人類大腦的單線程特性，是出於怎樣的物理、生理方麵限製，方然並不太關心。
至於其成因，在生命演化的過程中，人類為何沒能具備一種原則上可行的能力，沒辦法分心二用，在他看來，主要還是沒有這方麵的需求。
不同於大腦掌管思維，小腦掌管運動，人的意識，在除近、現代幾百年之外的漫長歲月裏，需要處理的情況其實都十分簡單，活動，覓食，躲避敵害，繁衍生息，這些活動差不多就是一個原始人生命的全部，真正需要思考的時候，著實寥寥。
需要同時思考兩件事的場合，想一想也知道，簡直就極罕有。
這方麵的思考，並不深入，方然也沒有十足的把握斷定，人類大腦沒能獲得分心二用的“多線程”運作能力，究竟是出於自身架構的限製，還是演化條件的缺失，但在思考此前想起的核心問題時，這一點也並不重要。
重要的是，不管單線程、還是多線程，大腦的處理能力究竟怎樣。
人，對比機器，身處西曆1480年代的今天，哪怕遠離it領域的聯邦民眾也知道，前者是很有危機感和緊迫感。
不需要對信息工程、微電子、軟件工程或計算機有相當的造詣，隻消看一看身邊的智能設備、機器人，承擔從醫療護理到蓋亞大戰的諸多事務，種類繁多的機器人，性能之強大簡直就前所未有，人類則越來越相形見絀，甚至在傳統的“智慧”領域也節節敗退。
按照慣例，在信息技術領域中，每當計算機與人工智能完成了一種原本隻有人才能做的工作，就可以將該係統的算力，視作人承擔同類任務時的等效算力。
換句話說，如果某計算機與人的功能一致，就認為大腦在完成此類工作時，處理能力與該計算機的算力相若。
這種對比，想一想也知道並不太準確，卻是唯一可行的辦法。
按照這樣的思路，譬如說，自動駕駛係統的典型算力需求為100gflops，而一個普通成年人也能完成駕駛的任務，差不多可以和自動駕駛係統做的一樣好，那麽可以判斷出，人類大腦的等效算力不會低於100gflops。
再譬如說，實時翻譯係統的典型算力需求為1tflops，對同樣能完成實時翻譯工作，工作質量與計算機差不多的人而言，大腦的等效算力便不會低於1tflops。
這樣的例子，還可以舉出更多，但方然的思考並未止步於此。
他知道，這種等效的辦法不太靠譜。
但凡考慮一個很淺顯的問題，人，即便都是成年人，彼此間的智力、能力等方麵，差距也往往大到難以置信，撇開智力傷殘者不談，普通聯邦民眾與資深同聲傳譯者，在實時翻譯方麵的表現必定相去甚遠。
按這種等效法，豈不是說普通民眾的大腦算力，要遠遜於資深翻譯嗎。
zz不正確的言論，也許吧，然而事實卻正是如此。
大腦，不同人的頭腦，哪怕在生理構造上一模一樣，微觀結構也幾乎毫無區別，表現出的能力與等效算力，差別卻會大到匪夷所思的地步。
要評價大腦的處理能力，顯然，應該選擇最優秀的頭腦，來作為標尺。
不過以人的一生之短暫，生命的不同階段，大腦的狀態也會動態變化，同樣的，要衡量出大腦的算力上限（下限顯然是0），就需要尋找蓋亞表麵最傑出的專業人士，將其工作能力與計算機相比較，再根據計算機的算力來得出結論。
即便如此，在衡量大腦能力方麵，這一方法仍然是十分勉強、價值可疑的。
大腦與數字式電子計算機，在基本架構方麵，區別很大，前者可粗略的當做一台有機材料構成的模擬式計算機，這種構造的運行過程，與後者截然不同，能否用後者的算力、處理能力等指標去衡量前者，本身就充滿了不確定性。
何況這種辦法，一般而言，隻能確定大腦算力的下限，而（幾乎）不可能測得其上限。
