第(3/3)頁

    至于其他數據，大多高出兩個、三個，甚至四個數量級，主要是一些研究者將圍棋ai的訓練所需算力也統計進來。

    不論什么時代的人工智能，在投入實用前，都需要一定的“訓練”過程，這一過程與人的學習很相似，目的是模仿人類的學習過程，從基本規則中“自然而然”的產生出解決實際問題的算法，當然，這些算法往往體現為多層網絡、分支網絡的形式。

    將ai訓練所需的算力，統計到總算力中，從成本核算的角度是很正常的，在比較人和計算機的能力時，卻一點都不公平。

    照此做法，計算機達到某一水平的算力，是測試布到實戰運作的算力總和，那么對人而言，也需要將圍棋的漫長的學習過程一并統計進來，均分實戰中的棋力，這樣一來恐怕人腦的等效算力會更難看。

    歸而總之，閑暇時想到這一切，方然的確回憶起了那些數據。

    在公認為復雜意識活動的圍棋領域，人腦的等效算力，大致就是1opf1ops、也就是每秒一億億次浮點運算的水平。

    對于一百四十億神經元組成的人腦，這成績，似乎已相當不錯。

    但對照今天的級計算機，毫無疑問，1oef1ops的算力則不值一提，連零頭的零頭都不到。

    那么可以得出結論，人的能力，已完全被計算機所碾壓；

    事實果真如此嗎。

    任務堆積如山，每一天埋頭忙碌之余，稍事休息時，方然都會思考這微妙的問題。

    繼而現，與學術界很多人的觀點不一樣，用計算機完成典型任務所需的算力，來衡量人腦的處理能力，是很不靠譜的。


    第(3/3)頁