威尔逊关于近亲选择的定义有一个甚至更为严重的缺陷。他有意识地把子女排除在外：他们竟不算近亲！他当然十分清楚，子女是他们双亲的骨肉，但他不想引用近亲选择的理论来解释亲代对子代的利他性关怀。他当然有权利按照自己的想法为一个词下定义，但这个定义非常容易把人弄糊涂。我倒希望威尔逊在他那本立论精辟的具有深远影响的著作再版时把定义修订一下。从遗传学的观点看，父母之爱和兄弟／姐妹的利他行为的形成都可以用完全相同的原因来解释：在受益者体内存在这个利他性基因的可能性很大。
我希望读者谅解上面这个有点出言不逊的评论。而且我要赶快调转笔锋言归正传。到目前为止，我在一定程度上把问题过分简单化了，现在开始，我要把问题说得更具体一些。我在上面用浅显易懂的语言，谈到了为援救具有一定亲缘关系的一定数目的近亲而准备自我牺牲的基因。显然，在实际生活中我们不能认为动物真的会点一下它们正在援救的亲属到底有几个。即使它们有办法确切知道谁是它们的兄弟或堂兄弟，我们也不能认为动物在脑子里进行过汉密尔顿式的演算。在实际生活中，必须以自身以及其他个体的死亡的统计学上的风险（statisticalrisks）来取代肯定的自杀行为和确定的“拯救”行为。如果你自己所冒的风险是非常微小的话，即使是第三代的堂兄弟也是值得拯救的。再说，你和你打算拯救的那个亲属有朝一日总归都要死的，每一个个体都有一个保险统计师估算得出的“估计寿命”，尽管这个估计可能有误差。如果你有两个血缘关系同样接近的亲属，其中一个已届风烛残年，而另一个却是血气方刚的青年，那么对未来的基因库而言，挽救后者的生命所产生的影响要比挽救前者来得大。
我们在计算亲缘关系指数时，那些简洁的对称演算还需要进一步加以调整。就遗传学而言，祖父母和孙子孙女出于同样的理由以利他行为彼此相待，因为他们体内的基因有1/4是共同的。但如果孙辈的估计寿命较长，那么操纵祖父母对孙辈的利他行为的基因，比起操纵孙辈对祖父母的利他行为的基因，具有更优越的选择条件。由于援助一个年轻的远亲而得到的纯利益，很可能超过由于援助一个年老的近亲而得到的纯利益（顺便说一句，祖父母的估计寿命当然并不一定比孙辈短。在婴儿死亡率高的物种中，情况可能恰恰相反）。
把保险统计的类比稍加引伸，我们可以把个体看作是人寿保险的保险商。一个个体可以把自己拥有的部分财产作为资金对另一个个体的生命进行投资。他考虑了自己和那个个体之间的亲缘关系，以及从估计寿命的角度来看该个体同自己相比是不是一个“好的保险对象”。严格他说，我们应该用“预期生殖能力”这个词，而不是“估计寿命”，或者更严格一些，我们可以用“使自己的基因在可预见的未来获益的一般能力”。那么，为了使利他行为得以发展，利他行为者所承担的风险必须小于受益者得到的净收益和亲缘关系指数的乘积。风险和利益必须采取我所讲的复杂的保险统计方式来计算。
可是我们怎能指望可怜的生存机器进行这样复杂的运算啊！尤其是在匆忙间，那就更不用说了。甚至伟大的数学生物学家霍尔丹（他在1955年发表的论文里，在汉密尔顿之前就作出了基因由于援救溺水的近亲而得以繁殖的假设）也曾说，“……我曾两次把可能要淹死的人救起（自己所冒的风险是微乎其微的），在这样做的时候，我根本没有时间去进行演算。”不过：霍尔丹也清楚地知道，幸而我们不需要假定生存机器在自己的头脑里有意识地进行这些演算。正象我们使用计算尺时没有意识到我们实际上是在运用对数一样。动物可能生来就是如此，以致行动起来好象是进行过一番复杂的演算似的。
