nft

Description
i am an artist and researcher.
i take photos, paint, write poetry.
this drop consists of 7 areas.
scanned negatives of color and b&w film photographs from circa 2000.
the original drawings of an animation i exhibited in 2019, the drawings were made circa 2002.
calligraphic scribbles black markers on notebooks circa 2008.
digital art made by ms paint in 2009.
oil paintings from my personal exhibition in 2016.
recent digital art made with photoshop
recent digital photography mostly from Çanakkale


Kategoriler nft Etiketler

Denemeler

Evren bir hücredir!
Yaşamın moleküllerden RNA’ya ve daha sonra DNA’ya nasıl dönüştüğü ve amino asitlerin nasıl kabuklandığı hala bir muamma, dahası evrende bir İtalyan lokantası arar gibi yaşam arayan bizler için dünya dışında yaşam ve zeki varlıklar halen bir soru işaretinden başka bir şey değil.
Yaşamla beraber düşünmek varken onu öldürmeye programlanmış metalin ve çeliğin rüyalarını görüyor ve dünyadan öteye her adımımızda öncü uydularla kendimize kurşun sıkıyoruz. Bu iddialar bir kenara düşünelim biraz yaşamla ve ilk olarak verelim yaşama yaşama hakkı; şöyle bir tasavvurdur bu, evrende yaşam içinde var olan her bir atomun sayısı kadardır, daha doğrusu her bir atomun potansiyelidir yaşam. Teknoloji nasıl ortak çalışmayla fetih ise, evrenin kendini idrakıdır yaşam. Korkunç bir tekzamanı ve tekerrürü böyle anlamlandırır ve aşarken, biz insan evlatlarına kendimizi, birleştiren akıl ve ayıran zekayı, kendi zamanımızı hediye etmiştir yaşam.
Pekiyi bu hediyeyi, bu iğneli kaktüsü nasıl düşünecek ve kendi üzerine kapanacak (ve tekrar gelecek) bir evrende ona nasıl yetişeceğiz? İlk olarak bakterilere, virüslere, ışığın sevdalısı bitkilere ve karanlığın filozofları mantarlara mayası oldukları akıl ve zekanın hakkını vereceğiz; bir değil bin dünya ve her bin dendiğinde milyon dünya diyeceğiz. Yani yaşamla beraber düşünecek ve evrenin her köşesinde, her kafayı kaldırdığımız gökteki ışıkta onları da düşüneceğiz. Çünkü zamansallığı aşan bir ilişki var candan cana, burada bahsedilen bunun tasavvuru için ispatsız bir inanç değil, ya da her bir canlının inancından öte bir tek doğru değil. Milyarlarca, trilyonlarca, sonsuzca can ve her birinin ve ortaklıklarının zamanı bahis konusu ve bu ortaklıkların da zamansallığı gemiler, adalar, kıtalar ve gezegenler ve güneş sistemi ve galaksiler ve superclusterlar arası sembiyoz (ortak yaşamlarla) belirlenmekte. Burada denmektedir ki bir ilişki var candan cana ve bu ilişki kendi zamanını kurar. İddia da şudur, bu zaman da bir iletişim kurar yaşamlar arasında. Aşkıdır bir dünyanın kendisine çarpacak meteora ve üzerinde barınan, bir ekosistem kurabilecek, bir maya olabilecek mantara ve daha da ötesi bekleyişidir.
Bilim adamlarımız can acıtarak çok kanıta ulaştılar; bir bitkiyi ya da hayvanı aynı ya da farklı bir türden başka bir bitki yada hayvan yanında öldürdüklerinde elektrik sinyallerinde korkunç tepkiler aldılar. Pekiyi nedir bu iletişimin alanı; araya koydukları duvar engelini aşarken bu deneylerde iletişim, korkunç uzayı aşamaz mı güneşten bu yana üçüncü taştan dördüncüsüne? Aşar aşamaz derken gene bir beklentide bir yarıştırmadayız, halbuki burada şu denmektedir, canlıların iletişimi evrenseldir ve bir kapsama alanı arayan zihniyet metalin rüyasını ki belki de masumdur, bize kabus olarak yaşatmaktadır. Suyun ki burada kasıt tüm evrendeki sudur, saydamlığı ve rüyası hınzırdır aslında, bir sirendir su; hep inanılmaz güzelliklere ve derinliklere çeker, bu mesafesi ve meselesi sonsuzdur. Zeka ve aklın karıştırmadığı, ya da ötesine yok oluşuna uyandırmadığı bir milyon yaşın üzerindeki her orman büyük bir devlet ve büyük bir zamandır. Bu derinliklerden kendini bilerek ve korkarak mahrum bırakan günümüz insanı ise evrenin sonundaki lokantayı arayan insandır ve dünyayı tanımlar ile sıkıştırıp ve tanımlarını yeniden üretebildiği için küçük zamanlarda geçerlilik yakalamıştır, ama aslında nükleer bombaların içinde yaşayandır ve bu dünyayı çoktan terk etmiştir. İnsanın esas olduğundan bahsedebilmek için önce suya ve ormana şefkatini, sevgisini ve dolayısıyla anlayışını perçinlemek, şu devasa evrende ne kadar küçük olduğunun hiçbir öneminin olmadığını kafasına vura vura anlatmak gerekir.


Çıkamayınca mana katına mana katı indi başına.
Bir kaza değil belki bir kısayol, ayıran zekanın parçaladığı dünya, birliği gören kalp ile dünyayı bulup birleştirecek akıla tamamlanıyor.


