誰具有靈活的外在表現形式，誰就能獲得回報——這正是進化的精髓所在。一付能適應環境的軀體，顯然要比一付刻板僵硬的軀體更具優勢；在需要適應的時候，後者隻能像等著天上掉餡餅一樣期待突變的光臨。不過，肉體的靈活性是“代價不菲”的。生物體不可能在所有方麵都一樣靈活。適應一種壓力，就會削弱適應另一種壓力的能力。將適應刻寫到基因中是更有效的辦法，但那需要時間；為了達到基因上的改變，必須在相當長的時期內保持恒定的壓力。在一個迅速變化的環境裏，保持身體靈活可塑是首選的折衷方案。靈活的身體能夠預見，或者更確切地說，是嚐試出各種可能的基因改進，然後就像獵狗追蹤鬆雞一樣，緊緊地盯住這些改進。
這還不是故事的全部。左右著身體的是行為。不管出於什麼原因，長頸鹿必須先想要夠到高處的樹葉，之後不得不一次次地努力為之。人類則因為某種原因不得不選擇移居到海拔更高的村莊。通過行為，一個生物體能夠搜索自己的各個選項，探求自己可能獲得的適應性的空間。
沃丁頓曾說過，遺傳同化或鮑爾溫效應，實際上就是如何將後天習得的技能轉化為先天遺傳的特性。而問題的真正症結所在，則是自然選擇對特性的控製。遺傳同化將進化提速了一個檔級。自然選擇是將進化的刻度盤調至最佳特性，而肉體和行為適應性則不僅提供了進化的刻度盤，還能告知應該向哪個方向轉動以及離最佳特性還有多遠。
行為適應性還通過其他方式來影響進化。自然學家已經證實，動物不斷走出自己已經適應的環境，浪跡四方，在“不屬於”它們的地方安家。郊狼悄悄地向遙遠的南方進發，嘲鳥則向遙遠的北方遷徙；然後，它們都留在了那裏。在這一過程中，適應最初源於一種模糊的意願，而基因則認同了這種適應，並為之背書。
如果將這種起源於模糊的進化應用到個體學習上，則會滑向古典拉馬克學說的危險邊緣。有一種雀科小鳥學會了用仙人掌刺去戳刺昆蟲。這種行為為小鳥開啟了一個新的窗口。通過學習這種有意的行為，它改變了自己的進化。它完全可能通過學習，即使這種可能性不大，來影響它的基因。
一些計算機專家在用到“學習”這個詞時，所指的是一種不嚴格的、控製論上的概念。格雷戈裏·貝特森把軀體的靈活性看作是一種學習。他不認為由軀體進行的搜索和由進化或思維進行的搜索有多大區別。以此解釋的話，可以說“靈活的身體學習適應壓力”。“學習”應該是在一生而非幾代中獲得的適應。計算機專家並不對行為學習和肉體學習進行區分。關鍵是，這兩種適應形式都是在個體的一生中對適應空間進行搜索。
生物體在其一生中有很大的空間重塑自己。加拿大維多利亞大學的羅伯特·裏德指出，生物能通過以下可塑性來回應環境的變化：
◎形態可塑性（一個生物體可能有不止一種肉體形態）
◎生理適應性（一個生物體的組織能改變其自身以適應壓力）
◎行為靈活性（一個生物體能做一些新的事情或移動到新的地方）
◎智能選擇（一個生物體能在過去經曆的基礎上做出選擇）
◎傳統引導（一個生物體能參考或吸取他人的經驗）
這裏的每一個自由度都代表一個方向，生物體可以沿著它在共同進化的環境中尋找更好的辦法重塑自己。考慮到它們是個體在一生中所獲得的適應性，並能在以後被遺傳同化，因而我們稱這五種選項為可遺傳學習的5個變種。
18.3 學習和進化之間的區別
人們在最近幾年才開始研究學習、行為、適應與進化之間那令人興奮的聯係。絕大部分工作都是通過計算機仿真進行的。生物學家們曾經或多或少地輕視這些工作——不過情況已經今非昔比了。有一批如戴維·艾克利和邁克爾·利特曼（1990年）、傑弗裏·韓丁和史蒂文·諾蘭（1987年）這樣的研究人員已經通過仿真實驗明確無疑地揭示了會學習的生物族群是如何比那些不會學習的生物族群更快地進化的。這裏所說的學習，是指通過改變行為來不斷搜索種種可能的適應性。用艾克利和利特曼的話說：“我們發現，能夠將學習和進化融為一體的生物要比那些隻學習或隻進化的生物更成功，它們繁育出更有適應力的族群，並能一直存活到仿真實驗結束的時刻。”在他們的仿真實驗中，生物所進行的探索式學習實質上是一個對確定問題的隨機搜索算法。而在1991年12月舉辦的第一屆歐洲人工生命會議 [385]sup> 上，另兩位研究人員帕裏西和諾爾夫提交的實驗結果顯示，由生物群自行選擇任務的自導向學習具有最佳的學習效率，生物的適應性也由此得到了加強。他們大膽斷言，行為和學習都是遺傳進化的動因之一。這一斷言將愈來愈被生物學所接受。
更進一步講，韓丁和諾蘭推測，鮑爾溫理論最有可能適用於那些特別“崎嶇”的問題。他們認為：“對那些相信進化空間中地勢起伏都有規律可循的生物學家來說……鮑爾溫效應沒什麼意義，而對那些質疑自然搜索空間有著良好結構的生物學家們來說，鮑爾溫效應就是一個重要機製，它允許生物利用其體內的適應過程大大改善其進化空間。”生物體開創了屬於其自己的可能性。
邁克爾·利特曼告訴我說，“達爾文進化的問題在於，你要有足夠的進化時間！”可是，誰能等上一百萬年呢？在將人工進化注入到製造係統的各種努力中，要加快事物的進化速度，一個辦法就是向其中加入學習。人工進化很可能需要一定的人工學習和人工智能，才能在人類可接受的時間尺度內上演。