Download the full version of the textbook now at textbookfull.

com

AI and SWARM: Evolutionary Approach to

Emergent Intelligence 1st Edition Hitoshi Iba

https://textbookfull.com/product/ai-and-swarm-
evolutionary-approach-to-emergent-
intelligence-1st-edition-hitoshi-iba/

Explore and download more textbook at https://textbookfull.com

 Recommended digital products (PDF, EPUB, MOBI) that
you can download immediately if you are interested.

Swarm Intelligence Algorithms: Modifications and

Applications 1st Edition Adam Slowik

https://textbookfull.com/product/swarm-intelligence-algorithms-
modifications-and-applications-1st-edition-adam-slowik/

textbookfull.com

Tracking and Mapping of Spatiotemporal Quantities Using

Unicellular Swarm Intelligence: Visualisation of Invisible
Hazardous Substances Using Unicellular Swarm Intelligence
1st Edition John Oluwagbemiga Oyekan (Auth.)
https://textbookfull.com/product/tracking-and-mapping-of-
spatiotemporal-quantities-using-unicellular-swarm-intelligence-
visualisation-of-invisible-hazardous-substances-using-unicellular-
swarm-intelligence-1st-edition-john-oluwagbemi/
textbookfull.com

AI Meets BI: Artificial Intelligence and Business

Intelligence 1st Edition Lakshman Bulusu

https://textbookfull.com/product/ai-meets-bi-artificial-intelligence-
and-business-intelligence-1st-edition-lakshman-bulusu/

textbookfull.com

The Long and Short Non coding RNAs in Cancer Biology 1st
Edition Erwei Song (Eds.)

https://textbookfull.com/product/the-long-and-short-non-coding-rnas-
in-cancer-biology-1st-edition-erwei-song-eds/

textbookfull.com
Colloquial English Structure and Variation Andrew Radford

https://textbookfull.com/product/colloquial-english-structure-and-
variation-andrew-radford/

textbookfull.com

Critical Care Neurology Part I Eelco F.M. Wijdicks And

Andreas H. Kramer (Eds.)

https://textbookfull.com/product/critical-care-neurology-part-i-eelco-
f-m-wijdicks-and-andreas-h-kramer-eds/

textbookfull.com

Education and Technological Unemployment Michael A. Peters

https://textbookfull.com/product/education-and-technological-
unemployment-michael-a-peters/

textbookfull.com

Who Is Vera Kelly Rosalie Knecht

https://textbookfull.com/product/who-is-vera-kelly-rosalie-knecht/

textbookfull.com

Heidegger on Death and Being: An Answer to the Seinsfrage

Johannes Achill Niederhauser

https://textbookfull.com/product/heidegger-on-death-and-being-an-
answer-to-the-seinsfrage-johannes-achill-niederhauser/

textbookfull.com
Evolution Equations Long Time Behavior and Control London
Mathematical Society Lecture Note Series 1st Edition Kaïs
Ammari (Editor)
https://textbookfull.com/product/evolution-equations-long-time-
behavior-and-control-london-mathematical-society-lecture-note-
series-1st-edition-kais-ammari-editor/
textbookfull.com
AI and SwArm
Evolutionary Approach
to Emergent Intelligence
Hitoshi Iba
Information and Communication Engineering
School of Information Science and Technology
The University of Tokyo, Japan

p,
p,
A SCIENCE PUBLISHERS BOOK
A SCIENCE PUBLISHERS BOOK
CRC Press
Taylor & Francis Group
6000 Broken Sound Parkway NW, Suite 300
Boca Raton, FL 33487-2742
© 2020 by Taylor & Francis Group, LLC
CRC Press is an imprint of Taylor & Francis Group, an Informa business
No claim to original U.S. Government works
Printed on acid-free paper
Version Date: 20190725
International Standard Book Number-13: 978-0-367-13631-4 (Hardback)

This book contains information obtained from authentic and highly regarded sources. Reasonable efforts have been
made to publish reliable data and information, but the author and publisher cannot assume responsibility for the
validity of all materials or the consequences of their use. The authors and publishers have attempted to trace the
copyright holders of all material reproduced in this publication and apologize to copyright holders if permission to
publish in this form has not been obtained. If any copyright material has not been acknowledged please write and let
us know so we may rectify in any future reprint.
Except as permitted under U.S. Copyright Law, no part of this book may be reprinted, reproduced, transmitted,
or utilized in any form by any electronic, mechanical, or other means, now known or hereafter invented, includ-
ing photocopying, microfilming, and recording, or in any information storage or retrieval system, without written
permission from the publishers.
For permission to photocopy or use material electronically from this work, please access www.copyright.com
(http://www.copyright.com/) or contact the Copyright Clearance Center, Inc. (CCC), 222 Rosewood Drive, Danvers,
MA 01923, 978-750-8400. CCC is a not-for-profit organization that provides licenses and registration for a variety
of users. For organizations that have been granted a photocopy license by the CCC, a separate system of payment
has been arranged.
Trademark Notice: Product or corporate names may be trademarks or registered trademarks, and are used only for
identification and explanation without intent to infringe.

Library of Congress Cataloging-in-Publication Data

Names: Iba, Hitoshi, author.
Title: AI and swarm : evolutionary approach to emergent intelligence /
Hitoshi Iba, Information and Communication Engineering, School of
Information Science and Technology, The University of Tokyo, Tokyo,
Japan.
Description: First edition. | Boca Raton, FL : CRC Press/Taylor & Francis
Group, 2019. | Includes bibliographical references and indexes. |
Summary: “The book provides an overview of swarm intelligence and
adaptive complex systems for AI, organized in seven chapters. Each
chapter begins with a background of the problem and of the current state
of the art of the field, and ends with detailed discussion about the
complex system frameworks. In addition, the simulators based on
optimizers such as PSO, ABC complex adaptive system simulation are
described in detail. These simulators, along with the source codes that
are available online, will be useful to readers for practical
application tasks”-- Provided by publisher.
Identifiers: LCCN 2019029264 | ISBN 9780367136314 (hardback ; acid-free
paper)
Subjects: LCSH: Artificial intelligence. | Swarm intelligence. |
Evolutionary computation. | Self-organizing systems.
Classification: LCC Q335 .I333 2019 | DDC 006.3--dc23
LC record available at https://lccn.loc.gov/2019029264

Visit the Taylor & Francis Web site at

http://www.taylorandfrancis.com

and the CRC Press Web site at

http://www.crcpress.com
Preface

We used to joke that AI means “Almost Implemented.”

—Rodney Brooks

This book is an explanatory text about Artificial Intelligence (AI) and swarm,
that is, “emergence” for AI. These days, we can say that we are in the middle of
the third AI boom. One of the factors responsible for this is deep learning, which
resulted in the evolution of neural networks as well as machine learning based on
statistical theory. However, there remains the question of whether it is possible
to create a true AI (a human-like general-purpose intelligence, the so-called
“strong” AI). Many research results indicate that there is clearly more depth in
human intelligence and cognition than is possible to express by AI techniques
(“weak” AI).
For about 30 years, the author has studied evolution and emergent
computation. The swarm mechanism gives us a glimpse of the principles of
intelligence in humans and living beings. In this book, such topics related to
artificial intelligence are explained in detail, from the theoretical background to
the most recent progress, as well as future topics.
Some readers may wonder if some of the topics related to swarm do really
belong to the realm of AI technology. Indeed, the essence of AI is to find problems.
According to this line of thought, a problem is no longer considered to be AI as
soon as it is solved. Brooks’ joke in the beginning of this text symbolizes this
point. Brooks is a researcher specializing in AI at MIT (Massachusetts Institute
of Technology) since the 1980’s. He is the author of numerous innovative ideas
in the field of AI. He is also famous for having created the robot vacuum cleaner
Roomba (he is the founder of iRobot in the US). From this perspective, is it
possible to say that, because the vacuum cleaner robot is already in the market,
it is no longer AI?
Current, AI seems to be surrounded by an excessively flamboyant
advertisement of its technical applications. Of course, it is worth noting that
iv < AI and Swarm: Evolutionary Approach to Emergent Intelligence

the intention here is not to deny all this. The author himself is involved in such
projects. However, being satisfied with the above is a different issue. Given that
it is possible to link any type of intelligence to AI, we should not ignore basic
research that focuses on the essence of cognition and life.
The objective of the author’s research is to build a model of human cognitive
functions from the perspective of “emergence” in order to achieve strong AI.
In other words, the objective is to understand how intelligence appeared and
interacted with the real world, as well as the causal relationships in terms of actual
physical and chemical mechanisms. In that sense, this book intends not only
to explain intelligent behavior itself, but also understand its causes and effects.
In order to do that, I have explained the emergence of several types of human
cognitive errors, cognitive dissonances, irrational behaviors, and cooperative/
betrayal actions.
Unfortunately, it is difficult to explain such phenomena using machine
learning based on statistical models and deep learning based on big data, which
constitute the core of current AI. On the contrary, a few hypotheses that contradict
such approaches may be needed. In this book, research results related to brain
mechanism are described, which is a factor that directly triggers intelligent
behavior (called “proximate cause” or “physiological cause” in biological
jargon), and the reasons for the evolution of living beings’ behavior (“ultimate
cause,” or “biological/evolutional cause”). A few emergence simulation models
are also introduced for better understanding. These approaches are important
research efforts to clarify the essence of intelligence, in order to achieve true AI.
Most photographs depicting nature (modes of life and shapes of fish, patterns
found in animals, images of Galapagos, Papua New Guinea, etc.) were shot by
the author himself. Unfortunately, it is difficult for us to witness the evolution of
nature on our own. However, it is possible to feel the driving force of emergence
and the significance of diversity. In order to do that, it is suggested that you leave
behind your PC or smartphone and see real things with your own eyes. The
author has indulged in water life observation for about 30 years as a hobby, and
still feels moved by it, reinforcing his conviction that nothing compares to seeing
the real thing. Even though it is now possible to obtain almost any kind of image
from the Internet, there are lots of things to be learned from real nature, and they
are worth seeing.
Numerous things can be learned from actual living beings and from nature
when studying swarms and AI. Therefore, in this book, the author has tried as
much as possible to explain topics related to living beings and real life based on
actual examples. It is the intent of the author that the readers will expand those
topics and tackle new issues related to AI and swarm.
Acknowledgments

This book is based on my class notes on “Artificial Intelligence” and “Simulation

Theory”. The assignments given to the students in class were often unusual and
considered difficult or unanswerable. However, the reports that were submitted in
return often contained impressive descriptions and deep insights which I always
appreciated. In this book, some examples of answers and opinions contained
in the submitted reports are used after necessary corrections and refinement.
Although it is impossible to acknowledge everyone by their names, I would like
to express his deepest gratitude to the students who made the efforts to write
interesting reports.
Undoubtedly, those philosophical and interesting discussions with colleagues
from the laboratory and institute where I belonged as a student, constitute the
core of this book. I takes this opportunity to express my deepest gratitude to
teachers, and senior and junior colleagues.
I also wish to express my gratitude to SmartRams Co., Ltd. for cover image
design.
And last, but not least, I would like to thank his wife Yumiko and sons and
daughter Kohki, Hirono and Hiroto, for their patience and assistance.
H. Iba
April 2019 Amami isl. (Galapagos of the East), Japan
Contents

Preface iii
Acknowledgments v
Abbreviations xi

1. Introduction 1
1.1 What is AI? – Strong AI vs Weak AI 1
1.2 What is Emergence? 6
1.3 Cellular Automaton and Edge of Chaos 7

2. AI, Alife and Emergent Computation 15

2.1 Evolutionary Computation 15
2.1.1 What is Evolutionary Computation? 15
2.1.2 Evolution Strategy 22
2.1.3 Multi-objective Optimization 24
2.2 How to Make a Bit? – Exploration vs Exploitation 29
2.3 Wireworld: A Computer Implemented as a Cellular 38
Automaton
2.4 Langton’s Ant 43

