爾夫勒姆的大部分分析都是關於最簡單的元胞自動機的，尤其是那些一維線性細胞，它們的顏色隻有兩種（黑色和白色），並且規則是基於與一個細胞直接相鄰的兩個細胞。每次一個細胞顏色的轉變隻依賴於它以前的顏色和它左右兩邊的細胞。因此，它一共有8種可能的信息輸入情況（兩種顏色的3種不同組合）。而規則控製著這8種不同的輸入，最終得出一種顏色輸出（黑色或者白色）。因此有28（256）種可能的規則適用於這樣一個一維、兩色、臨近細胞的自動機。因為左右對稱，256種規則中的128種與另外128種一一對應。又由於黑白的等價性，我們又能將其中的一半與另一半相對應，如此便隻剩下64種規則。沃爾夫勒姆用圖2-31說明了二維模式自動機的運轉，在二維模式中，沿著y軸方向的每條線都代表下一代應用於線上每個細胞的規則。
大部分規則正在衰退，這意味著它們隻能創造出沒有意義的重複模式，例如單色細胞，或者棋盤上那種交錯重複的色彩樣式。沃爾夫勒姆把這些規則稱為第一類自動機。另一些規則可以產生任意間隔的穩定條紋，他把這些規則稱作第二類自動機。第三類自動機則更具研究意義，因為在這些規則中，可識別的特征（如三角形）以一種本質隨機序列出現於作為結果的模式中。
然而，第四類自動機才令沃爾夫勒姆恍然大悟，並促使他投入十年的時間研究這一領域。110規則是第四類自動機的一個典範實例，該規則能夠演繹出令人稱奇的複雜模式，並且模式間並不重複。我們可以從模式中看到人工製品，例如各種不同角度的線條、三角形的聚合以及其他有趣的結構。但是這些結果模式既不是有規律的，也不是完全隨機的；它看起來存在規律卻又不能預知（見圖2-31）。
圖 2-31
為什麽該規則如此的重要而有趣呢？請記住，我們先從一個最簡單的起始點——黑色的單細胞來開始。該過程重複地應用了一種非常簡單的規則<small>66</small>。在這個重複而且確定的過程中，行為是重複且可預測的。這樣會產生兩種意想不到的結果。結果好像是隨機的，但並不是純隨機的；純隨機本身是非常枯燥的。設計產生的過程中有一些可識別的、有意義的特征，所以這種模式具有一定的秩序和明顯的智能。沃爾夫勒姆列舉了一係列的圖形實例，其中很多圖形讓人百看不厭。
沃爾夫勒姆重複闡述了他的觀點：“以前總是認為構成一個複雜現象的基礎機製本身必然是複雜的。但是我發現簡單的程序同樣可以產生巨大的複雜性，所以我原來的觀點是錯誤的。<small>67</small>”
我確實發現110規則的行為如此令人著迷。此外，一個非常重要的事實是完全確定的過程能產生出完全不可預測的結果，因為它解釋了，雖然這個世界以確定的規則為基礎，但本質上這個世界是不可預知的<small>68</small>。然而，我一點都不奇怪為什麽如此簡單的一個起點經過確定的、簡單的過程，能夠產生不可預測的複雜結果。這些現象源於分形、混沌、複雜性理論和自組織係統（例如神經網絡和馬爾科夫模型），自組織係統從簡單網絡開始，最終將產生明顯的智能行為。
在另一個層麵，我們用大腦的例子來說明這個問題：初始大腦有壓縮基因組中的3千萬至1億字節的信息，但大腦的最終複雜程度是初始狀態的10億倍<small>69</small>。
一個確定的過程會產生明顯隨機結果，這一事實不足為奇。我們已經有了的隨機數產生器（例如程序設計裏麵的隨機函數），它可以利用確定的過程產生隨機序列（可通過概率測試）。這些程序可以追溯到計算機軟件的最初時期，例如第1版fortran。盡管如此，沃爾夫勒姆確實為這些觀察提出了完備的理論基礎。
沃爾夫勒姆繼續介紹了簡單計算機製如何存在於自然界的不同方麵，他還向我們證明了，這些簡單的確定性機製能夠製造我們看過和經曆過的複雜事物。他舉了很多的例子，例如動物身上好看的色彩，貝殼的形狀和標記以及渦流的模式（空中煙霧的運動軌跡）。他認為計算是必要的、無處不在的。根據沃爾夫勒姆的理論，簡單計算機製的重複性的應用是世界複雜性的真正源頭。
在我看來，沃爾夫勒姆的觀點隻是部分正確的。我同意我們的周圍都是計算，也同意我們看到的一些模式是由元胞自動機的等價物創造的。但是這裏我要問一個關鍵性的問題：自動機產生的結果究竟有多複雜。
沃爾夫勒姆有效地回避了複雜性程度這個問題。我同意像棋盤這種衰退的模式毫無複雜度的說法。沃爾夫勒姆也承認單純的隨機現象並不代表複雜度，因為在完全不能預測的情況下，純隨機將可以被預測到。如果第四類自動機有意義的特征是既不重複也不是純隨機的，這一論點為真，那麽我也同意這類自動機產生的結果會比其他類自動機產生的結果複雜。
然而，第四類自動機產生的複雜度也有一個明確的極限。在沃爾夫勒姆的書裏列舉的許多圖片都是看起來十分相似的，盡管它們並不重複，但它們的不同之處都很細微。而且，它們既沒有繼續衍生出新的複雜度，也沒有發展出新的特征類型。元胞自動機即便迭代無數次，其產生的圖形的複雜度仍然保持與原來相同的水平。它們無法進化出昆蟲、人類、肖邦序曲，也無法進化出比條紋或圖中混雜在一起的三角形更加複雜的東西。
