第三八六章 围棋

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，10EFlops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，已完全被计算机所碾压；

    事实果真如此吗。

    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。

    继而发现，与学术界很多人的观点不一样，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。