^{499} V. Yu et al., „Antimicrobial Selection by a Computer: A Blinded Evaluation by Infectious Diseases Experts” („Mikrobaellenes kiválasztás számítógéppel: vak értékelés fertőzőbetegség-szakértők által”), JAMA 242.12 (1979): 1279–82. o.

^{500} Gary H. Anthes, „Computerizing Common Sense” („A józan ész számítógépesítése”), Computerworld, 2002. április 8., http://www.computerworld.com/news/2002/story/0,11280,69881,00.html.

^{501} Kristen Philipkoski, „Now Here’s a Really Big Idea” („Na ez a nagy ötlet”), Wired News, 2002. november 25., http://www.wired.com/news/technology/0,1282,56374,00.html, beszámoló Darryl Macer, „The Next Challenge Is to Map the Human Mind” („A következő feladat az emberi elme feltérképezése”), Nature 420 (2002. november 14.): 121.o.

^{502} Thomas Bayes, „An Essay Towards Solving a Problem in the Doctrine of Chances” („Esszé az esélyek doktrínáján belüli problémamegoldásról”), megjelent 1763-ban, két évvel a szerző 1761-ben bekövetkezett halála után.

^{503} SpamBayes spamszűrő,  http://spambayes.sourceforge.net.

^{504} Lawrence R. Rabiner, „A Tutorial on Hidden Markov Models and Selected Applications in Speech Recognition” („Oktatóanyag a rejtett Markov-modellekről és bizonyos beszédfelismerő alkalmazásokról”), Proceedings of the IEEE 77 (1989): 257–86. o. A Markov-modellek matematikáját illetően lásd http://jedlik.phy.bme.hu/~gerjanos/HMM/node2.html.

^{505} A Kurzweil Applied Intelligence (KAI) vállalatot a szerző alapította 1982-ben. 1997-ben százmillió dollárért eladta, és jelenleg a ScanSoft része (korábban Kurzweil Computer Products, a szerző első cége, amit 1980-ban a Xeroxnak adott el) és jelenleg nyílt részvénytársaság. A KAI adta ki az első kereskedelmi nagyszótáras beszédfelismerő rendszert 1987-ben (a Kurzweil Voice Reportot, tízezer szavas szótárral).

^{506} A következőkben bemutatom egy neurális hálózat algoritmusának alapvető felépítését. Sok változata lehetséges, és a rendszertervezőknek meg kell adniuk bizonyos kritikus paramétereket és eljárásokat. Részletesebben lásd lentebb.

Egy probléma neurális hálózattal való megoldása a következő lépésekből áll:

• Határozzuk meg az inputot!

• Határozzuk meg a neurális hálózat topológiáját (azaz a neuronok rétegeit és a neuronok közötti kapcsolatokat)!

• Tanítsuk a neurális hálózatot a probléma különböző példáival.

• Futtassuk a betanított neurális hálózatot a probléma új példáinak megoldására!

• Vigyük tőzsdére a neurálishálózat-vállalatunkat!

A következő lépéseket (az utolsó kivételével) lentebb részletezem:

A probléma-input

A probléma inputja a neurális hálózat felé egy sor számból áll. Az input lehet:

• Egy vizuális mintázatot felismerő rendszerben egy számokat tartalmazó kétdimenziós tömb, ami egy kép pixeleit reprezentálja; vagy

• Egy hang(azaz beszéd-)felismerő rendszerben egy számokat tartalmazó kétdimenziós tömb, ami a hangokat reprezentálja, s melyben az egyik dimenzió az adott pillanatban szóló hang paramétereit képviseli (azaz a frekvencia-összetevőket), a másik dimenzió pedig az egymást követő időpontokat; vagy

• Tetszőleges mintázatfelismerő rendszerben számokból álló, n-dimenziós tömb, ami az input mintázatát reprezentálja.

A topológia meghatározása

Egy neurális hálózat létrehozásához az egyes neuronok architektúrája a következőket tartalmazza:

• Több inputot, melyekben minden input „össze van kapcsolva” vagy egy másik neuron outputjával, vagy az egyik input- számmal.

• Általában egyetlen outputot, ami vagy egy másik (általában magasabb rétegben lévő) neuron inputjával, vagy a végső outputtal van összekapcsolva.

Az első neuronréteg kialakítása

• Az első rétegben hozzunk létre N₀ neuront. Minden egyes neuron esetében „kapcsoljuk össze” a neuron több inputját a probléma inputjának „pontjaival” (azaz számaival). Ezek a kapcsolatok lehetnek véletlenszerűek, vagy meghatározhatjuk őket egy evolúciós algoritmussal (lásd lentebb).

• Az így létrejövő kapcsolatok mindegyikéhez rendeljünk hozzá egy „szinaptikus erősséget”. Ezek a súlyozások kezdetben lehetnek egyformák, lehetnek véletlenszerűek, vagy meghatározhatjuk őket más módszerekkel (lásd lentebb).

A további neuronrétegek kialakítása

Alakítsunk ki összesen M neuronréteget. Minden rétegben alakítsuk ki a réteg neuronjait.

i-edik réteg esetében:

• Hozzunk létre N_i neuront a rétegben. Minden egyes neuron több inputját „kapcsoljuk össze” az n–1 réteg neuronjainak outputjaival (a variácókat lásd lentebb).

• A létrehozott kapcsolatok mindegyikéhez rendeljünk hozzá egy kezdő „szinaptikus erősséget”. Ezek a súlyozások kezdetben lehetnek egyformák, lehetnek véletlenszerűek, vagy meghatározhatjuk őket más módszerekkel (lásd lentebb).

• Az M-edik réteg neuronjainak outputjai a neurális hálózat outputjai (a variációkat lásd lentebb).

A felismerési próbák

Az egyes neuronok működése

A neuron a létrehozása után a következőket teszi minden egyes felismerési próba során:

• A neuron a hozzá kapcsolódó másik neuron outputjának (vagy az eredeti inputnak) és a kapcsolat szinaptikus erősségének az összeszorzásával kiszámítja a neuron minden egyes súlyozott inputját.

• A neuron összes súlyozott inputja összeadódik.

• Ha ez az összeg nagyobb, mint a neuron kisülési küszöbértéke, akkor a neuron kisültnek minősül, és az outputja 1. Egyébként az outputja 0 (a variációkat lásd lentebb).

Minden egyes felismerési próbánál tegyük a következőt:

Minden rétegben, az elsőtől az M-edikig:

A réteg minden neuronján:

• Adjuk össze súlyozott inputjait (minden súlyozott input = a másik neuron [vagy az eredeti input] outputja megszorozva a szinaptikus kapcsolat erősségével).

• Ha ez az összeg nagyobb, mint a neuron kisülési küszöbértéke, akkor a neuron outputját állítsuk 1-re, egyébként 0-ra.

A neurális hálózat tanítása

• Mintaproblémákon futtassunk többször felismerési próbákat.

• Minden próba után módosítsuk a neuronok közötti kapcsolatok szinaptikus erősségét úgy, hogy a neurális hálózat teljesítménye javuljon a próbán (ennek a hogyanját lásd lentebb).

• Addig folytassuk a tanítást, míg a neurális hálózat pontossága nem javul tovább (azaz eléri az aszimptótáját).

Kulcsfontosságú tervezési szempontok

A fenti egyszerű sémában a neurális hálózat algoritmus-tervezőjének kiinduláskor meg kell határoznia a következőket:

• Mit reprezentálnak az input számai.

• A neuronrétegek számát.

• Az egyes rétegekben lévő neuronok számát. (Nem kell minden rétegben ugyanannyi neuronnak lenni.)

• Az egyes rétegek egyes neuronjai inputjainak a számát. Az inputok száma (azaz a neuronok közötti kapcsolatok) szintén más, és más lehet a különböző rétegekben és a különböző neuronokban.

• A tulajdonképpeni „kapcsolást” (azaz a kapcsolatokat). Minden réteg minden egyes neuronja tartalmaz egy listát a többi neuronról, amiknek az outputjai alkotják a szóban forgó neuron inputjait. Ez a tervrajz lényege, és több lehetséges módszer van a kialakítására:

(1) Összekapcsolhatjuk a neurális hálózatot véletlenszerűen; vagy

(2) használhatunk evolúciós algoritmust (lásd lentebb) az optimális kapcsolás meghatározására; vagy

(3) a rendszer tervezőjének legjobb belátására bízzuk a kapcsolás meghatározását.