複雜度是一個連續統一體。這裏我把“秩序”定義為“適合某種意義的信息”<small>70</small>。一個完全可預測的過程的秩序為0。單純高層次的信息並不代表一定含有高層次的秩序。一本電話簿雖然有很多信息，但是這些信息秩序的層次很低。一個隨機序列本質上是純粹的信息，因為隨機序列不可預測，但是它卻沒有秩序可言。第四類自動機的產物確實具有一定水平的秩序，與其他持久的模式相同，有其適用的場合。但是代表人類模式的秩序和複雜度都遠遠高於第四類自動機的產物。
人類需要完成高層次的需求：他們生存在一個充滿挑戰的生態中。人類世界中存在著極度複雜而又非常精妙的等級製度。沃爾夫勒姆認為任何混合了可認知的特征和不可預測元素的模式實際上都是等價的。但是他沒有說明第四類自動機是如何增加它的複雜度的，更不用說像人一樣複雜的模式。
這裏缺失了重要的一環，即解釋從元胞自動機的常規模式如何發展到具有較高層次智能的複雜的持續性結構。例如，第四類自動機不能解決有意義的問題，並且不論迭代多少次也無法接近問題的答案。沃爾夫勒姆把110規則當做是“宇宙計算機”<small>71</small>來使用。然而，即使是宇宙計算機本身也必須利用軟件來運行智能的程序。運行在宇宙計算機上的軟件的複雜程度也是一個問題。
可能有人會指出第四類自動機的模式是由最簡單的自動機（一維、兩種顏色、兩個相鄰的規則）發展而來的。但如果我們增加維度會發生些什麽呢，例如增加多重顏色，或者通過綜合離散的元胞自動機產生連續的功能？沃爾夫勒姆極其認真地解釋了這些問題：複雜自動機產生的結果與簡單自動機產的結果本質上是一致的；我們最終通過非常有限的模式獲得一定程度的意義。沃爾夫勒姆認為我們不需要用更複雜的規則去獲得複雜的結果。但是我的觀點與之相反，我們不能通過簡單的規則或者進一步迭代的方法來增加結果的複雜度。所以元胞自動機隻能有限地推動我們向前。
我們能通過簡單的規則解決人工智能難題嗎？
我們如何通過這些有趣的但受限的模式去獲得那些複雜的事物（例如昆蟲、肖邦的樂曲）呢？我們考慮的概念是與沃爾夫勒姆提出的元胞自動相衝突的——這就是進化，或者說一種進化算法，我們開始獲得更令人激動、更智能的結果。沃爾夫勒姆稱第四類自動機和進化算法“在計算上是等價”的，但是我認為這一命題隻在硬件層次上是成立的。在軟件層次上產生的模式是非常不一樣的，而且複雜度和有用性的秩序也是不同的。
一個進化算法初始於隨機的生成解決某種問題的方法，這個算法通過數字化的遺傳密碼進行解碼。然後，在模擬的進化中我們令不同的進化算法之間相互競爭，較好的解決方案將會保留下來，並通過模擬有性繁殖的方式進行複製。在有性繁殖中，被創建的後代解決方案聚合了父母雙方的遺傳密碼（編碼解決方案）。我們也會引入一定比例的基因突變，這一過程中包含各種各樣的高層次參數，如突變率、繁殖率等。這些參數都被形象地稱作“上帝的參數”，設計進化算法的工程師的工作就是將參數設置為最優值。這一過程將在模擬的進化中運行數千代，該過程最後得到的解決方案的秩序，將明顯地高於過程初始的解決方案。
進化（有時稱作遺傳）算法的結果將為複雜問題提供優雅、美麗並且智能的解決方法。我們已經開始利用進化算法進行藝術創作、設計人工生命模式，還用來完成一係列的實際任務，如設計噴氣式飛機的引擎。基因算法屬於狹義的人工智能方法——創造能夠執行具體任務的係統也需要應用人類智能。
但是有些問題還是沒有解決。盡管遺傳算法對於解決某些特定問題是有效的工具，但是它們還是無法達到強人工智能的水平——強人工智能具有人類智能的特征：廣博、深邃、精妙，在模式識別和指令語言方麵具有超凡的能力。難道是我們運行遺傳算法的時間長度不夠嗎？畢竟人類進化經曆了數10億年的時間。或許我們不能僅僅利用幾天或者幾周的時間來用計算機模擬這個進化過程。但事實上，即便用很久的時間去模擬這個過程也是行不通的，因為應用傳統的遺傳算法隻能接近其性能的漸近線。
第三個層次（該層次能夠以超出元胞自動機的處理能力生產明顯的隨機性，也能夠以超出基因算法的能力生產聚焦的智能解決方案）在多個層麵執行進化。傳統的遺傳算法隻允許算法限製於解決一類很窄的問題上，並且遺傳的方式也是單一的。遺傳密碼本身需要進化；遺傳規則也需要進化。例如，自然不會停留在一個簡單的染色體上。在自然進化的過程中，有很多層次是間接包含的關係，並且我們需要為進化準備一個複雜的環境，隻有在這樣的環境中進化才會發生。
構建強人工智能使我們有機會縮短進化過程所需的時間，例如，逆向工程人類大腦（正在進行中的研究項目）已經使進化過程獲益。我們將在這些解決方案中應用進化算法，這與大腦解決問題的方式一樣。例如，嬰兒在子宮裏的時候，其供養線路最初隨機分布於染色體組的一些區域。最近的研究表明，這些基因區域與學習適應變化的能力相關，然而在嬰兒降生後，這些功能的相關結構很少發生變化<small>72</small>。
沃爾夫勒姆證明了一個有效的觀點，即一些（事實上是大部分）計算的過程是不能被預測的。換句話說，我們在沒有經曆完整個過程時不能預測未來的狀態，我同意他這個觀點，隻有能以更快的速度模擬這個過程，我們才能夠提前知道答案。由於假定宇宙以最快的速度運轉，那麽將不存在縮短這個過程的方法。但是我們已經受益於數十億年的進化了，進化極大地增加了自然界複雜度的秩序。得益於此，現在我們可以利用進化後的工具去逆向模擬生物進化的結果（最重要的是模擬人的大腦）。
