資源

枯渇性資源は、いずれにしても、枯渇する。



枯渇性資源のリサイクルが重要です。



可採埋蔵量、つまり、採算ベースが重要です。 



ヒッグス粒子よりも、元素の周期律表のほうが重要です。



脳細胞が重要です。


神経細胞（しんけいさいぼう、ニューロン、neuron）は、神経系を構成する細胞で、その機能は情報処理と情報伝達に特化しており、動物に特有である。なお、日本においては「神経細胞」という言葉でニューロン（neuron）ではなく神経細胞体（soma）を指す慣習があるが、本稿では「神経細胞」の語を、一つの細胞の全体を指して「ニューロン」と同義的に用いる。


シナプス（Synapse）は、神経細胞間あるいは筋繊維（筋線維）、ないし神経細胞と他種細胞間に形成される、シグナル伝達などの神経活動に関わる接合部位とその構造である。化学シナプス（小胞シナプス）と電気シナプス（無小胞シナプス）、および両者が混在する混合シナプスに分類される。シグナルを伝える方の細胞をシナプス前細胞、伝えられる方の細胞をシナプス後細胞という。



ニューラルネットワーク(Neural network　神経回路網)は、脳機能に見られるいくつかの特性を計算機上のシミュレーションによって表現することを目指した数学モデルである。研究の源流は生体の脳のモデル化であるが、神経科学の知見の改定などにより次第に脳モデルとは乖離が著しくなり、生物学や神経科学との区別のため、人工ニューラルネットワーク(Artificial Neural Network: ANN　人工神経回路網)とも呼ばれる。

シナプスの結合によりネットワークを形成した人工ニューロン（ノード）が、学習によってシナプスの結合強度を変化させ、問題解決能力を持つようなモデル全般を指す。狭義には誤差逆伝播法を用いた多層パーセプトロンを指す場合もあるが、これは誤った用法である。

ニューラルネットワークは、教師信号（正解）の入力によって問題に最適化されていく教師あり学習と、教師信号を必要としない教師なし学習に分けられる。明確な解答が用意される場合には教師あり学習が、データ・クラスタリングには教師なし学習が用いられる。結果としていずれも次元削減されるため、画像や統計など多次元量のデータでかつ線形分離不可能な問題に対して、比較的小さい計算量で良好な解を得られることが多い。このことから、パターン認識やデータマイニングをはじめ、さまざまな分野において応用されている。