3. meta-heuristics 49
3.1 Ant Colony Optimization (ACO) 49
3.1.1 Collective Behaviors of Ants 49
3.1.2 Simulating the Pheromone Trails of Ants 51
3.1.3 Generating a Death Spiral 52
3.1.4 ACO using a Pheromone Trail Model 53
3.2 Particle Swarm Optimization (PSO) 56
3.2.1 Collective Behavior of Boids 56
3.2.2 PSO Algorithm 60
viii < AI and Swarm: Evolutionary Approach to Emergent Intelligence

3.2.3 Comparison with GA 63

3.2.4 Collective Memory and Spatial Sorting 66
3.2.5 Boids Attacked by an Enemies 71
3.3 Artificial Bee Colony Optimization (ABC) 76
3.4 Firefly Algorithms 84
3.5 Cuckoo Search 86
3.6 Harmony Search (HS) 89
3.7 Cat Swarm Optimization (CSO) 91
3.8 Meta-heuristics Revisited 94

4. Emergent Properties and Swarm Intelligence 97

4.1 Reaction-Diffusion Computing 97
4.1.1 Voronoi Diagram Generation 98
4.1.2 Thinning and Skeletonization for Image 109
Understanding
4.2 Queuing Theory and Traffic Jams 112
4.2.1 Most Random Customers and Poisson Arrival 112
4.2.2 Poisson Distribution and Cognitive Errors 115
4.2.3 Queue Management and Scheduling 119
4.3 Silicon Traffic and Rule 184 125
4.4 Segregation and Immigration: What is Right? 131

5. Complex Adaptive Systems 137

5.1 Diffusion-Limited Aggregation (DLA) 137
5.2 How do Snowflakes Form? 138
5.3 Why do Fish Patterns Change? 149
5.3.1 Turing Model and Morphogenesis 149
5.4 BZ Reaction and its Oscillation 153
5.5 Why do We have Mottled Snakes? Theory of Murray 155

6. Emergence of Intelligence 161

6.1 Evolution of Cooperation and Defection 161
6.1.1 How to Clean a Fish 161
6.1.2 The Prisoner’s Dilemma 163
6.1.3 Iterated Prisoner’s Dilemma 166
6.1.4 ESS: Evolutionarily Stable Strategy 173
6.1.5 IPD using GA 175
6.1.6 IPD as Spatial Games 179
6.1.7 Can the Dilemma be Eliminated with 183
Quantum Games?
6.1.8 The Ultimatum Game: Are Humans Selfish or 185
Cooperative?
6.2 Evolutionary Psychology and Mind Theory 188
 Contents < ix

6.3 How does Slime Solve a Maze Problem? Slime Intelligence 190
6.4 Swarm Robots 197
6.4.1 Evolutionary Robotics and Swarm 197
6.4.2 Transportation Task for Swarm 199
6.4.3 Occlusion-based Pushing (OBP) 199
6.4.4 Guide-based Approach to OBP 203
6.4.5 Let us See How they Cooperate with each other 205

7. Conclusion 211
7.1 Summary and Concluding Remarks 211
References 213
Index 223
Color Section 235
Visit https://textbookfull.com
now to explore a rich
collection of eBooks, textbook
and enjoy exciting offers!
Abbreviations

ABC : artificial bee colony

ACO : ant colony optimization
AI : artificial intelligence
AL : artificial life
ANN : artificial neural network
ASEP : asymmetric simple exclusion process
BCA : Burgers cellular automaton automata
CA : cellular automata
CS : cuckoo search
CSO : cat swarm optimization
DLA : diffusion-limited aggregation
EA : evolutionary algorithms
EANN : evolutionary ANN
EC : evolutionary computation
EDA : estimation of distribution algorithm
EDD : earliest due date
EP : evolutionary programming
ES : evolution strategy
ESS : evolutionarily stable strategy
FA : firefly algorithm
FIFO : first-in, first-out
GA : genetic algorithms
GP : genetic programming
HS : harmony search
IPD : iterated prisoner’s dilemma
JSSP : job scheduling problem
OBP : occlusion-based pushing
PSO : particle swarm optimization
xii < AI and Swarm: Evolutionary Approach to Emergent Intelligence

SA : simulated annealing
SPT : shortest processing time
TFT : tit for tat
TSP : traveling salesman problem
UCB : upper confidence bound
WSLS : Win-Stay-Lose-Shift
ZD : zero-determinant strategy
Chapter 1

Introduction

A sonnet written by a machine would be better appreciated by another machine.

—Alan Turing

1.1 What is AI? – Strong AI vs Weak AI

AI (artificial intelligence) refers to the implementation of intelligence on a com-
puter and is divided into two hypotheses.

Strong AI The viewpoint that true intelligence can be implemented on a

computer, also known as general AI.
Weak AI The viewpoint that computers can merely give the impression of
intelligence, also known as narrow AI.

In the same manner, artificial life (AL), which is mentioned later, can be defined
in terms of strong AL and weak AL.
“Weak AI” is an application of AI technologies to enable a high-functioning
system that replicates human intelligence for a specific purpose. In fact, there are
breakthroughs in weak AI.
In this book we consider simulation in the sense of “strong AI”. More pre-
cisely, the rationale behind this approach is that “the appropriately programed
computer really is a mind, in the sense that computers, given the right programs,
can be literally said to understand and have other cognitive states.”
2  AI and Swarm: Evolutionary Approach to Emergent Intelligence

Figure 1.1: Turing test.

Realizing such a computer is nontrivial, since the definition of “intelligence”

is difficult in the first place. Therefore, if a claim is made that AI (in the strong
sense) has been created, what would be the most appropriate way to evaluate it?
To this end, Alan Turing1 proposed a test of a machine’s capacity to exhibit
intelligent behavior, now called the “Turing test”, which, despite being powerful,
is the subject of numerous disputes (Fig. 1.1). The question of whether machines
can think was considered in great depth by Turing, and his final opinion was
affirmative. The Turing test can be translated into modern terms in the form of a
game involving the exchanging of messages via a discussion board:

 One day, two new users, A and B, join the discussion board.
 When a message is sent to A and B, they both return apt responses.
 Of A and B, one is human and the other is a computer.
 However, it is impossible to determine which is which, regardless of the
questions asked.

If a program passes this test (in other words, the computer cannot be identi-
fied), the program can be said to simulate intelligence (as long as the questions
are valid). A similar contest, named the “The Loebner prize” after its patron,
the American philanthropist Hugh Loebner, is held online2 . Although an award
of 100,000 US dollars and a solid gold medal has been offered since 1990, so
far, not a single machine participating in the contest has satisfied the criteria for
winning.
Nevertheless, a number of problems with the Turing test have been pointed
out, and various critical remarks have been issued about potential implementation
1 Alan Turing (1912–1954): British mathematician. He worked on deciphering the Enigma encryption

used by the German Army during World War II. He is considered the “father of computer science.” The
Turing machine for computing theory and the Turing model for morphogenesis are some of his pioneering
achievements. Apple’s bitten apple logo is allegedly an homage to Turing.
2 http://www.loebner.net/Prizef/loebner-prize.html
 Introduction  3

Figure 1.2: A Chinese room.

of AI. A notable example is the challenge to the very “definition of intelligence”

by John Searle3 , who questioned the foundations of the Turing test by creating a
counter thought experiment. Searle’s experiment, known as the “Chinese room,”
can be summarized as follows.
A person is confined to a room with a large amount of written material on
the Chinese language (Fig. 1.2). Looking inside the room is impossible, and
there are only input and output boxes for submitting sentences and obtaining
responses. Having no understanding of Chinese, the person cannot distinguish
between different Chinese characters (for this purpose, we assume that the per-
son is British and not Japanese). Furthermore, the person is equipped with a
comprehensive manual (written in English) containing rules for connecting sets
of Chinese characters. Let us consider that a person who understands Chinese is
leading a conversation by inserting questions written in Chinese into the input
box and retrieving answers from the output box. Searle provides the following
argument.
Suppose that the person quickly becomes truly proficient at manipulating
Chinese characters in accordance to the instructions, and that the person outside
the room also becomes proficient at providing instructions. Then, the answers
prepared by the person inside the room would become indistinguishable from
answers provided by a Chinese person. Nobody would consider, simply by look-
ing at the provided answers, that the person inside the room does not understand
Chinese. However, in contrast to English, in the case of Chinese, the person in
the room prepares the answers by formally manipulating characters, without any
understanding whatsoever.
It cannot be said that true understanding is achieved simply by looking at
the typeface while performing manipulations in accordance with a formal set
of rules. However, as demonstrated by the “Chinese room” thought experiment,
3 John Rogers Searle (1932–): American philosopher. He is known for his criticism of artificial intelli-

gence. In 1980, he proposed the “strong and weak AI” classification.

4  AI and Swarm: Evolutionary Approach to Emergent Intelligence

under specific conditions, human-like behavior can be fabricated by both humans

and machines if appropriate formal rules are provided. Searle, therefore, argues
that strong AI is impossible to realize.
Various counterarguments have been considered in response to Searle, and
questions that would probably occur to most people include

 Can conversion rules be written for all possible inputs?

 Can such an immense database actually be searched?

However, these counterarguments are devoid of meaning. The former rejects the
realization of AI in the first place, and the latter cannot be refuted in light of the
possibility that ultra-high-speed parallel computing or quantum computing may
exist in the future. Thus, neither one can serve as the basis of an argument.
One powerful counterargument is based on system theory. Although the per-
son in the room certainly lacks understanding, he constitutes no more than a sin-
gle part of a larger system incorporating other elements, such as the paper and the
database, and this system as a whole does possess understanding. It is the equiv-
alent to the fact that, even for Chinese, cranial nerve cells do not understand the
language by themselves. This point is integral to the complex systems regarded in
this book. The level at which intelligence is sought depends on the observed phe-
nomenon, and if the phenomenon is considered as being an emergent property,
the validity of the above system theory can be recognized. Moreover, a debate is
ongoing about whether intelligence should be thought of as an integrated concept
or as a phenomenon that is co-evolving as a result of evolution.
On the other hand, Searle reargues that “if the manual is fully memorized
and the answers are given without external help, it is still possible not to under-
stand the Chinese language”. Recently, Levesque et al. [67] counterpoint against
Searle’s criticism has been made based on a theory of computation. This is de-
scribed in the “addition room argument” as follows:

 Consider the addition room, where twenty ten-digit numbers are to be

added.
 Suppose there is a person in the room who does not know how to add and
a manual on addition is placed in the middle of the room.
 At this time, if the human perfectly grasps the content of the manual and
does all the operations in their head, then is it still possible to create a
manual without understanding addition?

For the “addition room,” the following manual immediately comes to mind:

 Memorize one-digit additions.

 Reduce two or more-digit numbers to one-digit and add.
 Introduction  5

However, this is exactly the way we learned in elementary school. Therefore,

knowing this manual means being acquainted with the addition algorithm, thus,
it is possible to say that addition is understood.
Let us think about a little bit more primitive manual described below:

 Go to the same chapter as the first number.

 Go to the section with the same number as the second number within that
chapter.
 Furthermore, go to the subsection with the same number as the third num-
ber within that section.
 Repeat that for all twenty numbers.
 When everything is over, there is a number with up to twelve-digits, so
return that number and exit.

