因此，任何對城市中軟件的考察從根本上都隻能是偏頗的和不完整的，我們現在進行的也一樣，正是這一點比任何事情都更能夠說明，這種形式的“機械空間”已經分布的很廣泛，然而，這僅是個開頭。計算機科學的持續發展暗示著軟件將會發揮更加重要的角色，而現在它隻是作為能夠改變自身形式和功能的機械書寫軟件而已。
這樣的轉變是從正式的明確指定條件的程序，向強調行為的情境性、強調互動和適應的重要性以及應激特性的程序普遍性的轉變。這種觀念已經存在了很長時間，對人機互動的人類學的研究以及更為廣泛的社會科學和人文科學的發展都是其發展的動力。①然而最近，這些利用各種各樣的方法——從模糊集合到神經網絡、遺傳算法、生物信息學和生物計算的數據挖掘技術——的程序已經變得相當廣泛。②此處，我們將對其中一項成果，即“柔性計算”運動的發展進行探討，柔性計算包含了一係列方法，它強調恰當的而非精確的模式。
模糊計算通常是與加利福尼亞州大學伯克利分校的查德(Zadeh)在20世紀60年代的研究有關的一套技術，包括模糊集合、模糊邏輯和複雜係統理論。總體而言，模糊計算源自這樣一種看法，即以精確和細節化的模式為基礎的現存編程方法不適用於處理複雜的、不確定的和模糊的係統或問題。③同樣，計劃計算的技術源自對精確建模技術在處理許多經驗問題時有限性的認識。以“再生產、轉變達爾文的適者生存原則”的自然理論為基礎，進化計算試圖利用“自然選擇的力量將計算機轉變成自動優化的設計工具”①，柔性計算的概念與模糊計算，進化計算緊密地關聯在一起。為了對柔性計算進行定義，查德曾表示：“柔性計算的行為榜樣是人類的大腦。”②相對於強調“明確的分類”以及完善的信息所含的傳統硬性計算而言，柔性計算突出的特點在於它對“非精確性、不確定性和不完全真理”的寬容。如伯尼(Bonissone)所言：
當我們試圖解決現實世界中的問題的時候，我們意識到這些問題都是未經認真設計過的係統，難以被建模且有著巨大解決問題的空間……因此，我們需要能夠應對這種信息不完善的、混合的、近似的推理係統。③
許多柔性計算方法已經逐漸呈現出一些共性：向生物學和自然科學尋求靈感，尤其是，進化理論已經激發了一係列可供選擇的編程技術，其中最有影響力的要數遺傳算法。與其他計算方法一樣，遺傳算法為建築模塊提供了一些最複雜的軟件應用，尤其是人工智能係統。因此，無論是獨立的還是將之作為柔性計算技術的典型範例，對遺傳算法背後的基本原理進行簡要的核查都是非常必要的。
遺傳算法作為以巨大的“解空間”來解決複雜問題的機製，是由密歇根大學的霍蘭德在20世紀70年代研發出來的。④為了解決“解空間”的問題，霍蘭德研發出了一種“源自某些進化論隱喻的機械學習的行為模式”⑤。同其他類型的進化計算方法一致，遺傳算法的工作是為給定的問題尋求答案，為了達到此目的，遺傳算法采用了一種特殊的基因呈現模式①,最初被產生出來的是類似於人類基因中的染色體式的一群人或一組數據，其中每一個都代表著一種可能的解決方案。第一代候選方案在它所處的環境中被評估，即對它對於現成問題的適應度進行評估。在此適應度和所采用的遺傳算法的基礎上，新一代的個體就產生了。②遵照“適者生存”的原則以及基因多樣性的原則，新出生的一代都應該包含比先前一代更多的解決問題的辦法。理解遺傳算法力量的關鍵在於明白，它排除了對一個問題可以擁有預先解決辦法的必然性，程序設計師隻需要確定一個恰當的適應度函數和遺傳算法③。
遺傳算法，以及其他各種柔性計算技術，對人工智能係統的發展有著極為重要的影響。人工智能包括許多具體的應用，從人工生命、機器人和認知技術，到數據處理、專家係統和智能代理。所有不同種類的人工智能係統的一個共同特點是，它們都運行在相似的巨大的解空間之中，而傳統的硬性計算方法在該領域表現得非常欠缺，這就難怪柔性計算模式已經被用來解決如此複雜和模糊的難題了。的確，柔性計算以及類似的算法背後的發展動力都來自發展人工生命係統、生物統計學和其他智能技術的願望。這一點在控製論的早期，自生物學與計算機在類似神經網絡的範例中進行了持續的互動之後，就已經比較常見了。①