的確，自然界的一些現象，僅僅是由於元胞自動機簡單的計算機製，才具有某種程度的複雜性。那個在“帳篷—橄欖”狀貝殼上有趣的三角形模式（沃爾夫勒姆經常提起的例子）或者複雜多樣的雪花形狀都是很好的例子。但是我不認為這是一個新的觀察結果，因為我們經常認為雪花的設計源自一種簡單的分子計算機的構建過程。雖然沃爾夫勒姆給我們提供了很多具有說服力的理論，去表達這些過程和它們的結果模式，但是生物的內涵要遠多於第四類自動機。
沃爾夫勒姆另一個重要的發現是，他認為計算是一個簡單的而且無處不在的現象。當然，我們都知道在這一個多世紀裏，計算本質上是非常簡單的：我們能夠以最簡單的信息處理為基礎，構建任意的複雜程度。
例如，查爾斯·巴貝奇在19世紀後期製作的機械計算機（無法運行），它隻提供了少量的運行代碼，但其基本原理與現代計算機在很多方麵（存儲容量和速度）是相同的。巴貝奇發明的複雜度源於設計的細節，不過事實證明，僅僅利用他所掌握的技術是無法解決這個問題的。
圖靈機是阿蘭·圖靈在1950年提出的關於通用計算機的理論概念，它隻提供7種非常基本的命令，但可以組織執行任何可能的計算<small>73</small>。一個“通用圖靈機”可以模擬任何在磁帶上描述過的可能圖靈機，這是信息通用性和簡潔性的進一步證明<small>74</small>。在《智能機器時代》一書中，我展示了任何一個計算機怎樣由一個適當數量的簡單的裝置構建，即“或非門”<small>75</small>。這雖然不是通用圖靈計算機的準確描述，但卻表明了，隻需要提供一個適當的軟件（這些軟件包含了或非門的連接描述信息），任何計算都能夠運行於一係列非常簡單的裝置（比110規則簡單）上<small>76</small>。
盡管我們需要額外的概念去描述一個為解決問題提供智能方法的進化的過程，但是沃爾夫勒姆論證了計算的普適性和簡單性，為我們理解世界上信息的根本重要性做出了重要貢獻。
莫利2004：你已經得到正在加速進化的機器了，那人類怎樣了呢？
雷：你指的是生物意義上的人吧？
莫利2004：是的。
查爾斯·達爾文：據推測生物的進化是一個持續不斷的過程，不是嗎？
雷：好吧，生物進化在一段時間裏，進化的非常緩慢，很難去準確地測量。我指的是間接的進化。結果是較老的範式（如生物進化）正在以原來的速度繼續，其發展遠比不上新的範式。動物的進化和人的進化一樣複雜，也是經曆了數萬年才產生了一些值得注意、卻很小的改變。人類的整個文明和技術的進化史也經曆了這段時間。但是我們現在已經準備就緒，在幾十年內超越脆弱而緩慢的生物進化。當前發展的速度是生物進化速度的1000至100萬倍。
內德·路德：如果不是所有人都讚同這一點將會怎樣？
雷：我不期望他們都立刻同意。承認這個事實是需要一個過程的。技術或者進化都存在一個前沿和後沿。在現在這個時代，仍然有人使用犁去耕地，但是這也不能阻礙手機、電信、互聯網和生物技術的廣泛使用。盡管如此，後沿終究會趕上來的。例如，亞洲的一些國家就沒有經曆工業時代，直接從原來的農業經濟跨越到了信息經濟<small>77</small>。
內德：可能你說的是對的，但是數字鴻溝會越來越大。
雷：我知道人們會這樣說，但是這怎麽可能會變為現實呢？人類數量現在增長得非常緩慢。但是無論你采用什麽方式統計，被數字技術聯係起來的人的數量都在快速增長。世界上越來越多的人口開始使用電話通信技術和無線網絡技術，所以數字鴻溝是正在消亡，而不是正在增長。
莫利2004：我依然覺得有或沒有這一問題沒有得到充分的重視，還有很多地方我們應該去做。
雷：確實是這樣，但是最重要的，非人力控製的加速回歸定律正沿著一個正確的方向前進。試考慮一個特殊行業裏的技術：從擔負不起和進展不順利開始；後來變得不那麽昂貴，也取得了一定的進展；下一步是產品變得廉價並且進展得非常順利；最終，技術幾乎是免費的，而且產生了巨大的效益。
不久以前，當你在電影中看到有人在使用移動電話的時候，那個人一定是一個位高權重的家夥，因為隻有這樣的人才能支付得起移動電話的高昂費用。還有一個辛酸的例子，那就是治療aids的藥物。以前，剛開始研製的時候，研究情況簡直糟透了，並且每年在每個病人身上花費的錢大於一萬美金。不過現在情況有所好轉了，並且在貧窮的國家價格每年也都會下降好幾百美元<small>78</small>。遺憾的是，關於艾滋病的治療藥物的研究還不能說是非常成功，也不能說是非常廉價。雖然世界已經開始對艾滋病采取了一些行動，但是艾滋病已經造成了很大的傷害，特別是在非洲地區。前沿和後沿之間的時間正在縮小。我估計當前這個前沿與後沿間的時間在10年左右。在未來的10年，這個時間將縮小為5年。
——艾爾弗雷德·諾思·懷特海，1911年42
與其原來的樣子相比，事物未來的樣子與它現在的樣子更像。
——德懷特·艾森豪威爾
加速回歸定律可應用於所有技術，尤其是進化過程。應用信息技術可以將該定律很準確地繪製出來，因為我們已經有了完善的定義標準（如每美元每秒鍾的計算量、每克元件每秒鍾的計算量）去衡量它們。加速回歸定律中暗含著大量指數增長的例子，在各種不同的領域中我們都能找到，如電子、dna測序、通信、大腦掃描、人腦的逆向工程、人類的知識領域以及技術小型化。技術小型化的趨勢與納米技術的出現直接相關。