This manual merely lists the calculation results in the same way as a dictionary.
Just like in the Chinese room argument, a human following this manual does not
add and additionally does not understand the calculation at all. So, was Searle’s
claim correct?
Let us consider here the computational complexity of this manual. The chap-
ter corresponding to the first number requires ten to the tenth power. Each chapter
consists of ten to tenth power of sections. Since this is repeated twenty times, it
becomes 10 to 10 power to 20 power = 10200 of items. It is said that the number
of molecules in the universe is around 10100 . Therefore, such a large manual can
never be made. From this, it can be understood that Searle’s claim is mistaken,
from a computational theory. This is true as far as this manual is concerned, but
Searle himself did not specify the composition method of the manual, so there
may be recurring objections.
Recently, machine translation is accomplished using a huge database and sta-
tistical processing. The famous one is Google’s machine translation. Past ma-
chine translation was a classical AI based on natural language understanding.
Unfortunately, it was not always effective. On the other hand, Google’s machine
translation does not understand natural language at all. This software statistically
joins translated words using a huge database (human translations, e.g., minutes
of the United Nations). As a result, it won the 2006 machine learning contest with
an overwhelming difference. This kind of translation method is possible due to
the power of modern computers and internet connection. This approach may be
a solution to the Chinese room argument.
6  AI and Swarm: Evolutionary Approach to Emergent Intelligence

1.2 What is Emergence?

Originally, emergence (emergent property) was a term in biology. A good exam-
ple of that property is seen in ant social life. Each ant has a simple mechanical
behavior. However, the ant colony as a whole acts in a highly intelligent collec-
tive manner (collective behavior), according to the distribution pattern of food
and enemies, therefore increasing the survival rate of the colony. As a result,
a caste system emerges, consisting of individuals specialized in doing different
jobs, where a social division of labor and cooperation will be seen (see Fig. 1.3).
There are no rules (programs) that govern the behavior of the whole colony.
Nonetheless, an emergence of intellectual global behavior, brought about by col-
lective action of simple programs (individual ants), is observed.

Figure 1.3: Job seperation emerged [123].

In emergence, arising of the macroscopic phenomena from micro interactions

has become a central idea. This phenomenon is observed in various fields, such
as morphological formation (pattern generation, see sec. 5.3) or group forma-
tion (see sec. 3.2) by animal populations in ecology. Emergent phenomenon can
be seen even in economy and finance. For example, in a financial market, each
individual (participants, investors) pursues their own profit based on local infor-
mation, thus, interacts with other individuals (speculative behavior). As a result,
when we look at the entire financial market, phenomena such as “price move-
ment of sidelines” and “nervous movement” are observed. On the other hand,
each market participant does not necessarily behave in a nervous manner or wait
watchfully. In this manner, generation of a macro phenomenon that is not de-
scribed by micro interactions is emergence. E.O. Wilson4 claims that “the higher
nature of life is emergent [109]”. In other words, the higher-level phenomenon,
leading to the creation of biological individual from cells and society from in-
4 Edward Osborn Wilson (1929–): American entomologist. Researcher of sociobiology and biodiver-

sity. See also the footnote of 188 page.

 Introduction  7

dividuals, cannot be described only by knowledge of the nature of components

constituting lower levels.
There are two types of emergence [32]:

Weak emergence New property appears as a result of the interactions of

elemental levels. Emergent property can be reduced to
individual components.
Strong emergence The newly emerged property cannot be reduced be-
cause it is more than the sum of its components. Laws
governing the property cannot be predicted by under-
standing the laws governing the structure of another
level.

By becoming a group, it spontaneously acquires properties and trends not

included in the underlying rule. Emergence is recognized in various fields, such
as physics, biology, chemistry, sociology, and art. However, strong emergence
cannot be dealt with in traditional physics and reductionist approaches.
The author thinks that human intelligence could be explained through emer-
gence. However, many brain researchers and neuroscientists are critical towards
emergence. Many of them take a reductionist method and dislike the idea of a
ghost in the brain, which cannot be explained deterministically. On the other
hand, it is known that the combination of the network configuration to derive the
same behavior is extremely large. Therefore, it is a significant obstacle for the
neuroscientist, because further analysis of the neural circuit leads only to an un-
derstanding of the mechanism, and not how it actually operates. Recognizing that
there are different levels in the organization is crucial to the understanding of the
phenomenon of emergence [32]. Recently, the mechanism by which directives
traverse from micro to macro level in a causal manner is being mathematically
researched by the neuroscientists [50].

1.3 Cellular Automaton and Edge of Chaos

The eminent mathematician John von Neumann5 studied self-reproducing au-
tomata in 1946, shortly before his death. He found that self-reproduction is pos-
sible with 29 cell states, and proved that a machine could not only reproduce
5 Jon von Neumann (1903–1957): Hungarian-born American mathematician. As symbolized by the

gossip that circulated around Princeton that he slept with a mystery novel as his pillow in the day and
learned mathematics from the devil at night, he conducted pioneering research in various areas, such as
mathematics, physics, engineering, computer science, economics, meteorology, psychology, and political
science, having substantial influence in posterior advances in these areas. He was also deeply involved
with American nuclear policy and was part of the Manhattan project.
Visit https://textbookfull.com
now to explore a rich
collection of eBooks, textbook
and enjoy exciting offers!
8  AI and Swarm: Evolutionary Approach to Emergent Intelligence

Table 1.1: State of cell in next step.

Current state of cell States of neighbor cells State in next step

On two or three are “on” On
Other cases Off
Off three are “on” Off
Other cases Off

itself, but could also build machines more complex than itself. The research
stopped because of his death; however, in 1966, Arthur Burks edited and pub-
lished von Neumann’s manuscripts. John Conway, a British mathematician, ex-
panded on the work of von Neumann and, in 1970, introduced the Game of Life,
which attracted immense interest. Some people became “Game of Life hack-
ers,” programmers and designers more interested in operating computers than in
eating; they were not the criminal hackers of today. Hackers at MIT rigorously
researched the Game of Life, and their results contributed to advances in com-
puter science and artificial intelligence. The concept of the Game of Life evolved
into the “cellular automata” (CA), which is still widely studied in the field of
artificial life. Most of the research on artificial life shares much in common with
the world where hackers played in the early days of computers.
The Game of Life is played on a grid of equal-sized squares (cells). Each cell
can be either “on” or “off”. There are eight adjacent cells to each cell in a two-
dimensional grid (above and below, left and right, four diagonals). This is called
the Moore neighborhood. The state in the next step is determined by the rules
outlined in Table 1.1. The “on” state corresponds to a “•” in the cell, whereas
the “off” state corresponds to a blank. The following interesting patterns can be
observed with these rules.
1. Disappearing pattern (diagonal triplet)
•
• ⇒ • ⇒ disappears
•

2. Stable pattern (2×2 block)

• • • • • •
• • ⇒ • • ⇒ • • ⇒ remains stable

3. Two-state switch (Flicker, where vertical triplets and horizontal triplets

appear in turn)
• •
• ⇒ • • • ⇒ • ⇒ repeats
• •
 Introduction  9

4. Glider (pattern moving in one direction)

•
• •
• • • ⇒ • ⇒ • ⇒ moves to bottom right
• • • •
• • •

“Eaters” that stop gliders and “glider guns” that shoot gliders can be defined, and
glider guns are generated by the collision of gliders. Such self-organizing capa-
bilities mean that the Game of Life can be used to configure a universal Turing
machine. The fundamental logic gates (AND, OR, NOT) consist of glider rows
and disappearing reactions, and blocks of stable patterns are used as memory.
However, the number of cells needed in a self-organizing system is estimated to
be about 10 trillion (3 million×3 million). The size would be a square whose
sides are 3 km long, if 1 mm2 cells are used.
Consider a one-dimensional Game of Life, one of the simplest cellular au-
tomata. The sequence of cells in one dimension at time t is expressed as follows:

at1 , at2 , at3 , · · · (1.1)

Here, each variable is either 0 (off) or 1 (on). The general rule used to determine
i
the state at+1 of cell i at time t + 1 can be written as a function F of the state at
time t as
i
at+1 = F(ati−r , ati−r+1 , · · · , ati , · · · , ati+r−1 , ati+r ) (1.2)
Here, r is the radius, or range of cells that affects this cell.
For instance, a rule for r = 1,
i
at+1 = ati−1 + ati + ati+1 (mod 2) (1.3)
results in the determination of the next state as follows:

time t : 0010011010101100
time t+1 : *11111001010001*

An interesting problem is the task of finding the majority rule. The task is to
find a rule that would ultimately end in a sequence of all 1 (0) if the majority of
the cells are 1 (0) with the minimum radius (r) possible for a one-dimensional
binary sequence of a given length. The general solution to this problem is not
known.
A famous example is a majority rule problem with length 149 and radius 3.
The problem is reduced to finding a function that assigns 1 or 0 to an input with
7
7 bits (= 3 + 1 + 3, radius of 3 plus itself); therefore, the function space is 22 .
How can a cellular automaton (CA) obtain a solution to the majority
problem?
10  AI and Swarm: Evolutionary Approach to Emergent Intelligence

One method is to change the color (black or white) of a cell to the majority
of its neighboring cells. However, this method does not work well, as shown in
Fig. 1.4, because it results in a fixed pattern divided into black and white.
In 1978, Gacs, Kurdyumov and Levin found the rules (GLK) regarding this
problem. Lawrence Davis obtained an improved version of these rules in 1995,
and Rajarshi Das proposed another modification. There is also research to find
effective rules through GAs (genetic algorithms) or GP (genetic programming).
The concept of Boolean functions is applied when GP is used. The fitness value is
defined by the percentage of correctly processed sequences out of 1000 randomly
generated sequences of length 149.
Rules determined by various methods are summarized in Table 1.2. Here, the
transition rules are shown from 0000000 to 1111111 in 128-bit form. In other
words, if the first bit is 0,

F(000 0 000) = 0 (1.4)

Table 1.3 is a comparison of different rules. The rules obtained using GP were
very effective; reference [4] contains the details of this work.
Figure 1.5 shows how a CA obtained by GA can solve this problem well [75,
76]. The regions that were initially dominated by black or white cells become
regions that are completely occupied by either black or white cells. A vertical line
always exists at locations where a black region to the right meets a white region
to the right. In contrast, a triangular region with a chessboard pattern forms where
a white region to the right meets a black region to the right.

Figure 1.4: CA carrying out majority voting (Oxford University Press, Inc., [76]).

The two edges of the growing triangular region at the center with a chess-
board pattern grow at the same pace, progressing the same distance per unit time.
The left edge extends until it collides with a vertical boundary. The right edge
barely avoids the vertical boundary at the left (note that the right and left edges
are connected). Therefore, the left edge can extend for a shorter length, which
means that the length of the white region limited by the left edge is shorter than
 Introduction  11

Table 1.2: Majority rules.

Name of rule (year) Transition rules

GKL(1978) 00000000 01011111 00000000 01011111 00000000 01011111
00000000 01011111 00000000 01011111 11111111 01011111
00000000 01011111 11111111 01011111
Davis(1995) 00000000 00101111 00000011 01011111 00000000 00011111
11001111 00011111 00000000 00101111 11111100 01011111
00000000 00011111 11111111 00011111
Das(1995) 00000111 00000000 00000111 11111111 00001111 00000000
00001111 11111111 00001111 00000000 00000111 11111111
00001111 00110001 00001111 11111111
GP(1995) 00000101 00000000 01010101 00000101 00000101 00000000
01010101 00000101 01010101 11111111 01010101 11111111
01010101 11111111 01010101 11111111

Table 1.3: Performance in the majority problem.

Rule Performance Number of tests

GKL 81.6% 106
Davis 81.8% 106
Das 82.178% 107
GA 76.9% 106
GP 82.326% 107

Figure 1.5: Behavior of CA driven by GA (Oxford University Press, Inc., [76]).

the length of the black region limited by the right edge. The left edge disappears
at the collision point, allowing the black region to grow. Furthermore, the two
edges disappear at the bottom vertex and the entire lattice row becomes black,
showing that the correct answer was obtained.
12  AI and Swarm: Evolutionary Approach to Emergent Intelligence

Figure 1.6: Explanation of CA behavior from collision of particles (Oxford University Press,
Inc., [76]).

