人类大脑的单线程特性，是出于怎样的物理、生理方面限制，方然并不太关心。
至于其成因，在生命演化的过程中，人类为何没能具备一种原则上可行的能力，没办法分心二用，在他看来，主要还是没有这方面的需求。
不同于大脑掌管思维，小脑掌管运动，人的意识，在除近、现代几百年之外的漫长岁月里，需要处理的情况其实都十分简单，活动，觅食，躲避敌害，繁衍生息，这些活动差不多就是一个原始人生命的全部，真正需要思考的时候，着实寥寥。
需要同时思考两件事的场合，想一想也知道，简直就极罕有。
这方面的思考，并不深入，方然也没有十足的把握断定，人类大脑没能获得分心二用的“多线程”运作能力，究竟是出于自身架构的限制，还是演化条件的缺失，但在思考此前想起的核心问题时，这一点也并不重要。
重要的是，不管单线程、还是多线程，大脑的处理能力究竟怎样。
人，对比机器，身处西历1480年代的今天，哪怕远离it领域的联邦民众也知道，前者是很有危机感和紧迫感。
不需要对信息工程、微电子、软件工程或计算机有相当的造诣，只消看一看身边的智能设备、机器人，承担从医疗护理到盖亚大战的诸多事务，种类繁多的机器人，性能之强大简直就前所未有，人类则越来越相形见绌，甚至在传统的“智慧”领域也节节败退。
按照惯例，在信息技术领域中，每当计算机与人工智能完成了一种原本只有人才能做的工作，就可以将该系统的算力，视作人承担同类任务时的等效算力。
换句话说，如果某计算机与人的功能一致，就认为大脑在完成此类工作时，处理能力与该计算机的算力相若。
这种对比，想一想也知道并不太准确，却是唯一可行的办法。
按照这样的思路，譬如说，自动驾驶系统的典型算力需求为100gflops，而一个普通成年人也能完成驾驶的任务，差不多可以和自动驾驶系统做的一样好，那么可以判断出，人类大脑的等效算力不会低于100gflops。
再譬如说，实时翻译系统的典型算力需求为1tflops，对同样能完成实时翻译工作，工作质量与计算机差不多的人而言，大脑的等效算力便不会低于1tflops。
这样的例子，还可以举出更多，但方然的思考并未止步于此。
他知道，这种等效的办法不太靠谱。
但凡考虑一个很浅显的问题，人，即便都是成年人，彼此间的智力、能力等方面，差距也往往大到难以置信，撇开智力伤残者不谈，普通联邦民众与资深同声传译者，在实时翻译方面的表现必定相去甚远。
按这种等效法，岂不是说普通民众的大脑算力，要远逊于资深翻译吗。
zz不正确的言论，也许吧，然而事实却正是如此。
大脑，不同人的头脑，哪怕在生理构造上一模一样，微观结构也几乎毫无区别，表现出的能力与等效算力，差别却会大到匪夷所思的地步。
要评价大脑的处理能力，显然，应该选择最优秀的头脑，来作为标尺。
不过以人的一生之短暂，生命的不同阶段，大脑的状态也会动态变化，同样的，要衡量出大脑的算力上限（下限显然是0），就需要寻找盖亚表面最杰出的专业人士，将其工作能力与计算机相比较，再根据计算机的算力来得出结论。
即便如此，在衡量大脑能力方面，这一方法仍然是十分勉强、价值可疑的。
大脑与数字式电子计算机，在基本架构方面，区别很大，前者可粗略的当做一台有机材料构成的模拟式计算机，这种构造的运行过程，与后者截然不同，能否用后者的算力、处理能力等指标去衡量前者，本身就充满了不确定性。
何况这种办法，一般而言，只能确定大脑算力的下限，而（几乎）不可能测得其上限。
这一判断，原理其实并不复杂，但即便信息技术领域的行内人，也不一定明白，甚至在历史上还得出过很多错误的结论。
譬如说，将构成人脑的约一百四十亿个神经元，与电子计算机cpu中的一百四十亿个晶体管相比拟，进而认为人脑的等效算力，就差不多相当于晶体管规模14，000，000，000的cpu之算力。
且不论神经元与晶体管在功能上的本质区别，单看一看微电子、集成电路的进步，就会知道这种类比方式很荒谬。
随着技术、工艺与设计的进步，同样的一百四十亿晶体管，不同年代设计并制造出来的cpu，实测算力的差别还是比较大，对比intel公司在十年前和今天的产品，同样数量的晶体管，所能实现的算力差距至少在三~四倍。
cpu的算力，显然不能只用一个“晶体管数量”来衡量，又怎能以此度量大脑呢。
这还仅仅是硬件的情形，不仅如此，软件方面同样有类似的情况，同样的功能，任务需求，采用的软件架构与算法不同，所需的算力也会有一些差异。
最后则是本质的缺陷，时至今日，类似科学研究这样的尖端任务，仍然只能由人、而无法由计算机来完成，那么在缺乏同性质之计算机的情况下，就没办法用等效法去衡量科学研究者大脑的算力。
考虑到所有这一切条件，就不难理解，对曾频繁出现于媒体的所谓“预测”，关于人脑之处理能力的新闻、消息，方然都会一笑置之。
大脑的等效算力，二十年来，在联邦的网络、媒体上，数字已变动过不知多少次。
预测数字，从最初的10gflops，到后来的100g、1tflops，再到后面一些更夸张的数字，总体而言，基本上这一指标每年都会增长。
原因很明显，超级计算机的算力，一直在持续提升；
而能够完全模拟人类思维、能够取代大脑的ai，任凭一代代研究者如何努力，却始终未曾问世。
