AIにできることを、なぜ人間が学ぶのか――人間のなかに何を形成するのか

AIにできることが、急速に増えています。
文章を書いたり、翻訳したり、あるいは、計算したり、プログラムを書いたりする。
これまで人間が学び、身につけてきた多くの技能を、AIが代わりにできるようになりました。

そうなると、「そうした技能を、人間はこれからも学ぶ必要があるのか」という問いが当然、生まれます。

これまでなら、「将来使うから」と答えることができました。
文章を書くのは、将来、文章を書くためであり、外国語を学ぶのは、将来、外国語を使うためです。
学校で身につけた技能は、将来、仕事や生活で使うものだと考えられていました。

しかし、AIがその技能を代わりにできるようになれば、この関係は自明ではなくなります。

AIが文章を書けるのに、なぜ文章を書くことを学ぶのか。
AIが翻訳できるのに、なぜ外国語を学ぶのか。

「将来使うから」という理由が弱くなったとき、このような問いにどう答えればよいのでしょうか。

「できた」と「できるようになった」

ペンシルベニア大学ウォートン校のイーサン・モリックは、ChatGPTの登場直後から、自身の教室でAIを積極的に使いながら、教育への影響を考えてきました。

「AIのある世界で、教育はどうなるのか」（2023）で彼が描いたのは、AIによって教育のあり方そのものを変えようとする構想でした。
一人ひとりの学生にAIチューターがつけば、それぞれの理解度に応じた個別指導ができる。
教師は知識を一方的に伝える仕事からある程度解放され、教室では議論や問題解決、共同作業に、より多くの時間を使えるようになる。

AIに任せられる部分を任せることで、教育をより人間的で能動的なものにする。
いささか牧歌的ですが、この構想には、現在でも十分な説得力があります。

しかし、実際にAIを教育へ導入していくと、別の問題も見えてきました。

モリックがその後の論考で紹介している研究に、高校生の数学学習を調べた実験があります。
生成AIを使った学生たちは、AIを使っているあいだ、数学の課題で高い成果を上げました。
ところが、AIから直接答えを得ながら学習していた学生は、AIを使えない試験になると、AIなしで学習していた学生より成績が悪くなりました。

AIを使えば、課題では高いレベルの成果を出せた。
しかし、その成果に対応する能力まで、本人のなかに形成されていたわけではなかった。
AIから答えを得ることに依存したことで、課題を解くための思考を十分に経験しなかった可能性があります。

これまで、数学の問題に正解したり、レポートを書いたりすることは、一定の能力を示すことでした。

学生がレポートを書けば、その過程で資料を読み、考え、文章を組み立てたはずです。
数学の問題を解けたなら、その問題を解くための思考を、本人が行ったと考えることができました。

AIは、この結びつきを切り離します。
質の高い成果があっても、それを生み出す能力が、本人のなかに形成されているとは言えないからです。

教育では、非効率に意味がある

仕事であれば、同じ成果を短い時間で出せるほうがいいでしょう。
レポートを3時間かけて書いていた人が、AIを使って30分で同じ品質のものをつくれるようになれば、生産性は上がります。

しかし教育では、同じ合理性をそのまま適用することはできません。

学生が数学の問題を30分かけて考えているのに、AIなら数秒で答えを出せる。
それでも、答えだけを得るためにAIに解かせればいいとはなりません。

教育で問題になるのは、答えにたどり着く過程で、学生のなかに何が形成されたのかだからです。
モリックはこの違いを、「教育では努力そのものが目的である」と表現しています。

成果を効率よく生産するという観点から見れば、教育は奇妙な営みなのです。
できない人にあえてやらせ、間違えさせ、考えさせ、書き直させる。
できる人や機械に任せず、本人ができるようになるまで繰り返させる。

仕事なら削減すべき時間や手間が、教育では能力を形成するための過程となります。
ここに、AI時代の教育が抱えるジレンマがあります。

学校では、能力を身につけるために、あえてAIに任せず自分で考えさせる場面が残ります。
一方、仕事では、「なぜAIを使わず、そんな仕事に時間をかけているのか」と問われる。