• Az egyes kapcsolatok kezdeti szinaptikus erőssége (azaz súlyozása). Több lehetséges módszer van ennek a kialakítására:

(1) Állíthatjuk egyformára a szinaptikus erősségeket; vagy

(2) állíthatjuk különböző véletlenszerű értékekre a szinaptikus erősségeket; vagy

(3) használhatunk evolúciós algoritmust a kezdeti értékek optimális elrendezésére; vagy

(4) a rendszer tervezőjének legjobb belátására bízzuk a kezdeti értékek meghatározását.

• Az egyes neuronok kisülési küszöbértéke.

• Az output. Az output lehet:

(1) az M-edik neuronréteg outputja; vagy

(2) egy meghatározott output neuron outputja, melynek az inputjai az M-edik réteg neuronjainak az outputjai; vagy

(3) az M-edik réteg neuronjai outputjainak egy függvénye (azaz össszege); vagy

(4) több réteg neuronjai outputjának valamilyen függvénye.

• Hogyan módosulnak a kapcsolatok szinaptikus erősségei a neurális hálózat betanítása során. Ez kulcsfontosságú tervezési döntés, és nagyon sok kutatás foglalkozik vele. Számos lehetséges módszer van a meghatározására:

(1) Minden egyes felismerési próbánál egy előre meghatározott (általában kicsi) értékkel növelünk vagy csökkentünk minden egyes szinaptikus erősséget, hogy a neurális hálózat outputja közelítsen a helyes válaszhoz. Lehetséges módszer az, hogy a csökkentéssel és a növeléssel is megpróbálkozunk, majd megnézzük, melyik hozza el a kívánatos hatást. Ez sok időt vehet igénybe, ezért más módszerek is léteznek a helyi döntések meghozására, hogy növelni vagy csökkenteni kell-e az egyes szinaptikus erősségeket.

(2) Léteznek egyéb statisztikai módszerek a szinaptikus erősségek módosítására az egyes felismerési próbák után, hogy a neurális hálózat teljesítménye az adott próba során jobban közelítsen a helyes válaszhoz.

Érdemes megjegyezni, hogy a neurális hálózat tanítása akkor is működik, ha a próbákra adott válaszok nem mind helyesek. Így használhatunk valós világbeli adatokat, amikben eredendően lehetnek hibák. A neurálishálózat-alapú felismerési rendszerek sikerének egyik kulcsa a betanításra használt adatmennyiség. Általában nagy mennyiségre van szükség a kielégítő eredmények eléréséhez. Akárcsak az ember diákok esetében, a neurális hálózat általa tanulásra fordított idő kulcsfontosságú tényező a teljesítmény szempontjából.

Variációk

A fentiek számos variációja kivitelezhető:

• Több különböző módszer van a topológia meghatározására. Különösen a neuronok közötti kapcsolatok meghatározása történhet véletlenszerűen vagy evolúciós algoritmus használatával.

• Több különböző módszer van a kezdeti szinaptikus erősségek meghatározására.

• Az i-edik réteg neuronjai inputjainak nem feltétlenül kell az i–1-edik réteg neuronjai outputjaitól származnia. Az egyes rétegek neuronjai inputjai érkezhetnek bármelyik alcsonyabb vagy magasabb rétegből.

• Több különböző módszer van a végső output meghatározására.

• A fent leírt módszer „minden vagy semmi” (1 vagy 0) kisülést eredményez, amit nonlinearitásnak neveznek. Vannak egyéb nonlineáris függvények is. Általában olyat alkalmaznak, ami gyorsan, de fokozatosabban vesz fel értékeket 0 és 1 között. Emellett az outputok is lehetnek más értékek, nem csak 1 vagy 0.

• A betanítás során a szinaptikus erősségek módosítására alkalmazott módszerek kulcsfontosságú tervezési döntések.

A fenti séma „szinkron” neurális hálózatot ír le, amelyben minden egyes felismerési próbát az egyes rétegek outputjának kiszámítása követ, az első rétegtől az M-edikig. Egy valóban párhuzamos rendszerben, melyben minden egyes neuron a többitől függetlenül működik, a neuronok „aszinkron” módon (azaz önállóan) működnek. Az aszinkron megközelítésben mindegyik neuron folyamatosan figyeli az inputjait és kisül, amint a súlyozott inputjainak az összege meghaladja a küszöbértéket (vagy amit az output függvénye meghatároz).

^{507} Az agy visszafejtését illetően lásd a 4. fejezetet. Az előrehaladás egyik példájaként S. J. Thorpe így ír: „Igazából éppen csak belekezdtünk egy hosszúnak ígérkező projektbe, amelynek a főemlősök látórendszerének a visszafejtése a célja. Pillanatnyilag még csak néhány nagyon egyszerű architektúrát derítettünk fel, köztük lényegében a viszonylag kevés rétegből álló, előrecsatolt architektúrákat… Az elkövetkező években igyekezni fogunk a lehető legtöbb számítástechnikai trükköt bevetni, amit a főemlősök és az emberek látórendszere alkalmaz. Ami még fontosabb, úgy tűnik, hogy a neuron módszer alkalmazásával hamarosan lehetséges lesz kifinomult rendszereket kialakítani, amelyek nagyon nagy neuronhálózatokat tudnak majd szimulálni valós időben.” S. J. Thorpe et al., „Reverse Engineering of the Visual System Using Networks of Spiking Neurons” („Látórendszerek visszafejtése neurontüzelési hálózatok felhasználásával”), Proceedings of the IEEE 2000 International Symposium on Circuits and SystemsIV (IEEE Press), . 405–8. o., http://www.sccn.ucsd.edu/~arno/mypapers/thorpe.pdf.

^{508} T. Schoenauer et al. írja: „Az elmúlt évek során nagyon sokféle hardvert terveztek a mesterséges neurális hálózatokhoz (MNH)… Ma a neurálishálózat-hardverek széles köréből válogathatunk. Ezek architekturális téren, például a neurochipek, a gyorsítókártyák és többkártyás neuroszámítógépek szempontjából különböznek egymástól, illetve a rendszerek céljait, mint az MNH-algoritmus(ok), továbbá a rendszerek rugalmasságát illetően is. A digitális neurohardverek osztályozhatók a rendszer architektúrája, a párhuzamosság foka, az egy processzorra jutó neurálishálózat-partíciók száma, a processzorok közötti kommunikációs hálózat és a számábrázolás szempontjából. T. Schoenauer, A. Jahnke, U. Roth és H. Klar, „Digital Neurohardware: Principles and Perspectives” („Digitális neurohardver alapelvek és kilátások”), in Proc. Neuronale Netze in der Anwendung–Neural Networks in Applications NN’98, Magdeburg, felkérésre írt cikk (február): 101–6. o., http://mikro.ee.tu-berlin.de/spinn/pdf/nnida98.pdf. Lásd még Yihua Liao, „Neural Networks in Hardware: A Survey” („Neurális hálózatok a hardverben: áttekintés”), (2001), http://pdf.aminer.org/000/339/993/advances_in_and_problems_of_the_implementation_of_neural_algorithms.pdf.

^{509} A következőkben bemutatom egy genetikai (evolúciós) algoritmus alapvető felépítését. Sok változata lehetséges, és a rendszertervezőknek meg kell adniuk bizonyos kritikus paramétereket és eljárásokat. Részletesebben lásd lentebb.

AZ EVOLÚCIÓS ALGORITMUS

Hozzunk létre N darab megoldás-„lényt”. Mindegyiknek legyen:

• Genetikai kódja: egy számsorozat, ami a probléma egyik lehetséges megoldását jellemzi. A számok reprezentálhatnak kritikus paramétereket, a megoldáshoz vezető lépéseket, szabályokat stb.