至于其成因，在生命演化的过程中，人类为何没能具备一种原则上可行的能力，没办法分心二用，在他看来，主要还是没有这方面的需求。
不同于大脑掌管思维，小脑掌管运动，人的意识，在除近、现代几百年之外的漫长岁月里，需要处理的情况其实都十分简单，活动，觅食，躲避敌害，繁衍生息，这些活动差不多就是一个原始人生命的全部，真正需要思考的时候，着实寥寥。
需要同时思考两件事的场合，想一想也知道，简直就极罕有。
这方面的思考，并不深入，方然也没有十足的把握断定，人类大脑没能获得分心二用的“多线程”运作能力，究竟是出于自身架构的限制，还是演化条件的缺失，但在思考此前想起的核心问题时，这一点也并不重要。
重要的是，不管单线程、还是多线程，大脑的处理能力究竟怎样。
人，对比机器，身处西历1480年代的今天，哪怕远离it领域的联邦民众也知道，前者是很有危机感和紧迫感。
不需要对信息工程、微电子、软件工程或计算机有相当的造诣，只消看一看身边的智能设备、机器人，承担从医疗护理到盖亚大战的诸多事务，种类繁多的机器人，性能之强大简直就前所未有，人类则越来越相形见绌，甚至在传统的“智慧”领域也节节败退。
按照惯例，在信息技术领域中，每当计算机与人工智能完成了一种原本只有人才能做的工作，就可以将该系统的算力，视作人承担同类任务时的等效算力。
换句话说，如果某计算机与人的功能一致，就认为大脑在完成此类工作时，处理能力与该计算机的算力相若。
这种对比，想一想也知道并不太准确，却是唯一可行的办法。
按照这样的思路，譬如说，自动驾驶系统的典型算力需求为100gflops，而一个普通成年人也能完成驾驶的任务，差不多可以和自动驾驶系统做的一样好，那么可以判断出，人类大脑的等效算力不会低于100gflops。
再譬如说，实时翻译系统的典型算力需求为1tflops，对同样能完成实时翻译工作，工作质量与计算机差不多的人而言，大脑的等效算力便不会低于1tflops。
这样的例子，还可以举出更多，但方然的思考并未止步于此。
他知道，这种等效的办法不太靠谱。
但凡考虑一个很浅显的问题，人，即便都是成年人，彼此间的智力、能力等方面，差距也往往大到难以置信，撇开智力伤残者不谈，普通联邦民众与资深同声传译者，在实时翻译方面的表现必定相去甚远。
按这种等效法，岂不是说普通民众的大脑算力，要远逊于资深翻译吗。
zz不正确的言论，也许吧，然而事实却正是如此。
大脑，不同人的头脑，哪怕在生理构造上一模一样，微观结构也几乎毫无区别，表现出的能力与等效算力，差别却会大到匪夷所思的地步。
要评价大脑的处理能力，显然，应该选择最优秀的头脑，来作为标尺。
不过以人的一生之短暂，生命的不同阶段，大脑的状态也会动态变化，同样的，要衡量出大脑的算力上限（下限显然是0），就需要寻找盖亚表面最杰出的专业人士，将其工作能力与计算机相比较，再根据计算机的算力来得出结论。
即便如此，在衡量大脑能力方面，这一方法仍然是十分勉强、价值可疑的。
大脑与数字式电子计算机，在基本架构方面，区别很大，前者可粗略的当做一台有机材料构成的模拟式计算机，这种构造的运行过程，与后者截然不同，能否用后者的算力、处理能力等指标去衡量前者，本身就充满了不确定性。
何况这种办法，一般而言，只能确定大脑算力的下限，而（几乎）不可能测得其上限。
这一判断，原理其实并不复杂，但即便信息技术领域的行内人，也不一定明白，甚至在历史上还得出过很多错误的结论。
譬如说，将构成人脑的约一百四十亿个神经元，与电子计算机cpu中的一百四十亿个晶体管相比拟，进而认为人脑的等效算力，就差不多相当于晶体管规模14，000，000，000的cpu之算力。
且不论神经元与晶体管在功能上的本质区别，单看一看微电子、集成电路的进步，就会知道这种类比方式很荒谬。
随着技术、工艺与设计的进步，同样的一百四十亿晶体管，不同年代设计并制造出来的cpu，实测算力的差别还是比较大，对比intel公司在十年前和今天的产品，同样数量的晶体管，所能实现的算力差距至少在三~四倍。
cpu的算力，显然不能只用一个“晶体管数量”来衡量，又怎能以此度量大脑呢。
这还仅仅是硬件的情形，不仅如此，软件方面同样有类似的情况，同样的功能，任务需求，采用的软件架构与算法不同，所需的算力也会有一些差异。
最后则是本质的缺陷，时至今日，类似科学研究这样的尖端任务，仍然只能由人、而无法由计算机来完成，那么在缺乏同性质之计算机的情况下，就没办法用等效法去衡量科学研究者大脑的算力。
考虑到所有这一切条件，就不难理解，对曾频繁出现于媒体的所谓“预测”，关于人脑之处理能力的新闻、消息，方然都会一笑置之。
大脑的等效算力，二十年来，在联邦的网络、媒体上，数字已变动过不知多少次。
预测数字，从最初的10gflops，到后来的100g、1tflops，再到后面一些更夸张的数字，总体而言，基本上这一指标每年都会增长。
原因很明显，超级计算机的算力，一直在持续提升；
而能够完全模拟人类思维、能够取代大脑的ai，任凭一代代研究者如何努力，却始终未曾问世。