未來的gnr（遺傳學、納米技術、機器人技術）時代（見第5章）不僅源於計算的指數增長，而且更多地來自於多種相互交織的技術進步的內部作用，以及它們彼此間的相互協作。指數增長曲線上的每一點都構建了全方位的技術，它們是人類創新與競爭的史詩。我們認為正是這些混沌過程的共同作用，導致了平穩可預測的指數增長趨勢。這不是巧合，而是進化過程的本質特征。
人類基因組破譯工程啟動於1990年，有批判者指出，以當時的速度完成這項工程需要幾千年的時間。但是，原計劃需要15年的工程提前完工了——2003年<small>43</small>便完成了第一版測繪。破譯成本也由1990年的每對染色體10美元降到了2004年的每對一便士，而且這個成本還在加速持續下降（見圖2-19）<small>44</small>。
圖 2-19
科學家破譯dna序列的數據量呈平緩的指數增長（見圖2-20）<small>45</small>。一個具有代表性的例子是sars病毒dna序列的破譯——從sars病毒的發現到最終破譯隻用了31天，而hiv病毒dna序列的破譯則花費了多於15年的時間<small>46</small>。
圖 2-20
當然，電子存儲方麵我們在也可以看到指數級的增長（如ram）。需要注意的是，圖2-21中的指數增長經曆了不同的技術範式：從真空管到離散晶體管，再由從離散晶體管到集成電路<small>47</small>。
圖 2-21
但是，磁存儲（磁盤驅動器）的性價比的增長並不遵循摩爾定律（見圖2-22）。這一指數趨勢反映了一個磁性基板上的數據壓縮量，而非集成電路中的晶體管數量，這是很多工程師和公司尋求解決的另一技術挑戰<small>48</small>。
圖 2-22
很多年來，通信技術（交流信息的方法，見圖2-23）的指數增長甚至比計算的處理或存儲方法更快，故而通信技術的暗示作用同樣非常重要。這一領域的進展，不僅涉及集成電路中晶體管縮小方麵的進步，還涉及纖維光學、光交換、電磁技術等諸多領域的加速進步<small>49</small>。
目前，我們正在通過無線通信方式，逐漸擺脫有線通信對我們的城市和日常生活的局限，無線通信正以每10到11個月翻一番的速度增長（見圖2-23）。
圖 2-23
圖2-24和圖2-25顯示了基於主機（網絡服務器）數量的互聯網的整體增長。這兩個圖表分別用對數形式和線性形式繪製相同的數據。正如前文討論過的，當技術進步呈指數增長時，我們卻以為這個過程在線性域中經曆。從大多數觀察家的角度來看，直到20世紀90年代中期，這個領域什麽也沒有發生，而萬維網和電子郵件似乎是突然出現。但是因特網在世界範圍內的普及，早在20世紀80年代初，通過對因特網前身app的指數增長趨勢的檢測，就可以預測到<small>50</small>。
圖 2-24
圖2-25顯示的是相同的數據在線性圖中的刻畫<small>51</small>。
圖 2-25
除了服務器外，互聯網的實際數據流量每年都翻倍<small>52</small>，如圖2-26所示。
圖 2-26
為了適應這種指數增長，互聯網骨幹網的數據傳輸速度（圖2-27所示，實際用於互聯網的最快的骨幹網通信信道）本身也呈指數級增長。請注意圖2-27中的“互聯網骨幹網的帶寬”，我們可以明顯地看到連續的s形曲線：一個新的範式帶來了加速增長；隨著該範式的潛力用盡，增長趨於平緩；隨後通過範式的遷移實現新的加速增長<small>53</small>。
圖 2-27
另一個將對21世紀產生深遠影響的趨勢是，各類技術普遍朝著小型化方向發展。各類技術（包括電子和機械）關鍵部件的尺寸正在以指數速度縮小。目前，縮小技術以每10年縮小到原來尺寸1/4的速度發展。這種小型化趨勢是由摩爾定律驅動的，但它同樣反映了所有電子係統尺寸的發展趨勢，例如磁存儲。我們還可以看到機械設備尺寸的減少，圖2-28說明了機械設備尺寸隨時間的變化趨勢。<small>54</small>
圖 2-28
由於納米技術的快速發展，各種不同技術的關鍵特征的尺寸正在接近於多納米範圍（少於100納米，1納米是1米的10億分之一）。如圖2-29所示<small>55</small>，納米技術科學引用文獻在過去的十年增長迅速。
圖 2-29
在納米技術的相關專利方麵我們看到了相同的現象（見圖2-30）<small>56</small>。
圖 2-30
正如我們將在第5章探討的，隨著基因技術在能力和性價比方麵的指數增長，基因（或生物技術）革命給生物領域帶來了信息革命，同樣，納米技術革命將為材料和機械係統提供快速增長的信息控製力。機器人（或強人工智能）革命涉及人類大腦的逆向工程，這意味著用信息的方式，並結合日益強大的計算平台的分析結果來理解人類智能。因而，所有這三種重疊的變革（遺傳學、納米技術和機器人），將主導21世紀上半葉信息革命的方方麵麵。
信息、秩序和進化：沃爾夫勒姆和弗雷德金對於元胞自動機的深刻見解
