Az adaptív viselkedés és annak neurofiziológiai háttere eléggé komplex jelenség ahhoz, hogy komoly kihívást jelentsen a modellkészítők számára. Ha az idegrendszer – vagy bármely más biológiai tulajdonság - evolúciójának modellezését tűzzük ki célul, akkor hamar szembesülünk azzal a problémával, amely a legtöbb ilyen témájú számítógépes modellt jellemzi: a végeredmény túlságosan is előrelátható, könnyen megjósolható, a modell futtatása előtt "borítékolni lehet" a végeredményt. Ez az alkalmazott módszer jellegéből adódik, ami az evolúciós algoritmusok sajátja. Nagyszerűen alkalmazhatók abban az esetben, ha a cél egy meghatározott tulajdonság kvantitatív tökéletesítése – hiszen erre a célra fejlesztették ki őket. Ebben a genetikus algoritmussal kombinált neurális hálózatok látványos eredményeket képesek elérni (pl. adaptív viselkedésű robotok, vagy számítógépen modellezett egyéb lények esetében). Ha azonban egy biológiai jellegű evolúciós folyamatot szeretnénk modellezni, akkor a genetikus algoritmusok "klasszikus" alkalmazása kevés, olyan modellre van szükségünk, amely az evolúciónak nem csak ezt az egy aspektusát veszi figyelembe, hiszen egy környezeti kihívásra nem csak a meglévő tulajdonságok tökéletesítése lehet az egyetlen adaptív válasz, hanem új tulajdonságok megjelenése is. Ezt a lehetőséget – az evolúció kvalitatív oldalát - a modellek alig-alig tudják megragadni és megfelelően kezelni. Olyan modellre lenne szükségünk, amely a modellezett evolúciós folyamat során nem csak a meglévő, előre programozott tulajdonságokat csiszolja egyre tökéletesebbé a szelekció során, hanem új tulajdonságokat is létre tud hozni, képes "meglepetést" okozni és új irányt szabni a lehetséges fejlődésnek.

Ez a törekvés a modell több szintjén is meg kell, hogy jelenjen. Egyrészt biztosítanunk kell a genotípus szintjén a "nyitott végű" evolúciós folyamatot, amihez a hagyományos genetikus algoritmussal összekapcsolt neurális hálózatokénál sokkal rugalmasabb genom kialakítására van szükség: nem a fenoptípusban megjelenő konkrét paramétereket, hanem alacsonyabb szintű „tulajdonság-primitíveket" kell definiálnunk. A felvázolni kívánt modellben sem a gének számát, sem az egyes gének hosszát, sem a genom méretét, de még a gének konkrét funkcióját sem kell előre meghatároznunk, sőt ezek az evolúciós folyamat során is változhatnak anélkül, hogy ezzel a gének értelmezése és a fenotípus létrehozása lehetetlenné válna. Másrészt biztosítanunk kell, hogy a genomban kódolt tulajdonságok egy megfelelően flexibilis fenotípusban nyilvánulhassanak meg.

Egy adott élőlény minden sejtje ugyanazt a genetikai információt tartalmazza, a sejtek mégsem egyformák. Mitől lesznek különbözőek? Az őket körülvevő környezet ingereinek hatásara. Ezeknek az ingereknek a túlnyomó részét maga a fejlődő szervezet, tehát a többi sejt biztosítja különböző fizikai és kémiai hatások formájában. Így van ez az idegrendszer esetében is. Ha tehát egy biológiai mintára szerveződő ideghálózatot akarunk létrehozni, akkor az azt alkotó sejteknek a „hagyományos" idegi tulajdonságok (ingerületvezetés, potenciálok generálása, szinapszisok kialakítása) mellett egyéb, „biológiai jellegű" tulajdonságokkal is rendelkeznie kell, melyek a sejtek közötti kommunikációt szolgálják (különböző információhordozó „molekulák" kibocsátása, illetve azok érzékelése). Ezáltal a sejtek maguk hozzák létre azt a környezetet, amely a további fejlődést befolyásolja. Természetesen meg kell határozni a kapcsolatok lehetséges formáit, alapvető típusait, ezt azonban úgy kell tennünk, hogy a fejlődési folyamat lehetőség szerint nyitott maradjon, tehát ne a programozó által akarva-akaratlanul beépített korlátokat tükrözze. Modellünkben a megjelenő tulajdonságok milyenségét a filogenezis mellett egy ontogenetikus (egyedfejlődési) folyamat is befolyásolja.

Reményeink szerint egy ilyen típusú modell lehetővé teszi, hogy az Alife modellek által széles körben használt eszközöket (genetikus algoritmusok, neurális hálózatok) olyan módon kapcsoljuk össze, hogy azok a biológiai evolúció – ezen belül az idegrendszer és az adaptív viselkedés – modellezésére is alkalmasak legyenek és hozzájáruljanak a modellezett jelenségek jobb megértéséhez.