設想這樣的情形，用普通的加法來作為“典型任務”，讓一個人與計算機來完成同樣的計算工作，統計雙方的用時，再代入“人腦等效算力=計算機算力/人類用時*計算機用時”的公式中，會得到什麽樣的結果。
甚至於，考慮到算力的單位，本來就是“每秒完成多少次（特定）計算”，那麽連代入公式這一步都可以省略。
單看人類的計算能力，一個人，每秒鍾能做多少次加法呢；
一次，兩次，還是五次，十次，每秒做十次加法已很不可思議，然而換算為flops，卻連1.0都還不夠。
以加法為標尺，一個人的等效算力還不到1flops，這結論顯然是荒謬的。
倘若將加法換成更複雜的運算，譬如數組排序、或者解二次方程，將算法所需的算力（這容易獲得）視為人腦的等效算力，則數字會好看得多，但，終究也不會超越10~100flops的理論極限。
單純用來計算，一百四十億神經元的人腦，表現還不如早期單片機，這是事實。
那麽也就意味著，倘若某種任務，並不能完全發揮出人腦的能力，即便計算機可以完成同樣的工作，也能統計出算力，對於衡量人腦的等效算力，也仍然是不適用的。
圍棋，表麵上是對弈、而非計算，但稍加思考也不難明白，一個人的棋力之高低，顯然與大腦的計算、邏輯、記憶等特質密切相關，那麽這種任務，是否高度契合於人腦的思維模式，是否足以讓人腦發揮出全部的理論能力，就非常可疑。
不僅如此，也很容易想明白，用圍棋、或其他棋類的能力來衡量人腦的算力，所得結果幾乎必定是偏低的。
原因很簡單，人腦，和計算機不一樣，絕非天生就是用來做計算的東西。
人腦的信息獲取、加工、運用，其機製與今天的數字式電子計算機差異很大，用棋類對弈的表現來衡量其能力，固然比簡單粗暴的數學計算要好一些，卻還是與人腦的思維模式差異很大，用ai算力當做等效算力，這一點都不合理。
那麽結論就是，人腦的能力，尚未可知，但必定比目前的1pflops更大。
之所以無法測得準確值，根本原因，在於圍棋這樣的博弈過程，是人腦在漫長演化過程中所要應對之局麵的高度抽象。
圍棋也好，其他嚴肅的棋類活動也罷，不論是人、還是人工智能來進行，其決策過程都是一係列簡單判斷的綜合、疊加，要求選手迅速完成大量簡單態勢的判斷，並將結論加以糅合，最終決定如何進行下一步。
這種任務，與人腦長期以來所從事的工作，差別是很大的。
人類大腦的智力，在漫長演化中，要解決的絕不是大量簡單條件分支的決策、和大量分支選擇的聚合。
這種情形，在人類文明出現之前，根本就不存在。
存在的實際問題，則是如何解決條件紛繁蕪雜、背景十分混亂的某一分支，如何綜合現有的條件，做出一次（至多幾次）最有利的決斷。
麵對猛獸，迅速判明從威脅到環境的一切因素，選擇藏匿、逃跑或肛正麵。
麵對不速之客，迅速查看從來者到環境的一切因素，選擇暗中觀察，攔住盤問，或不問青紅皂白跳出去德瑪西亞。
所有這些場景，從覓食，到繁衍，人所麵臨的情形，都是複雜條件下的單次、至多嵌套的幾次分支選擇，判斷眼前的植物是否可以吃，是這樣的情形，揣摩怎樣對同伴說明某件事，是這樣的情形，構思如何搭建一處遮風避雨之所，乃至抓耳撓腮尋求勾-搭異性的策略，全都是這樣的情形。
人類大腦的智慧之體現，就在於這一次、或幾次關鍵性的決策。
至於決策之後，從組織到實施的很多次動作，步驟和環節，則幾乎完全是經驗、習慣和下意識的習得技能在起作用。
說白了，人類自古至今的演化，將大腦塑造成為一種特化的結構。
