人間の学習過程では，始めは与えられたデータをそのまま覚えておき，それを用いて推論を行うが，与えられたデータが増えるにつれて，それらをまとめた知識を持つようになる．つまり，データ数が少ないときに適した知識の表現方法と多いときに適した表現方法は異なっており，データに応じて適切な知識を持つようになると考えられる．このような学習を表現するために，本論文では抽象度が異なるいくつかの知識表現法を用いて，これらを変化させながら推論と学習を進めていく方法を提案する．具体的にはデータがひとつずつ与えられるごとに現在の知識を用いて推論を行い，推論結果と正解を比べて不正解が連続した場合に，推論法の切り換えや知識の再構成や知識表現の切り換えを行うことにより学習を行う．これによって，状況にできるだけ適した知識表現と知識集合を用いるようにする．UCIの機械学習用データセットの手書き数字識別データを使用してシミュレーションを行った．その結果，知識の量を抑えながらある程度の推論性能を保つとともに，人間のように知識表現が切り換わっていく学習が行われることが分かった．