Melanie Mitchell analyzed the information processing structure on CA that

evolved through GA by using the behavior of dynamic systems [75, 76]. The
boundaries between simple regions (edges and vertical boundaries) are consid-
ered carriers of information, and information is processed when these boundaries
collide. Figure 1.6 shows only the boundaries in Fig. 1.5. These boundary lines
are called “particles” (similar to elementary particles in a cloud chamber used in
physics). The particles are represented by Greek letters following the tradition
in physics. Six particles are generated in this CA. Each particle represents a dif-
ferent type of boundary. For instance, η is the boundary between a black region
and a chessboard-patterned region. A number of collisions of particles can be
observed. For example, β + γ results in the generation of a new particle η, and
both particles annihilate in µ + η.
It is easy to understand how information is coded and calculated when the
behavior of CA is expressed in the language of particles. For instance, α and
β particles are coded with different information on the initial configuration. γ
particles contain information that this is the boundary with a white region, and
a µ particle is a boundary with a white region. When a γ particle collides with
a β particle before colliding with a µ particle, this means that the information
carried by β and γ particles becomes integrated, showing that the initial large
white region is smaller than the initial large black region that shares a boundary.
This is coded into the newly generated η particle.
Stephen Wolfram6 systematically studied the patterns that form when dif-
ferent rules (eq. (1.2)) are used. He grouped the patterns generated by one-
dimensional CA into four classes.

6 Stephen Wolfram (1959–): British theoretical physicist. At the age of 20, he obtained his Ph.D. de-

gree from California Institute of Technology for his research on theoretical physics. In 1987, he found
the company Wolfram Research. He released the mathematical software Mathematica, which is used for
research in natural sciences and numerous other fields.
Random documents with unrelated
content Scribd suggests to you:
 A herczegasszony teljesíté kívánságát, s más nap egy gyönyörű
arany hal úszkála a tóban.
A sárkány felesége előhívatá férjét, s ezt mondá neki: Meghalok,
ha az arany halat szobámba nem hozzák.
A sárkány kész vala teljesíteni a mit felesége kívánt, de a halat
semmiképen meg nem foghaták. Minthogy a sárkány derekasan
tudott úszni, feltevé magában, hogy maga mégyen el érte. Leköté
oldaláról a rozsdás kardot, hogy az gátlására ne legyen az úszásban;
levetette a szennyes inget, mert annak sem vala szabad megázni, s
belé szökött a tóba. De az arany hal egy ugrással a partra veté ki
magát, s Vas Laczi ismét Vas Laczi leve. Hirtelen fölvette az inget,
hirtelen kirántotta a kardot.
Ezt látván a tizenkétfejű sárkány felesége, felűlt a seprő szárára s
elrepűlt.
A sárkánynak eszébe juta, hogy Vas Laczi megint felélede,
mihelyt testét a lóra kötötték; ő is arra kérte tehát Vas Laczit, hogy
ha megöli, testét köttesse fel a lóra. – Vas Laczi egy csapással üté le
mind a tizenkét fejét, s a tizenkét fejet a testtel együtt a lóra kötteté,
s szabadon hagyá menni, valamerre magának tetszend. Ment a ló, s
még ma is mindúntalan megyen.
Vas Laczi levétette két bátyját a kürtő alól, hol egészen
kiaszának, megfeketűltenek, s elvitte a Kígyókirályhoz, hogy hozza
életre. Ment vele testvére is, a csillagruhájú.
Elérvén a Kígyókirályhoz, mellette egy gyönyörű királyleányt
láttanak űlni; csillag vala homlokán, s a Kígyókirály így szóla: Ez
nekem leányom, s őtet te mentéd meg. Vedd feleségűl. Nagy
lakodalmat tarta nekik. A két fiú és a leány elmenének atyjokhoz;
Vas Laczi veszteg maradt, s a Kígyókirály neki sok pénzt, sok
gyöngyöt, gyémántot hagya, s a földnek nem volt gazdagabb királya
mint Vas Laczi.
 A SÓBÁNYÁK.