Şiir benden farklı değil sadece benden büyük, bunun şaşkınlığı biraz da benimki. Şiir benden hariç tüm diyarı tavaf edip önce bana sonra sana dönen kelimelerdir; yani bir meridyendir gezegenlerde, ve yörüngelerdir uzayda. Bir kurtuluş olarak kelimelerinde bir umut ve evrende geri geldiği kağıtta durduğu ve değişmediği için değiştirebilecek bir evren sunar. Zaman biter evren geri gelir ve gelen gidenden bellidir belki, ancak baharın sunakları merhametlidir. Evren bile evrilebilir her kendine kapanıp tekrar açıldığında ve şiir ilk aleti, ilk alameti farikasıdır. Dümdüz bir okyanus, tek bir canlılık zamanı altında; tüm okyanusu, denizi, bir damla suyu olan tüm gezegenler tüm evrende dip dibe. Hiçbir enerjinin kaybolmadığını düşünürken, tüm çaresiz haykırışlar, haykıran canlı türünün tümünün çaresizliğini ifade edebildiği ölçüde şiirleşir. Kuşlar efendim, görüyor ölülerin nereye gömüldüğünü ve nereden geldiklerini. Bizlerin arı gibi vızıltılarının, şu yada bu binalarda arttığında ne olur da biliyorlar. İnşaat devlet, devlet inşaat. Şiir kuş ise o kuş nereden geldi, bir at başı ise gövdesi hangi gezegenden hangi tarihten salıverdi. Ya ilham, ya düldül, kim seninle koşmuş da konuşur, kim yazar ve yazdığıyla şah mat olur. Ya sabır, ya sabır…


Bugün motorumla hastaneye gittim. Motoru kilitleyip kaskı bagaja koydum, sırt çantam ile girişe yürümeye başladım. Bir an gözüm gölgeme takıldı ve minik bir örümceğin çantamdan aşağı doğru ağ ile inmeye çalıştığını gördüm, girişteki tabelaya gelince çantayı çıkartıp gölgeye bakarak yavaşça aşağı doğru indirdim. Tabelanın altındaki betona inen örümceği gördüm sonunda. Sonra kafayı kaldırınca bana hayretle bakan tekerlekli sandalyedeki hastayı ve refakatçisini gördüm. Acaba onlarda minik örümceği gördü mü diye düşündüm sonra.


Aslanlı şehirden merhaba
Durumsalcılar faşizm iki insan arasında başlar der. Kadına layık olmaya çalışan bir erkek, olgunluğu arayan ve yetişkin olmayı isteyen bireydir aslında ve içindeki ve dışındaki iki türlü faşisti ve faşizmin hayaletlerini tespit etmeli ve onları yok etmelidir.
Kalıplaşmış ortaklıkların eli sopalı söylemleri ile hayatımıza hak iddiaları bir hayaletidir faşizmin ve bu hayalet yarattığı roller ve güç ilişkileri üzerinden kişinin içini boşaltır ve ona aidiyet ile birlikte bireyselliğin sorumluluklarından kurtulmayı satar. Tabi içimiz asla unutmaz ve kendimizi hissetmek isteriz ve hissedemediğimizde, kendimizi bulduğumuz durumların uçurumlarından yani rollerin ve iddiaların bizi götürebildiği absürt sonlardan aşağı atabilir, pekala cinnet geçirebiliriz, sadece hissetmek için kendimize ve etrafımızdakilere zarar verebiliriz. Bütün bunları da uyurgezer bir şoför gibi yapabilir ancak döngüsünden kurtulamayabiliriz.
Ve… trafikteki kuantum hareketinde olduğu gibi… trafiğin tüm yükü, en iyi ve ayık şoförlerin omuzlarına düşer, başkalarının hatalarına rağmen ve onlarla beraber var olur iken, başkaları sizin ustalıklarınızdan edilgen olarak sadece beslenir ve hatta uykularının derinliklerine göre size daha da yaslanabilirler.
Ancak durumlar tarafından bakmak daha acayip ve zordur, çünkü durumun farkında olan hemen herkes bir film sorgulamasındadır ve filmi yaşayan başkaları ise rollerini, rolü, tiyatroyu bilmeden büyü bozmaktadırlar. Trajedi, büyüyü ve korkuyu, yaradılış yerine köken hakkında konuşan felsefeci devlerin sırtlarında ve herkese açık bir sahnede yendi. açıklanabilir dünyanın açıklamasının, prospektüsünün, kütüphanesinin bir hayatta bitirilemez oluşu ve aynı zamanda bu bilginin hala ölümü yenememiş olması, hatta teknoloji adı altında kullandığımız tüm eşyanın hayatımızda yeri olduğu kadar nasıl çalıştıkları, üretildikleri ve geliştirildikleri ile ilgili orta çağı aşan cehaletimiz dahi sürdürülebilir bir dünyadan kopartıldığımız görülemez alanları belirliyor.
Kadın hem kendi, hem de (olsun olmasın) çocuklar(ı) için iki kere bilgedir. Yani hem kendi geleceğini hem de çocuğunun geleceğini düşünmek zorunda, düşünmese bile dünya ona bunu unutmayan beden gibi hatırlatmakta, çeri çöpten ayırmak zorunda, vaatlerdeki yalanları içten içe en iyi o bilmektedir. Vaat diyorum çünkü bu bir erkek egemen dünyadır ve dünyanın sürdürülebilirliğinden çok yaşananın kalitesinin dünyayı yakmaya değip değmeyeceği ile ilgilidir. Kadının batıllaşmasına sebep arayanlar nükleer bombalarla nasıl bir gelecek vadettiklerini düşünmelidirler. Yani erkekteki gelişim, olgunlaşma, yetişkinlik içerideki duygusal dalgalanmanın dışarıdaki durum ile ilişkisini kurduğu zaman ortaya çıkmakta ancak bu ilişkiyi çoğu zaman kendini kaybettikten sonra kurmaktadır.