正如我在本章前麵所描述的，信息技術的每個方麵都在以指數級的速度增長。人類固有的對於奇點（正發生於人類曆史之中）的期望，對人類的未來是非常重要的。我們可以在人類曆史的每個階段發現信息的存在。人類知識和藝術的每一種表達形式——科學抑或工程設計、文學、音樂、繪畫、電影，都能表達為數字信息。
我們的大腦可以通過神經元放電的方式進行數字化的運轉。大腦中神經元之間的連接可以通過數字化的方法來進行描述，甚至人腦的構造也是由一段令人稱奇的微小的數字遺傳密碼所規定的<small>57</small>。
事實上，所有的生物操作都是通過2比特的dna堿基對的線性序列完成的，這些堿基對序列控製20種氨基酸的排列以生成蛋白質。分子通過離散的原子排布構成。碳原子在它的四個方向上都能與分子建立連接，故而非常適於創造多種三維結構，因此無論在生物中還是在技術中碳原子都非常重要。在原子內部，電子位於離散的能量層中；其他的原子內微粒（例如質子），則由不同數量的誇克組成。
盡管量子力學的公式在連續域和離散層都適用，但是我們知道連續層可以通過二進製數據<small>58</small>進行非常準確的描述。事實上，量子力學（從量子的字麵意思去理解）是基於離散值的。
物理學家、數學家史蒂芬·沃爾夫勒姆提供了大量的證據證明，事物複雜度的逐漸增加來源於宇宙，宇宙是一個具有確定性的規則係統（該係統基於確定的規則並能夠預測結果）。在他所著的《a new kind of science》一書中，沃爾夫勒姆綜合地分析了一種稱為“元胞自動機”的數學結構是如何描述自然界的方方麵麵的<small>59</small>。（元胞自動機是一種簡單的計算機製，例如，它可以根據轉化規則，依據臨近細胞的顏色來改變每個細胞的顏色。）
在他看來，可以用元胞自動機去解釋所有的信息過程，所以沃爾夫勒姆與信息相關的見地的若幹關鍵問題有著密切的關係。沃爾夫勒姆還假設宇宙本身是一個巨大的具有元胞自動機特性的計算機。在他的假設中，顯而易見的模擬現象（例如運動與時間）和物理學中的公式，都存在一種數字化的基礎，我們可以根據一種簡單的元胞自動機的轉換，對物理學的理解進行建模。
其他一些人早先已經提出了這種可能性。理查德·費因曼從信息與物質和能量的關係方麵思考這個問題。諾伯特·維納在他1948年的《控製論》一書中曾經預言過一個根本性的變化：宇宙的基石不是能源，而是信息轉換<small>60</small>。關於“宇宙正在運行於一台數字計算機中”的假設可能是由在1967年康拉德·楚澤<small>61</small>第一次提出來的。楚澤被公認為可編程計算機領域傑出的專家，從1935年到1941年間，他發明了可編程計算機。
另一個物理信息化理論的狂熱支持者是愛德華·弗雷德金，他在20世紀80年代早期提出了一種“物理學新理論”，這一理論基於宇宙最終由軟件組成這一思想。根據他的理論，現實不是由物質和能量組成的，而是由根據計算規則不斷變化的比特數據構成的。
20世紀80年代，羅伯特·賴特援引弗雷德金的話：
“世上有三大哲學問題：什麽是生命？什麽是意識、思想和記憶？宇宙是如何運轉的？……信息的觀點涵蓋了以上三者……我的意思是說複雜性的最基礎層次應該是運行於物理空間的信息處理過程。在複雜性的更高層次，例如生命、dna（生化機能），都是由數字化信息處理控製的。在另外一個層次上，思考的過程也是基本的信息處理……我可以在很多不同的領域找到支持該觀點的證據……在我看來，這真是一種勢不可擋的趨勢。它像是我苦苦尋找的一隻動物。我已經發現了它的足跡，發現了它的排泄物，發現了它咀嚼了一半的食物，發現了它的皮毛，還發現了很多其他關於它的蹤跡。每個發現都符合一種動物的特征，但它卻是一種未被前人發現的動物。人們會問：那個動物在哪裏？我會回答，好吧，它就在那裏，並且我知道它的各個方麵。它不在我的身邊，但是我就是知道它在那裏……我所見到的是如此具有說服力，所以它不可能是我想象出來的東西<small>62</small>。”
賴特就弗雷德金的數字化的物理學理論作了一些評論：
“弗雷德金提出了一種計算機程序的有趣特征，即它包括很多元胞自動機；查明這些元胞自動機將帶來的後果是沒有捷徑的。事實上，基於傳統數學的分析方法（包括不同的方程）與基於算法的計算方法有著根本的不同。你可以不用知道係統運行的中間過程，僅通過分析就能推算出這個係統未來的狀態，但是這種方法對於元胞自動機卻是失效的，你必須洞察整個發展軌跡，才能最終發現係統的最終狀態：如果它不顯露出自己的狀態，就無法預測其最終狀態。弗雷德金解釋道：‘對於一些問題，我們沒有辦法預測它們的答案’。……弗雷德金相信宇宙是一個規則化的計算機，它正在被一些人或事物利用去解決一個問題。這聽起來像是一個好消息和壞消息的笑話：好消息是我們的生活有了意義；壞消息是這個意義幫助遠方的黑客將pi的估算值精確到小數點後9位<small>63</small>。”
弗雷德金繼續說明他的理論：盡管信息的存儲和恢複需要消耗能量，但是我們能夠任意減少在信息處理方麵的能量消耗，並且這個極限沒有下界<small>64</small>。這表明信息比物質和能量更適合作為現實世界的基礎<small>65</small>。在第3章，我將重新審視弗雷德金的這個理論，即信息處理所需的能量的減少將沒有下限，因為它屬於宇宙智能的終極力量。