Gonosz lelkeknek kelle űzni játékaikat, s jó idő olta már, a

Rónaszéki sóbányák között. A munkások bosszantgatva láták
magokat; gyertyáik minden ok nélkül el valának fúva; legerősb
szerszámaik a legparázsb tárgyakon szétpattantak; incselgő
rémarczok, torzongó alakok lépdelgének gúnyolódva, kaczagdálva
elejökbe; s hamidőn egyike vagy másika a bátrabbaknak hozzá
csapott a kísértőhöz, közönségesen társát találá, s örök czivakodás
folyt közöttök. Haki úgy hívé, hogy annyit izzadva, nagyhasznú
munkán esett keresztűl, megszégyenűlve látá hogy nem sót, hanem
hasztalan nyirokföldet, vagy valamely buta göröngyöt ásott ki.
Pezsgés bongás hallatszott a föld alatt; vízerek fakadoztak az aknák
mélyében. Más helyt útjok beszakadozott, béomlott; ijedség,
rettegés, s a félelmek egész sápadt serge szállá meg a dolgozókat:
fogyott azok száma, kik mélyebben akarának a vágásba behatni, s
végre az ásás egészen félbeszakada.
II Ulászló, ki gondatlanságai által oda vivé a dolgokat, hogy azon
felűl a mit művelés nélkül adott a föld, alig marada jövedelme,
minden restsége mellett elszáná magát, hogy egy útat tesz
Máramarosba, s jövedelmeinek e nem szegény kútfejét, ha
lehetséges volna, újra feléleszti. Szállásának Huszt várát választotta.
Sóvárról és Erdélyből előszólíttatának a bányászok, hogy a király
jelenlétében tegyék meg próbáikat. Ezeken kívül a hazából és a
külföldről számtalan vakmerő tolongott ide, külömbözőleg izgatva
büszkeség, bér reménye s magahittség által. Huszt hemzsege
vendégektől. A mi ottan nem talála helyt, kalibákban tartózkodék a
Tisza szélein. Mozgásban vala minden, mert más nap reggel a király
maga is Rónaszékre készűlt, szeme előtt tétetni meg a próbát, a
veszedelmesnek híresztelt ásás ha folyamatba hozathatnék-e.
Napkiköltekor indúltanak a szekerek. A hegybérczek ragyogtanak
Huszt körűl a reggel fényében, mint egy korona, melyet a táj
ajándékúl akara benyújtani itt megjelent uralkodójának. A Tisza,
mintha ábrázolni akarta volna a nép kiapadhatatlan szeretetét,
medre hosszában tologatta tisztelő habjait, merre a király ment, s a
felgyűlt sokaság úton, útfélen, a terepély tölgyek ágain, s az
emeletesb helyeken s a közelb sziklákon, csoportokra verődve
csudálgatá menését. Méltósággal haladott az keresztűl a tolakodó
sokaságon; de sem a katonaság nagy száma, s csillogó ruházatjok
és fegyverök, sem az ország nagyjainak fénye nem ígézte el annyira
szemeiket, mint maga a király, ki itt, a próbatevésre összesereglett
bányásznép közepében, tisztelést parancsoló felséggel ballagott
paripáján; és a király leánya, kit asszonykísérői fogának körűl nagy
fényben. Akként tűnt fel az az őtet kísérő seregben, mint egy
nagytüzű planéta, cselédkedő csillagai közt. De valamint a hold áll
közelébb az emberhez, s szíveinkhez inkább szól, kebleinkbe inkább
hat, mint a távolyabb Jupiter: úgy érzé egyike az ő kísérőinek
ellentállhatatlan erővel vonszatni magát azon hölgy felé, kihez itt egy
neki kedvező történet közelre ejtette; s a természetnek minden
dicsősége, az uralkodónak minden csillámlása eltűne szemei elől.
Mely szerencsésnek érzé magát, hogy nem kis ideig közel
lovagolhata hozzá! A szép hölgy egyike vala azon súgár növésű
alakoknak, miket szemünk az életben mindég keres, de ritkán lél fel;
alkalmasan amilyeknek a tündéreket képzeljük. Az Éj szerelemmel
nyomta csókját homloka fürtözetére, és a ki kék szeme párját
láthatta, megérté, miért szokás az egeket a többes számban
mondani. Annyi kellem, annyi kecs, annyi báj vala elömölve rajta, oly
varázs lelki kedvesség lebege orczáin, hogy nem találtatott annyira
gyakorlott művész, kinek ecsete el ne akadjon festésén; hogy
mindaz, a kit szerencsés vagy szerencsétlen csillagzata elébe víve e
látványnak, kénytelen volt vallást tenni, hogy ezt az ő valósága
egész ígézetét semmi művészség nem másolhatja, hogy azt csak a
szív kaphatja fel.
 A hölgy nádorunknak leánya volt; neve Sarolta; kevélysége
atyjának, s a király leányának barátnéja s minden öröme. Az
idegennek egyedűl őreá intézett figyelmei nem kerűlék el a leány
észrevételét. Hideg nyúgalomban fordúla a királyleány fő-
udvarmesteréhez, s kérdé ettől, ki légyen az idegen? Nem ismerte.
Honnan jött? Nem tudta. Husztra mikor érkezett? Tegnap estve és
egyedül.
Még egyszer pillantá meg az ifjat, s mély gondolatokba
süllyedett. De a hölgy pillantása égetve hatott az idegen szívébe, s
ahogyan a phoenix kél ki megifjodva a lángok közzűl: úgy fakada
nyílásra az ő keble lángjai közt az örökkéifjú szerelem.
Megérkezének Rónaszéken. A király leszálla lováról, kísérői
követék példáját, s minden a lyukak felé tolakodott. Csend terjedett
el a mélyben, mintha a földalattiak annak akarák vala bizonyítani
tiszteletöket, ki felettök uralkodik a földön. Azonban hogy ők urak a
magok birtokaikban, azt más szerrel mutatni meg, csakugyan jónak
láták.
Amint egyike a merészebbeknek leereszkedék az aknába, s
kötelen a sómennyezetig ért, egy látatlan hatalom által ismét
felhajtaték a kötel, s a vakmerő elterűle a földön. Súly függeszteték
súlyra, meddig bírta a kötel; a legmerészebbek ráűltek s leszállítaták
magokat. Mind haszontalan! csak annyira mentek mint az első.
Míg a próbák tétetének, egyike nyomban a másika után, és
mindég siker nélkül, a királyleány körében zsibongás támad. Egy
kisded öreg, bízvást törpének lehete nevezni, ravaszúl keresztűl
csúszongott a fegyver és tolongás közt, s az aknánál megállott. Most
az asszonyok csoportjába fúrja magát; tolja őket, taszítja; lábára hág
Saroltának, s magát a királyi leányt is durvácskán megérinti, s már
az üreg mellé tolakodék, midőn nehány férfi előugrik, s a gorombát
megkapja, megtépi, megrázza.
– Mondd ki reá az ítéletet, királyi hölgy! kiáltá egyike; agyon,
agyon őtet! be vele az aknába!
 A kis ember handzsárt ránt. Sarolta karjába ömlik, s így szólott a
király leányához: Az asszony dísze szelídség, és amint legfőbb
közöttünk te vagy, légy te példánk is nékünk kisebbeknek; bocsásd
meg a tévedt’ tettét. Magok a lelkek is, a gerjedékenyek, tűkrözzék
benned magokat, s tanúlják meg, ember mint fékezi haragját.
Bájos mosolylyal felele ez: S annyira ragadhatott el téged e
pillantat, hogy barátnéd szíve felől kételkedhetel? Büntetésűl te
oldozd fel bilincseit, s mondjad neki, hogy szabad.
A törpe hallá a szót, s csudálatos hánykódásokban látszott
lebegni. Düh, rettegés, hamis szégyen és bosszantó tűz váltogaták
egymást arczvonásiban, s midőn Sarolta feloldá béklyóját, könyűk
hullottak őszűlt szakálára. – Meglátjuk egymást! monda.
Azon pillantatban megszakad az aranyláncz Sarolta nyakán, s az
üregbe suhan. – Anyám képe! kiáltá.
Az idegen megragadá a kötelet, s lebocsátkozott; a törpe pedig
bérohant a torkolatba, az idegen után. Kevés perczek múlva magától
görge fel a kötel. Ijedve fordúlt oda minden szem, s minden kebel
szabadabban lélegzék, midőn az idegen ismét láthatóvá lőn. De mint
levének oda, látván, hogy a ki szabadon tartózkodva méne alá, most
kötélhez csatolva jöve fel, hogyan a bányászok betegeiket szokták
felhúzni. Az aranyláncz a képpel, karjára vala tekerve; maga a szép
ifjú ájúlásban volt.
Az asszonyok gondjai életre nem hozhaták. Sarolta kész volt
volna életét adni érette, csak szemei egyszer nyílhattak volna meg.
Az udvariorvos segélyére szólíttaték. Az a félholtat a legközelébbi
házhoz viteté, de ijesztő fejcsóválással felele azoknak, kik tudni
akarák, ha reményli-e javúlását. Mi szívesen maradott volna el
Sarolta a többitől, hogy szolgálhasson körűle! Úgy rémlett neki, hogy
az ifjú csak tőle veheti gyógyúlását. Gyötrelmes öröm vala tehát, azt
értenie az orvostól, hogy láncz és kép karjáról le nem fűzethetnek.
Víg és lármás vala reggel a kijövés Husztról, vissza most bús és
csendes. Az éj leszállott. Húnyva vala minden szem; de nem a
Saroltáé, ki erősen meghatva a mai nap történetétől, nyugtot nem
találhata. Szüntelen előtte lebegett az idegen, majd amint az
ifjúsága virágában mellette lovaglott, majd ismét halotti sápadt
színében, körűlfűzve feloldhatlan aranylánczától. Olykor a haláltól
megszabadított törpe is szeme előtt lebege, s lehetetlennek látszott
neki e külömböző érzéseket, gondolatjának ezeket a tarka képeit
rendre osztani. De íme reggel felé ágya előtt állott a törpe;
sókoronával fején, jobjában a sópálczával, s ruhája kristályokkal
elborítva.
– Ne rettenj meg, lyányom, úgymonda neki; én barátod vagyok.
Valamely erő vonz hozzád; nem lehetek tovább látásod nélkül; meg
kelle köszönnöm a mit érettem tevél. Ha te nem költél volna
védelmemre, most nem élnék. Tudnod kell, ki vagyok; én hálás
akarok lenni erántad.
A Gnómok nemzetsége, mely a magyar föld alatt tart lakást,
hajdan egy fejedelmet uralt. De maradékai megosztozának, s egy idő
olta – ti emberek azt századoknak mondjátok – a föld alatt több
független fejedelemségek állanak fenn, melyek törvényes ügyeikben
a selymeczi Bányakirálytól függenek. A máramarosi sóaknák alám
tartoznak. Bizonyos idők előtt én a selymeczi Aranyhölgy
menyegzőjén megjelentem. Vígan valánk, s egy felvillant szeszélyem
alatt, külömben is igen éles lévén természetem, fogadtam a
nagybányai Rézgróffal, hogy az én termesztményim kedvesebbek
nektek embereknek, mint az övéi. Pörünket a selymeczi törvényszék
elébe vivénk, s annak ez vala itélete: Rézből pénz veretik, s az
bálványa az embereknek; ennélfogva a réz több mint a só. Arra
látám kárhoztatva magamat, hogy függjek a Rézgróftól, hanemha
oly drága követ találok, mely birtokomban terem, és amit emberek,
szellemek fenntebbre becsűlnek mint a rezet, ezüstöt, aranyat. Az
ítélet gyűlölségre lobbanta az emberek ellen, s eltökélém a
hálátlanokat eltiltani országomtól. Hogy azt megtehetém,
tapasztalátok. Egy úttal kincseket is nyomoztaték a föld alatt, de
hijába. Minthogy a rámszabott határnap nem sokára itt leszen,
tegnapelőtt felszállottam a föld színére, tanácsát kérni egy
barátomnak, bizonyos agg és túdós Sasnak, ki magát erántam előbbi
szolgálatimért lekötelezve érzi. Útam hasztalan volt. Éjjel haza érvén,
elszunnyadtam, s a hajnal első súgára tegnap még alva talált. Ez
balszerencsét hoz a gnómokra mindenkor; ez által elvesztik minden
lelki hatalmokat valamíg ismét e mélybe nem szállanak, s alá vannak
vetve az emberi élet bajainak, veszélyeinek. Tapasztolám tegnap,
míg szerét ejtém hogy az akna szájához férkezhessek; a te
közbevetésed, a te esdeklésed érettem, mélyen hatottak meg, s
azért jövök, hogy megfizessek érettek. De te parancsolj, mint
bizonyítsam hálámat.
Sarolta felkiáltott: Kapd ki bajából az idegent! s bíborszín futá el
arczát.
– Értem a ki nem fejezett gondolatot is, felele a gnóm; meglesz.
De varázs-altából, melybe süllyedett, tenmagadnak kell őtet
feloldanod; az nekem hatalmomban nem áll. Midőn sópáhóimat
előttetek, emberek előtt, bezárám, irtózatos átkot mondottam arra, a
ki első hozand ki a felvilágra zsákmányt ásványországomból; azt,
hogy sem szellem, sem egyéb valóság fel ne ébreszthesse
varázsalvásából, ha csak az, a kit az alvó szeret, el nem határozza
magát, hogy életét kész lesz letenni, mihelyt amaz őtet szeretni
megszűnend. Kész vagy-e erre?
Sarolta felele: Az élet nem egyéb mint szerelem. A természet
