以下内容来自约翰·E.梅菲尔德的《复杂的引擎》一书。
所有进化系统都是基于信息，以及完整的信息处理策略，比如能够对信息体进行修改、添加和删除操作。所有进化系统的核心都是利用概率计算，可以从随机事件中提取目的性信息。一旦这种计算能生成指令，再用指令生成有用的事物，就有可能形成正反馈循环。指令的变化如果能改善结构或行为，就有可能以此为基础在将来进一步改进指令及其产物。通过这种高效的反馈循环，指令不断改进，当指令是用于解答某个问题时，如果最初对问题的答案没有任何想法，这种策略将是寻找答案的最有效方法。
当从信息的角度来认识相关的对象与活动时，会发现随机性才是新事物的终极来源。对计算机科学不熟悉的人可能会觉得难以置信，但其中的逻辑确实如此。确定性的规则可准确地决定结果。因此，只要输入不是随机的，结果就一定可以预料。计算机之所以如此强大就是因为只要给它们同样的输入，总是会得到同样的结果，而这是创造性的对立面。创造性意味着意料之外的结果，在确定性过程中只有当输入不可预测时才有可能出现意外。也就是说，不可预测性是随机性的精髓。
所有进化过程都包括以下5个要素：
1.个体。一般包含多种类型，比如：生物、自主体、基因、概念和公司。
2.可遗传的特征。个体的描述信息，以某种形式编码为个体本身的一部分（生物的这种信息编码为DNA）。
3.个体的繁殖或复制机制。通过这个机制，个体从父辈或之前的个体拷贝编码信息。
4.变化机制。信息在复制或维护过程中必须有机会产生适量的改变。在许多系统中是复制过程中产生的错误。
5.基于特征的选择。复制的成功必须部分取决于个体编码信息所表示的特征。
只要系统同时具备了这5个要素，由个体组成的群体编码信息以及相应的个体特征就会随着时间改变，而遗传的个体特性必然会越来越接近决定复制成功率的标准。
具有这种逻辑结构的系统会不断地累积能更加适应选择标准的编码信息。它们利用随机变化做到这一点，有时候也利用非随机变化，以免偶然性过大，不利于产生有用或有趣的东西。这个信息累积和改进的过程就是概率计算。而可能会发生错误的指令复制机制一旦与在多个结果中选择的机制相结合，就会产生戏剧性的变化。这种选择复制过程一旦成型，即使没有引导，也会逐渐装配出本来出现概率极低的复杂目的性指令。复杂的指令反过来又使得本来极为不可能的复杂对象的形成成为可能。指令本身也是信息，因此从信息累积和提取的角度看待进化可以产生更深刻的认识，同时也让一些原本很困难的问题变得更容易解决。