gücü vereni kutsa.
o zaman eyy bereket, ey uçsuz bucaksızın anlamı, mordan seçileni türeyişin, küçük pırıltının küçüklüğünün önemsizliği, her milyar pırıltıda onun biricik yeri. her ocağın sönmeyen ateşi değişken, kendine bırakılmışlığında daha hoş, daha bir çok, biricikliğin ifadesi birlik bunun ortaklığı, bir trafikteyiz ama ardısıra yerden aynı yükseklikte ve aynı alanda hareket eden kelleleri sayan kaza hikayelerinden ibaret değiliz, bir kuantum kolu usta şoförlere yaslanan, yarı uyanığı uyaran da yol rüyasında görülende onlar halbuki. iyilik de kötülük de iki insan arasında başlıyor. fayda zarar hesabı yapabilmek için bile önce ben sen bizler bir yetişkinliğe tutunmalıyız; nezaket varlığı bireyin, mitolojide onu kaybetmek isteyenlerin güce rağmen varolmasına dayanamadıkları nezaket. birer anlam yuvası ezgeç treninin vagonları, yok vakti inceliklere. peki sorarım inceliklere vakti yoksa, sonsuz sazları niye ben özlüyorum…


evet var birkaç fikir
opensorucecology, traktöründen fırınına, bir kasabayı kurmak ve yaşatmak için gerekli 50 makineyi yapan 50 atölyeyi her bir ilçedeki o atıl küçük sanayilerde kurun
son vidasına kadar bulunan, son aksama kadar tamir olan, tüm tasarımları açık kaynak paylaşılan,
her bir küçük sanayideki ustanın her bir dokunuşunun ve buluşunun değerlendirilip, son güncel tasarım sürümüne yansıtıldığı,
açık kaynak bir ekoloji…
izlediğim bir garip devleteliyleyaptırılmışuzayanimasyonunda,
çocuğun rüyasını uzay gemisinde kontrol edip, orada bile rahat bırakmayıp
eğitim veriyorlardı
ben neye doğmuşum ya!
elin ayağın konuşsun da seni anlatsın!
doğruya doğru, bir gün ben daha çocuğum, onu bunların anlattıkları gibi bilemedim,
Allah büyükse bu kadar doğrunun doğrusu ise dedim,
nasıl bilemiyorum, o zaman yok dedim, ve 11 yaşımda el kaldırdım din dersinde,
hocam ben Allah’a inanmıyorum çıkabilir miyim diye.
sonra fark ettim doğrunun doğrusu Allah
veriyi insan hayatını kolaylaştırmak için kullanmak ayrı,
zekayı (real ai) bütün veri üzerinde çalıştıracağım ayrı.
çalıştır …!
çalıştır ama, grimes gibi yaldızlı bir marksizm bekleme
o veri seni neden sorumlu tutacak var ya! hımmmppsss!
şimdi bundan sonrası küfür değil gerçek,
molekülden portakalın dalına, ananı, avradını, yetiştirenini, babanı, gelmişini geçmişini,
sülaleni soyunu sopunu, dün ne yediğini bugün ne düşündüğünü…
“kulaklığın bile dekor!”
“geçer geçer din de geçer

cennet iflas eder”
sonrası ahiret
şimdi soruyorum dostlarıma
ahiretten sonra hayat var mı diye

uzay gemisi nasıl yapılır

karanlıklar aydınlığa

Geçen zamana aşıklık
yıllar yıllar
masalar hep dostlarla güzel
ölümsüz muhabbettir umut
güzel zaman candır
yaşam, her bir canın hayatı
birlik bunun ortaklığı
dünya dünyam oldu
adaletim temiz bir su
nerede yeşil onu ararım
sürülmeye sürülsün toprak
güneşte dalgalansın yaprak
ama yok gönlümde huzur
aslım kendini menzilde bulur
ve gelgitlerime düşer tasarımların gölgesi
karanlıklar aydınlığa
karanlıklar aydınlığa
sadece hakedene
sadece hakedene
hiç değilim ben desem de hiçlik anlarımda
bu cesaretin yalanını sorgular dururum
ve aklımda bazen ermişler bazen kurtlar sofrasına
otururum
ve zekam çalışan insanı kavramak ister
makinesiz neredeyiz diye sorabilir miyiz
film olmasa
bir geriye gidiş olur bu küçük
mavi noktanın sonu
yıldızlar ağlamazlar elbet isim babalarının
yokoluşuna
ancak zenginlik ve umutla,
insanı insanca, canı canla bırakarak
geçmiş bir zaman var ki
tüm bir boşluğu anlamlandırmış
bugüne gelemiyoruz aletten ötürü
ancak neden gidemeyelim aletten öteye
hayata özgü izler
amaca özgü izler
ve kumaştan ve kağıttan elbiseler
sürdürülebilir olmayınca
dikiş yerlerinden ayrılıyor bu pencere
çıplak ve kırılgan vücut
özlüyor bir zamanı
geçmiş geri gelmeyince
ve geçen zaman küçültünce dünyayı
ve uçsuz bucaksız açınca yer aldığı denizi
bazı aklı evveller sarılıyorlar kıyamete
ve bazı soysuz soylular deney tüplerine
müjde diyen bir hiçim ben
ve sadece kendi sesimi ben
duymaktayım şimdilik
el ver dost
insanın kıymeti, kıyameti olamaz.

22.06.2011

Episteme Spacecraft Project

In 2010 I wrote a satire piece about the determinism of religion and science entitled “How to make a spacecraft” where I proposed the fundamentals of the Episteme Spacecraft Project and the three experiments. Episteme refers to “a field of scientificity”, and the research proposed here can be game changing as a new way of looking at the potentials of biology & DNA as a code and operating system.
It has been 14 years (2010) since I began working on this idea and with every new step it has developed and the old writings become obsolete. I realize more and more how difficult it is for scientists to keep an idea alive and current. Although the core idea is the same, in this 2024 revised edition I aim to update the book with a more scientific methodology and ordered thinking.

