你是否知道人脑是如何处理信息的？从表面上看，我们的思维是线性的。之所以这么说，是因为当我们思考问题时，总是一会儿想到这，一会儿想到那，而且每次只能有一个关注点。换句话说，同一时间只能想一件事，不能同时想两件事，就像常言所说的“一心不可二用”。人们将这种加工信息的方式称之为串行。但是，当深入了解了人脑的运作机理后，我们才明白，其内部加工信息的方式其实是并行的。我们知道，在人脑内部能够发育出数百亿个神经元。之后，这些神经元通过相互联结，形成了一个非常复杂的网络。而正是借助这个复杂的网络，神经元才能以并行方式同时加工信息，或者是同时传递信息。
为了进一步理解串行和并行这两个概念，让我们来看看收银员的例子。收银员大家都很熟悉。其主要工作是负责给顾客结账，也就是处理与资金有关的信息。这种工作在超市里很常见。我们看到，在收银员面前，经常有一长串顾客在排队，而她则需要一个一个地为其结算。超市一般会遇到两种情况。一种是只有一个收银员，另一种是有多个收银员，会出现两种不同的加工信息方式。
当只有一个收银员收款时，客户只能排成一列，以等待结账。在这种情况下，超市采用的就是典型的串行加工信息方式。然而，当有多个收银员时，情况就不同了。我们看到，顾客会自动分成多列，分别站在不同的收银员面前等待结账。这种情况则属于典型的并行加工信息方式。换句话说，这时就有多个收银员同时收款，以并行方式处理购物信息。显然，10个收银员的收款速度要远远高于1个收银员。这说明，只要增加收银员数量，超市就能大大加快结账速度。而这正是并行的优势所在。
事实证明，在处理信息方面，人脑之所以效率这么高，正是因为充分利用了并行的优势。在人脑内部，数百亿个神经元时时刻刻都在以并行方式处理信息。我们知道，一个神经元加工信息的速度很慢，远不及电脑处理器的速度快。但是在面对某些问题时，人脑的反应却很快，就是因为人脑中包含有大量神经元，同时这些神经元能够以庞大的规模以并行方式处理信息。例如，当观看母亲的照片时，虽然这张照片包含上千万个像素，但我们一眼就可以认出照片中的母亲。我们之所以能做到这一点是因为，在我们的大脑中，海量的与视觉有关的神经元，能够同时处理海量的与视觉有关的信息。
不过，即便并行模式效率很高，但是在最初设计计算机的时候，工程师们并没有应用并行模式，而是参考了人类表面上的串行思维方式。其结果是，早期的计算机普遍采用了串行模式。这意味着，当这些计算机处理数据时，所有数据都要排成一队，一个一个地接受处理。
另外，在处理器方面，早期的计算机使用的都是单核处理器。顾名思义，这种处理器只有一个核心。虽然在加工信息方面，它能够发挥很大作用，但另一方面，它也难免会遇到瓶颈。确切地说，受物理条件的限制，单核处理器的性能很难维持高速发展。之后，为了持续提升处理器的性能，就需要增加核心的数量，随之，就陆续研发出了双核、四核甚至是八核处理器。这样就可以充分利用多个核心的并行处理能力。
还有的计算机更进一步，不但增加了处理器中核心的数量，同时还增加了处理器的数量，也就是在一台计算机中使用多个处理器。在这方面最突出的要数超级计算机。某些超级计算机甚至装备了数以万计的处理器，因而具有高速运算的能力，可以快速处理大量数据。正因为如此，它们才能在天气预报、科学实验模拟等需要大量运算的领域发挥作用。这充分体现了并行计算的威力。事实上，超级计算机之所以具有如此高的性能，能够胜任如此艰巨的任务，很大程度上要归功于超大规模的并行计算。
另外，还有的工程师并不满足已有的路线，而是希望能够开辟新的道路。事实证明，这部分人当中的确有人取得了成功。他们研发出了神经网络计算机。顾名思义，神经网络计算机的设计灵感是源于生物神经系统，尤其是人类的大脑。之所以参照人脑设计计算机，其中一个重要原因是试图模仿人脑并行处理信息的能力。就这样，在硬件和软件两个不同方向上，神经网络计算机都试图模拟人脑的并行处理能力。如今，这种计算机已经取得了非常显著的成绩。这方面的例子很多。例如，在围棋比赛中，谷歌公司的AlphaGo就轻松战胜了人类。它所用的核心技术就是神经网络技术。
我们知道，人类通过模拟鸟的飞行发明了飞机。但是在飞行方式上，飞机与鸟有很多区别。另外，在功能上，它们也是各有所长。例如，在飞行速度方面，飞机已远远超过鸟类，然而飞机却无法像鸟一样优雅、安静地飞行。同样，神经网络计算机和人类大脑在运作机理方面也不完全相同，其功能也是各有所长。事实证明，AlphaGo的胜利，从某种角度来说是机器并行处理能力的胜利，它让人类充分认识到了人工神经网络的强大。不过在写小说方面，人工神经网络就没那么强大了，甚至可以说是毫无头绪。
* * *
事实上，在并行处理信息方面，无论是人脑还是人类集体，其优点之一是多任务处理能力。也就是说，它们能同时处理多个任务。例如，在某一时刻，人脑不仅可以处理视觉信息，同时还能处理与听觉、味觉有关的信息。其结果是，我们可以一边看，一边听，一边尝，能用不同的感官来感受这个世界。不仅如此，在这个过程中，我们还能进行复杂的心理活动。这说明，人脑其实是可以“一心多用”的。正因为如此，它才具有多任务处理能力，进而能够处理千头万绪的信息。
不过，即便如此，人脑还是有一定局限性的。虽然人脑具有一定的多任务处理能力，但在某些类型的工作面前，一个人的精力毕竟有限，使其难以应对。这时可能就需要求助于集体。像人脑一样，人类集体也具有多任务处理能力。无论是公司还是科研机构，都能同时处理多个任务。毫无疑问，这种多任务处理能力能够发挥重要的作用。例如，一个人很难同时在多个领域展开研究，相反，科研机构却可以做到这一点。不仅如此，整个科学界还能在所有科研方向上一起前进。这意味着，要想全面覆盖所有的研究方向，就要依靠集体的力量。
另外，集体不但需要具有多任务处理能力，同时它还需要全面整合三种不同的加工信息方式。这三种不同的加工信息方式分别是串行、接力和并行。通常情况下，在集体中这三种情况都会发生。一项工作，由甲单独完成，这是串行；一项工作，甲做完，交接给乙做，乙做完再交接给丙做，这是接力；一项工作，甲、乙、丙三人分别做，之后将结果汇总，这是并行。事实上，在人类社会的运作中，更多的时候是串行、接力和并行的情况同时存在。这意味着，很多人都会忙于各自的工作，与此同时，也会不断发生工作的分配、交接和汇总。但不管怎么说，并行都在发挥着重要的作用。
从某种角度来说，整个人类社会就是一个巨大的并行处理器，而这个巨大的并行处理器实际上就是全球脑。我们看到，这个大脑正承担着已知的最大规模的并行计算。它需要同时处理海量的数据。如今，随着大数据、云计算等信息技术的发展，并行计算的特征愈加明显。在这个过程中，无数的人和无数的机器，需要共同应对无数的挑战。他们需要同时处理大量信息，以及同步解决众多问题。这样做的结果是，可以快速积累知识和经验，能让人类文明快速前进。毫无疑问，这个过程能够充分体现集体智慧的高效性。