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10~50flos。

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10flos、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，10eflos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。