這一判斷，原理其實並不複雜，但即便信息技術領域的行內人，也不一定明白，甚至在曆史上還得出過很多錯誤的結論。
譬如說，將構成人腦的約一百四十億個神經元，與電子計算機cpu中的一百四十億個晶體管相比擬，進而認為人腦的等效算力，就差不多相當於晶體管規模14，000，000，000的cpu之算力。
且不論神經元與晶體管在功能上的本質區別，單看一看微電子、集成電路的進步，就會知道這種類比方式很荒謬。
隨著技術、工藝與設計的進步，同樣的一百四十億晶體管，不同年代設計並製造出來的cpu，實測算力的差別還是比較大，對比intel公司在十年前和今天的產品，同樣數量的晶體管，所能實現的算力差距至少在三~四倍。
cpu的算力，顯然不能隻用一個“晶體管數量”來衡量，又怎能以此度量大腦呢。
這還僅僅是硬件的情形，uu看書.ukanshu 不僅如此，軟件方麵同樣有類似的情況，同樣的功能，任務需求，采用的軟件架構與算法不同，所需的算力也會有一些差異。
最後則是本質的缺陷，時至今日，類似科學研究這樣的尖端任務，仍然隻能由人、而無法由計算機來完成，那麽在缺乏同性質之計算機的情況下，就沒辦法用等效法去衡量科學研究者大腦的算力。
考慮到所有這一切條件，就不難理解，對曾頻繁出現於媒體的所謂“預測”，關於人腦之處理能力的新聞、消息，方然都會一笑置之。
大腦的等效算力，二十年來，在聯邦的網絡、媒體上，數字已變動過不知多少次。
預測數字，從最初的10gflops，到後來的100g、1tflops，再到後麵一些更誇張的數字，總體而言，基本上這一指標每年都會增長。
原因很明顯，超級計算機的算力，一直在持續提升；
而能夠完全模擬人類思維、能夠取代大腦的ai，任憑一代代研究者如何努力，卻始終未曾問世。
至於其成因，在生命演化的過程中，人類為何沒能具備一種原則上可行的能力，沒辦法分心二用，在他看來，主要還是沒有這方麵的需求。
不同於大腦掌管思維，小腦掌管運動，人的意識，在除近、現代幾百年之外的漫長歲月裏，需要處理的情況其實都十分簡單，活動，覓食，躲避敵害，繁衍生息，這些活動差不多就是一個原始人生命的全部，真正需要思考的時候，著實寥寥。
需要同時思考兩件事的場合，想一想也知道，簡直就極罕有。
這方麵的思考，並不深入，方然也沒有十足的把握斷定，人類大腦沒能獲得分心二用的“多線程”運作能力，究竟是出於自身架構的限製，還是演化條件的缺失，但在思考此前想起的核心問題時，這一點也並不重要。
重要的是，不管單線程、還是多線程，大腦的處理能力究竟怎樣。
人，對比機器，身處西曆1480年代的今天，哪怕遠離it領域的聯邦民眾也知道，前者是很有危機感和緊迫感。
不需要對信息工程、微電子、軟件工程或計算機有相當的造詣，隻消看一看身邊的智能設備、機器人，承擔從醫療護理到蓋亞大戰的諸多事務，種類繁多的機器人，性能之強大簡直就前所未有，人類則越來越相形見絀，甚至在傳統的“智慧”領域也節節敗退。
按照慣例，在信息技術領域中，每當計算機與人工智能完成了一種原本隻有人才能做的工作，就可以將該係統的算力，視作人承擔同類任務時的等效算力。
換句話說，如果某計算機與人的功能一致，就認為大腦在完成此類工作時，處理能力與該計算機的算力相若。
這種對比，想一想也知道並不太準確，卻是唯一可行的辦法。
按照這樣的思路，譬如說，自動駕駛係統的典型算力需求為100gflops，而一個普通成年人也能完成駕駛的任務，差不多可以和自動駕駛係統做的一樣好，那麽可以判斷出，人類大腦的等效算力不會低於100gflops。
