个优雅
对数螺线，但蜗牛在哪里保管它对数表呢；因为它眼睛里晶体缺少对计算折射系数m“语言学支持”，它又是怎
看对数表呢？绿色植物又是怎“搞清楚”叶绿素化学式呢？
事实上，除
行为学以外，在你能想到几乎所有生物学方面，诸如解剖学、生理学，如果按塞林斯方法你都会走入同样死胡同。任何动物或植物躯体发育都需要复杂数学来精确描述，但这并不意味着动植物自身必须成为个聪明数学家。非常高树木常常会在其树干底部像翅膀样伸出巨大板根。对任何种树而言，树越高，板根就越庞大。大家广泛接受个事实，即这些板根形状和大小都接近于能够保持树木直立最有效方案，然而个工程师需要非常高深数学知识才能够证明这点。尽管树也缺乏相应数学知识来作出计算，塞林斯或其他什人也绝对不会来质疑板根背后理论。那为什就要特别地对近亲选择行为提出这个问题呢？这显然不可能是因为这是行为学，而非解剖学。因为塞林斯对很多其他行为学例子（
是指近亲选择行为以外）都会欣然接受，而不是提出他那个“认识论上”反对意见。作为个例子，你可以想想当对每接次球从某种意义上来说，都需要做出那种复杂计算时所做解释。人们会情不自禁地想：对于这些很满意自然选择理论社会学家来说，仅仅由于他们学科历史上些毫不相干理由，就不顾切地想要专门去找到些——哪怕丁点儿——近亲选择理论问题？
这种情况其实是不难想象。个人把球投入高空，然后又把球接住，他在完成这个动作时好像事先解组预测球轨道微分方程。他对微分方程可能窍不通，也不想知道微分方程是什玩意儿，但这种情况不影响他投球与接球技术。在某个下意识水平上，他进行某种在功能上相当于数学演算活动。同样，个人如要作出某项困难决定，他首先权衡各种得失，并考虑这个决定可能引起他想象得到切后果。他决定在功能上相当于系列加权演算过程，有如计算机进行那种演算样。
如果要为台计算机编制程序，使之模拟个典型生存机器如何作出应否表现利他行为决定，们大概要这样进行：开列份清单，列出这只动物可能做切行为，然后为这些行为每种模式分别编制次加权演算程序。各种利益都给以正号，各种风险都给以负号。接着进行加权（weighted），即把各项利益和风险分别乘以适当表示亲缘关系指数。然后再把得出数字加起来，为演算方便，在开头时候们不考虑其他方面如年龄、健康状况之类权重。
由于个个体对自己亲缘关系指数是1（就是说，他具有他自己100%基因——这是不言自明），对他切风险和
请关闭浏览器阅读模式后查看本章节，否则可能部分章节内容会丢失。
