输入
Output
我在思考为什么知识实际上不存在“可执行”版本。
在软件中，我们有声明性数据（database、JSON 等数据符号）和可执行代码（对数据进行操作的函数、表达式、过程）。
然而，在结构性较差、知识更一般的领域，似乎并不存在“可执行知识”这样的东西。知识给人的感觉是静态的、陈述性的——是关于世界的事实陈述的集合。
声明性 可执行 软件 数据 可执行 知识 事实（书籍） ???
Output
填补这一空白的一种方法是注意到程序是对数据的转换：程序接收一些信息并对其进行转换以对其进行修改或输出新信息。按照这种逻辑，我们可以说，无论“可执行知识”空白中的内容是什么，都应该能够对知识进行转换：接收一些关于世界的知识，并产生一些关于世界的新陈述。另一种说法可能是推理；我们从一些知识基础开始，_推断出_我们以前可能不知道的东西。帮助我们拓展知识的边界。思维流
输出
Output
对于知识性的内容，显性知识的载体是书籍（绝大多数人读书的收获很低），所以可执行知识的第一步是数字化，将各种内容转变为Markdown格式。
散落在头脑中的隐形知识，需要通过社会协作、奖励机制显性化。
基于md元定义，各种transformer，生成各种可解释的、可视化的、可交互的内容，形成更容易理解的知识。
目前的可执行知识是通过教师→学生进行，未来的教-学范式可能是数字化知识⇒AI（教师）⇒理解性知识。
Output
声明性 可执行 软件 数据 可执行 知识 事实（书籍） 教师-⇒学生获得 数字化知识 Markdown转换 AI(图谱)-⇒ 教师参与的认知转换 -⇒理解性知识