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，10PFlops级别的算力则不值一提，连零头的零头都不到。
那么可以得出结论，人的能力，已完全被自己所创造的计算机碾压，是这样吗；
事实果真如此吗，不，不一定。
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。
思考的成果，与学术界的某些观点不尽一致，他认为，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，是很不靠谱的做法。
第三八六章 围棋
设想这样的情形，用普通的加法来作为“典型任务”，让一个人与计算机来完成同样的计算工作，统计双方的用时，再代入“人脑等效算力=计算机算力/人类用时*计算机用时”的公式中，会得到什么样的结果。
甚至于，考虑到算力的单位，本来就是“每秒完成多少次（特定）计算”，那么连代入公式这一步都可以省略。
单看人类的计算能力，一个人，每秒钟能做多少次加法呢；
一次，两次，还是五次，十次，每秒做十次加法已很不可思议，然而换算为Flops，却连1.0都还不够。
以加法为标尺，一个人的等效算力还不到1Flops，这结论显然是荒谬的。
倘若将加法换成更复杂的运算，譬如数组排序、或者解二次方程，将算法所需的算力（这容易获得）视为人脑的等效算力，则数字会好看得多，但，终究也不会超越10~100Flops的理论极限。
单纯用来计算，一百四十亿神经元的人脑，表现还不如早期单片机，这是事实。
那么也就意味着，倘若某种任务，并不能完全发挥出人脑的能力，即便计算机可以完成同样的工作，也能统计出算力，对于衡量人脑的等效算力，也仍然是不适用的。
围棋，表面上是对弈、而非计算，但稍加思考也不难明白，一个人的棋力之高低，显然与大脑的计算、逻辑、记忆等特质密切相关，那么这种任务，是否高度契合于人脑的思维模式，是否足以让人脑发挥出全部的理论能力，就非常可疑。
不仅如此，也很容易想明白，用围棋、或其他棋类的能力来衡量人脑的算力，所得结果几乎必定是偏低的。
原因很简单，人脑，和计算机不一样，绝非天生就是用来做计算的东西。
人脑的信息获取、加工、运用，其机制与今天的数字式电子计算机差异很大，用棋类对弈的表现来衡量其能力，固然比简单粗暴的数学计算要好一些，却还是与人脑的思维模式差异很大，用AI算力当做等效算力，这一点都不合理。
那么结论就是，人脑的能力，尚未可知，但必定比目前的1PFlops更大。
之所以无法测得准确值，根本原因，在于围棋这样的博弈过程，是人脑在漫长演化过程中所要应对之局面的高度抽象。
哦豁，小伙伴们如果觉得52书库不错，记得收藏网址 https://224444.shop/ 或推荐给朋友哦~拜托啦 (>.<)
传送门：排行榜单 |