csak általa él; ti Szellemek csak szerelem lehelései vagytok. El
vagyok tökélve.
– Jó! felele a gnóm; figyelmezz tehát szavaimra: Midőn két lélek
előszer vallja meg egymásnak viszonszerelmét, a föld körűlök két
virágot nemz; mi azt Lélek-viráginak hívjuk. Ezek hatalmat adnak a
már megfogant szerelmet örök időkre kötni meg. Nékem két oly
virágom vagyon; egyik enyém, a másik szomorú hagyománya korán
eltűnt jegyesemnek. Ím vedd az egyikét, nyomd kebledhez azon erős
feltéttel, hogy szerelmedet az ő életéhez kötöd; számold szívednek
hét dobbanását, s a virág elhamvad. E hamut az alvó szemére
hintem, s az gyógyúltan serken fel.
 Hirtelen ragadá ki kezéből Sarolta az ajánlott virágot, megtette a
mit hagya, áltadá a hamvat, s mély álomba süllyede.
Álmában látta a Gnómfejedelmet, hogy az, elmélkedésbe süllyedt
orvos alakjában mint űle az elvarázslott ifjú ágyánál, s mint eredett
komoly tanácskozásba a király orvosával. Látta, hogy a királyi-orvos
mint távozott el tisztelet jelenségeivel; látta, hogy amaz mint kezdé a
gyógyítás munkáját, s repesett szíve örömében, hogy a gyógyúló
első pillantása az aranyláncz felé fordúlt. Felhő terűle el a szobában,
s elrejté szemei elől a mi továbbad történt.
A csudaorvos a reggel híves lengzetiben méne sétálni az ifjúval,
midőn annak szemei port látának emelkedni az országúton.
– Én nem csak a test bajain segítek, úgymond; segítek a lélek
szenvedésein is; a tieidre, bár azokat nem fedéd fel, amott közelít az
orvosszer. Hallj akármi hihetetlent, igenelj mindent, s kebled
legtitkosb, legmerészebb kíványai teljesedve lesznek.
Azonban a porfelleg közelébb jöve. Ezüstfegyverek csillámlának
keresztűl a fellegen, egyes lovagok ötölgetének szemeikbe, s a sereg
a két idegen mellett megállapodott. A por leülepedék. A nádor egy
válogatott sereg elején, úti ruhájában, gazdagon felkészűlt
kísérőkkel, megálla mellettek.
A nádor ráismervén az idegenre, leszálla lováról, s nyájasan
idvezelvén azt, így kezdé szavait: Magas születésű herczeg, bocsáss
meg hogy azon homályon, melybe magadat béleplezned tetszett,
ohajtásidnál talán előbb hatottunk által: de lovagi bátorságod, ez a
nemes udvariság, s díszes figyelmed a szépnem eránt, elárultaták
vala fényes születésedet, ha atyád, a fejdelem, elfödött
méltóságodat s útazásod czéljait előttünk kinyilatkoztatni nem
méltóztatott volna is.
– Nem értem, Méltóságodnak honnan eredhet az a gondolatja,
felele az ifjú, hogy én fejdelem fia vagyok. Bizonyosan tévedésben
vagyon, mert nem tehetem fel hogy enyelegni légyen tetszése.
 – E szerény tettetés itt haszontalan, mondá a nádor; a
Magasságod fejedelmi atyjának követei ma éjjel érkezének hozzám,
s valóvá tevék gyanúmat, mely első megpillantásakor támadott vala
bennem. Házam oly gazdag ajándékokkal van megtisztelve, milyeket
csak a gazdag Moszkvaföld nagyjától várhatni. Megkéreté számodra
általok leányomat, s én megtisztelve érzem magamat ezen szövetség
által, s önkényt mentem elébe kívánságodnak, érezvén hogy
gyermekem ily nemesérzésű lovancz birtokában boldogságát fogja
feltalálni.
Az ifjú elnémúlva mereszté reá szemeit.
– Ha talán váratlan az előtted a mit tőlem itt hallasz, szólj atyád
embereivel; közöttök legalább nevelődet nem fogod isméretlen
alaknak tekinteni.
E pillantatban a nádor kísérői közzűl több gazdagon-öltözött
uraságok tolakodának elő. Míg a többiek tisztelkedve hajlongtanak
előtte, egy éltes úr nyakába ömlött, s oly hevesen csókolgatá, mint
atyáknak szokások, midőn szeretett fiokat hosszas távolylétök után
visszatérni látják.
– De mondd el csak, így kezdé az ifjú…
– Elmondom, felele az öreg. Midőn te, távoly honunkban,
felizgatva a Sarolta szépségének híre által, oly feltétellel indúlál útra,
hogy itt oly viseletben, mely születésed fénye alatt áll, meglátod, és
ha a hírt valónak leled, egy hős tetted által fogod megnyerni;
tégedet-szerető atyád elvégzé magában, hogy néked Saroltát előre
megkéreti, hogy megérkezvén majd e földre, benne jegyesedet
találd, s aszerint lépj fel itt, mint a csecsemők a mennyben: – előbb
mint érdemelheték. Meg akaránk előzni érkezésedet, de csak az éjjel
érkezheténk ide, s csudálkozó borzadással hallánk tegnapi
merészségedet mindenfelé beszéltetni. Atyád sok tapasztalású
orvosa velünk van, s gondjai alá veszen. Én eljártam atyád
parancsaiban, s Saroltát megkértem számodra. Láttam őtet, s úgy
hiszem hogy atyád ohajtása és a tiéd egyek. Nádor ő Nagysága nem
tagadta meg kérésimnek gyermekét, s rajtad áll, ma keljetek-e össze
vagy később. Atyád általunk több aranyat küld mint a mit várhatál,
hogy itt vásárolj temérdek jószágokat; nem akarja hogy a gyenge
leány oly hosszú út alkalmatlanságait szenvedje, s messze szakadjon
hív szüléitől. Kevés hónapok múlva maga is kijő Magyaroszágra, s
látogatástokra lészen.
Az orvos e beszéd alatt gondosan ügyele az ifjú arczára s minden
mozdúlataira, s most a nádorhoz fordúlván, ezt mondá neki:
Méltóságos úr, a te Nagyságod látja, hogy a beteg szertelenűl el van
gyengűlve; nem várt szerencséje szédelegteti. Engedd, hogy mi
ketten, nevelője és én, tanú nélkül szólhassunk vele.
A nádor engede a kérésnek. – Szóljatok, úgy monda nekik; én itt
foglak várni.
Az ifjú s a két öreg leindúlának a völgy felé. Egyedűl hagyva, s
nem látva többé senkitől, az orvos kezdé szavait: Nem ismernél-e
rám?
Az ifjú ránéz, s a gnómok fejdelmét látja benne. Gnóm alakjába
öltözött a nevelő is.
Ekkor a fejedelem: Én az vagyok, kit a Sarolta jósága mente meg
a haláltól. Hálás akartam lenni eránta s neki oly szert adtam,
melylyel téged varázsalvásodból felébreszthete, néked pedig annyi
kincset, hogy férje lehess, mert ő szeret téged. Szükségtelen
egyebet mondanom mint azt, hogy a nádor tégedet moszkva
fejdelem magzatjának vél; igeneld azt, s tiéd Sarolta. Cselédid, kiket
gnómjaimból állítottam ki, kevés napok múlva elenyésznek; akkor
majd hír érkezik, hogy atyád, kinek látogatását várád vala,
meghalálozék; fejdelmi származásod felől kételkedni senki nem fog,
s te, Saroltádnak karjain, boldog jövendőnek ballagsz ellenébe.
Az ifjú a Gnómfejdelemre mereszté ki szemeit, s így szólítá meg:
Tudja-e, s javalja Sarolta a mit tészesz?
S amaz felele: Elhallgattam azt előtte.
Ú
 – Úgy jertek, mondá az ifjú, s egyebet nem szóla.
A nádor nyugtalan várá megérkezéseket. A mint közelíteni látá,
mosolygva ment feléjek, eltelve a legszebb reményekkel. Az ifjú
szólala meg legelébb.
– Méltóság, úgymond, hagyj szabadon szólanom, s engedd hogy
végigmondhassam a mit akarok, bár mint ellenkezzék várásoddal. Én
nem fejdelem, én szegény szülék gyermeke vagyok, s tőlök még
gyenge éveimben elmaradtam. Árvaságom szigorúságai közt sokat
tanúltam; megedzett a baj, sokat izzadtam a csaták vérmezején. A
magyar-földre jöttem ki, hogy szolgálatot vegyek a seregnél. Annak
híre, a mi e vidékeken történik, a veszélyek, melyeket itt megvívni
kell, a dicsőség, mely itt nekem is osztályom lehet, ide vontanak.
Hogy néked lyányod van, hogy van a világon Sarolta, nem tudtam.
De ahogy őtet tegnap meglátám, ő nekem életem leve, én örök
rabja őneki. E lény – s ekkor a tettetett orvosra mutata – ki életét
lyányod pártfogásának köszönheti, most födé fel előttem, hogy ő a
sóbányák földalatti fejdelme, s elbeszélé, hogy engem leányod
viszontszeret. Elő akarván segéleni menyegzőnket, mindent elkövet,
hogy engem véled és leányoddal fejdelem gyermekének tekintessen;
s a mit néktek monda, ezek a követek, az a gazdagság és pompa,
áljáték és csalás. Érzem hogy felfödvén ezt előtted, minden
boldogságait széllyelszaggatom életemnek: de én Saroltád birtokát
csalásnak köszönni nem akarom; nem lehetnék boldog az ő
birtokában, nem tudnék élni, ha magamat csalással vádolhatnám.
Ekkor előugrék a gnómok fejdelme, s ezt mennydörögte felé:
Tapasztald tehát, balgatag, mit tészen a szellemeknek mind
kedvezése, mind haragja! A mit érted tenni akarék, megveted, s
jóltevődet emberek kaczajának teszed tárgyává. Lakolj érette! – Ezt
harsogván megnyílt alatta a föld, s ő maga s kísérői s az ifjú
egyszerre eltűntenek.
Éjfél vala, s Sarolta egyedűl állott a bányák üregénél, a
szövétnekkel jobjában, s elszánva, hogy vagy kiszabadítja a szeretett
ifjat, vagy együtt vész vele. Hasztalan hintegeték a siető felhők
komor árnyékaikat, mintegy rettentőleg, útjára; hasztalan sipított az
éjjeli szél, hasztalan suhogtanak az erdők lombjai. Eltökélve halada
sötét pályáján, s eltűne az aknák mélységében, hasonló a leszálló
csillaghoz. Midőn az ingó lépcsőkön lesietett, léptei visszahangzottak
a sóboltozat temérdek üregeiből; még keble sebesb dobogását is
visszarepítgeté a földalatti Echó, oly borzasztó vala a halotti csend.
Most megálla, bizonytalan, hol lelendi fel a Gnómfejdelmet. S midőn
szemeit vizsgán körűlhordá, mozgást sejte az üreg aljában. Oda
meresztve tekintetét, lassandan világosúlni látá a feneket, és mintha
a sórögök csak vékony üvegtáblák volnának, tekintete rajtok
keresztűlhat. Min is nem hat keresztűl szerető hölgy pillantása? Azt
látá meg itt, a kiért e veszélylyel teljes útat merte, nyugtan várva
már a bizonyos kimúlást. Repűlt lefelé a lépcsőkön, s ott lelé a
fejdelmet. Bús és bosszús gondolatokba süllyedve járkála a sötét
sikátorokon, s két gnóm, lángoló üstökkel lépdelgete a fejdelem
előtt, hogy útjára világot vessen.
Sarolta lábaihoz ömlött. – Én visszaadám neked éltedet, s te az
övét ígéréd nekem jótétemért; ha megölöd, én is meghalok.
Emlékezzél hölgyedre, s a mely boldogságot neked ő ígért: s nem
lehet kedved a miénket eloltani.
Ezt mondá a Gnómfejdelemnek. Az pedig ellágyúlva kiálta fel:
Szabad ő, s a tiéd!
A könycsepp, melyet fájdalom fakaszta Saroltának szemeiben,
most háladíjúl csöppene a fejdelem jobjára, s a köny gyöngygyé vált.
Ekkor a Gnómfejdelem: Birodalmomban termett a gyöngy, s ez
nagyobb becsű a mélységek minden aranyánál; ez tartja fenn
országom függetlenségét.
Hírészei mindenfelé száguldozának, s egyik elméne a nádorhoz is
Rónaszékre, meghívni őt.
– Atyád megegyezik összekelésteken, mondá a gnóm; s míg itt
leszen, megűljük a menyegzőt.
 Az ifjú mellette terme, és midőn szívére szorítá Saroltát, eltűnt a
földalatti rengetegek éje.
A magas sópalota ezer szövétnekektől ragyoglott, s kristályfalai
kifogyhatatlan változásokkal tükrözgeték vissza a játékos lángokat.
Örömtűzek égtek mindenfelé a mélységekben. Bohó gnómalakok
bocsátkozának alá a boltozatokból, s víg dalokat zengettenek. A
padlatokból asztalok tolakodtak elő, elborítva mindazzal, a mit íny
kedvelhet. Vígság zajgá végig a hegyeket.
Hirtelen fordúla most hozzájok a fejdelem, s ezt mondá nekik:
Atyátok az akna torkánál vár benneteket. Siessetek idvezleni.
Legyetek oly boldogok mindég amint most vagytok; engem nem
fogtok felejteni.
S midőn felfelé lépdelének az emberek által lakott világba, egy
kisded gnóm Sarolta mellé vonúla fényt tartani lépésinek, s ezt súgá
neki: A Lélek egyik virága által életed ez ifjú szerelméhez van fűzve:
másik virágát e perczben égeti hamuvá fejedelmünk, hogy az ifjú is
örökké szeressen tégedet. Ennélfogva te addig élsz, míg ő szeretni
fog: s ő szeretni téged addig fog, a meddig élsz. A gnómok fejdelme
így hálálja meg drága könnyedet.
 TÜNDÉR ILONA.

