思考棋术，认为其大脑的算力峰值，会出现在执行“对弈”这件事的时候，这假设是十分合理而难以辩驳的。

　　继而，同等棋力ai所需的算力，就可以大致当做棋手之脑的等效算力。

　　考虑到棋手的一生，毕竟，绝不可能百分之百围绕着围棋，多少总会有些分心之事，但对于顶尖棋手，引入的误差也不会太大。

　　多少年来，人类的顶尖棋手之棋力，渐消渐长，隐约可见一个模糊的上限。

　　而人类研发的围棋人工智能，使用互有区别的算法、架构，运行在不同的计算机系统上，达到同等棋力所需的算力也彼此相若。

　　种种迹象，似乎清楚的指向一个事实：

　　完成同样任务的计算机之算力，就是人脑的等效算力。

　　在当今时代，人，不论天赋如何、又是怎样努力，也根本无法打破人类棋力的天花板，更不可能战胜任何一个等效棋力在十段以上的围棋ai。

　　这似乎也从侧面证明了，围棋棋力，可以视为一个人大脑能力的极限。

　　在这种理论指导下，稍加检索，方然就知道了这一数字。

　　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。

　　请收藏：https://m.pzshen.com

（温馨提示：请关闭畅读或阅读模式，否则内容无法正常显示）