眾核（many-core）處理器正在推動處理能力迅速提高，這是否將推動一種具備超人智能特性的機器問世？而這是否又代表著“科技奇點”也將隨之到來？

　　在本周的多核開發者大會（Multicore DevCon）中，分析師Jon Peddie和幾位業界重量級工程專家共同探討了這個問題。Multicore DevCon是DESIGN West大會中的一項活動，規模雖然不大，但聽眾卻擠爆整個會場。

　　Peddie引述科幻小說家Vernor Vinge的預測：在2023年，運算能力會追上人類的處理能力。所謂“科技奇點”的概念，是一旦機器超越人類智慧時，它便有可能出現爆炸性的學習和進展，遠遠超出人類的預測能力。依照此一定義，“科技奇點”似乎可視為一種事件視界（event horizon）。

　　另一項有關運算能力的預言則認為，到2045年，人們將能以2，000美元買到一部擁有人腦處理能力的電腦。

　　英特爾并行運算實驗室的Pradeep Dubey藉由說明petaflops級超級電腦已經能模擬貓腦的運作來描繪了今日運算能力的進展。他表示，人類的大腦擁有20~30倍之多的神經元，和1，000倍以上的突觸，因此，要完整模擬人類大腦，大概還需要5~6年的努力才可望達成。“Exaflops級的運算設備便能模擬人類大腦。”

　　Dubey指出，目前共有三種方法可用于模擬：首先是模擬一個帶有神經元和突觸等級模型的運作；第二是忽略大腦結構，以處理數據和統計等問題；第三種是建構可模擬神經元和突觸的硬件。

　　然而，模擬大腦終究與人類大腦的思考模式，或是人腦的情商（emotional intelligence， EQ）大不相同，Imagination Technologies Group plc的處理器授權部門Codescape開發總監Ian Oliver說。“我們可能會建造出錯誤的存儲模型。人類的大腦是不確定性的，它經常處在混亂邊緣。”

　　Oliver指出，運用遺傳演算法能夠驅動FPGA設計再進化，使其能產生出更類似人類大腦的架構，但在現實世界中卻不容易做到，因為電腦和人類的智慧似乎截然不同。

　　Nvidia公司移動業務部副總裁Mike Rayfield認為，處理器核心數量是其中關鍵。但英特爾的Dubey則反駁道，更多核心能做更多事，在沒有因果關系的情況下，大型數據引擎可以擷取到更多數據關聯性。他指出，今天的機器確實可以做到許多事，甚至比人類更好，這是它們之所以存在的理由。然而，“我們可以制造飛機，卻造不出一只真正的鳥，”他說。

　　就特定應用而言──電腦已經比人類聰明

　　Imagination的Oliver還舉了許多例子，如人類的大腦和肢體連結，然后才能完成一件人們想做的事。“如果沒有了身體，你的智慧還存在嗎？”他問道：如果我們希望看到科技奇點來臨，那么，或許我們應該考慮開發機器人。

　　一位參與此次討論的觀眾認為，以megaflops級運算而言，并沒有迫切需要模擬人類智慧運算的需求，而且現階段要開發硬件并非難事，真正缺少的關鍵是軟件。

　　另一位觀眾則提問道，除了開發機器人以外，還有什么應用會需要這種等級的運算效能？對此，ARM技術副總裁Jem Davies表示，在所有人類無法完成，但電腦可以做到的地方，都是這種高性能運算鎖定的應用。如眼科激光手術，現在都已經由機器代勞了，因為它比人類更加精確。

　　此時討論重點逐漸轉向了圖靈測試（Turing test），以及目前的超級電腦能否真正滿足人類需求。圖靈測試是由Alan Turing所提出。該測試的模型是將一位受測者和電腦放在同一房間中，而測試者則在另一房間。在無法看見或缺乏其他線索情況下，由測試者向受測者和電腦提問，若測試者無法判斷做出回答的是人或電腦，那么即代表該機器即具備有效的智慧。

　　Imagination的Oliver指出，人工智能的定義看來一直在改變。我們所想像的人工智能，大部份都是現行電腦還無法做到的功能，其中一些甚至類似英國科幻作家Arthur C Clarke所描述的神奇應用。而一旦電腦能夠完成某一項特定功能，如語音識別，那么這項功能很快就會被歸類在“非智慧”的那一端。

　　接著，現場觀眾再提出問題：對許多任務來說，多核陣列的低效率已經是眾所周知的事實了，這是否會成為科技奇點到來的阻礙？對此Oliver表示，毫無疑問，并行處理是用來模擬或建構類大腦思考的最佳途徑。電腦剛好能在一些特定任務中發揮絕佳效能，如高速數字處理，這部份是人類無法企及的。

　　ARM的Davies承認，通用GPU的處理通常有利于特定類型的問題，如電腦圖形處理，“但我們不應限制住我們的想像力，”他說。他認為，我們應該抱持著“去研究它，終將獲得成果”的信念。“我不用知道什么是殺手級應用。人類終將憑借智慧找到利用這些科技的方法。”英特爾的Dubey也重申今天我們在硬件方面所擁有的優勢。“我們面臨的不是系統問題，而是編程模型問題。”