比如加法的计算：
- 数位对齐：将各加数的相同数位对齐（个位对个位，十位对十位等）。
- 低位算起：从最低位（通常是个位）开始逐位计算数字之和。
- 满十进一：若某一位数字之和≥10，在该位写和的个位数字，并向前一位（高位）进1。
- 高位加进位：计算下一位（高位）时，需加上前一位进位的数字。
- 得出结果：所有数位计算完毕后，得到的数即为加法的“和”。
再比如渐构中的「概念学习流程」
谁能帮我把两个知识输入到输出的映射关系都梳理一下
加法的计算是一个模型
输入维度1：任意加数
输入维度2：任意被加数
输出：结果数值
加法竖式的每一个步骤都是另一个模型，比如数位对齐
输入维度1：任意加数位置信息
输入维度2：任意被加数位置信息
输出：所有可能的对其方式
剩下的步骤你自己想一下。
这些步骤合起来就能计算任意加法。
渐构学习流程（学习方法的方法论）
输入：任意知识
输出：学习方法
每一步是每一步的输入输出，这些步骤合起来就是学习方法本身。
1 个赞
步骤即顺序关系我认为是经验推测 步骤中每一个知识要做模型推测
？我的问题是映射关系不知道咋写啊。输入空间+输出空间+映射关系合起来才是一个知识不是嘛？在渐构里
你要的是映射关系的抽象描述吗？那是课程里一堆上下文组成的，不好描述，特别是比较底层的概念，比如你描述一下你如何判断一个物体是苹果的，很难描述出来。
我可以试着外显化我已经学习到的模型描述一下【判断学习类型】的映射关系，其他的你只能自己想了：
输入：任意知识
输出：所有学习类型{概念模型学习，联结模型学习,…}
映射关系：
- 当知识的输出被描述成{是此概念，非此概念}时，为概念模型学习。
- 当知识的输出是输入的子集时，为概念模型学习。
- 其他情况为联结模型学习（因为课程还没讲更多的学习类型）
…
你脑子里知道一个知识，把这个知识外显化出来也是需要很多努力的，就比如于博写世界模型就是他把脑子里的知识外显化，写课写了很久。
个人看法，如有错漏烦请指正
你给出的步骤就不是「知识」
课里所说的「知识」是用来「预测未见情况」的
你给出的「加法的步骤」的确能够「预测任意两个加数的和」
但「和」是人为创造的一个「概念」，其本身并不在「物质世界」存在，也就是你在生活中找不到一个叫做「和」的事物，这样的预测解决不了任何问题，也就没有意义
我来尝试描述一下「加法」
加法是「获取若干有数量的物体的数量总和」的方法
「输入空间」为「若干有数量的物体」(如:3个苹果，5个梨，7个香蕉……)
「输出空间」为「物体数量的总和」(前项所举出的一共是15个)
「映射关系」则正好就是你所提的「加法的计算」(数位对齐，低位算起，满十进一……)
所以你所列出的步骤并不是一个「知识」，而是「加法」的「映射关系」的一部分