沃爾夫勒姆將他的理論建立在了一個單一且統一的觀點上。讓沃爾夫勒姆感到興奮的發現，是一個被稱為元胞自動機110規則的簡單規則及其行為。（還有一些其他有趣的自動機規則，不過110規則已經可以很好地說明這個問題了。）沃爾夫勒姆的大部分分析都是關於最簡單的元胞自動機的，尤其是那些一維線性細胞，它們的顏色隻有兩種（黑色和白色），並且規則是基於與一個細胞直接相鄰的兩個細胞。每次一個細胞顏色的轉變隻依賴於它以前的顏色和它左右兩邊的細胞。因此，它一共有8種可能的信息輸入情況（兩種顏色的3種不同組合）。而規則控製著這8種不同的輸入，最終得出一種顏色輸出（黑色或者白色）。因此有28（256）種可能的規則適用於這樣一個一維、兩色、臨近細胞的自動機。因為左右對稱，256種規則中的128種與另外128種一一對應。又由於黑白的等價性，我們又能將其中的一半與另一半相對應，如此便隻剩下64種規則。沃爾夫勒姆用圖2-31說明了二維模式自動機的運轉，在二維模式中，沿著y軸方向的每條線都代表下一代應用於線上每個細胞的規則。
大部分規則正在衰退，這意味著它們隻能創造出沒有意義的重複模式，例如單色細胞，或者棋盤上那種交錯重複的色彩樣式。沃爾夫勒姆把這些規則稱為第一類自動機。另一些規則可以產生任意間隔的穩定條紋，他把這些規則稱作第二類自動機。第三類自動機則更具研究意義，因為在這些規則中，可識別的特征（如三角形）以一種本質隨機序列出現於作為結果的模式中。
然而，第四類自動機才令沃爾夫勒姆恍然大悟，並促使他投入十年的時間研究這一領域。110規則是第四類自動機的一個典範實例，該規則能夠演繹出令人稱奇的複雜模式，並且模式間並不重複。我們可以從模式中看到人工製品，例如各種不同角度的線條、三角形的聚合以及其他有趣的結構。但是這些結果模式既不是有規律的，也不是完全隨機的；它看起來存在規律卻又不能預知（見圖2-31）。
圖 2-31
為什麽該規則如此的重要而有趣呢？請記住，我們先從一個最簡單的起始點——黑色的單細胞來開始。該過程重複地應用了一種非常簡單的規則<small>66</small>。在這個重複而且確定的過程中，行為是重複且可預測的。這樣會產生兩種意想不到的結果。結果好像是隨機的，但並不是純隨機的；純隨機本身是非常枯燥的。設計產生的過程中有一些可識別的、有意義的特征，所以這種模式具有一定的秩序和明顯的智能。沃爾夫勒姆列舉了一係列的圖形實例，其中很多圖形讓人百看不厭。
沃爾夫勒姆重複闡述了他的觀點：“以前總是認為構成一個複雜現象的基礎機製本身必然是複雜的。但是我發現簡單的程序同樣可以產生巨大的複雜性，所以我原來的觀點是錯誤的。<small>67</small>”
我確實發現110規則的行為如此令人著迷。此外，一個非常重要的事實是完全確定的過程能產生出完全不可預測的結果，因為它解釋了，雖然這個世界以確定的規則為基礎，但本質上這個世界是不可預知的<small>68</small>。然而，我一點都不奇怪為什麽如此簡單的一個起點經過確定的、簡單的過程，能夠產生不可預測的複雜結果。這些現象源於分形、混沌、複雜性理論和自組織係統（例如神經網絡和馬爾科夫模型），自組織係統從簡單網絡開始，最終將產生明顯的智能行為。
在另一個層麵，我們用大腦的例子來說明這個問題：初始大腦有壓縮基因組中的3千萬至1億字節的信息，但大腦的最終複雜程度是初始狀態的10億倍<small>69</small>。
一個確定的過程會產生明顯隨機結果，這一事實不足為奇。我們已經有了的隨機數產生器（例如程序設計裏麵的隨機函數），它可以利用確定的過程產生隨機序列（可通過概率測試）。這些程序可以追溯到計算機軟件的最初時期，例如第1版fortran。盡管如此，沃爾夫勒姆確實為這些觀察提出了完備的理論基礎。
沃爾夫勒姆繼續介紹了簡單計算機製如何存在於自然界的不同方麵，他還向我們證明了，這些簡單的確定性機製能夠製造我們看過和經曆過的複雜事物。他舉了很多的例子，例如動物身上好看的色彩，貝殼的形狀和標記以及渦流的模式（空中煙霧的運動軌跡）。他認為計算是必要的、無處不在的。根據沃爾夫勒姆的理論，簡單計算機製的重複性的應用是世界複雜性的真正源頭。
在我看來，沃爾夫勒姆的觀點隻是部分正確的。我同意我們的周圍都是計算，也同意我們看到的一些模式是由元胞自動機的等價物創造的。但是這裏我要問一個關鍵性的問題：自動機產生的結果究竟有多複雜。
沃爾夫勒姆有效地回避了複雜性程度這個問題。我同意像棋盤這種衰退的模式毫無複雜度的說法。沃爾夫勒姆也承認單純的隨機現象並不代表複雜度，因為在完全不能預測的情況下，純隨機將可以被預測到。如果第四類自動機有意義的特征是既不重複也不是純隨機的，這一論點為真，那麽我也同意這類自動機產生的結果會比其他類自動機產生的結果複雜。