Volt egyszer egy király és egy királyné. Azoknak három lyányok

vala és egy fiok. Király és királyné azon tanakodának, hogy ezekkel
mit tégyenek. Ha férjhez adjuk a három lyányt, ki kell adnunk
részeiket, s magunknak kevés marad. Legjobb hát, adjuk férjhez a
hármat fiúnkhoz, s az ország egygyé lesz. Egy hét alatt beáll az
aratás; akkor tartsunk neki lakodalmat.
Fiok meghallá beszédöket, s ezt gondolá magában: Abból ugyan
semmi nem lesz.
Azalatt míg atyja s anyja pusztájokra kimenének, messze, igen
messze, valaki a királyfi ablakához áll, megkoczogtatá az
üvegkarikát, s ezt mondotta neki: Kis herczegcse, én elveszem a
húgodat.
A királyfi felel: Várj egy kisség; mingyárt megkapod.
Bekiáltotta húgát, s amint az bejött, kilökte az ablakon. De a
herczegasszony nem földre esett, hanem egy aranyhídra, mely igen
hosszúra ért, szinte a napig. Az a valaki kezén fogva vitte el a
herczegasszonyt a maga országába, az aranyhídon. Az a valaki a
Napkirály volt.
Amint itt vala a dél, megint békopogott valaki az ablakon, s így
szólott: Kis herczegcse, én elveszem a második húgodat.
A királyfi felele: Várj egy kisség; mingyárt megkapod.
Elment a húgához, felölelte azt, s kidobta az ablakon. De a
herczegasszony nem földre esett, hanem egy levegői kocsiba. Négy
paripa volt belé fogva, s azok fortyogtak, ágaskodtak. Az a valaki
mellé űlt. S amint kiereszté ostorát, országútjává torlódának a
fellegek; a szekér zörgése fergeteg volt, s eltűntek egyszerre. Az a
valaki a Szélkirály volt.
A kis herczegcse örűlt, hogy két húga férjnél van. Amint tehát
estve megint békopoga valaki, megszólalt: Soha se szólj; tudom, mi
kell; s harmadik húgát is kidobá az ablakon. Az a valaki felkapá a
kidobottat, s a habok játszva vivék a holdba. Mert az a valaki nem
más vala mint a Holdkirály. A kis herczegcse pedig jó kedvvel méne
fekünni.
Amint másnap király és királyné megérkeztek, s hallották, a kis
herczeg mit tett, nem kevéssé álmélkodának. De mivelhogy oly
hatalmas vejök akada mint a Napkirály, Szélkirály és Holdkirály, nem
bánkódtak sokat rajta, s ezt mondák a fioknak: Lásd, milyen
hatalmasak azáltal húgaid, hogy fényesen menének férjhez. Légy
azon, hogy te is valamely hatalmas királynak kaphasd meg a
gyermekét.
A kis herczegcse ezt felelé: Oh a választáson én túl vagyok; az én
feleségem Tündér Ilona lesz, és senki nem egyéb.
Király s királyné mindent elkövettek, hogy fiokat jobb
gondolatokra hozhassák. De minthogy az nem akara engedni
tanácsoknak, kéréseknek, ezt mondották neki: Menj hát, fiam; a
szerencse vezéreljen veszélyes feltételeid között.
A király ezzel előveve két palaczkot az almáriomból, s fiának adá,
e szókkal: Fiam, vigyázz jól, mit mondok. Imhol ebben az élet víze
áll, e másikban a halál víze. Ha holtat feccsentesz meg ezzel, feléled;
ha pedig előre loccsantod e másikát, azonnal meghal. Vedd, nincsen
nagyobb kincsem. Talán hasznát látod.
Ekkor az udvar nagy szomorúságba merűlt, és kivált az udvari
dámák, mert a kis herczeget minden szerette. Ő pedig víg vala, s
ugrott, szökdelt örömében. Megcsókolá szüléinek kezeiket; az élet
vizét job oldalára akasztotta, a halál vizét a balra; felkötötte kardját,
s ment.
Már sok napig útazott, s egyszer egy völgybe ért. Az tele volt
agyonvertekkel. A kis herczegcse elővette az élet vizét, belé mártotta
kisújját, s egy-két cseppet a holt szemére feccsentett belőle. Az
egyet vonakodott, s e szókkal nyitotta meg szemeit: Eh, be sokáig
aludtam!
A kis herczegcse ezt kérdé tőle: Mondd el csak, mik történtek
itten?
A holt ezt felelte: Tegnap Tündér Ilonával harczolánk, s ő
bennünket rakásra ölt.
A kis herczegcse ezt felelé neki: A ki eléggé gyáva, magát
asszony által öletni meg, nem érdemli hogy éljen. Ekkor egyet
feccsente szemébe a másik palaczkból, s a feléledett ismét meghala.
Egy más völgy is tele vala holtakkal. A herczegcse ismét
feléleszte egy holtat, s ezt kérdé tőle: Titeket is Tündér Ilona öle-e
meg?
– Ő, felele a feléledett.
– De hát miért harczoltatok vele?
– Hát nem tudod hogy királyunk el akará venni, és hogy ő csak
ahhoz megyen, a ki őtet meggyőzi? mondá a feléledett. Három
sergünk támadá meg. Tegnap egyiket ölte el; ma virradatkor minket;
most harmadik sergünk verekedik vele.
A herczegcse ennek szemébe is a halál vizét feccsentette, s ez
mingyárt halva terűlt el megint.
A harmadik völgyben a harmadik sereg fekvék. A feléledett ezt
adá feleletűl: Épen most leve vége a harcznak. Mindnyájunkat elöle
Tündér Ilona.
– Hol akadhatok rá?
 – Vára ama hegyen túl van, felele a megölt, s ismét halva dőlt el,
mihelyt megloccsantá a herczegcse.
Argírus herczegcse áltméne a hegyen, s elére a Tündér Ilona
várába. Az nyílva állott. Beméne a várba, de abban senki sem volt. A
Tündér Ilona hálójában egy kard függe, s a ki meg’ kiszökdelt
hűvelyéből, és mindég vissza megint.
– Kard koma, mondá Argírus, ha úgy nem tűröd a nyugvást,
amint látom, néked enyémnek kell lenned. Te nékem jobban tetszel
mint az enyém, mert ez csak úgy jő ki hűvelyéből ha kivonom.
Kivoná hűvelyéből a magáét s a Tündér Ilonáét dugta a maga
hűvelyébe.
Mondta, tette, s előtte állott a Tündér.
– S te váramba, hálómba mersz lépni? kérdé. Ránts kardot
mingyárt; meg kell küzdenünk. – Lekapta faláról kardját.
Argírus kardot ránta. Elkezdék a küzdést, s amint összecsapák
kardjaikat, a Tündér Ilonáé széllyelpattant.
– Te lészesz férjem! Nyakába borúlt; nyalta, szopta, csókolta,
hogy öröm vala látni.
Nagy boldogságok közt folya életök, és már elég sokáig, s Tündér
Ilona egy reggel ezt mondá férjének: Édes uram, én téged bizonyos
időre kénytelen vagyok elhagyni. Az most lesz először és utolszor.
Hétszer hét nap múlva megint itt leszek, s akkor osztán éltünk
megháboríthatatlan öröm közt folyjon el. Az egész vár parancsaidtól
függjön. De az utolsó szobába be ne lépj, mert abból nagy baj
történhetnék. – E szókkal eltűnt előle.
Argírusnak nagyon lomhán folytak napjai, miolta Tündér Ilona
eltávozott. Végig sétálá a várat, míg végre elért az utolsó szobához.
Fiatal is lévén, gondolatlan is, megnyitotta annak ajtaját. S egy öreg
embert láta ott, oly veres szakállal mint a láng. Az Hollofernus király
volt, de Argírus nem tudta hogy az Hollofernus. Három abroncs volt
hasán, aczélból mind a három, az csatlotta a falhoz. Hollofernus
király megszólala: Hozott a jó szerencse, ifjú ember! Lásd, szakálom
láng; melegem van; adj egy pohár bort nekem.
Argírusnak jó szíve volt, megszánta a szegény embert, s ada neki
egy pohár bort. Amint a Lángkirály a bort megitta, hasáról lepattant
az egyik abroncs. Az egyet mosolygott örömében, s így szólott: Jaj,
be jól esett; adj még egy pohárral! – Argírus megcselekedte, s amint
ezt is kiitta a Lángkirály, a második abroncs pattana le róla. – Ismét
mosolygott a Lángkirály, s így szóla: Kétszer bort adál: adj most egy
ital vizet.
S amint Argírus megtette a mit az kívánt, a harmadik abroncs
pattant le hasáról, s a Lángkirály eltűnt.
Tündér Ilona még fele útját sem tette vala meg, midőn
Hollofernus mellette állt. Hozzá szóla, s szakála billege haragjában.
– Te nekem háromszor adál kosarat, három seregemet megölted,
magamat fogva tartottál; most hát légy nem feleségem, hanem
szolgálóm.
Tündér Ilona minden erejét elvesztette a miolta Argírushoz
férjhez ment. Nem használt ellenkezése, s a Lángkirály három
ugrással elvitte országába.
Elmúlt a hétszer hét nap, s Tündér Ilona haza nem jött. Argírust
bú szállotta meg, s feltevé magában, hogy elmegyen a három
sógorához, s megkérdi, nem tudják-e hol van az ő felesége. Először
a Napkirályhoz ére.
– Hozott a jó szerencse, kis sógorkám! mondá ez.
– Oh édes sógor, mondá neki Argírus, én feleségemet Tündér
Ilonát keresem. Nem tudnád nekem megmondani, hol van? nem
láttad-e valahol?
– Nem láttam, felele a Napkirály; de meglehet, hogy őtet csak
éjjel láthatni; menj hát sógorunkhoz a Holdkirályhoz. Leülének a
vacsora mellé, s Argírus a Holdkirályhoz méne. Akkor ért palotájába,
mikor a Holdkirály útjának indúlt. Elpanaszlá neki baját, s a
Holdkirály ezt felelé: Nem láttam; de jer, űlj mellém a hintómba, s
járjunk reggelig; talán kilessük hol van. – Egész éjjel mentek, de
sehol sem látták.
Akkor mondá a Holdkirály: Nekem most haza kell mennem; de
amott jő sógorunk a Szélkirály: szólj vele; az mindenhová behat;
talán tudja hol van.
A Szélkirály eljuta hozzájok, s megértvén, kis sógora miben
fáradozik, így szóla neki: De ugyan tudom hol van. A Lángkirály
barlangba zárva tartja; a tűzpatakban kénytelen mosni fazakait.
Minthogy nagyon meghevűl a munkában, már sokszor kelle őtet
szellővel enyhítgetnem.
– Köszönöm, édes sógor, hogy enyhítgetéd, mondá Argírus;
kérlek vígy el hozzá.
– Szívesen, felele a Szélkirály, s nekipöffesztette magát, s egyet
fúva a kis sógoron, s Argírus egy pillantatban Tündér Ilona előtt álla
lovastól. Tündér Ilona örömében a tűzpatakba ejté a fazakát; de
Argírus nem beszéle sokat, hanem Tündér Ilonát felrántotta a lovára,
s odébb állott láb elől.
Lángkirály Hollofernus épen a szobájában állott, s egyszerre nagy
tombolást hallott az ólból. Lement oda, s látá hogy paripája, a híres
Talygarőt, ágaskodik, rugdalódik, nyerít, harapdálja rácsát, jászolát.
Talygarőt csudálatos egy ló vala ám; értette a mit az emberek
beszéltek, s felelni is tudott nekik, s kilencz lába volt.
– De mi lele téged, paripácskám? kérdé Hollofernus király; tán
nincs szénád, zabod elég, s elfelejtének megitatni?
– Zabom, szénám bőven van, meg is itattak; de ellopák Tündér
Ilonádat, mondá.
A Lángkirály szakála libege haragjában.
 – Legyen jó dolgod, mondá a ló; egyél, igyál, s aludj egyet, ha
kell; hármat ugrom, s utólérjük.
Hollofernus szavát fogadá; jól tartotta magát elébb, s aludott is
egyet hozzá. Akkor felűle Talygarőtjére, s három ugrással eléré
Argírust. Kikapá ennek öléből Tündér Ilonát, s ezt mondá
visszanyargaltában: Minthogy te szabadítál ki rabságomból, íme
most meg nem öllek; de ha még egyszer jössz, nem lelsz nálam
kegyelmet.
Argírus szomorkodva ment a három sógorhoz, s elbeszélé mint
jára. A három sógor tanácsot tartott, s a tanácskozás után ez volt
feleletök: Egy lóra kell szert tenned, mely még sebesebben tud futni
mint Talygarőt. De olyan csak egy van a széles világon, a Talygarőt
ifjabb testvére; lába ugyan nincs több mint négy, de azért gyorsabb
mint a bátyja.
– Hol találom fel azt? kérdé Argírus.
Sógorai ezt felelték: A Vasorrú Bába-tartja titkon föld alatt. Menj
hozzá, szegődjél szolgálatába, s kérjed a lovat béredbe.
– Kérlek szépen benneteket, vigyetek el a Vasorrú-Bábához.
Azok megígérték hogy teljesítik kérését.
– De minekelőtte oda mégy, mondá neki az egyik, végy egy
kisded ajándékot sógoridtól, kik téged úgy szeretnek mint tulajdon
lelköket. E szókkal egy kurta botot ada neki, mely félig arany vala,
félig ezüst, s mindég forgott, mert napvilágból, holdvilágból s szélből
volt csinálva. – Valamikor szükséged lészen ránk, szúrd a földbe, s
azonnal körűled termünk. – Ekkor a Napkirály a kis sógort felűlteté
egy napsúgárra, s egy egész nap vitte. Azután a Holdkirály kapta fel,
s vitte egy egész éjszaka; végre a Szélkirály kapta fel, s egy egész
nap s egy egész éjszaka vitte; úgy jutának el a Vasorrú-Bába
kastélyához.
A Vasorrú-Bába kastélya csupa halálfőből vala építve; csak egy
kaponya híjával vala még, s az épűlet be volt volna végezve. Amint
az öreg meghallá hogy kopog valaki, kitekinte az ablakon, s
megörűlt.
– Végre valaha! így kiált fel. Háromszáz esztendeje már, hogy
várom a kaponyát, minek hijával vagyok! Csak be, csak be, kis fiú.
Argírus belépe. Meghökkent egy kisség, midőn az öreget oly
közel látta maga előtt; nagy testű, rút, és vasból az orra.
– Szolgálatot keresek, mondá.
– Azt én adhatok, mondá a Vasorrú-Bába; s mit kívánsz bérűl?
– A lovat, mely dugaszban áll ólodban a föld alatt.
– Tiéd az, ha híven szolgálsz; de mihelyt egyet vétesz, meg kell
halnod.
– Nem bánom, mondá Argírus.
– Nálam az esztendő három napból áll; ha kedved van rá,
mingyárt hozzá foghatsz szolgálatodhoz. Ezzel rekeszté be
beszédeket a Vasorrú-Bába.
S most levezeté Argírust a méneshez. Minden lova érczből volt.
Irtóztató vala nyihogások, nyerítések; szaladtak, szökdöstek, hogy
lehetetlen volt meg nem ijedni. – Állj dolgodhoz, mondá a Vasorrú-
Bába, s szobájába zárkozott el.
Argírus megnyitotta a karám kapuját; felűlt az egyik lóra, s
nyargalva ment a merre a ménes vitte. Amint a selyemrétre érének,
lova lelöké egy semlyékes tóba, hogy nyakig űlt a vízben. Az egész
ménes elszélede. Argírus hirtelen földbe szúrá botját, s egyszerre oly
forróan sütött a nap, hogy a tó az utolsó cseppig kiszárada, s az
érczménes olvadozni kezde; a lovak mind a karámba szaladának, az
eresz alá. A Vasorrú-Bába csudálkozva nézé, mi dolog hogy lovai ily
korán térnek haza.
– Holnap tizenkét feketéimet fogod őrzeni, mondá Argírusnak. Ha
itthon nem lészesz velek mikor a nap leszáll, meghalsz.
 A tizenkét fekete a Vasorrú-Bába lyányai voltak.
Argírus kiméne velek.
– Szánlak, mondá Argírusnak az egyik fekete; te meghalsz.
Minket nehezebb őrzeni mint az érczménest.
– Kisebb gondom is nagyobb nála, mondá Argírus; tedd te
kötelességedet, én is megteszem az enyémet.
A tizenkét fekete kancza egyszerre szétfutott. Argírus leszúrta
pálczácskáját a földbe, s azonnal iszonyú fergeteg támadott; a
lovakat majd elhordá a vihar. Azok ágaskodtak, rugdalóztak, de a
szél erősebb vala náloknál; mind a tizenkettőnek haza kelle menni.
Argírus épen akkor zárá be az ól ajtaját, mikor a nap utolsó
súgára eltűnt, s a Vasorrú-Bába lejött az ólhoz. Csudálkozott, hogy
feketéi s Argírus haza jöhetének.
– Ha ma éjjel jól viseled magad, s meglesz a mit parancsolok,
holnap szabadon vagy! mondá neki a Vasorrú-Bába. Menj most, fejd
meg nekem az érczménest, s készíts ferdőt tejekből. Mikor a nap
fellövi első súgárát, a ferdő kész legyen.
Argírus kiméne az ólból s a Vasorrú-Bába elővevé a vasvillát, s
egész éjjel ütötte, verte, döngette lyányait.
Argírus kiméne az ércz méneshez. Ennek kell a legnehezebb
munkának lenni; ezt gondolá magában, és már le akará szúrni kis
botját, midőn sógora, a Holdkirály, szemközt jöve véle.
– Téged kereslek, úgymond; tudom mire van szükséged. Ahová a
karámban súgáromat lövöm, ott áss fel három arasznyit, s egy
aranykantárra akadsz; tartsd kezedbe, s mindenik lovad veszteg áll.
Argírus megtevé a mit sógora hagyott, s az egész érczménes
veszteg állt, s fejni hagyta magát. Korán reggel kész vala a ferdő,
hogy szinte párázott.
A Vasorrú-Bába mondá Argírusnak: Űlj belé.
 Argírus felele: Mihelyt e próbámon általesem, azonnal elmegyek
innen; hozasd elő hát a lovat, melyért szolgáltalak. – A ló egyszerre
a kádnál állott; egy csunya, kisded, száraz dög. Argírus megindúlt a
kád felé, hogy belé űl, s a ló belé üté orrát a tejbe, s annak tűzét
mind magába szívá, hogy Argírus sérelem nélkül mászhata ki a
tejből, s amint a kádból kimásza, hétszerte szebb vala mint előbb.
A Vasorrú-Bábának nagyon megtetszék a szép fiú, s így
gondolkozott: Most én is hétszerte szebbé teszem magamat mint
vagyok, s a szép fiú belém szeret, s elvétetem vele magam’. Beugrott
a ferdőbe. A ló belé ütötte orrát a kádba, s a tüzet, mit elébb
magába szítt vala a tejből, visszafútta a tejbe, s a Vasorrú-Bába
egészen összesűlt.
Argírus felűlt a lóra, s elnyargalt. Amint kiértek a Vasorrú-Bába
tartományából, a ló ezt mondotta neki: Moss meg engem e
patakban. – Argírus teljesíté kérését, s a ló egyszerre aranyszínűvé
változott, s minden szál serényén egy-egy aranycsörgő fityegett. A
tátos egy ugrással áltszökött a tengeren, s urát a Lángkirály
barlangjához vitte. Tündér Ilona most is a tűzpatak szélén állt, s
mosta fazakait.
– Jer, mondá Argírus; viszlek innen.
– Hagyj békét! meghalsz, ha Hollofernus meglát. – De Argírus
erővel felvonta a lóra, s nyargalt vele.
Talygarőt rettenetes lármát csinála az ólban.
– Mi dolog? kérdé tőle a Lángkirály.
– Viszik Tündér Ilonát, felele a ló.
– Úgy hát eszem elébb, jót iszom rá, s egyet alszom utána;
három ugrással utólérem rajtad.
– Nem, mondá Talygarőt; űlj rám mingyárt, s még így sem érjük
utól; Argírust az öcsém viszi, s az a legsebesb ló mind e világon.
 Hollofernus hát csak addig múlata, míg felkötheté sarkantyúját, s
akkor utána iramodék a tolvajnak. Látni ugyan látá őket; de utólérni?
már az lehetetlen volt.
Akkor az Argírus lova ezt kiáltá a bátyjának: Ugyan mondd el,
mint szenvedheted, hogy azt a tűzsarkantyút bordáid közzé verik? A
béled is kicsúcsorodik sebeden, s mégsem érsz engemet utól. Jobb
volna ha egy urat szolgálnánk.
Talygarőt ezt felelte neki: Igazod van, öcsém. Nézd csak, mit
csinálok; mingyárt csudádat látod. – Akkor szügyébe vágá fejét,
kirúgott hátulsó lábával, s Lángkirály uram olyat zuhant mint egy
zsák. Minthogy felette magasan nyargaltak, ott ahol a kaszacsillag
forog az egen, Hollofernus szerteszét szakada míg a földet éré.
Argírus pedig visszavivé Tündér Ilonát az ő várába, s újonnan űlé
lakodalmát.
 A BOSSZÚLÓ KARD.