Az evolúció minden egyes nemzedéke esetében hajtsuk végre a következő lépéseket:

• Az N darab megoldáslény mindegyikére hajtsuk végre a következőket:

(1) Alkalmazzuk az adott megoldáslénynek a megoldását (ahogyan a genetikai kódja reprezentálja) a problémára vagy a szimulált környezetre.

(2) Értékeljük a megoldást.

• Fogjuk az L legsikeresebb (legmagasabb értékű) megoldáslényt, és hagyjuk tovább élni a következő nemzedékben.

• Iktassuk ki a többi (N–L darab) nem túlélő megoldáslényeket.

• Hozzunk létre N–L darab új megoldáslényt a túlélő L darab megoldáslényből azáltal, hogy:

(1) másolatokat készítünk az L túlélő megoldáslényből. Mindegyik másolaton hajtsunk végre apró, véletlenszerű módosításokat; vagy

(2) hozzunk létre újabb megoldáslényeket az L darab túlélő lény genetikai kódrészeinek kombinálásával („szexuális” úton történő szaporodás révén, vagy a kromoszómarészek más módon történő kombinálásával); vagy

(3) csináljuk az (1) és (2) kombinációját.

• Döntsük el, folytatni kell-e vagy sem a fejlődést:

Fejlődés = (a nemzedék legmagasabb értéke) – (az előző nemzedék legmagasabb értéke).

Ha Fejlődés < Fejlődési küszöbérték, akkor végeztünk.

• Az evolúció utolsó nemzedékének legjobban teljesítő megoldáslénye rendelkezik a legjobb megoldással. Alkalmazzuk a genetikai kódjában meghatározott megoldást a problémára.

Kulcsfontosságú tervezési döntések

A fenti egyszerű sémában a tervezőnek a kiinduláskor meg kell határoznia:

• A kulcsfontosságú paramétereket:

N

L

Fejlődési küszöbérték

• Mit reprezentálnak a számok a genetikai kódban, és hogyan lehet kiszámítani a megoldást a genetikai kódból.

• Az első nemzedék N megoldáslénye meghatározásának módszerét. Általában elég, ha ezek csak „logikus” megoldási kísérletek. Ha ezek az első nemzedékbeli megoldások túl szerteágazóak, az evolúciós algoritmus nehezen fog a jó megoldás felé konvergálni. Gyakran érdemes úgy létrehozni az első megoldáslényeket, hogy ésszerűen sokfélék legyenek. Ez segít elejét venni annak, hogy az evolúciós folyamat egyszerűen csak egy „lokálisan” optimális megoldást találjon.

• A megoldások értékelési rendszerét.

• A túlélő megoldáslények szaporodásának mikéntjét.

Variácók

A fentiek sokféle változata lehetséges. Például:

• Nem szükséges, hogy minden nemzedékből meghatározott számú megoldáslény (L) maradjon életben. A túlélés szabályai megengedhetik a túlélők változó számát.

• Nem szükséges, hogy az egyes nemzedékekben adott számú új megoldáslény legyen (N–L). A szaporodási szabályok függetlenek lehetnek a populáció nagyságától. A szaporodást össze lehet kapcsolni a túléléssel, lehetővé téve ezzel, hogy a legéletrevalóbb megoldáslények szaporodjanak a legnagyobb számban.

• A döntés, hogy folytatódjék-e az evolúció vagy sem, sok mindentől függhet. Tekintetbe vehetünk mást is, mint a legújabb nemzedék legjobban teljesítő megoldáslényét, például egy trendet, ami túlmutat a legutolsó két nemzedéken.

^{510} Sam Williams, „When Machines Breed” („Amikor a gépek szaporodnak”), 2004. augusztus 12. http://www.salon.com/2004/08/12/evolvable_hardware/.

^{511} A következőkben bemutatom a rekurzív keresés alapvető felépítését (algoritmusleírását). Sok változata lehetséges, a rendszertervezőknek bizonyos kritikus paramétereket és eljárásokat meg kell határozniuk. Részletesebben lásd lentebb.

A REKURZÍV ALGORITMUS

Definiáljuk a „Válaszd a legjobb következő lépést” függvényt (programot). A függvény visszatérési értékei: „SIKER” (megoldottuk a problémát) vagy „KUDARC” (nem oldottuk meg). Ha SIKER értékkel tér vissza, akkor a függvény visszaadja azoknak a lépéseknek a sorozatát is, amikkel megoldotta a problémát.

A VÁLASZD A LEGJOBB KÖVETKEZŐ LÉPÉST működése:

• Határozzuk meg, hogy a program ezen a ponton el tudja-e kerülni a rekurzió folytatását. Ez a pont és a következő kettő a kilépési döntéssel foglalkozik.

Először határozzuk meg, hogy megoldódott-e a probléma. Mivel a „Válaszd a legjobb következő lépést” valószínűleg a program maga hívta meg, akár már ekkor is lehet kielégítő megoldásunk. Például:

(1) Egy játék (például a sakk) kontextusában az utolsó lépéssel nyerünk (mattot adunk).

(2) Egy matematikai tétel megoldásának kontextusában az utolsó lépés bebizonyítja a tételt.

(3) Egy művészi program (például egy számítógépes költő vagy zeneszerző) kontextusában az utolsó lépés kielégíti a következő szóra vagy hangjegyre tett megkötéseket.

Ha a problémát kielégítően megoldottuk, akkor a program a „SIKER” értékkel tér vissza, és a sikeres megoldáshoz elvezető lépések sorával.

• Ha a probléma nem oldódott meg, határozzuk meg, hogy reménytelenné vált-e a probléma megoldása. Például:

(1) Egy játék (például a sakk) kontextusában ezzel a lépéssel veszítünk (mattot kapunk).

(2) Egy matematikai tétel megoldásának a kontextusában ez a lépés olyan eredményt ad, amely ellentmond a tételnek.

(3) Egy művészi alkotás kontextusában a lépés ellentmond a következő szó vagy hangjegy megkötéseinek.

Ha a megoldás ezen a ponton reménytelenné vált, a program a „KUDARC” értékkel tér vissza.

• Ha a rekurzív folyamatnak ezen a pontján a probléma nem is oldódott meg és nem is tűnik reménytelennek a megoldása, akkor vizsgáljuk meg, hogy nem kell-e ettől függetlenül felfüggeszteni a rekurzív folyamatot. Ez kulcsfontosságú a tervezés szempontjából, és figyelembe kell venni a rendelkezésre álló korlátozott számítógépidőt. Például:

(1) Egy játék (például a sakk) kontextusában ez a lépés kellő „előnyhöz” vagy „hátrányhoz” juttat minket. Ennek a meghatározása nem feltétlenül egyszerű, és alapvető tervezési döntést igényel. Mindazonáltal egyszerű módszerekkel (például a bábuértékek összeadásával) még mindig jó eredményekre juthatunk. Ha a program arra jut, hogy kellő előnyt szereztünk, akkor a „Válaszd a legjobb következő lépést” hasonlóképpen tér vissza, mint amikor arra a megállapításra jutott, hogy győztünk (azaz a „SIKER” értékkel). Ha a program arra jut, hogy túl nagy hátrányba kerültünk, a „Válaszd a legjobb következő lépést” hasonlóképpen tér vissza, mint amikor arra a megállapításra jutott, hogy veszítettünk (azaz a „KUDARC” értékkel).

(2) Egy matematikai tétel megoldásának kontextusában ennek a lépésnek a során meghatározásra kerül, hogy a bizonyítás lépéssorozata milyen valószínűséggel vezet el a bizonyításhoz. Ha valószínűleg nem vezet el, akkor ezt a megoldási kísérletet el kell vetni, és a „Válaszd a legjobb következő lépést” hasonlóképpen tér vissza, mint amikor arra a megállapításra jutott, hogy a lépés ellentmond a tételnek (azaz a „KUDARC” értékkel). A sikernek nincs hasonló „tág” megfelelője. Addig nem adhatjuk vissza a „SIKER” értéket, amíg ténylegesen és konkrétan meg nem oldottuk a problémát. Ilyen a matematika.

