一方、（サンプルサイズが小さくても）そもそも我々はエージェントを育てられるような観測ができているか、あるいはエージェントの行動は環境の状態遷移をコントロールできそうか（実は何も作用できていないのではないか）の分析を開始することはできる。

環境から十分な情報を得ているし、行動は環境の状態遷移を制御するに足るが、各時刻での行動の良い取らせ方が分からない という話と なにか未知の環境から観測値が得られていて、その観測に応じて行動すれば、環境が上手く遷移するかもしれない には凄まじい壁がある。両極端だけど。

この下の状態から上の状態への確信に近づくために、現状取れるデータに関して地道な分析を積み重ねて、不足している情報が何なのかを明らかにしていく試み がとても大事なのだけど、どうもそれがAIっぽくないと写る場合があるよう。（AIっぽくないならそれでも良い）

ここ、地道にやっていったら実はif thenルールで終わるとか、環境の外の話がちょっと変わったら（変えたら）目的達成できた、も起こりうる。 と思う。