然而，第四類自動機產生的複雜度也有一個明確的極限。在沃爾夫勒姆的書裏列舉的許多圖片都是看起來十分相似的，盡管它們並不重複，但它們的不同之處都很細微。而且，它們既沒有繼續衍生出新的複雜度，也沒有發展出新的特征類型。元胞自動機即便迭代無數次，其產生的圖形的複雜度仍然保持與原來相同的水平。它們無法進化出昆蟲、人類、肖邦序曲，也無法進化出比條紋或圖中混雜在一起的三角形更加複雜的東西。
複雜度是一個連續統一體。這裏我把“秩序”定義為“適合某種意義的信息”<small>70</small>。一個完全可預測的過程的秩序為0。單純高層次的信息並不代表一定含有高層次的秩序。一本電話簿雖然有很多信息，但是這些信息秩序的層次很低。一個隨機序列本質上是純粹的信息，因為隨機序列不可預測，但是它卻沒有秩序可言。第四類自動機的產物確實具有一定水平的秩序，與其他持久的模式相同，有其適用的場合。但是代表人類模式的秩序和複雜度都遠遠高於第四類自動機的產物。
人類需要完成高層次的需求：他們生存在一個充滿挑戰的生態中。人類世界中存在著極度複雜而又非常精妙的等級製度。沃爾夫勒姆認為任何混合了可認知的特征和不可預測元素的模式實際上都是等價的。但是他沒有說明第四類自動機是如何增加它的複雜度的，更不用說像人一樣複雜的模式。
這裏缺失了重要的一環，即解釋從元胞自動機的常規模式如何發展到具有較高層次智能的複雜的持續性結構。例如，第四類自動機不能解決有意義的問題，並且不論迭代多少次也無法接近問題的答案。沃爾夫勒姆把110規則當做是“宇宙計算機”<small>71</small>來使用。然而，即使是宇宙計算機本身也必須利用軟件來運行智能的程序。運行在宇宙計算機上的軟件的複雜程度也是一個問題。
可能有人會指出第四類自動機的模式是由最簡單的自動機（一維、兩種顏色、兩個相鄰的規則）發展而來的。但如果我們增加維度會發生些什麽呢，例如增加多重顏色，或者通過綜合離散的元胞自動機產生連續的功能？沃爾夫勒姆極其認真地解釋了這些問題：複雜自動機產生的結果與簡單自動機產的結果本質上是一致的；我們最終通過非常有限的模式獲得一定程度的意義。沃爾夫勒姆認為我們不需要用更複雜的規則去獲得複雜的結果。但是我的觀點與之相反，我們不能通過簡單的規則或者進一步迭代的方法來增加結果的複雜度。所以元胞自動機隻能有限地推動我們向前。
我們能通過簡單的規則解決人工智能難題嗎？
我們如何通過這些有趣的但受限的模式去獲得那些複雜的事物（例如昆蟲、肖邦的樂曲）呢？我們考慮的概念是與沃爾夫勒姆提出的元胞自動相衝突的——這就是進化，或者說一種進化算法，我們開始獲得更令人激動、更智能的結果。沃爾夫勒姆稱第四類自動機和進化算法“在計算上是等價”的，但是我認為這一命題隻在硬件層次上是成立的。在軟件層次上產生的模式是非常不一樣的，而且複雜度和有用性的秩序也是不同的。
一個進化算法初始於隨機的生成解決某種問題的方法，這個算法通過數字化的遺傳密碼進行解碼。然後，在模擬的進化中我們令不同的進化算法之間相互競爭，較好的解決方案將會保留下來，並通過模擬有性繁殖的方式進行複製。在有性繁殖中，被創建的後代解決方案聚合了父母雙方的遺傳密碼（編碼解決方案）。我們也會引入一定比例的基因突變，這一過程中包含各種各樣的高層次參數，如突變率、繁殖率等。這些參數都被形象地稱作“上帝的參數”，設計進化算法的工程師的工作就是將參數設置為最優值。這一過程將在模擬的進化中運行數千代，該過程最後得到的解決方案的秩序，將明顯地高於過程初始的解決方案。
進化（有時稱作遺傳）算法的結果將為複雜問題提供優雅、美麗並且智能的解決方法。我們已經開始利用進化算法進行藝術創作、設計人工生命模式，還用來完成一係列的實際任務，如設計噴氣式飛機的引擎。基因算法屬於狹義的人工智能方法——創造能夠執行具體任務的係統也需要應用人類智能。
但是有些問題還是沒有解決。盡管遺傳算法對於解決某些特定問題是有效的工具，但是它們還是無法達到強人工智能的水平——強人工智能具有人類智能的特征：廣博、深邃、精妙，在模式識別和指令語言方麵具有超凡的能力。難道是我們運行遺傳算法的時間長度不夠嗎？畢竟人類進化經曆了數10億年的時間。或許我們不能僅僅利用幾天或者幾周的時間來用計算機模擬這個進化過程。但事實上，即便用很久的時間去模擬這個過程也是行不通的，因為應用傳統的遺傳算法隻能接近其性能的漸近線。
第三個層次（該層次能夠以超出元胞自動機的處理能力生產明顯的隨機性，也能夠以超出基因算法的能力生產聚焦的智能解決方案）在多個層麵執行進化。傳統的遺傳算法隻允許算法限製於解決一類很窄的問題上，並且遺傳的方式也是單一的。遺傳密碼本身需要進化；遺傳規則也需要進化。例如，自然不會停留在一個簡單的染色體上。在自然進化的過程中，有很多層次是間接包含的關係，並且我們需要為進化準備一個複雜的環境，隻有在這樣的環境中進化才會發生。
構建強人工智能使我們有機會縮短進化過程所需的時間，例如，逆向工程人類大腦（正在進行中的研究項目）已經使進化過程獲益。我們將在這些解決方案中應用進化算法，這與大腦解決問題的方式一樣。例如，嬰兒在子宮裏的時候，其供養線路最初隨機分布於染色體組的一些區域。最近的研究表明，這些基因區域與學習適應變化的能力相關，然而在嬰兒降生後，這些功能的相關結構很少發生變化<small>72</small>。
