
Japanese: 
説明ベース・ラーニングは授業でもよく取り上げられる
テーマであり、私たちが普段の生活で
しょっちゅう行っていることです。私たちは椅子をドアのストッパーとして
代用することができ、椅子が良いストッパーになる理由をすぐに説明できます。
マグカップを紙が飛ばないように抑える重しとして代用することができ、
マグカップが良い重しになる理由を説明できます。
説明ベース・ラーニングについては、まだまだ説明していないことがたくさんあります。
説明ベース・ラーニングはこのコースの中心となるテーマです。
というのは、このコースでは、
人間のような人間レベルの知能の構築を目指しているからです。説明および
説明ベース・ラーニングは、他の種別の AI ではほとんど取り上げられません。
第二に、人間はすべてのものについて説明するのが得意というわけではありません。
われわれが説明できるのは、意識的に利用できるものだけです。
ですから、たとえば、記憶のプロセスについて説明するのは難しいですし、
体を動かす行為を説明するのも難しく感じます。
たとえば、私はテニスをしているとき、足の運び方にくせがあるのですが、どうして
もっと効率的に動かすことができないのか自分でも説明できません
第三に、われわれは説明を組み立てる

English: 
Explanation based learning is a very common classroom task, you and
I appear to do it all the time. We can use a chair to prop open a door, and
we can deliver a very quick explanation for why the chair is a good prop.
We can use a coffee mug to hold down a pile of papers, and
pull out an explanation for why the coffee mug would make a good paper weight.
Of course there is a lot more to it than we have discussed sso far.
Explanation based learning is central [INAUDIBLE] on cognitive science, because
we are trying to build human like, human level intelligence. Explanations and
explanation based learning nowhere is prominent in other schools of AI.
Second, note that humans are not very good at explaining everything.
We can only explain those things which appear to be consciously accessible.
We have a hard time explaining memory processes, for
example, or we have a hard time explaining certain kinds of physical actions.
For example, when I play tennis, my feet move the way they do, and
I can't explain to you why I can't make them move better. Third, although we

Japanese: 
ことはできますが、だからといって説明を組み立てるプロセスと
最終的な決断に到達するために使用するプロセスが
最初から同じというわけではありません。説明は後付けになる
ことがあります。それに、説明を組み立てる
という行為そのものが、推論 (リーゾニング) プロセスを妨げる可能性もあります。
[無音]
ただし、説明を組み立てることができる場合は、より深く、より豊富な理解と学習に
つながる可能性があります。
因果の連結が明確になるからです。最後に、AI システムが社会に受け入れられる
ためには、良い説明を組み立てることができなければなりません。
たとえば、医療診断システムが、ある診断を下した理由を説明できない場合、
そのシステムのアドバイスを受け入れる気持ちにはなれないでしょう。
システムは診断を下した理由と、その診断にたどり着くために使用したプロセスを
説明できなければなりません。説明できるかどうは、
信頼してもらうために必要不可欠なのです。

English: 
can generate explanations, this does not necessarily mean that our process for
generating explanation is the same process that we use to arrive at the decision
in the first place. Explanations can be post talk. Further, the very act
of [UNKNOWN] explanations could interfere with the reasoning process.
[BLANK_AUDIO]
However, when we can generate explanations, it can lead to much deeper,
much richer understanding and learning,
because it exposes the cause of connections. Finally, for AI systems to be
accepted in our society they must be able to generate good explanations. You,
for example, will be unlikely to accept the advice of a medical
diagnostic system if the diagnostic system cannot explain it's answers.
I must be able to explain it's answers as well as the process it used to
arrive at those answers. Explanation is fundamental to trust.
