第(2/3)页

    ai与人类研究者，谁更经济，这是方然一早就判明了的，专家组的意见也大致如此。

    即便按目前的粗略预计，要具备与科学家相近的智力水平，整个“强人工智能”系统的造价与运行费用必然十分高昂，甚至会大大超出培养、雇佣一批科学家的总消耗，投入产出比也会很难看。

    但换一个角度，一个人的智力再怎样高超，将一群人组织起来，从事研究，则所有研究者都会被“信息交流效率低下”所困扰。

    人类拥有的交流手段，视觉，听觉，触觉，嗅觉，味觉，除此之外，别无其他。

    而这些手段，就算其中效率最高的视觉，传递讯息的能力也一点都不强，即便借助学术论文、科研资料，研究者之间的沟通效率，也很难超过10~100bps。

    随着组织规模的扩大，人与人之间，联系愈加繁杂而紧密，这一问题便格外突出。

    而利用fscim体系的计算机系统，则高效得多，哪怕微型计算机之间，彼此间的信息互联也能达到gbps、甚至成百上千gbps的速率。

    通讯的优势，在一定系统规模的支持下，可以弥补节点的能力。

    继而，在计算机、人工智能领域，创造出智力超越一个人、甚至一群人的系统，也会比想象中来的更容易。

    不知不觉，时间来到1495年深冬，nep_791地下建筑内的“强ai初号机”完成初步配置，各模块调试正常，等待阿达民审核一系列初始配置，将数据装入系统，就可以上电进行第一次持续联调。

    只是1pflops基础算力，对应的智力，可以达到什么样的水平呢。

    这一点，在研发时进行过几轮仿真、估算，事到如今，莱斯利*兰伯特还是说不准，毕竟置信区间跨越几个量级，这种预测数字几乎没有意义。

    故，在设置初号机的背景知识库时，研究人员的设置，是谨慎的提供fscim基础库——数学部分的信息，这些信息都是年头已久、绝对正确的概念、公理、定理等，难度则设置在“小学低年级”的水准。
    第(2/3)页