设想这样的情形，用普通的加法来作为“典型任务”，让一个人与计算机来完成同样的计算工作，统计双方的用时，再代入“人脑等效算力=计算机算力/人类用时*计算机用时”的公式中，会得到什么样的结果。

甚至於，考虑到算力的单位，本来就是“每秒完成多少次(特定)计算”，那么连代入公式这一步都可以省略。

单看人类的计算能力，一个人，每秒锺能做多少次加法呢;

一次，两次，还是五次，十次，每秒做十次加法已很不可思议，然而换算为Flops，却连1.0都还不够。

以加法为标尺，一个人的等效算力还不到1Flops，这结论显然是荒谬的。

倘若将加法换成更复杂的运算，譬如数组排序、或者解二次方程，将算法所需的算力(这容易获得)视为人脑的等效算力，则数字会好看得多，但，终究也不会超越10~100Flops的理论极限。

单纯用来计算，一百四十亿神经元的人脑，表现还不如早期单片机，这是事实。

那么也就意味着，倘若某种任务，并不能完全发挥出人脑的能力，即便计算机可以完成同样的工作，也能统计出算力，对於衡量人脑的等效算力，也仍然是不适用的。

围棋，表面上是对弈、而非计算，但稍加思考也不难明白，一个人的棋力之高低，显然与大脑的计算、逻辑、记忆等特质密切相关，那么这种任务，是否高度契合於人脑的思维模式，是否足以让人脑发挥出全部的理论能力，就非常可疑。

不仅如此，也很容易想明白，用围棋、或其他棋类的能力来衡量人脑的算力，所得结果几乎必定是偏低的。

原因很简单，人脑，和计算机不一样，绝非天生就是用来做计算的东西。

人脑的信息获取、加工、运用，其机制与今天的数字式电子计算机差异很大，用棋类对弈的表现来衡量其能力，固然比简单粗暴的数学计算要好一些，却还是与人脑的思维模式差异很大，用AI算力当做等效算力，这一点都不合理。

那么结论就是，人脑的能力，尚未可知，但必定比目前的1PFlops更大。

之所以无法测得准确值，根本原因，在於围棋这样的博弈过程，是人脑在漫长演化过程中所要应对之局面的高度抽象。

围棋也好，其他严肃的棋类活动也罢，不论是人、还是人工智能来进行，其决策过程都是一系列简单判断的综合、叠加，要求选手迅速完成大量简单态势的判断，并将结论加以糅合，最终决定如何进行下一步。

这种任务，与人脑长期以来所从事的工作，差别是很大的。

人类大脑的智力，在漫长演化中，要解决的绝不是大量简单条件分支的决策、和大量分支选择的聚合。

这种情形，在人类文明出现之前，根本就不存在。

存在的实际问题，则是如何解决条件纷繁芜杂、背景十分混乱的某一分支，如何综合现有的条件，做出一次(至多几次)最有利的决断。

面对猛兽，迅速判明从威胁到环境的一切因素，选择藏匿、逃跑或肛正面。

面对不速之客，迅速查看从来者到环境的一切因素，选择暗中观察，拦住盘问，或不问青红皂白跳出去德玛西亚。