Magyarországnak talán nincs gyönyörűbb tája a Garan völgyénél;

úgy nevezve a Garan vizétől, mely éjszakról a Karpát hegyének
mindinkább kicsinyedő hegylánczozatin végig zuhog a Duna felé, s
közel Esztergomhoz a folyamok királyával egyesűl.
Hegyei nem oly szertelenűl magasak és meredekek, hogy
elijeszthetnék a szemet, de eléggé nagyok arra, hogy a víz menését
az egész egyéb világtól mintegy elszeltnek mutassák ki. S a tágas
völgy a néző lelkében nem támaszthatja az erő megszorítását, mi
kínos s elviselhetetlen minden magyar szívnek. A hegyek csoportjai
gyönyörű különbözéseket adnak. Vidám zöldelésben állanak
oldalaikon az erdők; lábaiknál a rétség kövéren termi a fűvet; az
ekeszántott föld gazdag kalászokat nevel, s közöttök játékosan
csapong végig a folyam. Revistyének vára komolyan s gondolkodólag
tekinti el futását, múlt időkre emlékeztetvén. Egy szóval, itt minden
együtt van, mi a hon szerelmével eltölt szívet a maga szemlélése
által felvidíthatja.
A hajdani erősség most bús rom, s a béke három ivadék olta
terjeszti ki boldogító mennyezetét a szép vidék felett. De nem így
vala a dolog, midőn nemzetünket a kelet vérengző vadjai
marczonglották, s ez, hasonló a maga pusztái büszke ménjéhez,
ellenségit elhaló erővel, de le nem vert szívvel tartóztatta.
Az említett időben egy nap’, midőn épen fel kezdének tűnni a
csillagok, egy öreg vitéz a vár kapuja mellett űle, két ifjabbal. Az
öreg és az ifjabbak egyike, vajdái voltak a várbeli katonaságnak; a
harmadik, bányalegény Selymeczről; német fajta. Mert ott a
legrégibb időkben is már, messzünnen gyűltek össze idegenek,
megtanúlni a sok hasznot ígérő bányászmesterséget.
– Ha hon tér-e ma uratok? kérdé a bányalegény. Mert nékem
parancsom van a grófomtól, hogy korán reggel a választ megvigyem.
– S te nem félnél éjjel lovaglani vissza? kérdé az ifjabb vajda,
nyájasan kötődve.
– Én? mondá a levélhozó, nehezteléssel, a mint látszék. Csak
kapjam ki a választ, úgy megyek, hogy az út porzani fog utánam.
– Holdvilág van, mondá az öregebb, enyhíteni akarván a szelíd
karczolást. Az út nem nagy; hajnalban ott lehetsz, ha falatozol is
velünk. Urunk bizonyosan megjő, mert elindúlván harmadnap előtt,
megmondá, hogy mára várjuk; ő ura szavának. Múlasd itt magad
azonközben. Talán nem rég olta vagy a magyarok áldott földjén. A
mit itten látsz, és benn a várban, arra örömmel fogsz
visszaemlékezni míglen élsz.
A német ember engede a tanácsnak, s gyönyörködve néze végig
a szép tájon. A két magyar hallgatva követé tekintetit.
Szótlan nézék sok ideig a folyam játékos futását, s oly hatalmas a
táj varázslata, hogy még az öregnek is, ki azt gyermekévei olta látá,
lágyabbá vált keble. Az ifjabb víg felmelegedéssel e szókra fakadt:
Én hazámban sok helyeken forogtam, de szebbet ennél nem
ismerek, s itt szeretnék halni. E szép földön a sorvadás is kedvesebb.
– Halni, ifjú bajtárs, ott kell, mondá az öreg, hol éltünket szép
ügy védelmében tehetjük le. Hadiember nem gondolkozik
temetésről, s áldja Istenét, ha hazája földén vesz, és ha azért vesz.
– Szép ügy védelmében! mondá az ifjabb magyar. Hiszen mi szép
ügyért harczolunk, és szép asszonyért azonfelűl!
– De beszéljétek csak, honnanvaló az a ti szép asszonyotok, s mi
szükség érte harczolni? kérdé az idegen.
 – Azt beszélni nekem illik, felele az ifjabb vajda; bátyámnak rá
nincs sok tüze.
– Ne oly hetykén, öcsém, ha te írni s olvasni s verselgetni s
mesélgetni derekasan tudsz is. Azonban fogj hát hozzá, ha akarod.
Az elkezdé a beszélést.
– Asszonyunk a lévai basa testvére. Messzéről elterjedett a hír,
hogy szebb asszonyt emberi szem még nem látott. Urunk gyakorta
hallá emlegetni, de azzal nem gondola sokat; hiszen hazánk szép
asszonyok szükében nincs. De rendes dolog adta elő magát. A
várnak egy régi szolgája rabságba esett Hasszánnál. Urunk sok pénzt
ígért érette. A török épen azért nem adta ki, mert látta hogy azzal
bosszanthatja urunkat. Zelmíra, így hívják urunk hitvesét s a Hasszán
testvérét, ezt magától Hasszántól tudta. A szolgát tehát elkérte
bátyjától, mert Hasszán nagyon szerette a húgát, s minden kedvét
kész vala teljesíteni. Zelmíra a fogolylyal mindég urunk felől
beszéltete magának; de rendes, ő mindent tudott; kivette a fogoly
szájából a szót, hogy annak csak igenleni kelle a beszédet. Végre az
asszony a foglyot szabaddá tevé. Haza szabadúlván az öreg szolga,
elbeszélé urunknak, hogy őtet a szép Zelmíra mint emlegeti, vele
mint beszéltete mindég felőle, s urunk azon nagyon megindúlt.
Sokáig forgatá, mit kezdjen, s végre szerét találta. Hasszán sok száz
munkást parancsola fel, megigazíttatni a lévai vár árkait, s urunk a
munkások közzé elegyítette magát. Mint jutott ahhoz, hogy ott
Zelmírát meglássa, hogy ott Zelmírával szólhasson, nem tudhatom;
összebeszélének, hogy Zelmíra elszökik vele. Egy parasztleány
megsejté, hogy két katonánk ugyanannyi paripát rejtve tart közel a
várhoz. Urunk és a magyar leánynyá öltözött Zelmíra éjfélkor a két ló
mellett termettek, s reggelig már itt valának. Zelmíra hamar azután
megkeresztelkedék, s urunkhoz eskedtetett. Róza nevet kapa a szent
vízben, de urunk Zelmírának hívja még ma is. Mi is így utána.
– S oly igen szép-e, milyennek a hír mondotta volt? kérdé a
német.