
English: 
There is one more important point to be noted here.
This again is the illustration from incremental concept learning. When we
were talking about incremental concept learning, we talked about technique for
learning. We did not talk about how this concept were going to be used.
How about in correcting mistakes, we're talking about
how the agent actually uses the knowledge it learns. This point too,
is centered [INAUDIBLE] reason. The first reason is that knowledge based AI,
looks at reasoning. Looks at action, besides how knowledge is going to be used.
And then, determined what knowledge is to be learned. Assess the target for
learning, secondly you may recall this particular figure for
the target of architecture that we'd drawn earlier. You may see that reasoning,
learning and memory are closely connected, and all of that is occurring on
the surface of action selection. This figure suggests that we not only learn,

Japanese: 
ここで、もう 1 つ重要なポイントがあります。
これは漸進的概念学習 (インクリメンタル・コンセプト・
ラーニング) の説明に使用した図です。
インクリメンタル・コンセプト・ラーニングについて
説明した際には、学習の技法についてお話ししました。
このコンセプトがどのように使用されるのかについては
お話ししていません。
しかし、誤りの訂正についての説明では、エージェントが
学習した知識を実際にどのように使用するのか、について
お話しします。この点も知識（ナレッジ）ベース AI の
中核となります。理由はいくつかあります。第一に、ナレッジ・ベース AI では推論と、
行動に注目します。知識の使用方法には注目しません。
その後、学習すべき知識を決定します。学習の目標を設定するわけです。
第二に、以前示したアーキテクチャの目標を表すこの図
を思い出してください。このように、推論、学習、記憶は密接に関連しています。
これらはすべて、アクションの選択の際に起こります。
この図が示すように、学習した結果、アクションを選択するだけではありません。

Japanese: 
アクションの選択の際に、実世界からフィードバックを受け取り、
学習に反映させています。
この図が示すとおり、知的 (インテリジェント) エージェント、
すなわち認知体系 (コグニティブ・システム) は、学習した結果、
実世界に対して行動を起こすだけではありません。実世界からフィードバックを
受け取り、そのフィードバックが学習に反映されます。何度も言いますが、
失敗は、学習の大きなチャンスです。ここでもう 1 つ重要なポイントは、
訂正による学習では、学習を問題解決行動として利用するという点です。
エージェントは失敗に終わった場合、失敗から学習する必要があります。
エージェントはこの学習タスクを問題解決タスクに変換します。最初に、
どの知識が失敗に関連しているのかを特定します。次に、その説明を組み立てます。
そして、修正します。この学習は、記憶、推論、行動、実世界からの
フィードバックと密接に結びついています。
推論、学習、記憶は、ここ熟考モジュールで、メタ認知モジュール
とも密接に結びついています。ここでは、推論、記憶、学習の目的は

English: 
so that we can do action selection. But additionally, as we do action selection,
and we get feedback from the world, it informs the learning.
As this figure suggests, intelligent agents, cognitive systems, not only learn,
so that they can take actions on the world. But further, that the world gives
some feedback, and that feedback informs the learning. Once again, failure
a great opportunities for learning. One additional point to be made here,
learning by correcting mistakes, use learning as a problem-solving activity.
An agent meets failure, it needs to learn from the failure.
It converts this learning task into a problem-solving task. Let us first,
identify what knowledge are related to failure. Then, let us build and
explanation for this. Then we'll repair it. This learning is closely intertwined
with memory, reasoning, action, and feedback from the world. Notice also,
that there's reasoning, learning, and memory here. In the deliberation module
closely connected with the metacognition module. Here, the reasoning, memory,

English: 
and learning may be about action selection in the world.
But in a metacognition module may have its own reasoning, learning, and
memory capacities. And some of the learning in the metacognition is about fixing
the errors in the deliberative reasoning. So, metacognition is thinking about
thinking. The agent uses the knowledge, to think about the action selection, and
it conducted those actions in the world. Metacognition is thinking about
what went wrong in its original thinking. What was the knowledge error?
We'll return to metacognition in the lesson on metareasoning.

Japanese: 
実世界でのアクションを選択することです。
メタ認知モジュール自身にも、推論、学習、記憶能力
があります。メタ認知での学習の一部は、
熟考推論における誤りの修正を目的とするものです。
メタ認知とは、思考について思考することです。
エージェントは知識を使ってアクションの選択について考え、
実世界での行動を実行します。メタ認知とは、オリジナルの思考
の何が間違っていたのか、どのような知識エラーが発生したのかを考えることです。
メタ認知については、メタ推論のレッスンで再度説明します。
