分离开为好。（按照地球上生命起源的某些理论，这种过程的早期阶段也有相同的退化特性，其中核糖核酸（RNA）扮演了基因型和表型两种角色。）
突变有两种方法引入。第一，信息量比特不时地在整个结构的任何地方随机（从0 到1 或相反）交换（非常像真实的结构受到宇宙射线的影响）。其交换比率大约是1 个比特，交换时有1 万个指令被执行。第二，在数字结构重复的过程中，比特在复制品中随机地交换。这时的比率要高一些，大约为1 个比特的交换时有两千个指令被复制。这是平均比率，错误被不规则地调节得足以避免周期效应。
在生物中死亡的重要性没有被TIERRA 的设计所忽略。记忆空间被严格限制，在缺乏死亡的情形下，自重复的创造物就会立即把它填满。因此“收割者”（reaper）将会按照结构的年龄以及在执行某些指令时犯的错误，根据一定的规则消灭掉这些结构。
托玛斯·雷设计了一个有80 个指令的自重复序列，它常常被当作TIERRA 的前身——初始数据结构——在任何运作中使用。当他第一次让这系统运转时，他原以为会出现一种长周期的故障和故障检修。但并没出现他预料的情形，相反，有趣的结果立即出现，许多结果对真实的生物进化颇有启发性，并且从此以后这种启示越来越有价值，并广为应用。经过一个长期进化后，出现了令人极感兴趣的改进，出现了一种对原型改进了的复制程序。它只有36 个指令而不是80 个，而且还可以用它完成更复杂的计算。当托玛斯把这种压缩技巧表演给一位计算机科学家时，他被告知这是一种称为“展开环路”（unrolling the loop）的已知技术的一个例子。在TIERRA 里，进化曾指出如何展开这个环路。托玛斯写道：“这种优化技术是人类发明的一种非常聪明的技术。但它用一种混合型而非功能型来实现，因而没有人使用（除非中毒十分严重）。”那么，这种不同于80 个指令的结构是怎样兴起的呢？突变不可能直接地产生这种结构。开始，这系统只包含原型和它的有80 个指令的下一代。（下一代倍增到记忆接近填满；这时收割者开始工作。变化的结构总数继续占据大部分记忆。）最后，突变出现了，以一种特别的方式改变了一个有80 个指令结构的表型：当结构审查自己以决定它的规模，使它能将这种规模传给它的下一代时，答案出现错误，一个新的规模传给了下一代。这样，结构的总数就会包括许多不同规模的结构。如果一开始试图用这种方式模拟生物进化就产生这样多的洞见，那一定会有大量的领域等待我们去探索。模拟如何进化的新方式运转了大量时间以后，产生了现在储存在结构里的信息，而且遍及世界的天然群体，可能不仅有助于了解现存的多样性，而且还可以更好地保护这种多样性。讲授进化的一种工具
TIERRA 和有关生物进化的计算机模拟技术在未来的发展，能把一种如何进化的感性知识传递给非科学家的人，因而具有特殊的价值。大部分人发现它很容易被理解，即使没有计算机模拟，只需把比较少的变化与少数几代的选择联合在一起，就能够产生一种总体上的变化。在饲养狗、虎皮鹦鹉、马或培植玫瑰时，每个人的经验就很容易使人相信，几乎任何一种生物都在一个小的规模上发生真正的进化。但在一个较长时间尺度上，伴有新种、属、族或更高分类单位的产生，那就是另一种不同的问题了。对于很多人来说都难于了解象和岩狸的近亲关系，所以要想形象地表示所有生命形式之间的相互关系，包括在数十亿年间才能出现的巨大变化，至今仍然十分困难。
对许多人来说特别难于接受的是机遇加选择压力（ chanceplusselection pressures），可以从一个简单的初始条件导致高级复杂的形式和由这些形式构成的复杂生态群体。但人们仍然无法由此相信，这种进化在没有某种指导干预、某种设计的情形下还能发生。（其他障碍中特别要指出的是意识的进化，其中自我认识是我们人类如此引以为骄傲的，人们觉得意识是不可能从无意识中产生。）在没有考虑到这些疑虑之前，我只能从外部考察它们。但对我似乎很清楚的是有一种办法可以免除这些疑虑，让人们体验几百万年极为随机过程加上自然选择而引起的巨大的变换。这只能由模拟来实现，像TIERRA 那样，能在一个易于控制的时期内，迅速穿过许多许多代；而且更精确和更逼真的模拟，对未来也有用处。用机遇和选择来描述生物进化时，我们会遇到各种突变过程。为了简单的缘故，我们假定它们完全是随机的。事实上，它们可能并不完全随机。有些作者举观察的证据为例，指出有时突变起因于잷随机的方式，有时甚至于偏向于一些有利于增加适应性的方式。但是，这种偶然效应的可能存在并不会改变基本点，即在没有这些偶然的非随机变化时，就现在所知道的而言，生物进化仍然如现在实际情形一样有长足的进展。在托玛斯·雷提出TIERRA 以前，我在圣菲研究所召集了一小群爱思考的人开会，讨论我们能否发明一种计算机游戏，它既容易为大家喜爱又能让游戏者相信发生在许多许多代的进化过程中的巨大力量。这次会议的一个杰出的结果是，当约翰·霍兰德回家以后他发明了ECHO，一种有趣的计算机模拟，它能对简单有机体的生态进行模拟。但这种游戏只能用于教学的目的，而不能满足进一步的需要。过了不久，托玛斯·雷在完全独立的情形下发明了TIERRA，它虽然并不真的是一种游戏，但可能最终产生同样的效果。