(3) Egy művészi program kontextusában (például egy számítógépes költő vagy zeneszerző esetében) ennek a lépésnek a során meghatározzuk, hogy a lépések sorozata (például két szó egy versben vagy a hangjegyek egy dalban) valószínűleg nem elégítik ki a következő lépés célkitűzéseit. Ha nem, akkor ezt a próbálkozást el kell vetni, és a „Válaszd a legjobb következő lépést” hasonlóképpen tér vissza, mint amikor arra a megállapításra jutott, hogy a lépés ellentmond a következő lépés célkitűzéseinek (azaz a „KUDARC” értékkel).

• Ha a „Válaszd a legjobb következő lépést” nem tért vissza (mert a program nem állapított meg sem sikert, sem kudarcot, és nem döntött úgy, hogy ezt a megoldási próbálkozást ezen a ponton el kell vetni), akkor nem léptünk ki a rekurzív folyamatból. Ebben az esetben létrehozunk egy listát az összes lehetséges további lépésről. Itt jön a képbe a probléma pontos megfogalmazása:

(1) Egy játék (például a sakk) kontextusában létre kell hozni az aktuális állásbaűn megtehető összes lehetséges lépésünket. Ehhez egyértelműen le kell fektetni a játék szabályait.

(2) Egy matematikai tétel bizonyításának a kontextusában fel kell sorolni a bizonyítás ezen pontján alkalmazható axiómákat vagy korábban bizonyított tételeket.

(3) Egy kibernetikus művészi program kontextusában fel kell sorolni a lehetséges szó/hangjegy/sor töredékeket, amiket ezen a ponton fel lehet használni.

Az összes ilyen lehetséges következő lépés esetében:

(1) Hozzuk létre a lépés megtételével kialakuló hipotetikus helyzetet. A sakkjátékban ez egy új játékállást jelent. A matematikai bizonyításban a lépés hozzáadását a bizonyításhoz. Egy művészi programban az adott szó/hangjegy/sor töredék hozzáadását.

(2) Most hívjuk meg a „Válaszd a legjobb következő lépést” függvényt, hogy vizsgálja meg a kialakult hipotetikus helyzetet. Természetesen itt lép be a képbe a rekurzió, hiszen a program most saját magát hívja meg.

(3) Ha a „Válaszd a legjobb következő lépést” fenti hívása „SIKER” értékkel tér vissza, akkor a „Válaszd a legjobb következő lépést” ezen példánya (amiben most vagyunk) szintén „SIKER” értékkel tér vissza. Egyéb esetben mérlegelje a listában szereplő következő lehetséges lépést.

Ha az összes lehetséges lépés mérlegelésre került, és egyik sem eredményezett „SIKER” visszatérést a „Válaszd a legjobb következő lépést”-ből, akkor a „Válaszd a legjobb következő lépést”-nek ez a meghívása (amiben vagyunk) térjen vissza „KUDARC” értékkel.

A VÁLASZD A LEGJOBB KÖVETKEZŐ LÉPÉST vége

Ha a „Válaszd a legjobb következő lépést” eredeti hívása „SIKER” értékkel tér vissza, a lépések helyes sorát is vissza fogja adni:

(1) Egy játék kontextusában ennek a sorozatnak az első lépése az a lépés, amit meg kell tennünk.

(2) A matematikai bizonyítás kontextusában a lépések teljes sorozata maga a bizonyítás.

(3) Egy kibernetikus művészi program kontextusában a lépesek sorozata a műalkotás.

Ha a „Válaszd a legjobb következő lépést” „KUDARC” értékkel tér vissza, akkor vissza kell térni a tervezőasztalhoz.

Kulcsfontosságú tervezési döntések

A fenti egyszerű sémában a rekurzív algoritmus tervezőjének az elején meg kell határoznia a következőket:

• A rekurzív algoritmus kulcsa annak a meghatározása a „Válaszd a legjobb következő lépést”-ben, hogy mikor kell kilépni a rekurzív folyamatból. Ez könnyű, amikor a program egyértelmű sikert ért el (például a mattot a sakkban vagy a helyes megoldást egy matematikai vagy kombinatorikai problémában), vagy egyértelmű kudarcot. Sokkal nehezebb, amikor nem jutott el az egyértelmű sikerig vagy kudarcig. Egy vizsgálódási irány elhagyása a konkrét végeredmény nélkül azért szükséges, mert egyébként a program évmilliárdokig futna (vagy legalábbis a számítógép garanciájának lejártáig).

• A rekurzív algoritmus másik alapvető követleménye a probléma egyértelmű megfogalmazása. Egy olyan játékban, mint a sakk, ez könnyű. Ám más helyzetekben nem mindig ilyen könnyű a probléma egyértelmű megfogalmazása.

^{512} Ray Kurzweil kibernetikus költőjének további leírását lásd: Kurzweil CyberArt, http://www.KurzweilCyberArt.com. Ugyanitt ingyenesen letölthető a program is. Lásd U.S. Patent No. 6,647,395, „Poet Personalities” („Költőszemélyiségek”), feltaláló: Ray Kurzweil és John Keklak. Kivonat: „Módszer költőszemélyiség létrehozására, beleértve a versek olvasását is, mely versek mindegyike szöveget tartalmaz; elemző modellek létrehozása, mely elemző modellek mindegyike egy-egy verset reprezentál; és az elemző modellek tárolása személyiség-adatstruktúrában. A személyiség-adatstruktúra emellett tartalmaz súlyozásokat is, mely súlyozások mindegyike párosítva van minden egyes elemző modellel. A súlyozások egész számértékek.”

^{513} Ben Goertzel: The Structure of Intelligence (Az intelligencia struktúrája), (New York: Springer-Verlag, 1993); The Evolving Mind (A fejlődő elme), (Gordon and Breach, 1993); Chaotic Logic (Kaotikus logika),(Plenum, 1994); From Complexity to Creativity (A komplexitástól a kreativitásig), (Plenum, 1997). Ben Goertzel könyveit és esszéit lásd: http://www.goertzel.org/work.html.

^{514} A KurzweilAI.net-en (http://www.KurzweilAI.net) több száz „nagy gondolkodó” több száz cikke található meg a „gyorsuló intelligenciáról”. A honlap emellett ingyenes napi vagy heti hírlevelet kínál a könyvben tárgyalt területek legújabb eredményeiről. A feliratkozáshoz mindössze az e-mail címet kell megadni (amit szigorúan bizalmasan kezelünk és nem adunk ki harmadik félnek).

^{515} John Gosney, Business Communications Company, „Artificial Intelligence: Burgeoning Applications in Industry” („Mesterséges intelligencia: egyre kiterjedtebb alkalmazások az iparban”), 2003. június, http://www.bccresearch.com/comm/G275.html.

^{516} Kathleen Melymuka, „Good Morning, Dave…” („Jó reggelt, Dave…”, Computerworld; 2002. november 11., http://www.computerworld.com/industrytopics/defense/story/0,10801,75728,00.html.

^{517} JTRS Technology Awareness Bulletin, 2004. augusztus.

^{518} Otis Port, Michael Arndt és John Carey, „Smart Tools” („Okos szerszámok”), 2003. tavasz, http://www.businessweek.com/bw50/content/mar2003/a3826072.htm.

^{519} Wade Roush, „Immobots Take Control: From Photocopiers to Space Probes, Machines Injected with Robotic Self-Awareness Are Reliable Problem Solvers” („Az immobotok átveszik az irányítást: a fénymásolóktól az űrszondákig a robotikus öntudattal felruházott gépek megbízható problémamegoldók”), Technology Review (2002. december–2003. január), http://www.occm.de/roush1202.pdf.

^{520} Jason Lohnt idézi a NASA sajtóközleménye: „NASA ‚Evolutionary’ Software Automatically Designs Antenna” („A NASA »evolúciós« szoftvere automatikusan tervez antennákat”), http://www.nasa.gov/mission_pages/st-5/main/04-55AR.html.

^{521} Robert Roy Britt, „Automatic Astronomy: New Robotic Telescopes See and Think” („Automatizált csillagászat: az új robotteleszkópok látnak és gondolkodnak”), 2003. június 4., http://www.space.com/.

^{522} H. Keith Melton, „Spies in the Digital Age” („Kémek a digitális korban”), http://cryptome.org/jya/melton.htm.

