“计算机模拟人的意识活动”，与“计算机从事人的科学研究”，两者彼此等价，这是一个极其重要的发现。
至于原因，梳理一直以来的思路，答案其实很明显。
迄今为止出现的计算机系统，单论速度，远远超越了人脑的等效算力，这样讲并没有原则性的错误，虽然直到今天，人类仍未弄清人脑的计算能力，但根据人与计算机在完成典型任务时的表现，也能得出一个大致的判断。
从自动驾驶，到同声传译，再到19*19路的围棋对抗，计算机在一项项任务中胜过了人类，对应的人脑算力之上限，也在不断提升。
但这种提升，不仅在理论上无法一直持续，在实践中也一样办不到。
与现代计算机类似，人脑，可以粗略的看做一台通用计算机，内置大量任务的算法，虽然只有大脑、小脑/植物神经系统这两个不对称核心，也就是实际上的单线程，但通过执行不同的任务算法，可以完成许多截然不同的工作。
功能多样，但，并不能用一系列任务的等效算力之和，作为人脑的预测算力。
正如计算机的算力，决不能用运行所有算法时体现出的算力，简单叠加，这是一个很浅显的低级错误。
故而估测人脑的（最大）算力，只需盘点所有能被计算机替代的任务中，哪一种所需的算力最大，而在it领域极大发展的今天，要做到这一点，相比几十年、甚至十几年前的情形，更要容易得多。
譬如围棋，曾经令人工智能束手无策，甚至一流ai都无法战胜人类业余围棋选手，在十几年前才逐渐逆转。
时至今日，在剧变的大背景下，围棋人工智能的发展速度已很迟缓。
原因用不着多解释，在新时代奴隶制的简单再生产态势下，作为人类的一种精神活动，对生产体系并无任何助益、而仅仅只是头脑锻炼与消遣的围棋，早已淡出ai研究者的视线，这方面的研究接近停滞，也是再正常不过。
资产主义社会中，一切社会活动，归根结底都是利益在推动。
到了新时代的奴隶制，情况，是稍有改变，不排除某些顶层对围棋是饶有兴致，愿意投入资源进行一些研究。
但，在ai棋力已经碾压人类的这时代，少数顶层、有产者对围棋的兴趣，很容易被已有成果所满足，继续研发更强棋力之ai的动机几乎不复存在，近十年来，ai棋力的进步幅度也的确很有限。
即便如此，到了西历1489年，围棋ai的棋力早已远胜于人。
进而，用围棋ai所需的算力，来衡量同等棋力之人的大脑“算力”，其可信度也一直在提升，精度也随之亦然。
原理是很显明的，人类，其中的顶尖棋手，哪怕并非生命中的每一分、每一秒都在下棋、思考棋术，认为其大脑的算力峰值，会出现在执行“对弈”这件事的时候，这假设是十分合理而难以辩驳的。
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。
至于原因，梳理一直以来的思路，答案其实很明显。
迄今为止出现的计算机系统，单论速度，远远超越了人脑的等效算力，这样讲并没有原则性的错误，虽然直到今天，人类仍未弄清人脑的计算能力，但根据人与计算机在完成典型任务时的表现，也能得出一个大致的判断。
从自动驾驶，到同声传译，再到19*19路的围棋对抗，计算机在一项项任务中胜过了人类，对应的人脑算力之上限，也在不断提升。
但这种提升，不仅在理论上无法一直持续，在实践中也一样办不到。
与现代计算机类似，人脑，可以粗略的看做一台通用计算机，内置大量任务的算法，虽然只有大脑、小脑/植物神经系统这两个不对称核心，也就是实际上的单线程，但通过执行不同的任务算法，可以完成许多截然不同的工作。
功能多样，但，并不能用一系列任务的等效算力之和，作为人脑的预测算力。
正如计算机的算力，决不能用运行所有算法时体现出的算力，简单叠加，这是一个很浅显的低级错误。
故而估测人脑的（最大）算力，只需盘点所有能被计算机替代的任务中，哪一种所需的算力最大，而在it领域极大发展的今天，要做到这一点，相比几十年、甚至十几年前的情形，更要容易得多。
譬如围棋，曾经令人工智能束手无策，甚至一流ai都无法战胜人类业余围棋选手，在十几年前才逐渐逆转。
时至今日，在剧变的大背景下，围棋人工智能的发展速度已很迟缓。
原因用不着多解释，在新时代奴隶制的简单再生产态势下，作为人类的一种精神活动，对生产体系并无任何助益、而仅仅只是头脑锻炼与消遣的围棋，早已淡出ai研究者的视线，这方面的研究接近停滞，也是再正常不过。
资产主义社会中，一切社会活动，归根结底都是利益在推动。
到了新时代的奴隶制，情况，是稍有改变，不排除某些顶层对围棋是饶有兴致，愿意投入资源进行一些研究。
但，在ai棋力已经碾压人类的这时代，少数顶层、有产者对围棋的兴趣，很容易被已有成果所满足，继续研发更强棋力之ai的动机几乎不复存在，近十年来，ai棋力的进步幅度也的确很有限。
即便如此，到了西历1489年，围棋ai的棋力早已远胜于人。
进而，用围棋ai所需的算力，来衡量同等棋力之人的大脑“算力”，其可信度也一直在提升，精度也随之亦然。
原理是很显明的，人类，其中的顶尖棋手，哪怕并非生命中的每一分、每一秒都在下棋、思考棋术，认为其大脑的算力峰值，会出现在执行“对弈”这件事的时候，这假设是十分合理而难以辩驳的。
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。