Episteme Spacecraft was conceived in the first place as a thought experiment, founded on a descriptive account of three physical experiments, involving;
The reasoning engine,
A referencing basis for the reasoning,
The variables of the data to be used,
How to use the varied data and with what kind of processes.
In terms of Technology Readiness Levels, Episteme spacecraft seems to be at TRL 2 or TRL 3. ( https://www.nasa.gov/directorates/somd/space-communications-navigation-program/technology-readiness-levels/ where the concept has been formulated by NASA). Experimental proof of concept is feasible, but I would need resources for it.
What is exciting is that we already have Earth as the prototype spaceship, which may be regarded as an enterprise at TRL 9; an actual system “flight proven” through successful mission operations. The concept of Earth DNA in Episteme Spacecraft is the biomimicry of Earth as a spaceship, shaped and maintained by biological DNA.

Basic guide to the experiments with MATLAB, TensorFlow and API’s

Experiment 1:


Formula: f(symbiotic_circle, species) = {x, y, z, w}, g(x_guessed, y_guessed, z_guessed, w_guessed) = {x_actual, y_actual, z_actual, w_actual}
Explanation: This experiment involves creating a database that includes data sets for various species, grouped into symbiotic circles based on mutual or parasitic relationships. The data sets for each species include image data (x), sound data (y), electrical emission data (z), and DNA data (w). The function f(symbiotic_circle, species) represents the relationship between a given symbiotic circle and its associated species, and outputs a set of data {x, y, z, w} for that species. The form of the function f(symbiotic_circle, species) would depend on the specific machine learning algorithm or statistical model being used to analyze the data.

In this experiment, the database includes data for 1000 different species. For the 1001st species introduced, the system attempts to guess not only the DNA data, but also the image, sound, and electrical emission data for that species. The guessed data is compared with the actual data for the species using the function g(x_guessed, y_guessed, z_guessed, w_guessed), and the guessing algorithm is updated based on this comparison. The goal of this experiment is to use DNA and other data sets as variables in a database of species-specific data, and to analyze the relationships between species within symbiotic circles in order to better understand the universal symbiosis of all life.

Prepare the Database:

Collect data sets for various species, including image data (x), sound data (y), electrical emission data (z), and DNA data (w).
Organize the data into symbiotic circles based on mutual or parasitic relationships.
Define Functions:

Define the function f(symbiotic_circle, species) to represent the relationship between a symbiotic circle and its associated species. This function should output a set of data {x, y, z, w} for each species within the circle.
Define the function g(x_guessed, y_guessed, z_guessed, w_guessed) to compare guessed data sets for a species with its actual data sets, and output the actual data sets {x_actual, y_actual, z_actual, w_actual}.

define the functions f(symbiotic_circle, species) and g(x_guessed, y_guessed, z_guessed, w_guessed):

Function f(symbiotic_circle, species):

This function represents the relationship between a symbiotic circle and its associated species. It takes two inputs: the symbiotic circle identifier and the species identifier. It outputs a set of data {x, y, z, w} for that species.

In MATLAB:

matlab

function [x, y, z, w] = f(symbiotic_circle, species)
% Implementation of function f
% This function generates data sets {x, y, z, w} for a given species
% within a specific symbiotic circle

% Your implementation here based on your dataset and model
% Example: (Replace with actual implementation)
x = data(symbiotic_circle, species).image_data;
y = data(symbiotic_circle, species).sound_data;
z = data(symbiotic_circle, species).electrical_emission_data;
w = data(symbiotic_circle, species).DNA_data;

end
In TensorFlow:

python

def f(symbiotic_circle, species):
# Implementation of function f
# This function generates data sets {x, y, z, w} for a given species
# within a specific symbiotic circle

# Your implementation here based on your dataset and model
# Example: (Replace with actual implementation)
x = data[symbiotic_circle][species]['image_data']
y = data[symbiotic_circle][species]['sound_data']
z = data[symbiotic_circle][species]['electrical_emission_data']
w = data[symbiotic_circle][species]['DNA_data']

return x, y, z, w

Function g(x_guessed, y_guessed, z_guessed, w_guessed):

This function takes as input the guessed data sets for image, sound, electrical emission, and DNA for a species. It outputs the actual data sets {x_actual, y_actual, z_actual, w_actual} for that species.

In MATLAB:

matlab
function [x_actual, y_actual, z_actual, w_actual] = g(x_guessed, y_guessed, z_guessed, w_guessed)
% Implementation of function g
% This function compares guessed data with actual data for a species
% and outputs the actual data sets {x_actual, y_actual, z_actual, w_actual}

% Your implementation here based on your comparison algorithm
% Example: (Replace with actual implementation)
x_actual = actual_data.image_data;
y_actual = actual_data.sound_data;
z_actual = actual_data.electrical_emission_data;
w_actual = actual_data.DNA_data;

end
In TensorFlow:

python
def g(x_guessed, y_guessed, z_guessed, w_guessed):
# Implementation of function g
# This function compares guessed data with actual data for a species
# and outputs the actual data sets {x_actual, y_actual, z_actual, w_actual}

# Your implementation here based on your comparison algorithm
# Example: (Replace with actual implementation)
x_actual = actual_data['image_data']
y_actual = actual_data['sound_data']
z_actual = actual_data['electrical_emission_data']
w_actual = actual_data['DNA_data']

return x_actual, y_actual, z_actual, w_actual

These functions should be adapted according to your specific dataset, model, and comparison algorithm.
comparison algorithm to compare the guessed data with the actual data for a species. We can calculate the similarity between the guessed and actual data sets for each modality (image, sound, electrical emission, DNA) and then provide an overall similarity score.

basic algorithm for comparison:

Calculate Modality Similarities:

For each modality (x, y, z, w):
Calculate the similarity between the guessed and actual data sets. This can be done using various similarity metrics such as mean squared error (MSE), cosine similarity, or Euclidean distance.
Normalize the similarity score between 0 and 1 (where 1 indicates perfect similarity).
Combine Modalities:

Combine the similarity scores for all modalities into a single overall similarity score. This can be done by taking the average or weighted average of the individual modality similarities.
Output:

Output the overall similarity score as the result of the comparison.
Here’s how you can implement this comparison algorithm in MATLAB:

matlab
function similarity_score = compare_data(x_guessed, y_guessed, z_guessed, w_guessed, x_actual, y_actual, z_actual, w_actual)
% Implementation of comparison algorithm
% This function compares guessed data with actual data for a species
% and outputs an overall similarity score