^{523} „A United Therapeutics (UT) egy biotechnológiai vállalat, ami krónikus terápiákat fejleszt ki életveszélyes betegségekre három terápiás területen: a kardiovaszkuláris betegségek, az onkológia és a fertőző betegségek területén” (http://www.unither.com). A Kurzweil Technologies együttműködik a UT-vel mintázatfelismerésen alapuló elemzés kidolgozásán, akár „Holter” (huszonnégy órás), akár „Esemény” (harminc napig vagy tovább tartó) megfigyelések adatai alapján.

^{524} Kristen Philipkoski, „A Map That Maps Gene Functions” („A gének funkcióit feltérképező térkép”), Wired News, 2002. május 28., http://www.wired.com/news/medtech/0,1286,52723,00.html.

^{525} Jennifer Ouellette, „Bioinformatics Moves into the Mainstream” („A »bioinformatika« kifejezés a közbeszéd részévé válik”), The Industrial Physicist (2003. október–november), http://www.aip.org/tip/INPHFA/vol-9/iss-5/p14.html.

^{526} Port, Arndt és Carey, „Smart Tools” („Okos szerszámok”).

^{527} „Protein Patterns in Blood May Predict Prostate Cancer Diagnosis” („A vér fehérjemintázatai előrejelezhetik a prosztatarákot”), National Cancer Institute, 2002. október 15., http://www.nih.gov/news/pr/oct2002/nci-15.htm, beszámoló Emanuel F. Petricoin et al., „Serum Proteomic Patterns for Detection of Prostate Cancer” („Szérum-proteomikus mintázatok a prosztatarák felfedezéséhez”), Journal of the National Cancer Institute 94 (2002): 1576–78. o.

^{528} Charlene Laino, „New Blood Test Spots Cancer” („Az új vértesztek kimutatják a rákot”), 2002. december 13.; Emanuel F. Petricoin III et al., „Use of Proteomic Patterns in Serum to Identify Ovarian Cancer” („Szérumok proteomikus mintázatának felhasználása a petefészekrák azonosításához”), Lancet 359.9306 (2002. február 16): 572–77. o.

^{529} A TriPath’s FocalPointjáról lásd „Make a Diagnosis” („Alkossunk diagnózist”), Wired, 2003. október, http://www.wired.com/wired/archive/10.03/everywhere.html?pg=5. Mark Hagland, „Doctors’ Orders” („Az orvos utasítására”), 2003. január, http://www.healthcare-informatics.com/.

^{530} Ross D. King et al., „Functional Genomic Hypothesis Generation and Experimentation by a Robot Scientist” (Egy robotkutató funkcionális genom hipotézisének alkotása és kísérletei”), Nature 427 (2004. január 15): 247–52. o.

^{531} Port, Arndt és Carey, „Smart Tools” („Okos szerszámok”).

^{532} „Future Route Releases AI-Based Fraud Detection Product” („A Future Route MI-alapú csalásérzékelő terméket bocsát ki”), 2004. augusztus 18.

^{533} John Hackett, „Computers Are Learning the Business” („A számítógépek kezdenek beletanulni a szakmába”), CollectionsWorld, 2001. április 24.

^{534} „Innovative Use of Artificial Intelligence, Monitoring NASDAQ for Potential Insider Trading and Fraud” („A mesterséges intelligencia innovatív felhasználása: a NASDAQ figyelése az esetleges bennfentes kereskedés és csalások leleplezésére”), AAAI-sajtóközlemény, 2003. július 30., http://www.aaai.org/Pressroom/Releases/release-03-0730.pdf.

^{535} „Adaptive Learning, Fly the Brainy Skies” („Adaptív tanulás, határ a csillagos ég”), Wired News, 2002. március http://www.wired.com/wired/archive/10.03/everywhere.html?pg=2.

^{536} „Introduction to Artificial Intelligence” („Bevezetés a mesterséges intelligenciába”), EL 629, Maxwell Air Force Base, Air University Library kurzus. Sam Williams, „Computer, Heal Thyself” („Számítógép: gyógyítsd meg magad!”), Salon.com, 2004. július 12., http://www.salon.com/tech/feature/2004/07/12/self_healing_computing/index_np.html.

^{537} Lásd http://www.Seegrid.com. Nyilatkozat: A szerző a Seegrid befektetője és az igazgatótanács tagja.

^{538} No Hands Across America honlap, http://www.cs.cmu.edu/afs/cs/usr/tjochem/www/nhaa/nhaa_home_page.html, és „Carnegie Mellon Researchers Will Prove Autonomous Driving Technologies During a 3,000 Mile, Hands-off-the-Wheel Trip from Pittsburgh to San Diego” („A Carnegie Mellon kutatói egy 3000 mérföldes, kormányzás nélküli, Pittsburgh-ből San Diegóba vezető utazás során fogják bebizonyítani az önálló vezetési technológiák működőképességét”), Carnegie Mellon-sajtóközlemény, http://www.cs.cmu.edu/afs/cs/usr/tjochem/www/nhaa/official_press_release.html; Robert J. Derocher, „Almost Human” („Szinte emberi”), 2001. szeptember.

^{539} „Search and Rescue Robots” („Kereső- és mentőrobotok”), Associated Press, 2004. szeptember 3., http://www.smh.com.au/articles/2004/09/02/1093939058792.html.

^{540} „From Factoids to Facts” („A ténymorzsáktól a tényekig”), Economist, 2004. augusztus 26., http://www.economist.com/node/3127462.

^{541} Joe McCool, „Voice Recognition, It Pays to Talk” („Hangfelismerés, megéri beszélni”), 2003. május,http://www.bcs.org/BCS/Products/Publications/JournalsAndMagazines/ComputerBulletin/OnlineArchive/may03/voicerecognition.htm.

^{542} John Gartner, „Finally a Car That Talks Back” („Végre egy kocsi, ami visszabeszél”), Wired News, 2004. szeptember 2., http://www.wired.com/news/autotech/0,2554,64809,00.html?tw=wn_14techhead.

^{543} „Computer Language Translation System Romances the Rosetta Stone” („Számítógépes nyelvi fordítói rendszer kacékordik a Rosette-i kővel”), Information Sciences Institute, USC School of Engineering (2003. július 24.), http://www3.isi.edu/about-news_story.htm?s=65.

^{544} Torsten Reilt idézi Steven Johnson, „Darwin in a Box” („Darwin egy dobozban”), Discover 24.8 (2003. augusztus).

^{545} „Let Software Catch the Game for You” („Majd a szoftver elkapja a vadat”), 2004. július 3, http://www.newscientist.com/article/dn6097-let-software-catch-the-game-for-you.html.

^{546} Michelle Delio, „Breeding Race Cars to Win” („Győzelemre tenyésztett versenyautók”), Wired News, 2004. június 18., http://www.wired.com/news/autotech/0,2554,63900,00.html.

^{547}  Marvin Minsky, The Society of Mind (Az elme társadalma), (New York: Simon & Schuster, 1988).

^{548} Hans Moravec, „When Will Computer Hardware Match the Human Brain?” („Mikor fog felérni a számítógépek hardvere az emberi aggyal?”), Journal of Evolution and Technology 1 (1998).

^{549} Ray Kurzweil, The Age of Spiritual Machines (A spirituális gépek kora: amikor a számítógépek meghaladják az emberi intelligenciát), (New York: Viking, 1999), 156. o.

^{550} Lásd második fejezet, {65} és {66} jegyzetek.

^{551} „The First Turing Test” („Az első Turing-teszt”), http://www.loebner.net/Prizef/loebner-prize.html.

^{552} Douglas R. Hofstadter, „A Coffeehouse Conversation on the Economy’s Turing Test” („Kávéházi beszélgetés a gazdaság Turing-tesztjéről”), 1981. május, megtalálható in: Ray Kurzweil, The Age of Intelligent Machines (Az intelligens gépek kora), (Cambridge, Mass.: MIT Press, 1990), 80–102. o., http://www.KurzweilAI.net/.