在会议中有些与会者指出，道金斯（Richard Dawkins）的《瞎眼的钟表工人》（The Blind Watchmaker）一书里有一些软件，是为说明进化的一种计算机游戏。不过，这种游戏并非我原来设想的那种。其要点是在真正的生物进化中，进化圈里并没有设计者。但道金斯发明了一种游戏，它使游戏者在进化过程中不断加入选择压力，这些游戏者很有些像为了制作图画而使用卡尔·西姆斯软件的用户。〔这个游戏的确有一个“漂移”任选程序（“drift”option），有了它游戏者可以让有机体单独存在，但他们仍然不能向有机体所属的生态群体施予选择压力。〕从（仅部分正确的）适应性来说，我们可以说在道金斯的游戏里适应性是外界产生的，由外界提供的；而在自然界中，如同他的书中所解释的那样，适应性是内部产生的，没有外界的干预，并最终由以下因素决定：地球和太阳的特性及偶然事件（包括巨大数量特殊种的进化）。一个游戏能设计得像托玛斯·雷使用TIERRA 那样，让游戏者仅仅只需要一种初始条件和一组生物进化的规则，就能够让机遇和自然选择把游戏玩下去。这做得到吗？适应因素的总体模拟
任何有关进化的系列模拟都必须包括数目巨大种群的相互作用，这些种群中每一种的环境由所有其他有机体和周围的物理化学情形组成。但是，当我们试图在一个比较短的时期（在这段时期里没有多少生物进化发生），了解这样一个生态群体会发生什么事情，会得到一些什么结果呢？我们将模拟一个生态过程。
许多与圣菲研究所有联系的理论家们利用计算机模型去认识这些复杂适应系统的性质，这些系统是互适应的适应因素的总体，而这些因素又构成描述和预言相互行为的图式。这些研究者提出一种与这些系统有关的特殊见解，它由一些似乎可取的猜测和用特殊模型证实了的结果组成。由此得到的景象是这样的：在这景象里中间算法信息量的区间（在有序和无序之间）可能含有一种状态，它类似于自组织的临界状态，可以用沙堆为例加以说明。在这种状态中，关键量可能按幂定律分布。最紧要的是，整个系统可能有一种趋势，使这些幂定律向可以应用的方向发展。斯图亚特·考夫曼（Stuart Kauffman）像佩尔·贝克（PerBak）一样，对这些想法作了许多理论研究。有许多人用术语“对混沌边缘的适应”（adaption toward the edge of chaos）来描述它们，这儿“混沌边缘”用来暗指一种位于有序和无序之间的临界情形。斯图亚特也是这些人中的一个。完整的表示首先由诺尔曼·派卡德（Norman Packard）在一篇论文的题目中使用，这篇论文用一个非常简单的、以计算机为基础的学习系统来探讨这样一种临界状态。现在这个术语已在通俗文学中广为使用。在大约相同的时期里，克里斯·兰顿（Chris Langton）也独自作出相关的研究。
在生态学和经济学领域里这种幂定律为人熟知，它们有一些显而易见的应用，特别是在支配资源分布方面。在市场经济中有名的工资分布经验定律，较高收入的部分就类似一个幂定律。它是19 世纪由意大利经济学家维尔弗瑞多·巴瑞脱（Vilfredo Pare… to）发现的，他还发现关于个人财产的幂定律，也是大致上适用于财富较多的人。
生态学家经常盯着资源的分配，把它当作一个自然群体中不同物种的函数，其中每一给定物种的个体集中起来作为一个整体来利用这些资源。他们在这里也发现了一个经验幂定律。例如，美国边界南部柯特斯海（Seaof Corte’s）的北端海岸的岩石地带，生长着许多不同的生物，如茗荷介和蛤贝，占据着岩石表面不同的面积。被不同种生物所占据的总面积遵循一个近似得非常好的幂定律。在食物链中较高级的其他动物则捕食这些岩石上的居住者。在这近于食物链顶端的动物中，有一种有22 个臂的星鱼。如果这种星鱼从图景中移走，会出现什么情形呢？由于某种灾害，这种情形在某些海岸段上可以实际发生，因此生态学家可以观察到上述设想的结果。结果是残留下来的生物系统将重新调整自己，岩石上将由不同物种的生物重新占据，所占面积与总面积之比也将为一新值替代。但是，近似的幂定律仍然有效。因此，互适应因素所形成的体系被一种资源按幂定律分布为特色的变迁方式所吸引。这种想法得到了某些经验的证实。以规则为基础的数学和以作用因素为基础的数学在今日许多有关复杂适应系统的研究中，数学起了非常重要的作用，但在大多数情形下，已不是曾在科学理论中占优势的传统数学。假定要研究的问题与一个涉及时间的系统有关，则系统在每一瞬间的状态将按照某种规则而变化。许多取得巨大成功的科学理论之所以能取得成功，都得益于连续统数学的帮助，在这种数学里时间变量是连续的，所以是描述系统状态的变量。状态不断地变化遵循一个用连续变量表示的规则，而这变量要能表征系统的特征。用数学语言说，系统的时间展开将由一个或一组微分方程来描述。在最近几个世纪里，基本物理学的许多进展都得益于这些微分方程的帮助，其中有麦克斯韦电磁理论方程组，爱因斯坦的广义相对论引力理论方程，以及量子力学的薛定谔方程等等。
当我们利用一个数字计算机来帮助解这些微分方程时，我们通常用一个所谓的离散变量逼近于连