1996年傑森·洛恩（Jason Lohn）加入美國國家航空航天局時31歲。他是個訓練有素的電子工程師，之前一直在谷歌工作，洛恩的任務是設計宇宙飛船執行任務時使用的天線。「天線在宇宙中非常重要，」洛恩說，「如果沒有良好的天線系統，你發射的飛船可能就只是一個造價昂貴的金屬球，因為我們沒有辦法與之交流。」天線優化的問題在於如何建立一個帶寬盡可能高的最佳通訊頻道，與此同時，它的體積還要充分地小。早期天線一次只能發送少量字節的信號（兩位數）。忽然有一天，夢想變成了收到來自太空的全動態視頻流。洛恩非常清楚這個問題的複雜性，然後他想到了解決問題的辦法：為什麼不把設計流程交給人工智能？
「人們已經將人工智能用於制訂多年計劃等任務，但我要用人工智能改進太空任務中實際硬件的性能。」他說道。
還是本科生的時候，洛恩閱讀了理查德·道金斯（Richard Dawkins）的著作《自私的基因》（The Selfish Gene），這是關於基因進化方面最有份量的書之一。「我完全陶醉於自然選擇的力量。」他接著說道。大學期間，洛恩開始探索複製這種進化流程用於解決設計問題的想法。
本質而言，這不是一個新想法。幾百年以來，人類一直掌握著進化流程，哺育最符合我們需求和希望的新動植物物種。11世紀，傑出的波斯學者艾布·萊哈尼·比魯尼（Abu Rayhan Biruni）發現了林業工人讓樹長得更好的秘訣——留下他們認為好的枝幹，砍掉其他枝幹。在18世紀英國農業革命期間，這個概念被一個名叫羅伯特·貝克韋爾（Robert Bakewell）的人轉化成了一門科學。貝克韋爾發現，通過控制繁育，他可以得到產毛高的綿羊和產肉多的肉牛。隨著越來越多的農民聽從貝克韋爾的領導，家畜在體型和品質方面都得到了提高。1700年，待售屠宰的肉牛平均重量約為168公斤，而到1786年，平均重量已經翻番，達到381公斤。
據洛恩所知，計算機可以使用人工智能模仿自然選擇的想法實現同樣的結果。就像貝克韋爾的牛羊，算法進化先讓創造者制定其要實現的目標。「以天線為例，你可以告訴算法你需要一個解決方案：天線要能夠裝進一個10厘米×10厘米的盒子，以球式或半球式向外輻射信號，要能夠在特定的Wi-Fi頻道上運行。」他說，「你提出所有的要求和規定，隨後算法按照這些要求優化解決方案。」
洛恩估計，說服高層相信進化算法才是未來之道，他在位於加利福尼亞的家到位於華盛頓特區的美國國家航空航天局總部之間穿行了三四十次。最終他們同意放手去做。洛恩掌握了即將到來的「空間技術5」（Space Technology 5）任務的說明，將其輸入空間天線的基本要求之中，然後讓他的軟件開始工作。
經過數百次生成，算法最終給出的結果看起來像個錯誤。洛恩稱其設計類似一個「曲別針」。他備感失望，就像信誓旦旦保證朋友可以勝任工作，卻看到他第一天就酗酒並醉倒在桌子上一樣。然而，洛恩忠誠地製造了一台實體原型機，並將它送到了測試室。原型機比他所見到的其他所有解決方案都要出色。隨後的設計也是同樣的結果，但是由於它們包括的不必要元素過多，洛恩深感茫然，不知道如何解釋它們為什麼可以工作得這樣順利。
「作為工程師，我們通常能理解計算機設計的一兩個方面，但我們卻不理解設計的其他部分。」他說，「如果使用進化算法對天線進行優化，我只有50%的可能可以準確解釋它做出選擇的理由。其餘情況下，對我們來說，計算機設計是不能被理解的。但是它能正常工作，而作為工程師，我們最終關注的是讓一切正常工作。」
並不是所有遺傳算法想出的解決方案看起來都這麼違背常理。因為適應度函數由程序員輸入，所以算法只能根據運行人員希望看到的標準解決方案創造各種變體。就像谷歌的Deep Dream項目，儘管它既可能讓計算機崩潰，也可能使計算機不受前期發生的情況阻礙而設想各種解決方案。
在洛恩的例子中，結果不言而喻。如果他在向美國航空航天局的上級申請這項任務之前有疑慮，這些結果當然不可能存在。2013年9月6日，美國航空航天局發佈了月球大氣與塵埃環境探測（LADEE）任務，用以研究月亮的月塵環境。探測器上使用了三個天線，都是由洛恩的人工智能設計的。「這個任務只使用這種天線，」他說，「如果它們失敗了，也沒有其他天線可以挽回敗局。」這次任務相當成功。洛恩將之稱為職業生涯的亮點。