累积选择
作者在这一章中用极简化的模型解释了自然选择的基本过程。首先，作者指出，自然选择是一种** 累积选择 ，也就是说， 每次筛选的结果称为下一次筛选的原料 **。我们可能碰到过这样的状况：你拿着一串钥匙来开一扇门，但是你忘记了是哪一把钥匙，你可能会一次次地尝试，试过的钥匙放在一边，最终很快就能找到正确的钥匙，这里就是一种 “累积选择” ，每次尝试都越来越接近正确的钥匙。
作者在书中用了一个更加有趣的例子来说明累积选择的高效性。有一种说法是这样的：“让一只猴子在打字机上随便打字，并给它无限长的时间，那么总有一天，猴子会‘创作’出人类所有的文学作品。”也许你可能会说这完全不可能，但要注意在** 无限 **长的时间下，这是有可能发生的。
也许无限长难以想象，作者接下来使用了更加实际的例子：莎士比亚作品中有这样一句话：“me thinks it is like a weasel” （这句话的含义并不重要，任何一组特定的字母排列都可以），作者编写了一个简单的计算机程序：让计算机随机敲出28个字符（上面那句话中的总字符数），如果和上面那句话完全一样，程序停止，否则重来。那么计算机要尝试多少次呢？答案是27^28，数量级上大约等于10000000000000000000000000000000000000000次！这就是一种 “单步骤选择” 显然，这样的方法十分低效。
如果稍微修改一下这个程序：每次尝试后** 保留那些正确的字母 **，比如第一次计算机敲出了kezsxvuopjyrih hidf hisdfdv e，对比一下可以发现，第二个字母e是正确的，那么在下一次尝试时，保留第二个字母e，随机敲出剩下的，如此这样不断继续，越来越接近正确答案。使用这样的方法，大概要尝试多少次呢？作者得出的结果是在几十次左右，高效了不知道多少倍！
那么，生物是如何体现累积选择的呢？答案就是生物最重要的特征：** 繁衍 **。每个生命个体都带有上一代的部分遗传信息，从而带有相似的特性，因此，累积选择成为可能！
树枝模型
作者首先用一种简化的画图规则来类比遗传的过程，计算机很容易实现一种 “树木发育” 的程序，一开始电脑画出一条竖直的线，然后这条线分出两条树枝，每一条树枝在分出两条树枝，以此继续。如图:
用这种方式来类比生物胚胎的发育。作者为这些“胚胎”设置了九个参数，每个参数可能会影响每根树枝的长度，角度，等等等等，这些参数就相当于生物的** 基因 **，拥有不同“基因”的树，会有不同的形态：
好了，演化开始。
从最原始的树（假设九个参数为0，0，0，0，0，0，0，0，0）开始，每次随机产生新的5棵树，新产生的树只改变一个参数，并且只在原来的基础上加一或者减一，也就是说，可以是（0，0，1，0，0，0，0，0，0），或者（0，0，0，0，0，0，0，-1，0）等等等等。
这样，第一代后代产生了，原始的树有了5个** 孩子 ，这些孩子的某些方面和原始的树有 微小 **的不同（某个参数加一或者减一）。之后，由计算机前的人类来扮演大自然，自然选择就是此人的喜好：坐在计算机前的人选出一个他最喜欢的后代，并让这个后代继续繁衍，至于剩下的四个，就被淘汰。经过几十代的“演化”，作者得出了十分惊人的结果：
这种模型和实际情况的一大差别在于，自然选择的标准是** 存活能力 **，即所谓的“适者生存”，在树枝模型中，这一标准是“计算机前的人的喜好”。
另一大差别在于，生物的突变率远远没有这么高，不可能在几十代内产生如此大的变化，但是在漫长的时间作用下，单细胞生物最终进化成人类这样复杂的生物成为了可能。
