永不下车

　　一数字。

　　按围棋AI等效法衡量的人脑算力，不同资料，给出的数据差异很大，上下限之间的差距在三到四个数量级，但凭借自身的认识水平，他不难看得出，其中接近上限的数字几乎都是错误的，更准确的数字在10~50PFlops。

　　至于其他数据，大多高出两个、三个，甚至四个数量级，主要是一些研究者将围棋AI的训练所需算力也统计进来。

　　不论什么时代的人工智能，在投入实用前，都需要一定的“训练”过程，这一过程与人的学习很相似，目的是模仿人类的学习过程，从基本规则中“自然而然”的产生出解决实际问题的算法，当然，这些算法往往体现为多层网络、分支网络的形式。

　　将AI训练所需的算力，统计到总算力中，从成本核算的角度是很正常的，在比较人和计算机的能力时，却一点都不公平。

　　照此做法，计算机达到某一水平的算力，是测试发布到实战运作的算力总和，那么对人而言，也需要将围棋的漫长的学习过程一并统计进来，均分实战中的棋力，这样一来恐怕人脑的等效算力会更难看。

　　归而总之，闲暇时想到这一切，方然的确回忆起了那些数据。

　　在公认为复杂意识活动的围棋领域，人脑的等效算力，大致就是10PFlops、也就是每秒一亿亿次浮点运算的水平。

　　对于一百四十亿神经元组成的人脑，这成绩，似乎已相当不错。

　　但对照今天的超级计算机，毫无疑问，10EFlops的算力则不值一提，连零头的零头都不到。

　　那么可以得出结论，人的能力，已完全被计算机所碾压；

　　事实果真如此吗。

　　任务堆积如山，每一天埋头忙碌之余，稍事休息时，方然都会思考这微妙的问题。

　　继而发现，与学术界很多人的观点不一样，用计算机完成典型任务所需的算力，来衡量人脑的处理能力，是很不靠谱的。