仕事では省くことが合理的な過程を、教育ではあえて経験させなければならない。
AIに任せられる仕事の範囲が広がれば、このずれはさらに大きくなります。

これまで、「将来使うから学ぶ」という関係は、教育を支える強い根拠のひとつでした。
しかし、将来はAIに任せる仕事を、なぜ学校では自分でやらなければならないのか。

教育は、この問いに答えなければならなくなります。

その技能を使わなくても、学ぶ意味はあるのか

学ぶことで身につくものは、技能だけではありません。

たとえば文章を書くとき、私たちは何を言いたいのかを考え、材料を選び、順序を組み立てます。
主張と根拠がつながっているかを確かめ、書いているうちに、自分の考えの曖昧さや矛盾に気づくこともあります。

文章を書くという作業のなかで形成されているのは、文章を書く技能だけではないのです。
考えを整理すること、自分が何を理解していないのかを知ること、複数の情報を結びつけ、ひとつの判断へまとめること。
そうした別の能力も、同じ過程のなかで育っていきます。

さらに、知識には、それを自分のなかに保持していること自体に意味があります。

認知科学では、背景知識が、新しい情報を理解し、推論するための基盤になることが指摘されています。
AIが必要な情報をいつでも示してくれるとしても、情報を手に入れられることと、それを理解できることは同じではありません。

新しい情報を理解し、そこにある矛盾や問題に気づくためには、その情報を受け止めるための知識が、すでに自分のなかになければならない。
知識は、必要になったときに外部から取り出す情報であるだけではなく、新しい情報を意味のあるものとして理解するための認知的な基盤でもあります。

そう考えると、「できるようになった」ということの意味も広がります。

教育の成果は、その場でひとつの課題をこなせるようになったかどうかだけでは測れません。
その経験によって、その後、新しいことを理解したり、別の問題に取り組んだりできるようになったのか。
教育が形成しているものには、その先の学習を可能にする力も含まれています。

AIを使って仕事をするようになっても、こうした能力が不要になるわけではありません。

AIに任せるとき、何まで手放すのか

もちろん、これまで人間が身につけてきた知識や技能を、すべて残す必要はないでしょう。

私たちはすでに、多くのことを機械へ委ねてきています。
計算の多くは電卓やコンピュータに任せるようになり、道順も、地図を頭に入れなくてもナビが教えてくれます。
つまり、技能や知識の一部を機械に委ねること自体は、いまにはじまったことではありません。

しかし、すでに身につけた能力を機械に任せることと、その能力が形成される前から、学ぶ過程そのものを機械に任せることは同じではありません。

たとえば、すでに自分で文章を書き、考えを組み立てる力を身につけた大人が、文章作成の一部をAIに任せるのと、まだその力を身につけていない子どもが、最初から文章をAIに書いてもらうことは、意味することがまったく違います。
後者では、本来その過程で形成されるはずだった能力そのものが、十分に育たない危険があります。

しかも、AIが高度になるほど、人間に求められる役割も変わります。

文章を一から書く機会は減っても、AIが書いた文章のどこがおかしいのかを判断しなければならない。
コードを書く量は減っても、生成されたコードが何をしているのかを理解し、AIによる検証も含めて、その結果をどこまで信頼できるのかを判断する必要があります。
大量の情報を自分で集める必要は減っても、AIが示した情報の何を信頼し、何を疑うのかは決めなければなりません。

人間の役割が、AIがつくったものを評価し、修正し、選択することへ移るほど、「判断」の重要性は高まります。

しかし、その判断は何もないところから生まれるわけではありません。
その領域についての知識を持ち、自分で考え、試し、失敗してきた経験が、判断力を養い、支えています。

ここには、容易に埋めがたいジレンマがあります。
AIによって使う機会が減る技能や知識が、AIの出力を評価するための判断力を支えるものとして、なお必要になるわけです。

とはいえ、これまで教えてきたことを、そのまま守ればいいわけでもないでしょう。
反対に、AIにできるようになったことを、すべてAIに委ねることもできない。

問われるのは、どの知識や技能を、人間自身のなかに形成しておく必要があるのかということです。
その基準になるのは、それを学ぶ過程で人間のなかに何が形成されるのか、そして、その知識や技能が、その先のどのような思考や学習、判断を可能にしているのかということです。

AIは、これまで「将来必要になるから」という言葉の陰に隠れていたこの問いを、教育の中心へ押し出しています。

英会話は英作文ではない｜中級者のための英会話コーチング