这种情况其实是不难想象的。一个人把球投入高空，然后又把球接住，他在完成这个动作时好象事先解算了一组预测球的轨道的微分方程。他对微分方程可能一窍不通，也不想知道微分方程是什么玩意儿，但这种情况不影响他没球与接球的技术。在某个下意识的水平上，他进行了某种在功能上相当于数学演算的活动。同样，一个人如要作出某项困难的决定，他首先权衡各种得失，并考虑这个决定可能引起的他想象得到的一切后果。他的决定在功能上相当于一系列加权演算过程，有如计算机进行的那种演算一样。
如果要为一台计算机编制程序，使之模拟一个典型的生存机器如何作出应否表现利他行为的决定，我们大概要这样进行：开列一份清单，列出这只动物可能做的一切行为，然后为这些行为的每一种模式分别编制一次加权演算程序。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的表示亲缘关系的指数。然后再把得出的数字加起来，为了演算的方便，在开头的时候我们不考虑其他方面如年龄、健康状况之类的权重。由于一个个体对自己的亲缘关系指数是1（就是说，他具有他自己的100%的基因——这是不言自明的），对他的一切风险和利益都不需要打拆扣，即在演算时给以全部权重。这样，每一种可能的行为模式的总和大体上是这样的：行为模式的净收益=
对自己的利益- 对自己的风险+1/2对兄弟的利益-1/2对兄弟的风险＋1/2对另一个兄弟的利益-1/2对另一个兄弟的风险+1/8对堂兄弟的利益-1/8对堂兄弟的风险+1/2对子女的利益-1/2对子女的风险+……。
这个总和就称为那个行为模式的净收益得分。接着，这个模式动物算出清单上每一种可供选择的行为模式的得分。最后，它决定按净收益最大的行为模式采取行动。即使是所有的得分都是负数，它还是应该按这个原则进行选择，即择其害处最小的一种行为模式。应当记住，任何实际行动必然牵涉到精力和时间的消耗，这些精力和时间可以用于做其他事情。如果演算的结果表明不做任何事情的净益最大，那么，这个模式动物就什么也不做。
下面是个十分简单的例子，以自我独白的形式而不是以计算机模拟的形式来说明问题。我是一只动物，发现了八只长在一起的蘑菇。我心中首先盘算一下它们的营养价值，同时考虑到它们可能有毒的这个不大的风险，我估计每个蘑菇约值+6单位（象前面一章一样，这些单位是任意选定的）。由于蘑菇很大，我最多只能吃三个。我要不要发出“有食物”的喊声，把我的发现告诉其他动物呢？谁能听到我的喊声？兄弟B（它和我的亲缘关系是1/2），堂兄弟C（亲缘关系是1/8）和D（并不算亲戚，因此它和我的亲缘关系指数是如此之小，以致事实上可以作为）。如果我不声张，我能吃掉的每个蘑菇都为我带来净收益+6，全部吃掉是＋18。如发出“有食物”的喊声，那么我还有多少净收益可要盘算一下了。八个蘑菇四份平分，对我而言，我自己吃的一份折合净收益+12，但我的兄弟和堂兄弟各吃掉的两个蘑菇也会给我带来好处，因为它们体内有和我一样的基因。事实上的总分是（1X12）+（1/2X12）+（1/8X12）＋（0x12）=19.5，而自私行为带来的净收益是十18。尽管差别不大，但得失是分明的。因此，我将发出“有食物”的喊声。在这种情况下，我的利他行为给我的自私基因带来好处。
在上面这个简化的例子里，我假设个体动物能够盘算它的基因的最大利益是什么。实际的情况是，基因库中充满对个体施加影响的基因，由于这种影响，个体在采取行动时好象事先进行过这种演算。