% Calculate modality similarities
similarity_x = 1 - mean((x_guessed - x_actual).^2) / max((max(x_actual) - min(x_actual))^2, eps);
similarity_y = 1 - mean((y_guessed - y_actual).^2) / max((max(y_actual) - min(y_actual))^2, eps);
similarity_z = 1 - mean((z_guessed - z_actual).^2) / max((max(z_actual) - min(z_actual))^2, eps);
similarity_w = 1 - mean((w_guessed - w_actual).^2) / max((max(w_actual) - min(w_actual))^2, eps);

% Combine modalities (taking the average)
similarity_score = (similarity_x + similarity_y + similarity_z + similarity_w) / 4;

end
And here’s the implementation in Python using TensorFlow:

python
import numpy as np

def compare_data(x_guessed, y_guessed, z_guessed, w_guessed, x_actual, y_actual, z_actual, w_actual):
# Implementation of comparison algorithm
# This function compares guessed data with actual data for a species
# and outputs an overall similarity score

# Calculate modality similarities
similarity_x = 1 - np.mean(np.square(x_guessed - x_actual)) / max(np.square(np.max(x_actual) - np.min(x_actual)), np.finfo(float).eps)
similarity_y = 1 - np.mean(np.square(y_guessed - y_actual)) / max(np.square(np.max(y_actual) - np.min(y_actual)), np.finfo(float).eps)
similarity_z = 1 - np.mean(np.square(z_guessed - z_actual)) / max(np.square(np.max(z_actual) - np.min(z_actual)), np.finfo(float).eps)
similarity_w = 1 - np.mean(np.square(w_guessed - w_actual)) / max(np.square(np.max(w_actual) - np.min(w_actual)), np.finfo(float).eps)

# Combine modalities (taking the average)
similarity_score = (similarity_x + similarity_y + similarity_z + similarity_w) / 4

return similarity_score

You can adjust the similarity metric used and the way modalities are combined based on the specific requirements and characteristics of your data.

Implementation:

Write code to implement the defined functions in MATLAB or TensorFlow, depending on your preference.
Utilize appropriate machine learning algorithms or statistical models to analyze the data and define the functions accordingly.
Data Processing and Analysis:

Use MATLAB or TensorFlow functionalities to process and analyze the data sets.
Perform any necessary data preprocessing steps such as normalization, feature scaling, or dimensionality reduction.
Here’s an implementation code in Python using TensorFlow for Experiment 1. This implementation includes defining functions, generating synthetic data, and performing the experiment by comparing guessed data with actual data:

python
import numpy as np

Define the function f(symbiotic_circle, species)

def f(symbiotic_circle, species):
# Generate synthetic data for demonstration purposes
num_samples = 100 # Number of samples for each data modality
x = np.random.rand(num_samples, 64, 64, 3) # Image data
y = np.random.rand(num_samples, 44100) # Sound data
z = np.random.rand(num_samples, 1000) # Electrical emission data
w = np.random.rand(num_samples, 10000) # DNA data
return x, y, z, w

Define the function g(x_guessed, y_guessed, z_guessed, w_guessed)

def g(x_guessed, y_guessed, z_guessed, w_guessed, x_actual, y_actual, z_actual, w_actual):
# Calculate similarity scores for each modality
similarity_x = 1 – np.mean(np.square(x_guessed – x_actual))
similarity_y = 1 – np.mean(np.square(y_guessed – y_actual))
similarity_z = 1 – np.mean(np.square(z_guessed – z_actual))
similarity_w = 1 – np.mean(np.square(w_guessed – w_actual))

# Combine similarity scores
overall_similarity = (similarity_x + similarity_y + similarity_z + similarity_w) / 4
return overall_similarity

Generate synthetic data for the 1001st species

x_guessed = np.random.rand(1, 64, 64, 3) # Guessed image data
y_guessed = np.random.rand(1, 44100) # Guessed sound data
z_guessed = np.random.rand(1, 1000) # Guessed electrical emission data
w_guessed = np.random.rand(1, 10000) # Guessed DNA data

Generate actual data for the 1001st species

x_actual, y_actual, z_actual, w_actual = f(10, 1001) # Assuming symbiotic_circle=10, species=1001

Compare guessed data with actual data

similarity_score = g(x_guessed, y_guessed, z_guessed, w_guessed, x_actual, y_actual, z_actual, w_actual)
print(“Overall Similarity Score:”, similarity_score)
This code snippet defines the functions f and g, generates synthetic data for the 1001st species, and then compares the guessed data with the actual data using the g function. Adjustments can be made to the data generation and comparison process according to the specific requirements and characteristics of your experiment.

Experimental Setup:

Set up the experiment to introduce the 1001st species.
Generate guessed data sets for image, sound, electrical emission, and DNA for the new species.

Comparison and Update:

Use the function g(x_guessed, y_guessed, z_guessed, w_guessed) to compare the guessed data with the actual data for the 1001st species.
Update the guessing algorithm based on the comparison results to improve accuracy.

