要評價大腦的處理能力，顯然，應該選擇最優秀的頭腦，來作為標尺。
不過以人的一生之短暫，生命的不同階段，大腦的狀態也會動態變化，同樣的，要衡量出大腦的算力上限（下限顯然是0），就需要尋找蓋亞表麵最傑出的專業人士，將其工作能力與計算機相比較，再根據計算機的算力來得出結論。
即便如此，在衡量大腦能力方麵，這一方法仍然是十分勉強、價值可疑的。
大腦與數字式電子計算機，在基本架構方麵，區別很大，前者可粗略的當做一台有機材料構成的模擬式計算機，這種構造的運行過程，與後者截然不同，能否用後者的算力、處理能力等指標去衡量前者，本身就充滿了不確定性。
何況這種辦法，一般而言，隻能確定大腦算力的下限，而（幾乎）不可能測得其上限。
這一判斷，原理其實並不複雜，但即便信息技術領域的行內人，也不一定明白，甚至在曆史上還得出過很多錯誤的結論。
譬如，將構成人腦的約一百四十億個神經元，與電子計算機PU中的一百四十億個晶體管相比擬，進而認為人腦的等效算力，就差不多相當於晶體管規模14，000，000，000的PU之算力。
且不論神經元與晶體管在功能上的本質區別，單看一看微電子、集成電路的進步，就會知道這種類比方式很荒謬。
隨著技術、工藝與設計的進步，同樣的一百四十億晶體管，不同年代設計並製造出來的PU，實測算力的差別還是比較大，對比Inel公司在十年前和今的產品，同樣數量的晶體管，所能實現的算力差距至少在三~四倍。
PU的算力，顯然不能隻用一個“晶體管數量”來衡量，又怎能以此度量大腦呢。
這還僅僅是硬件的情形，不僅如此，軟件方麵同樣有類似的情況，同樣的功能，任務需求，采用的軟件架構與算法不同，所需的算力也會有一些差異。
最後則是本質的缺陷，時至今日，類似科學研究這樣的尖端任務，仍然隻能由人、而無法由計算機來完成，那麽在缺乏同性質之計算機的情況下，就沒辦法用等效法去衡量科學研究者大腦的算力。
考慮到所有這一切條件，就不難理解，對曾頻繁出現於媒體的所謂“預測”，關於人腦之處理能力的新聞、消息，方然都會一笑置之。
大腦的等效算力，二十年來，在聯邦的網絡、媒體上，數字已變動過不知多少次。
預測數字，從最初的10GFlps，到後來的100G、1Flps，再到後麵一些更誇張的數字，總體而言，基本上這一指標每年都會增長。
原因很明顯，超級計算機的算力，一直在持續提升；
而能夠完全模擬人類思維、能夠取代大腦的AI，任憑一代代研究者如何努力，卻始終未曾問世。 本章已閱讀完畢(請點擊下一章繼續閱讀!)