這項研究所涉及的選擇過程和自然選擇類似，但選擇的尺度比自然選擇更大，速度也更快。這使得人工大腦能夠選擇出多數有益的特征并不斷進化。領導這項研究的是密西根州立大學的計算生物學家克里斯·阿達米博士，研究使用遺傳學的算法對一大群執行某項任務的機器“大腦”進行數學建模。

　　舉個例子，這個任務可以是找出一個迷宮的出口。建模實驗的結果顯示，任務完成最出色的機器“大腦”會產生出數量最多的虛擬“后代”，這一結果意味著最聰明的機器人能夠進行“繁殖”。

　　研究人員讓這種對機器“大腦”進行選擇的遺傳學算法運行了數千代，有時甚至數十萬代，并把“存活”下來的“大腦”下載到機器人上，然后讓這些機器人執行現實世界中的各種任務。

機器人大腦

　　在這些機器人執行的各種任務中，有一項最為復雜。這項任務要求多個機器人搞清楚并記住它們走出一個房間的先后順序。隨后科學家命令這些機器人按照上述順序，或者是與此相反的順序，重新進入這個房間。

　　“這項任務之所以復雜，是因為這些機器人必須要能夠識別彼此的身份”，阿達米博士介紹說。

　　在運行了這個進行選擇的遺傳學算法之后，這些機器人似乎解決了這個難題，它們學會了利用某些動作來告訴其它機器人自己的身份。阿達米博士相信通過讓機器人“大腦”在復雜的世界中進行進化，迫使它們進行互動，是產生出有自我意識的人工智能的最好方法。