Assuming you have already defined the functions f and g, and generated data for the 1001st species

Guess data for the 1001st species (assuming you have a guessing algorithm or model)

x_guessed_1001 = np.random.rand(1, 64, 64, 3) # Guessed image data for the 1001st species
y_guessed_1001 = np.random.rand(1, 44100) # Guessed sound data for the 1001st species
z_guessed_1001 = np.random.rand(1, 1000) # Guessed electrical emission data for the 1001st species
w_guessed_1001 = np.random.rand(1, 10000) # Guessed DNA data for the 1001st species

Get actual data for the 1001st species

x_actual_1001, y_actual_1001, z_actual_1001, w_actual_1001 = f(10, 1001) # Assuming symbiotic_circle=10

Compare guessed data with actual data for the 1001st species

similarity_score_1001 = g(x_guessed_1001, y_guessed_1001, z_guessed_1001, w_guessed_1001,
x_actual_1001, y_actual_1001, z_actual_1001, w_actual_1001)

Update algorithm based on the comparison results

Example: You might adjust parameters or retrain your model based on the similarity score

if similarity_score_1001 < threshold:
# Update algorithm parameters or retrain model
# Example: retrain your model with additional data for better accuracy
pass
else:
# No need to update the algorithm
pass

Print similarity score for the 1001st species

print(“Similarity Score for the 1001st species:”, similarity_score_1001)
In this code:

We guess data for the 1001st species using a hypothetical guessing algorithm or model.
Then, we retrieve the actual data for the 1001st species using the f function.
Next, we compare the guessed data with the actual data using the g function, obtaining a similarity score.
Based on the similarity score, we decide whether to update the guessing algorithm or not.
Finally, we print the similarity score for the 1001st species.

Iterative Improvement:

Iterate the experiment by introducing more species or refining the guessing algorithm.
Continuously update the algorithm based on the comparisons between guessed and actual data sets.
the code for iterative improvement, where we introduce more species and iteratively refine our guessing algorithm based on the comparison results:

python

Assuming you have already defined the functions f and g, and generated data for the first 1000 species

Define parameters for iterative improvement

num_iterations = 10 # Number of iterations for improvement
threshold = 0.8 # Threshold for deciding whether to update the algorithm

Iterate for improvement

for i in range(num_iterations):
# Generate data for the (i+1)th new species
x_guessed_new = np.random.rand(1, 64, 64, 3) # Guessed image data for the new species
y_guessed_new = np.random.rand(1, 44100) # Guessed sound data for the new species
z_guessed_new = np.random.rand(1, 1000) # Guessed electrical emission data for the new species
w_guessed_new = np.random.rand(1, 10000) # Guessed DNA data for the new species

# Get actual data for the (i+1)th new species
x_actual_new, y_actual_new, z_actual_new, w_actual_new = f(10, 1001 + i)  # Assuming symbiotic_circle=10

# Compare guessed data with actual data for the (i+1)th new species
similarity_score_new = g(x_guessed_new, y_guessed_new, z_guessed_new, w_guessed_new,
                          x_actual_new, y_actual_new, z_actual_new, w_actual_new)

# Update algorithm based on the comparison results
if similarity_score_new < threshold:
    # Update algorithm parameters or retrain model
    # Example: retrain your model with additional data for better accuracy
    pass
else:
    # No need to update the algorithm
    pass

# Print similarity score for the (i+1)th new species
print("Similarity Score for the (", 1001 + i, ")th new species:", similarity_score_new)

In this code:

We iterate through a specified number of iterations, introducing new species in each iteration.
For each new species, we generate guessed data and retrieve actual data using the functions f and g.
We then compare the guessed data with the actual data and decide whether to update the guessing algorithm based on the comparison results.
Finally, we print the similarity score for each new species introduced.
Analysis and Interpretation:

Analyze the relationships between species within symbiotic circles based on the updated data sets.
Interpret the results to better understand the universal symbiosis of all life.
Documentation and Reporting:

Document the experiment setup, methodology, results, and interpretations.
Report any insights gained from the analysis of the species-specific data and symbiotic relationships.
By following these steps, you can effectively conduct Experiment 1 using MATLAB or TensorFlow to analyze the symbiotic relationships between species and better understand the universal symbiosis of all life.


Experiment 2:


Formula: f(symbiotic_circle, species) = {x, y, z, v, t, w}, g(x_guessed, y_guessed, z_guessed, v_guessed, t_guessed, w_guessed) = {x_actual, y_actual, z_actual, v_actual, t_actual, w_actual}
Explanation: This experiment involves creating a database that includes life-specific data for as many species as possible, grouped into symbiotic circles based on mutual or parasitic relationships. The data sets for each species include image data (x), video data (v), sound data (y), electrical emission data (z), temperature change data (t), and DNA data (w). The function f(symbiotic_circle, species) represents the
relationship between a given symbiotic circle and its associated species, and outputs a set of data {x, y, z, v, t, w} for that species. The form of the function f(symbiotic_circle, species) would depend on the specific machine learning algorithm or statistical model being used to analyze the data.
In this experiment, Earth data, including image data (x), video data (v), sound data (y), electrical emission data (z), temperature change data (t), and DNA data (w), is added to the database as data for just another species. The system uses this data to try to guess the DNA data (w_guessed) for Earth. One approach to generating the guessed DNA data for Earth is to use an unsupervised machine learning algorithm, such as clustering or dimensionality reduction, to identify patterns in the data and generate an algorithm based on those patterns. The guessed DNA data for Earth is then used as an algorithm to run as an operating system under the image data (x), video data (v), sound data (y), electrical emission data (z), and temperature change data (t) for Earth.
The function g(x_guessed, y_guessed, z_guessed, v_guessed, t_guessed, w_guessed) is then used to compare the guessed data with the actual data for Earth and refine the algorithm accordingly. The calibrated DNA data set (w_calibrated) is the final output of this function. The goal of this experiment is to reverse engineer and calibrate the DNA data for Earth based on the guessed data, and to use this understanding to run simulations of Earth.
Formula: w_calibrated = g(x_guessed, y_guessed, z_guessed, v_guessed, t_guessed, w_guessed)
Explanation: This formula represents the process of calibrating the DNA data set (w_calibrated) for Earth using the function g(x_guessed, y_guessed, z_guessed, v_guessed, t_guessed, w_guessed). The function takes as input the guessed data sets for image (x_guessed), video (v_guessed), sound (y_guessed), electrical emission (z_guessed), temperature change (t_guessed), and DNA (w_guessed) for Earth, and outputs the calibrated DNA data set (w_calibrated) for Earth. This function is used to compare the guessed data with the actual data for Earth and refine the algorithm accordingly, resulting in the calibrated DNA data set (w_calibrated) as the final output.


