Jedním z klíčových principu šlechtění či pěstování umělého života je, jak jsem již zmínil, evoluce. Počítačoví vědci se neštítili opisovat od matky přírody a vypůjčili si celý arzenál pojmu od kolegů biologů; a tak zde se setkáváme s genetickou informací, genotypem, fenotypem, populacemi, křížením, mutacemi, přirozeným výběrem, apod.

Jak taková uměla evoluce funguje? Představme si například jednoduchého, malého robota, umělého jedince-mravence; tento robot má umělé tělo, jež je vybaveno končetinami a tykadly, dále je tvořen nervovými uzlinami, které jsou napojeny na nohy a tykadla-senzory (tato nervová tkáň může být stejně tvořena neurony, jako je tomu u živého mravence). Takto vybaveny mravenec se chová (chodí, reaguje) podle toho, jakým způsobem fungují jeho neuronové uzliny; nejdůležitějším předpisem pro konstrukci mravence je tedy popis umělé neuronové sítě - to ostatní budiž jen nezajímavá strojařina. Hotového mravence a jeho projevy můžeme chápat jako fenotyp, genotypem je v tomto případě předpis, jenž popisuje výrobu jeho "mozečku". Individualitu umělého mravence, tedy to, jak je dobře navržen a jak dokáže obstát ve světě, v němž se pohybuje a soupeři o umělou potravu, určuje právě tento popis. Je dobře si uvědomit, že život mravence, jeho výrobu a následně chování je možno - a také záhodno - simulovat v paměti počítače, namísto toho, abychom vyráběli mnoho víceméně tupých umělých tvorečků.

Mravenci populace je pak, jak jistě tušíte, tvořena právě tímto velkým množstvím umělých mravenců, velkým množstvím umělých individualit. Dejme tomu, že úspěšní mravenci (tedy ti, kdo přežili a získali největší množství potravy) se mnohou křížit, množit a vyměňovat genetickou informací. V praxi je tak v každé generaci do existující populace přidáno několik nových mravenců-potomků na základě genetických popisu jejich přímých předků.

Tato operace, tedy výměna genetické informace, je pro genetické algoritmy velmi důležitá a nazývá se crossing-ověř (zkráceně crossover) a je značně podobná stejnojmennému biogickemu procesu. Během crossoveru dojde k roztržení původních genetických popisu obou předků na části a jejich vzájemné výměně - výsledný genotyp potomka je pak složen z vyměněných části genotypu předků. Tento proces je řízen náhodně; místo, kde se oba rodičovské popisy "rozstřihnou" a následně "slepí" dohromady, je vybráno neviditelnou rukou evoluce. (Kromě crossoveru se v genetických algoritmech používá ještě mutace, tedy náhodně malé změny v genotypu; význam mutace je však, z nejrůznějších důvodů, spíše doplňkový.) Potomci, nové zkonstruování mravenci, pak doplní umělou mravenci populaci a často zároveň nahrazují neúspěšně jedince předchozí populace. Výběr jedinců ke křížení je proveden na základě vzájemného soupeření jedinců turnajovou metodou nebo opět na základě nějakého náhodného klíče. Generační výměna, výběr a ohodnocování jedinců - to všechno jsou (velice podstatně) detaily, o které se dnes přou jednotliví umělé genetičtí vědátoři, dodávajíce tak celému oboru vážnost. Experimenty s virtuálními mraveništi se skutečně dělaly, mravenec se dokonce stal symbolem umělého života.

Rád bych se teď zmínil o jedné podstatné otázce. Jak to, že uměla evoluce upřednostňuje funkční řešení před těmi méně funkčními, když crossover je slepé náhodný proces? Vysvětlení nabízí tzv. teorie schémat. Schématem (jemuž v biologii odpovídá přibližně pojem gen) rozumíme část genetické informace, která kóduje nějaký dílčí subsystém jednotlivce. Vrátím-li se k předchozímu příkladu s mravenci, muže to být například část popisující pohyb nohou mravence nebo část, níž je kódováno, jak pracují tykadla-senzory mravence. Dejme tomu, že v nehostinném prostředí, v němž musí mravenec přebývat, rozhoduje o tom, jestli mravenec přežije, právě to, jak rychle dokáže najít a ukořistit potravu. Mravenci vybavení dobrými tykadly, mohou potravu dobře najít a rozpoznat, jsou tedy v konzumaci úspěšnější než ti, kdo dobrá tykadla postrádají. Pokud ale nemají rychlé nohy, nestihnou proslídit dostatek prostoru, v němž by se potrava mohla nacházet. Naopak jedinci vybavení rychlými nohami jsou schopni rychle prohledat značnou část terénu, pokud ale nedokážou potravu rozlišit od ostatních objektů, není jim to nic platné. Obě kvalitní schémata - dobrá tykadla a rychlé nohy - představují evoluční, nebo chcete-li konkurenční výhodu mravence. Mravenec, jenž je vybaven jedním s těchto schémat, je jistě ve svém umělém životě úspěšnější než jeho kolegové, kteří takto obdarováni nebyli; nicméně ta pravá prací síla evoluce se projeví teprve v okamžiku, kdy se díky náhodě pomocí křížení - crossoveru - setkají obě schémata v jednom mravenci. Takový jedinec je pak vybaven zároveň dobrými tykadly a rychlýma nohama a všechnu potravu vyfoukne svým pomalejším nebo nevšímavým kolegům. To vede k tomu, že náš mravenec-hrdina vynikne nad ostatními, co se týče šancí na přežití; jako úspišný jedinec bude mít i lepší možnost předat svá schémata (tedy kombinaci rychlých nohou a kvalitních tykadel) svým potomkům.

Teorie schémat tedy dává tušit, jak evoluce "vynalézá" nové nápady. Zkouší - sice naprosto náhodně - jestli se jí povede kombinací předchozích ověřených postupů sestavit něco nového, jakmile se jí to podaří, uloží nový objev do paměti genofondu a provede "generační upgrade", výměnu zastaralých jedinců za nové, chytřejší, rychlejší apod. Evoluci mužeme chápat tedy jako neustálé šlechtění genetické informace, jež probíhá ve skocích. Po období stagnace, v němž se přeskupují schémata a vnějškově (fenotypově) se zdánlivě nic neděje, následuje vždy bouřlivá výměna generací, kdy se prosadí schopnější jedinci na úkor těch méně úspěšných. Evoluce tak zároveň prosazuje robustní a stabilní řešení a postupuje při vynalézání jaksi "zdola nahoru" - vždy v jejím případě platí, že nový, složitější postup je kombinací několika jednodušších, ověřených a fungujících. To je v určitém protikladu s "inženýrským" přístupem k řešení problémů "shora dolů". Člověk si při návrhu určitého složitého celku zpravidla nejprve rozdělí práci na menší úlohy a ty pak řeší samostatně, přičemž jednotlivé podsystémy často nejsou dostatečně soběstačné (nebo, chcete-li, životaschopné) a často také na sobě vzájemně úzce závisí. Přestane-li pak fungovat jediná součást, muže to mít za následek vyřazení celku z provozu. Řešení, která nabízí evoluce, však tímto nedostatkem netrpí - a tak virtuálnímu mraveneci, jenž při výkonu povolání přišel o nohu, se sice špatně chodí, to však neznamená, že je vyřazen že hry.