這種特化的結構，本質上，縱然再有多少人對下棋感興趣，也並不適合用來完成數值計算、邏輯判斷和博弈推演，並不適合用來下圍棋，也不適合用來進行任何一種分支繁多、需要遍曆決策樹的腦力活動。
正因如此，相對擅於此的人，才更讓同類們感到驚訝、甚至崇拜。
特化的架構不同，人腦，與計算機，各自勝任的工作性質都不一樣，用計算機擅長、而人類相對不擅長的棋類博弈，來衡量人腦的能力，又怎可能得出正確的結論。
圍棋也好，uu看書ukansu.co其他博弈活動也罷，不一定能衡量人腦的實力，這是方然的推論。
但思考的重點，並不在此，圍棋水平能不能準確反映一個人的能力，現在他的確不太在乎。
自己真正感興趣的，是照此下去，會出現什麽樣的情況。
人腦與計算機的特性不同，讓一方去從事另一方所擅長的工作，來衡量這一方的能力，隻能得出錯誤的結論。
但仔細想一想，方然就不禁毛發直豎起來：
今天的it前沿研究，研究如何讓計算機具有“自我意識”，甚至研究如何讓計算機承載人的意識活動，豈不正是在做這樣的事，讓擅長數值計算、邏輯判斷與信息聚合的計算機，去進行自己並不擅長的工作嗎。
自我意識，人的意識活動，一直以來完全以人腦為平台和基礎。
將這高度契合的基礎，用計算機替代，對後者而言就是一種莫大的不公平。
這種不公平，自然，不會體現在計算機意識覺醒、振臂高呼“這不公平”上，而是說在進行這種別扭的嚐試時，計算機的能力，會比名義上的算力差得多。
某種程度上，這也正是時至今日，超級計算機算力已超過100eflops，人類卻仍然未開發出一款人工智能軟件，讓軟件棲身的計算機係統具備自我意識，甚至無法讓計算機像人腦那樣，模糊、並行的處理大量相關訊息。
架構的不同，原則上，並不會影響計算機模擬人類的意識活動，這出自“算法等價性定理”。
但這種模擬的效率，直到今天，也仍然是一個難測的未知數。
甚至於，考慮到算力的單位，本來就是“每秒完成多少次（特定）計算”，那麽連代入公式這一步都可以省略。
單看人類的計算能力，一個人，每秒鍾能做多少次加法呢；
一次，兩次，還是五次，十次，每秒做十次加法已很不可思議，然而換算為flops，卻連1.0都還不夠。
以加法為標尺，一個人的等效算力還不到1flops，這結論顯然是荒謬的。
倘若將加法換成更複雜的運算，譬如數組排序、或者解二次方程，將算法所需的算力（這容易獲得）視為人腦的等效算力，則數字會好看得多，但，終究也不會超越10~100flops的理論極限。
單純用來計算，一百四十億神經元的人腦，表現還不如早期單片機，這是事實。
那麽也就意味著，倘若某種任務，並不能完全發揮出人腦的能力，即便計算機可以完成同樣的工作，也能統計出算力，對於衡量人腦的等效算力，也仍然是不適用的。
圍棋，表麵上是對弈、而非計算，但稍加思考也不難明白，一個人的棋力之高低，顯然與大腦的計算、邏輯、記憶等特質密切相關，那麽這種任務，是否高度契合於人腦的思維模式，是否足以讓人腦發揮出全部的理論能力，就非常可疑。
不僅如此，也很容易想明白，用圍棋、或其他棋類的能力來衡量人腦的算力，所得結果幾乎必定是偏低的。
原因很簡單，人腦，和計算機不一樣，絕非天生就是用來做計算的東西。
人腦的信息獲取、加工、運用，其機製與今天的數字式電子計算機差異很大，用棋類對弈的表現來衡量其能力，固然比簡單粗暴的數學計算要好一些，卻還是與人腦的思維模式差異很大，用ai算力當做等效算力，這一點都不合理。
