第(2/3)頁

    ai與人類研究者，誰更經濟，這是方然一早就判明了的，專家組的意見也大致如此。

    即便按目前的粗略預計，要具備與科學家相近的智力水平，整個“強人工智能”系統的造價與運行費用必然十分高昂，甚至會大大超出培養、雇傭一批科學家的總消耗，投入產出比也會很難看。

    但換一個角度，一個人的智力再怎樣高超，將一群人組織起來，從事研究，則所有研究者都會被“信息交流效率低下”所困擾。

    人類擁有的交流手段，視覺，聽覺，觸覺，嗅覺，味覺，除此之外，別無其他。

    而這些手段，就算其中效率最高的視覺，傳遞訊息的能力也一點都不強，即便借助學術論文、科研資料，研究者之間的溝通效率，也很難超過10~100bps。

    隨著組織規模的擴大，人與人之間，聯系愈加繁雜而緊密，這一問題便格外突出。

    而利用fscim體系的計算機系統，則高效得多，哪怕微型計算機之間，彼此間的信息互聯也能達到gbps、甚至成百上千gbps的速率。

    通訊的優勢，在一定系統規模的支持下，可以彌補節點的能力。

    繼而，在計算機、人工智能領域，創造出智力超越一個人、甚至一群人的系統，也會比想象中來的更容易。

    不知不覺，時間來到1495年深冬，nep_791地下建筑內的“強ai初號機”完成初步配置，各模塊調試正常，等待阿達民審核一系列初始配置，將數據裝入系統，就可以上電進行第一次持續聯調。

    只是1pflops基礎算力，對應的智力，可以達到什么樣的水平呢。

    這一點，在研發時進行過幾輪仿真、估算，事到如今，萊斯利*蘭伯特還是說不準，畢竟置信區間跨越幾個量級，這種預測數字幾乎沒有意義。

    故，在設置初號機的背景知識庫時，研究人員的設置，是謹慎的提供fscim基礎庫——數學部分的信息，這些信息都是年頭已久、絕對正確的概念、公理、定理等，難度則設置在“小學低年級”的水準。
    第(2/3)頁