アンドリュー・ング、AIは練習問題作成に活用すべきで答え提供は避けるべきと警鐘

シリコンバレー・ガールのポッドキャストの最近のエピソードで、アンドリュー・ングはリスクが高まっていると指摘した。AIモデルがすぐに答えを提供すると、問題解決に必要な思考プロセスが省かれ、学習効果が低下するというのだ。

答えを渡すAIが学習を阻害する理由

ングは、AIが生成した解答への早期アクセスを、基本的な掛け算を理解する前に電卓を渡すことに例えた。電卓の過早使用が算数の流暢さを阻害するように、答えをすぐに与えるAIは概念的な発達を妨げる。

彼は、AIに課題を任せる学生は一時的に成績が上がるが、長期的な知識保持は大幅に低下するという観察結果を挙げた。短期的な利益は、支援なしで概念を応用できる能力の低下と引き換えになる。

認知アウトソーシングの実体験

ングは自らの「認知アウトソーシング」体験を語った。AIからすばやく技術的な答えを得て作業を進めたが、根本的な理解ができていなかったため、半年後に同じ質問を再びすることになったという。

• カリキュラムに合わせた新しい問題セットをAIに生成させる
• 既存演習のパラメータをAIで変化させ、練習の深さを増す
• 完全解答ではなくヒントのみをAIに提案させる
• AIで採点とフィードバックを行い、学習者の試行を評価する
• AI作成のクイズを日常授業に組み込む

監督下でのAI活用指針

ングは、子どもは大人の監督とフィルタリングの下でAIと関わるべきだと強調する。大人の役割は、AIの出力が足場として機能し、学習者が自ら推論プロセスに取り組むことを妨げないようにすることだ。

AIを完全に排除すべきだとは考えていない。むしろ、AIを構築する方法を学び、正しく使えば生産性を高めるパートナーとして活用すべきだと助言している。

ングによれば、最も効果的なエンジニアは日常業務の30％から40％をAIに委任し、人間の専門性はAIが苦手とする創造的設計、倫理的判断、戦略的計画に集中させている。

学習科学の専門家であるバーバラ・オークリーも同様の見解を示す。基礎知識を保ちつつ、AIで大量の練習問題を生成すれば、深さを犠牲にせずに強化の好循環が生まれると主張している。

ングとオークリーは、両者の提言が実験的検証に基づくものではなく、個人的観察と専門的判断に基づく指標的なものであることを認めている。したがって、普遍的な効果を示す決定的な証拠ではない。

日本の教育機関や企業にとって実践的な転換は明確だ。AIツールは問題解決プロセスを置き換えるのではなく、練習素材の量を増やすために活用すべきである。管理者はAIが生成した答えは必ずレビューし、ヒントのみモードをデフォルトに設定し、学習指標は即時のテスト点数ではなく長期的な保持率を測定する方針を策定できる。これにより批判的思考を維持しつつ、AIの効率性を最大限に活かすことが可能になる。