那麽結論就是，人腦的能力，尚未可知，但必定比目前的1pflops更大。
之所以無法測得準確值，根本原因，在於圍棋這樣的博弈過程，是人腦在漫長演化過程中所要應對之局麵的高度抽象。
圍棋也好，其他嚴肅的棋類活動也罷，不論是人、還是人工智能來進行，其決策過程都是一係列簡單判斷的綜合、疊加，要求選手迅速完成大量簡單態勢的判斷，並將結論加以糅合，最終決定如何進行下一步。
這種任務，與人腦長期以來所從事的工作，差別是很大的。
人類大腦的智力，在漫長演化中，要解決的絕不是大量簡單條件分支的決策、和大量分支選擇的聚合。
這種情形，在人類文明出現之前，根本就不存在。
存在的實際問題，則是如何解決條件紛繁蕪雜、背景十分混亂的某一分支，如何綜合現有的條件，做出一次（至多幾次）最有利的決斷。
麵對猛獸，迅速判明從威脅到環境的一切因素，選擇藏匿、逃跑或肛正麵。
麵對不速之客，迅速查看從來者到環境的一切因素，選擇暗中觀察，攔住盤問，或不問青紅皂白跳出去德瑪西亞。
所有這些場景，從覓食，到繁衍，人所麵臨的情形，都是複雜條件下的單次、至多嵌套的幾次分支選擇，判斷眼前的植物是否可以吃，是這樣的情形，揣摩怎樣對同伴說明某件事，是這樣的情形，構思如何搭建一處遮風避雨之所，乃至抓耳撓腮尋求勾-搭異性的策略，全都是這樣的情形。
人類大腦的智慧之體現，就在於這一次、或幾次關鍵性的決策。
至於決策之後，從組織到實施的很多次動作，步驟和環節，則幾乎完全是經驗、習慣和下意識的習得技能在起作用。
說白了，人類自古至今的演化，將大腦塑造成為一種特化的結構。
這種特化的結構，本質上，縱然再有多少人對下棋感興趣，也並不適合用來完成數值計算、邏輯判斷和博弈推演，並不適合用來下圍棋，也不適合用來進行任何一種分支繁多、需要遍曆決策樹的腦力活動。
正因如此，相對擅於此的人，才更讓同類們感到驚訝、甚至崇拜。
特化的架構不同，人腦，與計算機，各自勝任的工作性質都不一樣，用計算機擅長、而人類相對不擅長的棋類博弈，來衡量人腦的能力，又怎可能得出正確的結論。
圍棋也好，uu看書ukansu.co其他博弈活動也罷，不一定能衡量人腦的實力，這是方然的推論。
但思考的重點，並不在此，圍棋水平能不能準確反映一個人的能力，現在他的確不太在乎。
自己真正感興趣的，是照此下去，會出現什麽樣的情況。
人腦與計算機的特性不同，讓一方去從事另一方所擅長的工作，來衡量這一方的能力，隻能得出錯誤的結論。
但仔細想一想，方然就不禁毛發直豎起來：
今天的it前沿研究，研究如何讓計算機具有“自我意識”，甚至研究如何讓計算機承載人的意識活動，豈不正是在做這樣的事，讓擅長數值計算、邏輯判斷與信息聚合的計算機，去進行自己並不擅長的工作嗎。
自我意識，人的意識活動，一直以來完全以人腦為平台和基礎。
將這高度契合的基礎，用計算機替代，對後者而言就是一種莫大的不公平。
這種不公平，自然，不會體現在計算機意識覺醒、振臂高呼“這不公平”上，而是說在進行這種別扭的嚐試時，計算機的能力，會比名義上的算力差得多。
某種程度上，這也正是時至今日，超級計算機算力已超過100eflops，人類卻仍然未開發出一款人工智能軟件，讓軟件棲身的計算機係統具備自我意識，甚至無法讓計算機像人腦那樣，模糊、並行的處理大量相關訊息。
架構的不同，原則上，並不會影響計算機模擬人類的意識活動，這出自“算法等價性定理”。
但這種模擬的效率，直到今天，也仍然是一個難測的未知數。