然而，马里乌斯·乌尔萨凯并不是第一个考虑机器如何使人死后永生的人。数十年前，多人网络游戏就不得不面对当红玩家或创建者死后的局面。以《龙与地下城》（Dungeons and Dragons Online）这款桌面游戏为例，在联合创始人之一加里·吉盖克斯（Gary Gygax）去世后，游戏中创建了一个以他的录音做旁白的任务。那是一种坟墓中传来的缥缈可怖之音，提醒玩家在靠近任务发生的地方可以找到吉盖克斯的虚拟坟墓。
此外，还有更多其他案例，它们都表明了人类及其决策过程是如何嵌入机器代码的。其实，第一章中所描述的“专家系统”就试图创建真实人类专家的克隆版本。通过提取他们的专业知识并将其转化成一套概率规则，使其能够进行计算机处理。如果专家系统按计划实现，杰出的心脏病专家、律师或是首席执行官就可以将自己的专业知识复制并传播到全世界。
在某种意义上，与专家系统相并行的现代系统就是所谓的“推荐系统”(recommender system)。这种信息过滤子系统旨在预测用户可能对某一特定狭窄域内的条目进行评级或选择。阅读这个条目的每个人都可能遇到亚马逊或网飞公司的建议：“你喜欢X，所以你可能也喜欢Y”。有时这些预测不太重要，但是就像我们喜欢把自己当成完全不可预知的物种一样，这些预测常常准确得惊人。
至少很多公司认为如此。2014年1月，亚马逊获得一项运输系统的专利，该专利旨在通过预测人们的购买倾向并尽早发货来大幅缩短交付时间。在某些情况下，亚马逊称其可以将货物发送至当地运输中心，直至订单如期蜂拥而来。在其他情况下，它会注意送出有针对性的促销礼物，以建立信誉。
和本书讲述的其他技术一样，这种预测的关键是分析庞大用户数据的能力。每年我们保留的自身数据量都要超过我们身上的DNA碱基对的数量。每次进入网络空间，我们都会留下痕迹。每当我们在博客平台WordPress或LiveJournal写博客，在推特或Facebook更新状态，使用Contextly应用评论新闻，在美国在线影片租赁商Netflix上选择电影或电视剧观看，发送即时消息，或者仅仅利用谷歌进行搜索，我们的数字身份就得到了更新与管理。其结果是由1和0呈现出关于我们的更加精准的描述。未来几年，随着个人信息泄露到人工智能系统中，这种曾经模糊的轮廓将日益类似于精细的素描，甚至是逼真的油画。就像我们在第三章所看到的，这种知识将会重新配置和优化我们周围的世界。你的家门或者所住的酒店房门将只在你走近之时为你打开。你从未驾驶过的租赁汽车将自动调节以满足你的偏好设置。恒温器将深知你喜欢的温度并自动调节，以便提高你在一天中不同时间的效率。
这不只是采集更多数据的问题，而是由亿万人常规记录的全新、不同类型的细粒度数据。比如，苹果手表可以收集一生中的心率，同时不同的苹果手表应用可以通过不同的数据点互相参照这些信息。在2014年拉斯韦加斯消费电子产品展期间，索尼推出了其“生活日志”软件，旨在沿着互动时间线，追踪人们从给朋友打电话到看电影的活动。所有这些数据在20世纪90年代还是难以想象的，当时只有实验室的一次性实验数据。