然而，馬裡烏斯·烏爾薩凱並不是第一個考慮機器如何使人死後永生的人。數十年前，多人網絡遊戲就不得不面對當紅玩家或創建者死後的局面。以《龍與地下城》（Dungeons and Dragons Online）這款桌面遊戲為例，在聯合創始人之一加裡·吉蓋克斯（Gary Gygax）去世後，遊戲中創建了一個以他的錄音做旁白的任務。那是一種墳墓中傳來的縹緲可怖之音，提醒玩家在靠近任務發生的地方可以找到吉蓋克斯的虛擬墳墓。
此外，還有更多其他案例，它們都表明了人類及其決策過程是如何嵌入機器代碼的。其實，第一章中所描述的「專家系統」就試圖創建真實人類專家的克隆版本。通過提取他們的專業知識並將其轉化成一套概率規則，使其能夠進行計算機處理。如果專家系統按計劃實現，傑出的心臟病專家、律師或是首席執行官就可以將自己的專業知識複製並傳播到全世界。
在某種意義上，與專家系統相並行的現代系統就是所謂的「推薦系統」(recommender system)。這種信息過濾子系統旨在預測用戶可能對某一特定狹窄域內的條目進行評級或選擇。閱讀這個條目的每個人都可能遇到亞馬遜或網飛公司的建議：「你喜歡X，所以你可能也喜歡Y」。有時這些預測不太重要，但是就像我們喜歡把自己當成完全不可預知的物種一樣，這些預測常常準確得驚人。
至少很多公司認為如此。2014年1月，亞馬遜獲得一項運輸系統的專利，該專利旨在通過預測人們的購買傾向並盡早發貨來大幅縮短交付時間。在某些情況下，亞馬遜稱其可以將貨物發送至當地運輸中心，直至訂單如期蜂擁而來。在其他情況下，它會注意送出有針對性的促銷禮物，以建立信譽。
和本書講述的其他技術一樣，這種預測的關鍵是分析龐大用戶數據的能力。每年我們保留的自身數據量都要超過我們身上的DNA鹼基對的數量。每次進入網絡空間，我們都會留下痕跡。每當我們在博客平台WordPress或LiveJournal寫博客，在推特或Facebook更新狀態，使用Contextly應用評論新聞，在美國在線影片租賃商Netflix上選擇電影或電視劇觀看，發送即時消息，或者僅僅利用谷歌進行搜索，我們的數字身份就得到了更新與管理。其結果是由1和0呈現出關於我們的更加精準的描述。未來幾年，隨著個人信息洩露到人工智能系統中，這種曾經模糊的輪廓將日益類似於精細的素描，甚至是逼真的油畫。就像我們在第三章所看到的，這種知識將會重新配置和優化我們周圍的世界。你的家門或者所住的酒店房門將只在你走近之時為你打開。你從未駕駛過的租賃汽車將自動調節以滿足你的偏好設置。恆溫器將深知你喜歡的溫度並自動調節，以便提高你在一天中不同時間的效率。
這不只是採集更多數據的問題，而是由億萬人常規記錄的全新、不同類型的細粒度數據。比如，蘋果手錶可以收集一生中的心率，同時不同的蘋果手錶應用可以通過不同的數據點互相參照這些信息。在2014年拉斯韋加斯消費電子產品展期間，索尼推出了其「生活日誌」軟件，旨在沿著互動時間線，追蹤人們從給朋友打電話到看電影的活動。所有這些數據在20世紀90年代還是難以想像的，當時只有實驗室的一次性實驗數據。