沃爾夫勒姆證明了一個有效的觀點，即一些（事實上是大部分）計算的過程是不能被預測的。換句話說，我們在沒有經曆完整個過程時不能預測未來的狀態，我同意他這個觀點，隻有能以更快的速度模擬這個過程，我們才能夠提前知道答案。由於假定宇宙以最快的速度運轉，那麽將不存在縮短這個過程的方法。但是我們已經受益於數十億年的進化了，進化極大地增加了自然界複雜度的秩序。得益於此，現在我們可以利用進化後的工具去逆向模擬生物進化的結果（最重要的是模擬人的大腦）。
的確，自然界的一些現象，僅僅是由於元胞自動機簡單的計算機製，才具有某種程度的複雜性。那個在“帳篷—橄欖”狀貝殼上有趣的三角形模式（沃爾夫勒姆經常提起的例子）或者複雜多樣的雪花形狀都是很好的例子。但是我不認為這是一個新的觀察結果，因為我們經常認為雪花的設計源自一種簡單的分子計算機的構建過程。雖然沃爾夫勒姆給我們提供了很多具有說服力的理論，去表達這些過程和它們的結果模式，但是生物的內涵要遠多於第四類自動機。
沃爾夫勒姆另一個重要的發現是，他認為計算是一個簡單的而且無處不在的現象。當然，我們都知道在這一個多世紀裏，計算本質上是非常簡單的：我們能夠以最簡單的信息處理為基礎，構建任意的複雜程度。
例如，查爾斯·巴貝奇在19世紀後期製作的機械計算機（無法運行），它隻提供了少量的運行代碼，但其基本原理與現代計算機在很多方麵（存儲容量和速度）是相同的。巴貝奇發明的複雜度源於設計的細節，不過事實證明，僅僅利用他所掌握的技術是無法解決這個問題的。
圖靈機是阿蘭·圖靈在1950年提出的關於通用計算機的理論概念，它隻提供7種非常基本的命令，但可以組織執行任何可能的計算<small>73</small>。一個“通用圖靈機”可以模擬任何在磁帶上描述過的可能圖靈機，這是信息通用性和簡潔性的進一步證明<small>74</small>。在《智能機器時代》一書中，我展示了任何一個計算機怎樣由一個適當數量的簡單的裝置構建，即“或非門”<small>75</small>。這雖然不是通用圖靈計算機的準確描述，但卻表明了，隻需要提供一個適當的軟件（這些軟件包含了或非門的連接描述信息），任何計算都能夠運行於一係列非常簡單的裝置（比110規則簡單）上<small>76</small>。
盡管我們需要額外的概念去描述一個為解決問題提供智能方法的進化的過程，但是沃爾夫勒姆論證了計算的普適性和簡單性，為我們理解世界上信息的根本重要性做出了重要貢獻。
莫利2004：你已經得到正在加速進化的機器了，那人類怎樣了呢？
雷：你指的是生物意義上的人吧？
莫利2004：是的。
查爾斯·達爾文：據推測生物的進化是一個持續不斷的過程，不是嗎？
雷：好吧，生物進化在一段時間裏，進化的非常緩慢，很難去準確地測量。我指的是間接的進化。結果是較老的範式（如生物進化）正在以原來的速度繼續，其發展遠比不上新的範式。動物的進化和人的進化一樣複雜，也是經曆了數萬年才產生了一些值得注意、卻很小的改變。人類的整個文明和技術的進化史也經曆了這段時間。但是我們現在已經準備就緒，在幾十年內超越脆弱而緩慢的生物進化。當前發展的速度是生物進化速度的1000至100萬倍。
內德·路德：如果不是所有人都讚同這一點將會怎樣？
雷：我不期望他們都立刻同意。承認這個事實是需要一個過程的。技術或者進化都存在一個前沿和後沿。在現在這個時代，仍然有人使用犁去耕地，但是這也不能阻礙手機、電信、互聯網和生物技術的廣泛使用。盡管如此，後沿終究會趕上來的。例如，亞洲的一些國家就沒有經曆工業時代，直接從原來的農業經濟跨越到了信息經濟<small>77</small>。
內德：可能你說的是對的，但是數字鴻溝會越來越大。
雷：我知道人們會這樣說，但是這怎麽可能會變為現實呢？人類數量現在增長得非常緩慢。但是無論你采用什麽方式統計，被數字技術聯係起來的人的數量都在快速增長。世界上越來越多的人口開始使用電話通信技術和無線網絡技術，所以數字鴻溝是正在消亡，而不是正在增長。
莫利2004：我依然覺得有或沒有這一問題沒有得到充分的重視，還有很多地方我們應該去做。
雷：確實是這樣，但是最重要的，非人力控製的加速回歸定律正沿著一個正確的方向前進。試考慮一個特殊行業裏的技術：從擔負不起和進展不順利開始；後來變得不那麽昂貴，也取得了一定的進展；下一步是產品變得廉價並且進展得非常順利；最終，技術幾乎是免費的，而且產生了巨大的效益。
不久以前，當你在電影中看到有人在使用移動電話的時候，那個人一定是一個位高權重的家夥，因為隻有這樣的人才能支付得起移動電話的高昂費用。還有一個辛酸的例子，那就是治療aids的藥物。以前，剛開始研製的時候，研究情況簡直糟透了，並且每年在每個病人身上花費的錢大於一萬美金。不過現在情況有所好轉了，並且在貧窮的國家價格每年也都會下降好幾百美元<small>78</small>。遺憾的是，關於艾滋病的治療藥物的研究還不能說是非常成功，也不能說是非常廉價。雖然世界已經開始對艾滋病采取了一些行動，但是艾滋病已經造成了很大的傷害，特別是在非洲地區。前沿和後沿之間的時間正在縮小。我估計當前這個前沿與後沿間的時間在10年左右。在未來的10年，這個時間將縮小為5年。