Experiment 2, where we first guess DNA for Earth and then calibrate it using the ever-changing Earth data:

python

Define the function f(symbiotic_circle, species)

def f(symbiotic_circle, species):
# Generate or retrieve data for Earth species
# Implement based on available data sources
pass

Define the function g(x_guessed, y_guessed, z_guessed, v_guessed, t_guessed, w_guessed)

def g(x_guessed, y_guessed, z_guessed, v_guessed, t_guessed, w_guessed):
# Compare guessed data with actual data for Earth
# Refine the algorithm to calibrate DNA data (w_calibrated)
# Implement based on the comparison algorithm and refinement process
pass

Guess DNA data for Earth using unsupervised machine learning

Implement based on clustering or dimensionality reduction algorithms

This would involve analyzing the gathered life-specific data to infer patterns and characteristics of Earth’s DNA

Gather life-specific data for Earth

This could include image data, video data, sound data, electrical emission data,

temperature change data, and DNA data for various species

Compare guessed DNA data with actual DNA data for Earth and refine the algorithm

w_guessed = guess_dna_for_earth(earth_data) # Hypothetical function to guess DNA for Earth
w_calibrated = g(image_data, sound_data, electric_data, video_data, temperature_data, w_guessed)
In this corrected version, we first guess the DNA data for Earth using unsupervised machine learning techniques. Then, we gather life-specific data for Earth, including various modalities such as image, video, sound, electrical emission, and temperature change data. Finally, we compare the guessed DNA data with the actual DNA data for Earth and refine the algorithm accordingly to calibrate the DNA data set (w_calibrated).

Experiment 3

Some examples of how you can use APIs to gather species data

  1. Using NCBI E-utilities to Retrieve DNA Sequences:
    python
    Copy code
    import requests

def fetch_dna_sequence(accession_number):
base_url = “https://eutils.ncbi.nlm.nih.gov/entrez/eutils/efetch.fcgi”
params = {
“db”: “nucleotide”,
“id”: accession_number,
“rettype”: “fasta”,
“retmode”: “text”
}
response = requests.get(base_url, params=params)
if response.status_code == 200:
return response.text
else:
return None

Example usage:

accession_number = “NC_000913” # Example accession number for E. coli genome
dna_sequence = fetch_dna_sequence(accession_number)
print(dna_sequence)

  1. Using BioPython to Retrieve DNA Sequences:
    python
    Copy code
    from Bio import Entrez

def fetch_dna_sequence(accession_number):
Entrez.email = “your_email@example.com” # Provide your email address
handle = Entrez.efetch(db=”nucleotide”, id=accession_number, rettype=”fasta”, retmode=”text”)
return handle.read()

Example usage:

accession_number = “NC_000913” # Example accession number for E. coli genome
dna_sequence = fetch_dna_sequence(accession_number)
print(dna_sequence)

  1. Using Freesound API to Retrieve Sounds:
    python
    Copy code
    import requests

def search_sound(query):
base_url = “https://freesound.org/apiv2/search/text/”
params = {
“query”: query,
“token”: “YOUR_API_KEY” # Provide your API key obtained from Freesound
}
response = requests.get(base_url, params=params)
if response.status_code == 200:
return response.json()
else:
return None

Example usage:

query = “bird” # Example query to search for bird sounds
response = search_sound(query)
print(response)

  1. Using Xeno-Canto API to Retrieve Bird Sounds:
    python
    Copy code
    import requests

def search_bird_sound(query):
base_url = “https://www.xeno-canto.org/api/2/recordings”
params = {
“query”: query
}
response = requests.get(base_url, params=params)
if response.status_code == 200:
return response.json()
else:
return None

Example usage:

query = “passerine” # Example query to search for passerine bird sounds
response = search_bird_sound(query)
print(response)

  1. Using eBird API to Retrieve Bird Observations:
    python
    Copy code
    import requests

def fetch_bird_observation(species_code):
base_url = “https://api.ebird.org/v2/data/obs/{}”.format(species_code)
headers = {
“X-eBirdApiToken”: “YOUR_API_KEY” # Provide your API key obtained from eBird
}
response = requests.get(base_url, headers=headers)
if response.status_code == 200:
return response.json()
else:
return None

Example usage:

species_code = “baleag” # Example species code for Bald Eagle
response = fetch_bird_observation(species_code)
print(response)

gargle it down

bicycle bells
and never setting sun
a beer or three
wash it down
smell the sweet
iodine on the wrinkled
canal waters
yes
wash it down
what an unfortunate
betrayal
these last rounds
lock key
memory
brain
brain
brain
and home
laugh with the dead
without dying
why don’t you
play the game…
why don’t you
play the game.
not that the
night is ever
to die. Forever
is our feast.
Hungry are my eyes
seeing them hungry
eyes looking at me
how deep be these cliffs
that lay between
the edges of this
structure
and the heads it is
feeding on.
“there is a land…”*
now you see it
now you don’t
hide to seek this
vulture of a
desire.
(*far far away…)
the same hungry
faces of the bees
swarm
with ever prosecuted motion
the idols of
fashion.
look but
don’t touch
either learn
or teach
to touch.
but touch
touch, touch…
time now
time is to sharpen
the toxico of the sting.

The winds uncharted soul

illuminates the suns
of our winter.
How long this longing shall stretch?
castles they are building now
and within walls of icicles,
fate they will want to decide.
All is with love,
All is with love…
metal cables and odourless silicone
All is with love,
All is with love…
But symbolic beings
believe in systematic beginnings
For always too late to wake up, for too late they
figure;
So passes the crescent of aeons
From elders in dead cities
to uncanny molecules…

Bless the patron of power.