^{553} Ray Kurzweil, „Why I Think I Will Win” („Miért gondolom, hogy én fogok győzni?”) és Mitch Kapor, „Why I Think I Will Win” („Miért gondolom, hogy én fogok győzni?”) szabályok: http://www.kurzweilai.net/a-wager-on-the-turing-test-the-rules; Kapor: http://www.kurzweilai.net/why-i-think-i-will-win; Kurzweil: http://www.kurzweilai.net/a-wager-on-the-turing-test-why-i-think-i-will-win; Kurzweil „utolsó szó”: http://www.kurzweilai.net/response-to-mitchell-kapor-s-why-i-think-i-will-win.

^{554} Edward A. Feigenbaum, „Some Challenges and Grand Challenges for Computational Intelligence” („Néhány nagy és pár még nagyobb kihívás a számítástechnikai intelligencia előtt”), Journal of the Association for Computing Machinery 50 (2003. január): 32–40. o.

^{555} Az eukarióta evolúció sorozatos endoszimbiózis elmélete szerint a mitokondriumok (azok a sejtekben lévő struktúrák, amelyek energiát termelnek, és saját, az emberekben tizenhárom génből álló genetikai kóddal rendlelkeznek) ősei eredetileg önálló baktériumok voltak (azaz nem egy másik sejt részét alkották), hasonlóan a mai Daptobacter baktériumhoz. „Serial Endosymbiosis Theory” („A sorozatos endoszimbiózis elmélete”), http://encyclopedia.thefreedictionary.com/Serial%20endosymbiosis%20theory.

^{556} Donovan, „Season of the Witch” („A boszorkány évada”), Sunshine Superman (1966).

^{557} A mezőgazdasági munkaerő csökkenésének okai között szerepel a gépesítés, ami csökkentette az igényt az állati és emberi munkaerőre; a gazdasági lehetőségek, melyek a második világháború idején keletkeztek a városokban; és az intenzív földművelési módszerek kifejlesztése, amelyek miatt hasonló mennyiségű terméshez kevesebb földre lett szükség. U.S. Mezőgazdasági Minisztérium, National Agricultural Statistics Service, Trends in U.S. Agriculture, http://www.nass.usda.gov/Publications/Trends_in_U.S._Agriculture/. A számítógép-vezérelt termelés, a just-in-time jellegű gyártásszervezés (amelynek eredményeképpen csökkentek a raktárkészletek) és a gyártás külföldre vitele a költségek csökkentése érdekében egyaránt hozzájárultak az ipari munkahelyek számának visszaszorulásához. See U.S. Munkaügyi Minisztérium, Futurework: Trends and Challenges of Work in the 21st Century (A jövő munkája: trendek és kihívások a XXI. században), http://www.dol.gov/oasam/programs/history/herman/reports/futurework/report.htm.

^{558} Natasha Vita-More, „The New [Human] Genre Primo [First] Posthuman” („Az új [emberi] nem a primo [első] poszthumán”), a Ciber@RT konferencián, Bilbaóbam, 2004. áprilisában elhangzott előadás, http://www.natasha.cc/paper.htm.

^{559} Rashid Bashir 2004-ben így foglalta össze:

Sok fejlődés történt a terápiás mikro- és nanotechnológiában is… A konkrét példák között említhető: (1) szilíciumalapú beültethető eszközök, melyeken elektronikus vezérléssel rés nyitható, ahol kibocsátják magukból az előre betöltött gyógyszereket, (2) elektromosan irányítható – szelepként vagy karként funkcionáló – polimerekkel felszerelt szilíciumeszközök, melyek funkciója szintén az előre betöltött gyógyszerhatóanyagok kibocsátása, (3) szilíciumalapú mikrokapszulák nanoporózus hártyával az inzulin kibocsátására, (4) tisztán polimer (vagy hidrogél) részecskék, melyekbe gyógyszerhatóanyagokat lehet tölteni, és amelyek meghatározott környezeti feltételek hatására – például a pH-érték változására – megnyílnak és kibocsátják a beléjük töltött hatóanyagokat, (5) felismerő fehérjékkel bevont fém nanorészecskék, melyek külső optikai energiával felmelegíthetők, és így lokálisan képesek felmelegíteni és elpusztítani a nemkívánatos sejteket és szöveteket stb.

^{560} R. Bashir, „BioMEMS: State-of-the-Art in Detection, Opportunities and Prospects” („BioMEMS: csúcstechnológia a felderítésben, lehetőségek és kilátások”), Advanced Drug Delivery Reviews 56.11 (2004. szeptember 22.): 1565–86. o. Lásd még Richard Grayson et al., „A BioMEMS Review: MEMS Technology for Physiologically Integrated Devices” („BioMEMS-áttekintés: MEMS-technológia a fiziológiailag integrált eszközökben”), IEEE Proceedings 92 (2004): 6–21. o. Az International Society for BioMEMS and Biomedical Nanotechnology tevékenységét illetően lásd http://www.bme.ohio-state.edu/isb. A BioMEMS-konferenciák szintén fel vannak tüntetve az SPIE honlapján, http://www.spie.org/Conferences.

 

^{561} A kutatók arany nanorészecskét használtak a vércukorszint mérésére cukorbetegeknél. Y. Xiao et al., „‘Plugging into Enzymes’: Nanowiring of Redox Enzymes by a Gold Nanoparticle” („»Rákapcsolódás az enzimekre«: A redoxenzimek nanobehuzalozása arany nanorészecskével”), Science 299.5614 (2003. március 21.): 1877–81. o. Lásd még T. A. Desai et al. „Abstract Nanoporous Microsystems for Islet Cell Replacement” („Absztrakt nanoporózus mikrorendszerek szigetsejtek pótlására”), Advanced Drug Delivery Reviews 56.11 (2004. szeptember 22.): 1661–73. o.

^{562} A. Grayson et al., „Multi-pulse Drug Delivery from a Resorbable Polymeric Microchip Device” („Több impulzussal történő gyógyszeradagolás egy felszívható polimer mikrochipeszközből”), Nature Materials 2 (2003): 767–72. o.

^{563} Q. Bai és K. D. Wise, „Single-Unit Neural Recording with Active Microelectrode Arrays” („Egységes neurális felvétel aktív mikroelektróda-tömbökkel”), IEEE Transactions on Biomedical Engineering 48.8 (2001. augusztus): 911–20. o. Wise munkájának tárgyalását lásd J. DeGaspari, „Tiny, Tuned, and Unattached” („Parányi, behangolt és szabad”), Mechanical Engineering (2001. július); K. D. Wise, „The Coming Revolution in Wireless Integrated MicroSystems” („A vezeték nélküli integrált mikrorendszerek közelgő forradalma”), Digest International Sensor Conference 2001 (meghívott plenáris előadó), Szöul, 2001. október. Online változat (2004. január 13.): http://www.stanford.edu/class/ee392s/Stanford392S-kw.pdf.

^{564} „‘Microbots’ Hunt Down Disease” („A »mikrobotok« levadásszák a betegségeket”), BBC News, 2001. június 13., http://news.bbc.co.uk/2/hi/health/1386440.stm. A mikrogépezetek henger alakú mágneseken alapulnak, lásd K. Ishiyama, M. Sendoh és K. I. Arai, „Magnetic Micromachines for Medical Applications” („Mágneses mikrogépezetek orvosi célokra”), Journal of Magnetism and Magnetic Materials 242–45., 1. rész (2002. április): 41–46. o.

^{565} Lásd a Sandia Nemzeti Laboratórium sajtóközleményét: „Pac-Man-Like Microstructure Interacts with Red Blood Cells” („PacMan-szerű mikrostruktúra lép kölcsönhatásba a vörösvértestekkel”), 2001. augusztus 15., http://www.sandia.gov/media/NewsRel/NR2001/gobbler.htm. Az iparág válaszaként született cikket lásd: D. Wilson, „Microteeth Have a Big Bite” („A mikrofogak nagyot harapnak”), 2001. augusztus 17., http://www.theengineer.co.uk/in-depth/microteeth-have-a-big-bite/271911.article.

^{566} Lásd Freitas könyveit: Nanomedicine (Nanogyógyászat), 1. kötet, Basic Capabilities (Alapvető képességek), (Georgetown: Landes Bioscience, 1999), és Nanomedicine, 2A. kötet, Biocompatibility (Biokompatibilitás), (Georgetown: Landes Bioscience, 2003). Mindkettő szabadon elérhető a http://www.nanomedicine.com címen. Lásd még a Foresight Intézet „Nanomedicine” oldalát Robert Freitastól, ami felsorolja jelenlegi technikai munkáit: (http://www.foresight.org/Nanomedicine/index.html#MedNanoBots).