再譬如說，實時翻譯係統的典型算力需求為1tflops，對同樣能完成實時翻譯工作，工作質量與計算機差不多的人而言，大腦的等效算力便不會低於1tflops。
這樣的例子，還可以舉出更多，但方然的思考並未止步於此。
他知道，這種等效的辦法不太靠譜。
但凡考慮一個很淺顯的問題，人，即便都是成年人，彼此間的智力、能力等方麵，差距也往往大到難以置信，撇開智力傷殘者不談，普通聯邦民眾與資深同聲傳譯者，在實時翻譯方麵的表現必定相去甚遠。
按這種等效法，豈不是說普通民眾的大腦算力，要遠遜於資深翻譯嗎。
zz不正確的言論，也許吧，然而事實卻正是如此。
大腦，不同人的頭腦，哪怕在生理構造上一模一樣，微觀結構也幾乎毫無區別，表現出的能力與等效算力，差別卻會大到匪夷所思的地步。
要評價大腦的處理能力，顯然，應該選擇最優秀的頭腦，來作為標尺。
不過以人的一生之短暫，生命的不同階段，大腦的狀態也會動態變化，同樣的，要衡量出大腦的算力上限（下限顯然是0），就需要尋找蓋亞表麵最傑出的專業人士，將其工作能力與計算機相比較，再根據計算機的算力來得出結論。
即便如此，在衡量大腦能力方麵，這一方法仍然是十分勉強、價值可疑的。
大腦與數字式電子計算機，在基本架構方麵，區別很大，前者可粗略的當做一台有機材料構成的模擬式計算機，這種構造的運行過程，與後者截然不同，能否用後者的算力、處理能力等指標去衡量前者，本身就充滿了不確定性。
何況這種辦法，一般而言，隻能確定大腦算力的下限，而（幾乎）不可能測得其上限。
這一判斷，原理其實並不複雜，但即便信息技術領域的行內人，也不一定明白，甚至在曆史上還得出過很多錯誤的結論。
譬如說，將構成人腦的約一百四十億個神經元，與電子計算機cpu中的一百四十億個晶體管相比擬，進而認為人腦的等效算力，就差不多相當於晶體管規模14，000，000，000的cpu之算力。
且不論神經元與晶體管在功能上的本質區別，單看一看微電子、集成電路的進步，就會知道這種類比方式很荒謬。
隨著技術、工藝與設計的進步，同樣的一百四十億晶體管，不同年代設計並製造出來的cpu，實測算力的差別還是比較大，對比intel公司在十年前和今天的產品，同樣數量的晶體管，所能實現的算力差距至少在三~四倍。
cpu的算力，顯然不能隻用一個“晶體管數量”來衡量，又怎能以此度量大腦呢。
這還僅僅是硬件的情形，uu看書.ukanshu 不僅如此，軟件方麵同樣有類似的情況，同樣的功能，任務需求，采用的軟件架構與算法不同，所需的算力也會有一些差異。
最後則是本質的缺陷，時至今日，類似科學研究這樣的尖端任務，仍然隻能由人、而無法由計算機來完成，那麽在缺乏同性質之計算機的情況下，就沒辦法用等效法去衡量科學研究者大腦的算力。
考慮到所有這一切條件，就不難理解，對曾頻繁出現於媒體的所謂“預測”，關於人腦之處理能力的新聞、消息，方然都會一笑置之。
大腦的等效算力，二十年來，在聯邦的網絡、媒體上，數字已變動過不知多少次。
預測數字，從最初的10gflops，到後來的100g、1tflops，再到後麵一些更誇張的數字，總體而言，基本上這一指標每年都會增長。
原因很明顯，超級計算機的算力，一直在持續提升；
而能夠完全模擬人類思維、能夠取代大腦的ai，任憑一代代研究者如何努力，卻始終未曾問世。