考慮到棋手的一生，畢竟，絕不可能百分之百圍繞著圍棋，多少總會有些分心之事，但對於頂尖棋手，引入的誤差也不會太大。
多少年來，人類的頂尖棋手之棋力，漸消漸長，隱約可見一個模糊的上限。
而人類研發的圍棋人工智能，使用互有區別的算法、架構，運行在不同的計算機係統上，達到同等棋力所需的算力也彼此相若。
種種跡象，似乎清楚的指向一個事實：
完成同樣任務的計算機之算力，就是人腦的等效算力。
在當今時代，人，不論賦如何、又是怎樣努力，也根本無法打破人類棋力的花板，更不可能戰勝任何一個等效棋力在十段以上的圍棋AI。
這似乎也從側麵證明了，圍棋棋力，可以視為一個人大腦能力的極限。
在這種理論指導下，稍加檢索，方然就知道了這一數字。
按圍棋AI等效法衡量的人腦算力，不同資料，給出的數據差異很大，上下限之間的差距在三到四個數量級，但憑借自身的認識水平，他不難看得出，其中接近上限的數字幾乎都是錯誤的，更準確的數字在10~50PFlps。
至於其他數據，大多高出兩個、三個，甚至四個數量級，主要是一些研究者將圍棋AI的訓練所需算力也統計進來。
不論什麽時代的人工智能，在投入實用前，都需要一定的“訓練”過程，這一過程與人的學習很相似，目的是模仿人類的學習過程，從基本規則中“自然而然”的產生出解決實際問題的算法，當然，這些算法往往體現為多層網絡、分支網絡的形式。
將AI訓練所需的算力，統計到總算力中，從成本核算的角度是很正常的，在比較人和計算機的能力時，卻一點都不公平。
照此做法，計算機達到某一水平的算力，是測試發布到實戰運作的算力總和，那麽對人而言，也需要將圍棋的漫長的學習過程一並統計進來，均分實戰中的棋力，這樣一來恐怕人腦的等效算力會更難看。
歸而總之，閑暇時想到這一切，方然的確回憶起了那些數據。
在公認為複雜意識活動的圍棋領域，人腦的等效算力，大致就是10PFlps、也就是每秒一億億次浮點運算的水平。
對於一百四十億神經元組成的人腦，這成績，似乎已相當不錯。
但對照今的超級計算機，毫無疑問，10EFlps的算力則不值一提，連零頭的零頭都不到。
那麽可以得出結論，人的能力，已完全被計算機所碾壓；
事實果真如此嗎。
任務堆積如山，每一埋頭忙碌之餘，稍事休息時，方然都會思考這微妙的問題。
繼而發現，與學術界很多人的觀點不一樣，用計算機完成典型任務所需的算力，來衡量人腦的處理能力，是很不靠譜的。 本章已閱讀完畢(請點擊下一章繼續閱讀!)