^{567} Robert A. Freitas Jr., „Exploratory Design in Medical Nanotechnology: A Mechanical Artificial Red Cell” („Kísérleti tervezés az orvosi nanotechnológiában: egy mechanikus mesterséges vörösvértest”), Artificial Cells, Blood Substitutes, and Immobilization Biotechnology 26 (1998): 411–30. o., http://www.foresight.org.Nanomedicine/Respirocytes.html.

^{568} Robert A. Freitas Jr., „Clottocytes: Artificial Mechanical Platelets” („Clottociták: mesterséges mechanikus vérlemezkék”), Foresight Update no. 41, 2000. június 30., 9–11. o., http://www.imm.org/Reports/Rep018.html.

^{569} Robert A. Freitas Jr., „Microbivores: Artificial Mechanical Phagocytes” („Mikrobivorok: mesterséges mechanikus fagociták”), Foresight Update no. 44, 2001. március 31., 11–13. o., http://www.imm.org/Reports/Rep025.html vagy http://www.kurzweilai.net/microbivores-artificial-mechanical-phagocytes.

^{570} Robert A. Freitas Jr., „The Vasculoid Personal Appliance” („A vaszkuloid személyes alkalmazás”), Foresight Update no. 48, 2002. március 31., 10–12. o. http://www.imm.org/Reports/Rep031.html; a teljes cikk: Robert A. Freitas Jr. és Christopher J. Phoenix, „Vasculoid: A Personal Nanomedical Appliance to Replace Human Blood” („Vaszkuloid: személyes nanoorvoslási alkalmazás az emberi vér pótlására”), Journal of Evolution and Technology 11 (2002. április), http://www.jetpress.org/volume11/vasculoid.html.

^{571} Carlo Montemagno és George Bachand, „Constructing Nanomechanical Devices Powered by Biomolecular Motors” („Biomolekuláris motorok által hajtott nanomechanikus eszközök építése”), Nanotechnology 10 (1999): 225–31. o., „Biofuel Cell Runs on Metabolic Energy to Power Medical Implants” („Metabolikus energiával működő bioüzemanyag-cella az orvosi implantátumok energiaellátásához”), Nature online, 2002. nov. 12., http://www.nature.com/news/2002/021111/full/021111-1.html, beszámoló N. Mano, F. Mao és A. Heller, „A Miniature Biofuel Cell Operating in a Physiological Buffer” („Fiziológiai pufferben működő miniatűr bioüzemanyag-cella”), Journal of the American Chemical Society 124 (2002): 12962–63. o.; Carlo Montemagno et al., „Self-Assembled Microdevices Driven by Muscle” („Izomerővel hajtott önösszeszerelő mikroeszközök”), Nature Materials 4.2 (2005. február): 180–84. o., elektronikus megjelenés, (2005. január 16.).

^{572} Lásd a Lawrence Livermore Nemzeti Laboratórium honlapját: (http://www.llnl.gov) a kezdeményezésről feltöltött információkat illetően, illetve a Medtronic MiniMed honlapját www.medtronic.com/HU/about/minimed.html.

^{573} „Az agytól agyig történő közvetlen kommunikáció… inkább a hollywoodi filmekbe való, mint a kormányzati jelentésekbe – de többek között ezt a fejlődést jósolja a U. S. National Science Foundation and Department of Commerce.” G. Brumfiel, „Futurists Predict Body Swaps for Planet Hops” („A futurológusok előrejelzése szerint testeket fogunk cserélni, hogy átugorjunk egyik bolygóról a másikra”), Nature 418 (2002. július 25.): 359. o.

A mélyagyi stimulálás, ami révén a beültetett elektródákból érkező elektromos áram hatással van az agy működésére, nem más, mint egy, az FDA által is jóváhagyott, a Parkinson-kór és egyéb mentális rendellenességek kezelésére szánt neurális implantátum segítségével történő kezelés. Lásd Al Abbott, „Brain Implants Show Promise Against Obsessive Disorder” („Az agyi implantátumok ígéretesnek tűnnek a makacs rendellenességekkel szemben)”, Nature 419 (2002. október 17.): 658. o., és B. Nuttin et al., „Electrical Stimulation in Anterior Limbs of Internal Capsules in Patients with Obsessive-Compulsive Disorder” („A belső tok elülső nyúlványainak elektromos stimulálása megrögzött-kényszeres betegeknél”), Lancet 354.9189 (1999. október 30.): 1526. o.

 

^{574} Lásd a Retinal Implant Project honlapját (http://www.bostonretinalimplant.org), ahol számos forrás található, köztük a legújabb tanulmányok is. Ezek közül az egyik: R. J. Jensen et al., „Thresholds for Activation of Rabbit Retinal Ganglion Cells with an Ultrafine, Extracellular Microelectrode” („A nyúl retina-ganglionsejtjeinek ultravékony, sejten kívüli mikroelektródával való aktiválásának küszöbe”), Investigative Ophthalmalogy and Visual Science 44.8 (2003. augusztus): 3533–43. o.

^{575} Az FDA 1997-ben csak az agy egyik oldalára hagyta jóvá az erre a célra szolgáló Medtronic implantátumot; mindkét oldalra csak 2002. január 14-én kapott jóváhagyást. S. Snider, „FDA Approves Expanded Use of Brain Implant for Parkinson’s Disease” („Az FDA jóváhagyta a Parkinson-kór kezelésére szolgáló agyi implantátum szélesebb körű alkalmazását”), U.S. Food and Drug Administration, FDA Talk Paper, 2002. január 14. A legújabb változatok szoftverét már kívülről is lehet frissíteni.

^{576} A Medtronic szélütésre is készít implantátumot. Lásd S. Hart, „Brain Implant Quells Tremors” („Az agyi implantátum csillapítja a remegést”) ABC News, 1997. december 23. Lásd még a Medtronic honlapját, http://www.medtronic.com.

^{577} Günther Zeck és Peter Fromherz, „Noninvasive Neuroelectronic Interfacing with Synaptically Connected Snail Neurons Immobilized on a Semiconductor Chip” („Nem invazív neuroelektronikus interfész, félvezető chipen immobilizált szinaptikusan összekapcsolt csiganeuronokkal”), Proceedings of the National Academy of Sciences 98.18 (2001. augusztus 28.): 10457–62. o.

^{578} Lásd R. Colin Johnson, „Scientists Activate Neurons with Quantum Dots” („A tudósok kvantumpöttyökkel aktiválják a neuronokat”), EE Times, 2001. december 4., http://www.eetimes.com/story/OEG20011204S0068. A kvantumpöttyöket képalkotásra is lehet használni; lásd M. Dahan et al., „Diffusion Dynamics of Glycine Receptors Revealed by Single-Quantum Dot Tracking” („A glicinreceptorok diffúziódinamikájának feltárása egy kvantumpöttyös nyomkövetéssel”), Science 302.5644 (2002. október 17., 2003): 442–45. o.; J. K. Jaiswal és S. M. Simon, „Potentials and Pitfalls of Fluorescent Quantum Dots for Biological Imaging” („A floureszkáló kvantumpöttyök lehetőségei és buktatói a biológiai képalkotásban)”, Trends in Cell Biology 14.9 (2004. szeptember): 497–504. o.

^{579}S. Shoham et al., „Motor-Cortical Activity in Tetraplegics” („Motoros-agykérgi aktivitás végtagbénulás esetén”), Nature 413.6858 (2001. október 25.): 793. o. A Utah Egyetem sajtóközleményét lásd: „An Early Step Toward Helping the Paralyzed Walk” („Az első lépés a bénultak mozgásképessé tétele felé”), 2001. október 24.