再反觀我們對城市中軟件的考察，柔性計算可以在遍布城市的嵌入式係統中尋到蹤跡。智能交通燈、電梯、汽車以及洗衣機都運用模糊邏輯進行編程，許多智能交通係統也是如此②。基因算法正在幫助運行醫療診斷和檢測儀器、數據挖掘技術、信用評分和行為建模係統、交通管理係統和呼叫中心電話選路技術。基因算法正在被更廣泛地應用於人造生命世界，比如，計算機、金融市場模型、彈性生產係統、電信網絡，甚至英國的第四頻道也用它來協助安排電話和廣告。③擁有自我學習能力的軟件也在生物統計學和認知技術領域進行推廣(例如，在視覺認知係統中)。
這些技術使得機器和零件開始呈現出一些身體智能的特征。智能軟件開始將新的生命帶入日常生活的諸象之中，這並不意味著軟件或計算機係統會因此銷聲匿跡，④而是期望對堅硬的、理性主義的計算能力之“情感反應”⑤能夠幫助軟件開始呈現出許多通常與生物的生命相關的特征。
這種新的機械形式在一係列用於識別和作用於人類身體的技術中得到了最好的體現：人臉、聲音、筆跡，也許最突出的是心境和情緒。就人臉和聲音而言，對它們的識別是更廣泛生物統計學技術學派的一部分，其設計意圖在於從個體最突出的特征來進行辨識。其他生物統計學技術，包括電子指紋、虹膜編碼、掌形幾何分析和手掌紋識別等一係列安全係統的使用是其研發的目的。正如我們所指出的，人臉識別技術正在城市之中成為現實，除此之外，還有如比利時的L&.H公司研發的各種類型的產品和飛利浦Xenium型號的移動電話所具有的商業語音識別包。該公司不僅正在研發語音識別在呼叫中心、消費者、商業電子包、玩具和可穿戴設備中的應用，同時還包括在文字識別產品中的應用。
諸如麻省理工學院的醫學實驗室等研究機構也在“情感計算”領域——擁有感知、認知、理解和與人類的心緒、心情進行互動的計算機係統——展開了大量的工作。皮卡認為真正可以互動的計算機必須擁有識別、感覺和表達情感的能力①:
不是所有的計算機都需要“關注”情緒或擁有模擬情緒的能力。一些計算機被作為數碼工具使用，讓它們維持原狀是必要的。然而，在有些情況下，通過計算機對使用者的適應過程，人機互動可以得到進一步提升，比如，關於什麽時候、什麽地點、如何適應以及適應的重要性等的交流則需要情感性信息的使用。②
普魯特沃斯基③將計算領域研究中的情感或情緒劃分為三個大類：展現並交流模擬的情感效果的情感表現程序；識別並對人類情感性表達做出回應的情感檢測程序；情感行為傾向，將情感過程逐漸灌輸至計算機程序中以使之有更高效的程序④。因此，這些麻省理工學院的特殊項目包括了對諸如情感珠寶、表情眼鏡，以及一個能夠幫助指揮家放大他對觀眾和樂隊的表現情感和意圖能力的夾克等情感性可穿戴設備的研發①。其他一些項目包括情感地毯，以及能夠表現使用者在真實世界中情感狀態變化的虛擬情感的現實化身，如“情感老虎”等情感玩具，還有俄爾普斯，一個能夠根據使用者的心情選擇音樂的情感CD播放器。
情感計算設備已經進入商業世界之中。基本的情緒表達和測試技術已經在對“具體的溝通代言人”②——那些模擬對話，不僅通過更好的語言技巧，而且通過利用與諸如麵部表情、手勢和姿勢等表達情感因素相關的一係列非語言行為的圖標——的使用中得以利用。因此，這些交流手段不僅在表現性的領域中被加以利用(例如，在表現性的概念中),同時在非表現性的領域中(在空間化或者為對話提供節奏的時候)也一樣。這些圖標包含了一係列代理人，不僅包括遊戲中的角色，還包括如虛擬寵物和虛擬夥伴等智能替身，其希望做得更好的意圖也是顯而易見的：
與真實的造物一樣，一些代理人將成為寵物，另一些則更為自由。一些代理人將隸屬於某個使用者，被他所保存，絕大部分時間生活在那個使用者的電腦中；其他一些更為自由的則並不屬於任何人，他們和真正的造物一樣，也會出生、死亡、再生產……我相信，我們需要它們，因為數碼世界對於人類而言過於龐大，無論我們設計的界麵多麽完美……基本上，我們正在試圖改變人際互動的本質……使用者不再僅僅是親自操縱事物，而是管理一些作為他們的代表的代理人。③
因此基因算法擴展了生命的含義，無論是不是薩奇曼令人信服的論證，他說這些圖標通常都被錯誤地歸於與機器互動的代理人①,事實上，現在這些錯誤的歸因已經具有了建構性的意義。通過建立並擴大人與人之間、人與機器之間以及最終的機器與機器之間的非語言**流，這些圖標正試圖極大地增強嵌入式係統的效用。