阳电提示您：看后求收藏（天籁书屋www.qdfangde.com），接着再看更方便。
人类大脑的单线程特性，是出于怎样的物理、生理方面限制，方然并不太关心。
至于其成因，在生命演化的过程中，人类为何没能具备一种原则上可行的能力，没办法分心二用，在他看来，主要还是没有这方面的需求。
不同于大脑掌管思维，小脑掌管运动，人的意识，在除近、现代几百年之外的漫长岁月里，需要处理的情况其实都十分简单，活动，觅食，躲避敌害，繁衍生息，这些活动差不多就是一个原始人生命的全部，真正需要思考的时候，着实寥寥。
需要同时思考两件事的场合，想一想也知道，简直就极罕有。
这方面的思考，并不深入，方然也没有十足的把握断定，人类大脑没能获得分心二用的“多线程”运作能力，究竟是出于自身架构的限制，还是演化条件的缺失，但在思考此前想起的核心问题时，这一点也并不重要。
重要的是，不管单线程、还是多线程，大脑的处理能力究竟怎样。
人，对比机器，身处西历1480年代的今天，哪怕远离it领域的联邦民众也知道，前者是很有危机感和紧迫感。
不需要对信息工程、微电子、软件工程或计算机有相当的造诣，只消看一看身边的智能设备、机器人，承担从医疗护理到盖亚大战的诸多事务，种类繁多的机器人，性能之强大简直就前所未有，人类则越来越相形见绌，甚至在传统的“智慧”领域也节节败退。
按照惯例，在信息技术领域中，每当计算机与人工智能完成了一种原本只有人才能做的工作，就可以将该系统的算力，视作人承担同类任务时的等效算力。
换句话说，如果某计算机与人的功能一致，就认为大脑在完成此类工作时，处理能力与该计算机的算力相若。
这种对比，想一想也知道并不太准确，却是唯一可行的办法。
按照这样的思路，譬如说，自动驾驶系统的典型算力需求为100gflos，而一个普通成年人也能完成驾驶的任务，差不多可以和自动驾驶系统做的一样好，那么可以判断出，人类大脑的等效算力不会低于100gflos。
再譬如说，实时翻译系统的典型算力需求为1tflos，对同样能完成实时翻译工作，工作质量与计算机差不多的人而言，大脑的等效算力便不会低于1tflos。
这样的例子，还可以举出更多，但方然的思考并未止步于此。
他知道，这种等效的办法不太靠谱。
