这两个因素：较长的周期和大规模并行，引起了一定程度的大脑计算能力，这就会使得我们的大脑在某些情况下或者说是某种思考能力下，会让我们的思考能力变得翻倍增长。
今天我们最大的超级计算机正在接近这个范围，天启如今或许可以靠着本身不断的进化，比我们快将近千万倍的进化，才终于是能够赶上我们的速度，但是这样的进化速度也仅仅是赶上我们的大脑，想要超越的话是完全不可能的事情。
因为现在根据我的估计来看，即便是那个超级智能，也是如今已经到了一个瓶颈，想要获得更快的进化，已经是要进行一个突破点的寻找。
最先进的超级计算机，包括那些用于最流行的搜索引擎的计算机超过了1014cps准则，这与我在讨论功能仿真的估计相匹配。
不过，没有必要采用和大脑相同的并行化处理的粒度，而只要我们配合整体的运算速度和存储容量的需要就可以，否则就需要模拟大脑的大规模并行结构。
大脑模拟和数字相结合的现象。大脑连接的拓扑结构本质上是数字的——无论连接存在还是不存在。
而大脑放电则不全是数字的，但接近于一个数字的过程。大脑中几乎大部分的功能都是模拟的，充满着非线性，在产出方面的突然变化，而不是平稳变化，实质上比我们已经在神经元中利用的经典模型还要复杂，
然而，详细的非线性神经元动力学和神经元的组成，可以通过非线性系统的数学来模拟。
这些数学模型能够在数字电脑上模拟到任何所需的准确程度。正如我所说的，如果我们使用晶体管以本地模拟的方式来模拟神经区域，而不是通过数字计算，那我们就可以使我们的大脑运算能力再提高一些，这一点很多科学家都已经给出了证明。
大脑自身线路重铺，神经系统在其组织的各个层次上都是自组织的。在计算机化的模式识别系统，例如神经网络中应用的数学方法比在大脑中所用的简单，而我们在自组织模式上确实有大量的工程经验。
当代计算机不能逐字地重复本身，尽管新出现的“自我修复系统”已经开始这样做，但我们可以有效地模拟这个软件过程。
在软件中实施自组织会有优势，因为它会为程序员提供更多的灵活性，而在未来我们也可以在硬件中实现这一点。
大脑中的大部分细节都是随机的。虽然在大脑的每个方面都有许多随机，严格控制下的随机过程，我们没有必要模仿每个轴突表面
…。。