然而，这样一个概念带来的问题是引人注目的。如果人工智能从一开始就进化成这样，它能否更好地学习和适应这个世界？
他们设计的实验在某些方面类似于几十年来一直用于测试进化算法的模拟环境。研究人员设置了一个虚拟空间，并将简单的模拟生物放入其中，只是一些连接的几何形状，以随机方式移动。在一千个这样的蠕动形状中，挑出10个蠕动最远的，并在此基础上做一千个变化，反复进行。很快，研究人员就发现几个虚拟生物在虚拟表面上做了一个非常顺利的行走。
不过正如研究人员所解释的，他们需要使他们的模拟更加稳健和可变。他们并不是简单地试图制造能走动的虚拟生物，而是要研究这些生物如何学会做它们所做的事情，以及是否有些生物比其他生物学得更好或更快。
为了找出答案，研究小组创建了一个类似于旧的模拟，并将他们的模拟生物称为"unimals"（代表"通用动物"），一开始只是为了学习走路。这些简单的形状有一个球形的"头"和一些树枝状的关节肢体，它们用这些肢体发展出许多有趣的行走方式。有的蹒跚前行，有的发展出类似蜥蜴的行走，还有的则是一种摇摆但有效的风格，让人想起了陆地上的章鱼。
"这一领域的几乎所有先前的工作都是在一个简单的平坦地形上演化出代理人。此外，在代理人的控制器和/或行为没有通过与环境的直接传感运动互动来学习的意义上，没有学习，"共同作者Agrim Gupta向TechCrunch解释说--换句话说，它们通过生存来进化，但没有真正通过实践来学习。"这项工作首次在复杂的环境中同时进行进化和学习，如带有台阶、山丘、山脊的地形，并在这些复杂的环境中进行操作。"
每个环境中的前10名unimals被放任自流，执行从新的障碍物到将球移动到目标、将箱子推上山丘或在两点之间巡逻的任务。在这里，这些unimals真正展示了它们的虚拟能力。已学会在可变地形上行走的unimals比它们的平地“表亲”更快地学会了它们的新任务，并且执行得更好。
"从本质上讲，我们发现进化迅速选择了学习速度更快的形态，从而使早期祖先一生中晚期学到的行为能够在其后代的一生中早期表现出来，"作者在周三发表于《自然》杂志的论文中写道。
这不仅仅是它们学会了更快的学习；进化过程选择了能让它们更快地适应和更快地应用课程的身体类型。除了提供一些有趣的三维棒状图在虚拟地形上驰骋的GIF之外，这一切还意味着什么？正如论文所说，该实验“"为进行大规模的硅基实验打开了大门，以产生科学见解，了解学习和进化如何合作创造环境复杂性、形态智能和控制任务的可学习性之间的复杂关系”。
该研究小组已经在GitHub上免费提供了所有的代码和数据。研究人员表示：“默认参数假定你是在16台机器上运行代码。请确保每台机器至少有72个CPU。”