当评价决策过程透明化、数字化，信息结构，工具盒元器件的标准化，知识产权的免费或自由化之后，所有的产品开发项目的可能性就大幅提高了，这个带来的产品多样性，让参与者和参与项目的各类资源，得以重复或一箭双雕地被多重目的与多重场景，反复使用，从而提出更多样的产品使用体验和相应的透明化数据。这跟Hackers擅长利用现有技术资源，快速地拓展一个技术或应用领域的新范式，有直接的逻辑关系。这种让同一资源的一经过重组发挥多次或多种作用，降低资源重复投入的浪费，可以称之为：组合律。
==体现方式==
这三个定律将是[[XLP运行宪章]]与，每次[[任务计分标准]]的思想核心。
从技术的角度而言，[[跨学科系统集成设计挑战]]的群体学习行为，将有下列三项的必要元素来展示：
#全部显性知识，都必须要以[[Toyhouse Wiki]]的数据库来采集，并使用数据挖掘的技术来分析，从而用于决策择优的过程。这些学习数据是引导后续参与者，复制或参考每次活动的参考。
#实体与虚拟沙盘，使用缩尺比例模型，或是计算机的仿真模型来测试在不同规模，不同专业领域系统互动方案的可行性测试，用低成本的沙盘，检测未来可能发展轨迹，故称为学习过程。
#所有设计方案与设计的规范，必须开放与透明，让不同子系统之间的接口，可以灵活重组，所以对工程技术与现场器材的资源，得以重复使用，所以能压缩系统集成的时间与精力，从而放大学习的效果。
==参考文献==
[https://mp.weixin.qq.com/s?__biz=MzA5ODUxOTA5Mg==&mid=402353880&idx=1&sn=5deb46383cc130db1ee18e889da59a4f&scene=1&srcid=0107ajU81aNIy7txgCUkLIlO&key=41ecb04b0511100381ccc78eeee96f4b04db4997e9e2881e64c732a64a028d6078fe4b7a54126ab4885a5967322e18eb&ascene=0&uin=MzAxMDI0ODU%3D&devicetype=iMac+MacBookPro12%2C1+OSX+OSX+10.10.5+build(14F1509)&version=11020201&pass_ticket=m6NH4NbageIn6PXb%2FjSdkzXnmis21y6MuuuTwikyI70%3D|机器学习与统计学是互补的吗？]机器学习与统计学是互补的吗？