The scaling hierarchy in blockchains:Computation > data > stateComputation is easier to scale than data. You can parallelize it, require the block builder to provide all kinds of "hints" for it, or just replace arbitrary amounts of it with a proof of it.Data is in the middle. If an availability guarantee on data is required, then that guarantee is required, no way around it. But you _can_ split it up and erasure code it, a la PeerDAS. You can do graceful degradation for it: if a node only has 1/10 the data ...

AI发展与演变 - AI最初的应用集中于Android和Pixel手机的AI功能，如面部解锁和音乐识别，但这些被认为是“狭义人工智能”[1][2][3] - 通过扩展统计模型，AI在2020-2021年取得了突破，如Mina和Lambda能够解决通用AI问题，这在一定程度上验证了神经科学中大脑是“自动补全”的理论[4][5] 生命与智能的计算本质 - 生命的复杂性源于信息存储和传输方式的改变，这与计算密切相关，冯·诺依曼的自复制自动机理论表明，生命的核心是通用图灵机，即计算机[11][12][13][14][15][16] - 一项研究表明，自复制程序可以从简单的相互作用中产生，这为生命起源提供了自然主义解释，最初只有8,000个长度为64的随机磁带，经过数百万次的交互后，复杂的自复制程序涌现[17][18][19][20][21][22][23][24][25][26][27][28] 复杂性与合作的涌现 - 复杂性的提升是通过共生实现的，例如真核细胞由线粒体进入其他细胞形成，同样的，在模拟实验中，单个字节通过合作形成更强大的复制单元，这种团队合作是进化的关键[31][32][33][34] - 智能的提升也与合作和竞争有关，社会智能的爆发不仅发生在人类中，也发生在鲸鱼和鹦鹉等动物中，扩大合作和竞争是智能和复杂性提升的方式[35][36][37] AI与人类的共生关系 - AI并非外来入侵者，而是人类经验的产物，与人类一样具有计算性，是地球上持续了超过40亿年的进化过程的一部分[39][40] - 人类社会作为一个整体是智能的，AI日益成为这种集体智能结构的一部分，人类与AI之间的共生关系可能带来挑战，但最终将是丰富和积极的[41][42]