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,10eflops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。
请收藏:https://m.xohm.org
(温馨提示:请关闭畅读或阅读模式,否则内容无法正常显示)