1996年杰森·洛恩（Jason Lohn）加入美国国家航空航天局时31岁。他是个训练有素的电子工程师，之前一直在谷歌工作，洛恩的任务是设计宇宙飞船执行任务时使用的天线。“天线在宇宙中非常重要，”洛恩说，“如果没有良好的天线系统，你发射的飞船可能就只是一个造价昂贵的金属球，因为我们没有办法与之交流。”天线优化的问题在于如何建立一个带宽尽可能高的最佳通讯频道，与此同时，它的体积还要充分地小。早期天线一次只能发送少量字节的信号（两位数）。忽然有一天，梦想变成了收到来自太空的全动态视频流。洛恩非常清楚这个问题的复杂性，然后他想到了解决问题的办法：为什么不把设计流程交给人工智能？
“人们已经将人工智能用于制订多年计划等任务，但我要用人工智能改进太空任务中实际硬件的性能。”他说道。
还是本科生的时候，洛恩阅读了理查德·道金斯（Richard Dawkins）的著作《自私的基因》（The Selfish Gene），这是关于基因进化方面最有分量的书之一。“我完全陶醉于自然选择的力量。”他接着说道。大学期间，洛恩开始探索复制这种进化流程用于解决设计问题的想法。
本质而言，这不是一个新想法。几百年以来，人类一直掌握着进化流程，哺育最符合我们需求和希望的新动植物物种。11世纪，杰出的波斯学者艾布·莱哈尼·比鲁尼（Abu Rayhan Biruni）发现了林业工人让树长得更好的秘诀——留下他们认为好的枝干，砍掉其他枝干。在18世纪英国农业革命期间，这个概念被一个名叫罗伯特·贝克韦尔（Robert Bakewell）的人转化成了一门科学。贝克韦尔发现，通过控制繁育，他可以得到产毛高的绵羊和产肉多的肉牛。随着越来越多的农民听从贝克韦尔的领导，家畜在体型和品质方面都得到了提高。1700年，待售屠宰的肉牛平均重量约为168公斤，而到1786年，平均重量已经翻番，达到381公斤。
据洛恩所知，计算机可以使用人工智能模仿自然选择的想法实现同样的结果。就像贝克韦尔的牛羊，算法进化先让创造者制定其要实现的目标。“以天线为例，你可以告诉算法你需要一个解决方案：天线要能够装进一个10厘米×10厘米的盒子，以球式或半球式向外辐射信号，要能够在特定的Wi-Fi频道上运行。”他说，“你提出所有的要求和规定，随后算法按照这些要求优化解决方案。”
洛恩估计，说服高层相信进化算法才是未来之道，他在位于加利福尼亚的家到位于华盛顿特区的美国国家航空航天局总部之间穿行了三四十次。最终他们同意放手去做。洛恩掌握了即将到来的“空间技术5”（Space Technology 5）任务的说明，将其输入空间天线的基本要求之中，然后让他的软件开始工作。
经过数百次生成，算法最终给出的结果看起来像个错误。洛恩称其设计类似一个“曲别针”。他备感失望，就像信誓旦旦保证朋友可以胜任工作，却看到他第一天就酗酒并醉倒在桌子上一样。然而，洛恩忠诚地制造了一台实体原型机，并将它送到了测试室。原型机比他所见到的其他所有解决方案都要出色。随后的设计也是同样的结果，但是由于它们包括的不必要元素过多，洛恩深感茫然，不知道如何解释它们为什么可以工作得这样顺利。
“作为工程师，我们通常能理解计算机设计的一两个方面，但我们却不理解设计的其他部分。”他说，“如果使用进化算法对天线进行优化，我只有50%的可能可以准确解释它做出选择的理由。其余情况下，对我们来说，计算机设计是不能被理解的。但是它能正常工作，而作为工程师，我们最终关注的是让一切正常工作。”
并不是所有遗传算法想出的解决方案看起来都这么违背常理。因为适应度函数由程序员输入，所以算法只能根据运行人员希望看到的标准解决方案创造各种变体。就像谷歌的Deep Dream项目，尽管它既可能让计算机崩溃，也可能使计算机不受前期发生的情况阻碍而设想各种解决方案。
在洛恩的例子中，结果不言而喻。如果他在向美国航空航天局的上级申请这项任务之前有疑虑，这些结果当然不可能存在。2013年9月6日，美国航空航天局发布了月球大气与尘埃环境探测（LADEE）任务，用以研究月亮的月尘环境。探测器上使用了三个天线，都是由洛恩的人工智能设计的。“这个任务只使用这种天线，”他说，“如果它们失败了，也没有其他天线可以挽回败局。”这次任务相当成功。洛恩将之称为职业生涯的亮点。