人，计算机，两者的架构都不一样，彼此模拟显然是很困难的任务。

对人而言，进行人脑原本并不擅长的计算逻辑海量简单分支决策的任务，效率远远低于哪怕最原始的计算机。

对计算机而言，从事其并不擅长的复杂局面判断复杂分支决策之任务，哪怕算力早已碾压人脑，也仍然是一种消耗巨大的以短击长，庞大而复杂的算法体系，到头来，还不如人脑迅速凭“直觉”而做出的结论。

各有所长，各有所短，一旦认识到这点，方然就明白所谓“等效算力”的意义并不大。

用围棋ai的算力，或者，其他任何ai的算力去衡量人脑的处理能力，并不能准确判断人脑的实力，充其量只说明，倘若要人脑去从事计算机人工智能擅长的工作，可以做到什么程度，可以与多大算力的ai相比拟。

至于人脑的真正实力，恐怕，是没办法用flyi来表征，正如一辆家用轿车的优劣，绝对无法通过超载能力来衡量那样。

那么人脑的能力究竟怎样，到底，有没有一个起码的判据。

念及至此，花费宝贵时间思考这一问题，方然的初衷，或许是为了调剂生活，在紧张工作的间隙放松头脑，但，不知不觉将思维深入到这种程度，他才逐渐意识到，自己正在思考的是一个何其关键甚至是决定性的问题。

人脑与计算机，架构迥异的两种事务，它们真的可以彼此等效甚至彼此替代吗。

这一问题的真正答案，至关重要，一旦得出结论，就可以回答萦绕心头困扰思绪的两个棘手之问题：

计算机，能否替代了人，去从事创造性的科学研究工作；

以及计算机，能否作为意识的载体，成为实现无限长之生命的一种手段。

两个问题，本质上，都是在探究人脑与计算机的本质，是否可以彼此等价，进而彼此替代。

但答案又会是什么呢，站在西历1489年的历史节点上，无需殚精竭虑，方然就能给出一个令人失望的回答：

不能。

计算机，替代人类劳动，是多少年来一直在发生的事，可是直到今天，联邦乃至世界的it尖端研究，仍未创造出能通过“图灵测试”的人工智能，距离人工智能代替人类，从事创造性科学研究的目标，显然就更加遥远。

当今时代的apyis产机，毫不夸张的讲，已经取代了社会生产过程中百分之九十九的人力，将从清扫工到应用工程师的诸多岗位彻底消灭，这固然是事实。

联邦的无数劳动者，因此失业，丧失参与生产流程的机会，这也是一种确定的趋势。

但直到今天，劳动者，仍然被联邦顶层有产者统计阶层所需要，在联邦大地的无数研究机构生产体系中，从事创造性研究的自然科学领域之顶尖人才，数量一点也没有减少，甚至还会随着生产体系的膨胀而扩大。

计算机的能力，在今天是前所未有的强大，但仍然有一些事情是其力不能及。

科学研究，前沿领域的探索，尖端技术的开发，仍然必须由人来主导，即便计算机在其中扮演的角色越来越重要，今日的一切高新科技研发，离开超级计算机的强大算力都无以为继，但在研究过程中，计算机所充当的仍然是“算仆”，只是研究者用来加快计算速度，缩短研发周期的工具。

原则上讲，今天的一切科学技术之研究，完摈弃计算机，照样可以进行下去。

只不过研发的速度，会慢到令人完无法忍受，科学家穷极一生雇佣海量计算劳工，也没办法等到计算结束验证自己的理论是否正确。

计算机的角色，越来越重要，但，这与成为主导根本就是两回事。

正因如此，在社会剧变的这时代，联邦的无数劳动者才没有被顶层彻底抛弃，被成批赶进毒气室，而是暂时维持一种微妙的尚可维持的平衡：

无数劳动者失去工作苟延残喘，其中的一小部分精英则（暂时）还有工作，衣食无忧。

数量庞大的底层，多少还得到一点救济勉强维生，以巨大的基数，多少总能够为生产体系提供一定数量的精英劳动者，只待眼前的科学研究者们逐渐老去，死亡，就可以进入生产体系，继续为顶层服务。

在生化仿真人的冲击下，顶层——奴隶——奴仆之三元体制，奴仆的地位岌岌可危，数量持续减少，而被大量的生化仿真人取而代之。

这一趋势，在几年前就能观察到，除从事“人文艺术”的奴仆外，普通服务者均前途堪忧。

奴隶群体的地位，则两极分化，大量普通劳动者陆续被踢出生产循环，从事尖端科技研发的高端人才则安稳如山。

这样一种大趋势，长远看来，会对人类社会造成什么样的影响，现在还说不好。

方然并不在乎什么“长期趋势”，事实是明摆着，第三次盖亚大战很快就将到达“临界点”，继而，在双方动用战略核武器后，事态就将演变到不可收拾的地步，整个人类世界都将迎来又一次天翻地覆的剧变。

世界命不久长，长远趋势，也就只能是一种虚无缥缈。

相应的，计算机究竟能否取代人，从事（真正的）科研工作，或者说究竟要发展到什么样的程度才能做到这一点，则是根本性的重大问题。

真正的科学研究，毋庸讳言，并非若干年前人们以为的那样，只要经过专业系统的教育，在生产体系中从事一些无关体力无关交际的工作，就算是投身于科学技术，恰恰相反，彼时的大量所谓技术岗位，进行的都是些程序性的劳动。

随着it技术的渗透，应用科学与计算机程序的结合，让这些岗位上的人被迅速淘汰。

真正的科研，要么是前沿领域的探索性工作，要么是极端复杂局面下的技术应用，总而言之，一切以计算机是否能取而代之为准则：直到今天，联邦的超级计算机与ai，能未能将托马斯安生莱斯利兰伯特等人踢出生产循环，就是“计算机尚力有不逮”的有力证明。

。