给力文学网

第65章 人类的大脑的功率才20W（第3页）

即便模型和数据样本没出半点差错，训练跑个单周期一万次就成功，那也要14个小时才能跑完。

相比于人脑的一瞬间完成，GTX680要在接近满负荷200W的状态下，狂奔近14个小时。

（）;（）　　这其中的差距有多大。

人正常行走跨一步的距离大概是70到100厘米。

而蚂蚁的平均爬行速度，大概是每秒2.7厘米。

也就是说，如果取折中，人的一步按85厘米来计算。

那蚂蚁爬过人的一步也不过就是30多秒。

14个小时足够一只蚂蚁爬出1360米。

如果要用人和蚂蚁的速度来类比人脑和GTX680的表面差距，那人的一步得跨出1360米。

等比例计算的话，如果人的平均身高是1.7米。

那为了能一步跨出1360米，人的身高得达到2700多米。

这个高度差不多能够到喜马拉雅山的三分之一。

这就是在GTX680加持下的XCNN神经网络，在识别数字和英文这一件小事上的表面差距。

数字是平淡的，但数据背后所代表的意义却是波澜壮阔的。

如此巨大的差距，怎能不勾动撩拨起齐凡的兴趣和神经。

况且，这种差距只是表面的差距。

人脑识别数字和英文几乎是不会出错的，但是XCNN如今还有5%的错误率。

更况且，识别数字和英文对人脑来说太简单了。

如果换成是识别图片呢。

比如谷哥正在花重金做的一件事--让程序识别猫和狗。

对于这种事，人脑还是能在一瞬间完成。

而XCNN呢？想都别想。

齐凡目前为止还没想到如何让XCNN去识别猫狗，连如何让它识别中文，都还在摸索阶段。

什么是差距，这就是差距。

差距最能引起人挑战的兴趣。

齐凡隐隐觉得，或许眼下所谓的神经网络，并非是人脑的运行方式。

人脑的神经元有8000个触点，而XCNN的每个神经节点顶多就是4个触点。

这4个触点还分2个输入和2个输出，严格来说其实是2对触点。

他都不敢想象8000个触点是什么概念。

因为神经节点之间的链接是错综复杂的麻花状，每增加一个触点所增加的复杂度是非线性的。

其数学复杂度对应的是X的N次方。

X是神经节点的数量，N是每个神经节点触点的数量。

那么哪怕这个X的取值是2，N每增加1，就是对原先复杂度的翻倍。

而X的取值绝对不可能是2，因为XCNN的神经节点数量已经过万。

要是按现在XCNN的运行原理，用这种原理去复刻一个人脑，岂不是把整个地球的电量拿来供给都不够。

所以，齐凡才会怀疑，XCNN的神经网络工作原理并非是人脑的运行方式。

但是呢，眼下他没得选。

XCNN是离AI最近的一条路。