Then ahoy fertility, ar-ar the meaning of boundless, the propagation of what is chosen from purple, the un-importance of how little the small brilliance is, it’s unique place amongst every billionth of shining, variable; the undying fire in every furnace. Prettier when left alone and moreish, this partnership is a unity as the expression of uniqueness, we are in a certain kind of traffic but we are more than just a headcount counting heads on approximate heights and speeds for accident stories, it is a quantum arm that rests on the shoulders of master drivers, who indeed are the ones that warn the half asleep, as well as appear in the dreams of being on the road. Whereas the good and the bad both begin with two people. Even to be able to calculate benefit and loss, I, you and us need to hold onto
an adultness; politeness is the existence of the individual, politeness that the ones who want to drown it in mythology cannot stand, for it exists even though power exists. The wagons of the crush and go-on lot, are focals of meaning and they do not have time for subtleties; so I ask on, if it does not have time for niceties why am I the one who is yearning for the infinite play of the baglama?

This one man a dub


Heed whom call themselve a-priori
This not care if one in a billion people
As we return to crafts, folk and land
On the white world ruin
They Stumble
They a yelling me, myself and in my shoes
Yet no one there not even a them
Where we turn, we turn for purpose, for compassion
A lost plea, a lost lot at a loss to how this be, when they mememe,
When we do not even try but be,
they getting angry
For real,
We as us run what we please, such is beyond one with no connect
For a touch to earthen mud can bring out a bowl
For a dance, when we dance, can dance the soul
For a song to sing, can compass on land
To take a little and give a little to live, need no flag, no nation, no border

Rise

Rise
Olive in the sky
Rays of hope
Laughing
A chance of a chance
Doing because living
Living because doing
No causa-sui
yet we are alive in one

Alphan Vardarlı

Exhibitions
Mixed Exhibition, Ekim Geçidi Çanakkale (18.), Çanakkale, Turkey, 2019
Personal Painting Exhibition (Continuous), Yalı Hanı Han Kahvesi, Çanakkale, Turkey, 2018-2019
Mixed Exhibition, Ekim Geçidi Çanakkale (17.), Çanakkale, Turkey, 2018
Mixed Exhibition, Ekim Geçidi Çanakkale (16.), Çanakkale, Turkey, 2017
Mixed Installation Exhibition, Derler ki Sergisi, Various Cities, Turkey, 2017-2018
Personal Painting Exhibition, Turkish Culture Ministry Gallery, Çanakkale, Turkey, 06.2016
Mixed Painting Exhibition, Siemens Art Gallery in İstanbul, Turkey, 12.2005

A poet, a researcher and a self-trained painter born in 1978. Graduated from University of Kent at Canterbury in the UK, from the department of Politics and International Relations in 1999. Went onto study art and art history in Florence, Italy. Attended Philosophy and Cultural Analysis M.A. program in the University of Amsterdam.
Been writing poetry since 15 years old. In his 20’s he collaborated with philosophy, logic and anthropology students from the University of Amsterdam to publish an online magazine and a zine, where his poetry, drawings and collages took part. In his 30’s he took to the stage reading his poetry in Spoken Word İstanbul and the poetry events of different literature groups in Çanakkale. Çanakkale Olay Newspaper also printed his poems in the newspaper’s art pages.
Been painting since 2000. In 2005 exhibited for the first time at a mixed exhibition at Siemens Art Gallery in İstanbul. First personal painting exhibition was held in the Turkish Culture Ministry Gallery, in Çanakkale in 2016.

Sergiler
Karma Sergi, Ekim Geçidi Çanakkale (18.), Çanakkale, Türkiye, 2019
https://vimeo.com/374765328
Kişisel Resim Sergisi (Sürekli), Yalı Hanı Han Kahvesi, Çanakkale, Türkiye, 2018-2019
Karma Sergi, Ekim Geçidi Çanakkale (17.), Çanakkale, Türkiye, 2018
Karma Sergi, Ekim Geçidi Çanakkale (16.), Çanakkale, Türkiye, 2017
Karma Sergi, Derler ki Sergisi, Various Cities, Türkiye, 2017-2018
https://www.youtube.com/channel/UCw2EuDK8XSvgBq4wXVtM-1w
Kişisel Resim Sergisi, T.C. Kültür ve Turizm Bakanlığı Güzel Sanatlar Galerisi, Çanakkale, Türkiye, 06.2016
Karma Sergi, Siemens Sanat, İstanbul, Türkiye, 12.2005
https://youtu.be/giDeCZAWjMg?t=727

1978 doğumlu bir şair, araştırmacı ve alaylı bir ressam. Eğitim için gittiği İngiltere’de University of Kent at Canterbury’den Siyaset Bilimi ve Uluslararası İlişkiler bölümünden 1999 yılında mezun oldu. İtalya, Floransa’da sanat ve sanat tarihi eğitimleri aldı. Hollanda’da Amsterdam Üniversitesi’nde Felsefe ve Kültürel Analiz yüksek lisans programına katıldı.
15 yaşından beri şiir yazıyor. 20’lerinde Amsterdam Üniversitesi’nden bir grup felsefe, mantık ve antropoloji öğrencisi ile çıkarttıkları internet dergisinde ve fanzinde şiirleri, çizimleri ve kolajları yer aldı. 30’larında İstanbul’da Spoken Word gecelerinde ve Çanakkale’de çeşitli edebiyat etkinliklerinde sahne aldı ve şiirlerini okudu. Ayrıca şiirleri Çanakkale Olay Gazetesi’nde sanat sayfasında yayınlandı.
2000’lerden beri resim yapıyor. 2005’de İstanbul’da, Siemens Sanat Galerisi’nde ilk karma sergisine katıldı. İlk kişisel resim sergisini 2016’da Çanakkale’de Devlet Güzel Sanatlar Galerisi’nde açtı.

https://www.storytel.com/tr/authors/alphan-vardarl%C4%B1-283817

https://www.smashwords.com/profile/view/alphan

https://www.nadirkitap.com/cay-bahcesinde-duserken-alphan-vardarli-kitap26570276.html

hi

The glimmer shining in the coldest of winters
To set up shelter
The joy of a spring child
The love of the world
a stepping stone or a wanderer’s bed
a world betrayed in helplessness
can now be won