^{580} Stephen Hawking megjegyzéseit, melyeket a Focus félrefordított, idézte Nick Paton Walsh, „Alter Our DNA or Robots Will Take Over, Warns Hawking” („Hawking figyelmeztetése: változtassuk meg a DNS-ünket, vagy a robotok átveszik a hatalmat”), Observer, 2001. szeptember 2., http://observer.guardian.co.uk/uk_news/story/0,6903,545653,00.html. A széles nyilvánosságot kapott félrefordítás azt sugallta, mintha Hawking az emberinél okosabb gépi intelligencia ellen szólalt volna fel. Valójában azt szorgalmazta, hogy gyorsítsuk a biológiai és nem biológiai intelligencia közötti kapcsolat létrehozását. Hawking a KurzweilAI.net rendelkezésére bocsátotta a pontos idézetet („Hawking Misquoted on Computers Taking Over” („Rosszul idézték Hawking szavait a számítógépek hatalomátvételéről”) 2001. szeptember 13.

^{581} Lásd az első fejezet ^{40} jegyzetét.

^{582} Az egyik példája, a „Nomad for Military Applications”, a Microvision cég terméke.

^{583} Olga Kharif, „Your Lapel Is Ringing” („Csörög a gallérod”), Business Week, 2004. június 21.

^{584} Laila Weir, „High-Tech Hearing Bypasses Ears” („A high-tech hallás élesebb a fülnél”), Wired News, 2004. szeptember 16., http://www.wired.com/news/technology/0,1282,64963,00.html?tw=wn_tophead_4.

^{585} Hypersonic Sound technológia, www.atcsd.com/pdf/HSSdatasheet.pdf; Audio Spotlight, http://www.holosonics.com/technology.html.

^{586} Phillip F. Schewe és Ben Stein, American Institute of Physics Bulletin of Physics News 236 (1995. augusztus 7.), http://www.aip.org/enews/physnews/1995/physnews.236.htm. Lásd még R. Weis és P. Fromherz, „Frequency Dependent Signal-Transfer in Neuron-Transistors” („Frekvenciafüggő jelátvitel neurontranzisztorokban”), Physical Review E 55 (1997): 877–89. o.

^{587} Lásd a {573} jegyzetet fent. Lásd még J. O. Winter et al., „Recognition Molecule Directed Interfacing Between Semiconductor Quantum Dots and Nerve Cells” („Felismerő molekula által vezérelt interfész félvezető kvantumpöttyök és idegsejtek között”), Advanced Materials 13 (2001. november): 1673–77. o.; I. Willner és B. Willner, „Biomaterials Integrated with Electronic Elements: En Route to Bioelectronics” („Elektronikus alkatrészekkel integrált biológiai anyagok: úton a bioelektronika felé”), Trends in Biotechnology 19 (2001. június): 222–30. o.; Deborah A. Fitzgerald, „Bridging the Gap with Bioelectronics” („A szakadék áthidalása bioelektronikával”), Scientist 16.6 (2002. március 18.): 38. o.

^{588} Robert Freitas elemzi ezt a forgatókönyvet: Robert A. Freitas Jr., Nanomedicine, 1. kötet, Basic Capabilities, 7.4.5.4. szakasz, „Cell Message Modification” („Sejtüzenet-módosítás”), (Georgetown: Landes Bioscience, 1999), 194–96. o., http://www.nanomedicine.com/NMI/7.4.5.4.htm#p5, 7.4.5.6. szakasz, „Outmessaging to Neurons” („Üzenetküldés neuronoknak”), 196–97. o., http://www.nanomedicine.comINMI/7.4.5.6.htm#p2.

^{589} A Ramona projekt leírását a TED-konferencián bemutatott virtuálisvalóság-prezentáció videofelvételével együtt, az „Így készült a Ramona” című werkfilmet illetően lásd: „All About Ramona” („Mindent Ramonáról”), http://www.KurzweilAI.net/.

^{590} I. Fried et al., „Electric Current Stimulates Laughter” („Az elektromos áram nevetést vált ki”), Nature 391.6668 (1998. február 12.): 650. o. Lásd Ray Kurzweil, The Age of Spiritual Machines (A spirituális gépek kora), (New York: Viking, 1999).

^{591} Robert A. Freitas Jr., Nanomedicine, 1. kötet, Basic Capabilities, 7.3. szakasz, „Communication Networks” („Kommunikációs hálózatok”), (Georgetown: Landes Bioscience, 1999.), 186–88. o., http://www.nanomedicine.com/NMI/7.3.htm.

^{592} Allen Kurzweil, The Grand Complication: A Novel (A nagy komplikáció), (New York: Hyperion, 2002); Allen Kurzweil, A Case of Curiosities (Ritkaságok), (New York: Harvest Books, 2001). Allen Kurzweil az unokatestvérem.

^{593} Ahogyan idézi Aubrey de Grey, „Engineering Negligible Senescence: Rational Design of Feasible, Comprehensive Rejuvenation Biotechnology” („Az elhanyagolható mértékű öregedés tervezése: racionális terv a kivitelezhető, átfogó megfiatalító biotechnológiára”), Kronos Institute Seminar Series, 2002. február 8.

^{594} Robert A. Freitas, Jr. „Death Is an Outrage!” („A halál botrányos!”), előadás az V. Alcor Conference on Extreme Life Extension konferencián, Newport Beach, 2002. november 16.,http://www.rfreitas.com/Nano/DeathIsAnOutrage.htm.

^{595} Cro-Magnon: „30 év vagy kevesebb, gyakran sokkal kevesebb…” http://anthro.palomar.edu/homo2/mod_homo_5.htm.

Egyiptom: Jac J. Janssent idézi Brett Palmer, „Playing the Numbers Game” („A számok versenye”), in Skeptical Review, online megjelent 2004. május 5-én, www.theskepticalreview.com/BPNumbersGame1.html.

Európa 1400: Gregory Clark, The Conquest of Nature: A Brief Economic History of the World (A természet meghódítása: a világ rövid gazdaságtörténete), (Princeton University Press, megjelenés előtt, 2005), 5. fejezet, „Mortality in the Malthusian Era” („Halandóság a malthusi korszakban”).

1800: James Riley, Rising Life Expectancy: A Global History (A várható élettartam növekedésének globális története), (Cambridge: Cambridge University Press, 2001), 32–33. o.

1900: http://www.cdc.gov/nchs/datalhus/tables/2003/03hus027.pdf.

^{596} A múzeum eredetileg Bostonban volt, jelenleg a kaliforniai Mountain View-ban található (http://www.computerhistory.org).

^{597} Lyman és Kahle a hosszú távú adattárolásról: „A jó papír ötszáz évig is megmarad, a mágnesszalag csak tízig. Amíg vannak aktív szervezetek, amelyek folyamatosan másolatokat készítenek, addig biztonságban vannak az adataink. De nincs hatékony módszerünk arra, hogy ötszáz évig fennmaradó másolatokat készítsünk a digitális anyagokról…” Peter Lyman és Brewster Kahle, „Archiving Digital Cultural Artifacts: Organizing an Agenda for Action” („A digitális kultúra műtárgyainak archiválása: felhívás a cselekvésre”), D-Lib Magazine, 1998. július–augusztus. Stewart Brand írja: „Minden egyes vadonatúj számítógép mögött hosszú sorokban hevernek a kihalt számítógépek, a kihalt médiumok, a kihalt alkalmazások, a kihalt fájlok. Bruce Sterling science fiction-író »a halott médiumok aranykorának« nevezi korunkat, melyben »a legtöbb médium élettartama még egy csomag Twinklesét sem éri el.«” Stewart Brand, „Written on the Wind” („A szélbe írva”), Civilization Magazine, 1998. november (a Long Now terminológiában „01998”), online hozzáférhető: http://longnow.org/essays/written-wind/.

^{598} A DARPA Information Processing Technology Office részlegének ezirányú projektjét LifeLognak nevezik, http://www.darpa.mil/ lásd még Noah Shachtman, „A Spy Machine of DARPA’s Dreams” („Egy kémgép, amely a DARPA álma”), Wired News, 2003. május 20., http://www.wired.com/news/business/0,1367,58909,00.html; Gordon Bell projektje (a Microsoft számára) a MyLifeBits, http://research.microsoft.com/research/barc/MediaPresence/MyLifeBits.aspx; a long Now Foundationt illetően lásd http://longnow.org.