AIが解ける問題を、人間が自力で解ける必要はあるのか

トルコの高校で、数学の練習問題を解く生徒の横に、ChatGPTのような画面が置かれました。詰まったら聞けます。練習中の得点は、AIを使わない生徒より48％高くなりました。

練習が終わったあと、AIも教材も取り上げて試験をすると、その生徒たちの得点は、AIを一度も使わなかった生徒より17％低くなっていました。

2025年にPNASへ発表された、約1,000人の高校生を対象にしたランダム化比較試験の結果です。この数字は「AIに答えを出させると学習に悪い」という話として読まれています。

たしかにそう読めます。ただ、この研究が測ったのは 「AIなしで数学問題を解く能力」 です。その能力をこれから先も人間が単独で持っている必要があるかどうかは、実験の外側にあります。

議論の一段手前に、大きな問いが残っています。AIが解ける問題を、人間が頑張って自力で解けるようになる必要があるのでしょうか。

同じモデルでも、結果は逆を向いた

この実験の条件は3つです。教科書と授業ノートだけの対照群、一般的なチャット画面でGPT-4に聞けるGPT Base、答えを渡さずヒントだけを返すGPT Tutorです。

GPT Tutorのほうは、練習中の得点が対照群より127％高く、しかもAIなし試験での悪影響がほぼ消えました。正の効果までは確認されていません。

モデルはどちらも同じGPT-4です。違ったのは、学習者に何を返すかという設計だけでした。論文のタイトルも「Generative AI without guardrails can harm learning」で、ガードレールのないAIは、という限定つきです。

つまりこれは、AIの性能の話ではなく、どの作業を人間の側に残すかという設計の話 です。

電卓が奪ったものと、AIが奪えるもの

7384×5927を暗算する能力は、電卓の普及とともに失われました。それを教育上の損失だと言う人は、あまりいません。社会が必要とする能力が「巨大な掛け算を実行する」から「何を計算すべきか決め、出てきた数字が妥当か確かめる」へ移ったからです。

私は以前、AIによって起きているのは能力の喪失ではなく重心の移動だと書きました。実行から指揮へ、力を発揮する場所が変わっているだけだと。

その見方は、いまも変えていません。17％の低下も、それだけでは損失と断定できません。

文字が記憶力を奪う、印刷が学問を浅くする、電卓が計算力を殺す。この種の懸念は繰り返し語られ、繰り返し外れてきました。だから今回も杞憂だと言いたくなります。

ただ、電卓が肩代わりしたのは、問題を解く工程のうち計算という一部分でした。何を計算すべきかを決めるのも、出た数字から次を考えるのも、人間の側に残っていました。生成AIは工程をまるごと引き受けます。問題を読み、方針を立て、計算し、説明までして返してきます。

部分を渡すのと、全部を渡すのは、同じ委譲ではありません。GPT Tutorが悪影響を消せたのも、ヒントという形で工程の一部だけを渡したからでした。The Effortless Trap という論文は、これを診断ルールにしています。AIを入れて課題が楽に感じられるようになったなら、それは置き場所が間違っている。

委譲すると、委譲したものを評価できなくなる

ここが厄介なところです。完全に委譲すると、AIを評価するために必要な最低限の能力まで、一緒に失われます。

掛け算を電卓に任せても、「100×100はだいたい1万」という感覚は残っていたほうがいい。桁がひとつずれた答えに気づけなくなるからです。コードをAIに書かせても、まったく読めなければ誤りは見つけられません。

これは気分の問題ではなく、構造の問題です。検証は生成と同じ能力を要求します。学習者がAIの出力を意味のある形で問い詰められないとき、判断に必要な内部モデルを持っていない、という言い方もされています。

博報堂の元コピーライターは、AIに数万本の案を出させ、そこから選んだ一本を宣伝会議賞の最終23本に残しました。生成は任せられても、拮抗した候補から最後の一本を選ぶ判断は人間に残る、というのがその人の整理です。ただ、選ぶ力のほうは、おそらく自分で書いていた時間の上に乗っています。

重心が移動するという話には、移動先の足場が移動元でできている、という条件が隠れています。 そこを外すと、移動は自分の足場を削る作業になります。

問いは「境界をどこに引くか」になる

そう考えると、これから先の教育で意味を持つ問いは「自力で全部できるべきか」ではありません。委譲してよい部分と、理解を保持すべき部分の境界はどこか です。

数学なら、方程式を機械的に解く、微分を実行する、長い式変形をする。このあたりは任せてよさそうです。一方で、そもそも何を求めればよいのか、どんなモデルを立てるか、AIの答えはおかしくないか、前提は妥当か、その結果から何を判断するか。ここは人間の側に置いたほうがよさそうです。

教育目標も、「AIなしで最後まで解ける人を作る」から「AIを使いながら、自分で問題を定義し、AIを監督し、誤りを発見できる人を作る」へ動きます。

ここには反論があります。教育研究には プロダクティブ・ストラグル という考え方があって、つまずくこと、間違えること、居心地の悪さを経ることそのものに学習上の価値があるとされてきました。ただ、その研究も「苦労のための苦労」は学習を妨げると言っています。求めているのは適切な難度の苦労であって、それはやはり、どこを残すかという話に戻ってきます。

やっかいなのは、この境界が固定ではないことです。AIが強くなるたびに動きます。動く前提で設計するしかありません。

評価も、同じところでずれる

学習支援AIを「利用中の正答率」だけで測るな、という主張があります。これは正しいと思います。ただ、「AIを外した後に残る技能」の中身を旧来の自力解答力のままにしておくと、測るものがずれます。測るべきは、AIの誤答を検出できるか、前提の妥当性を判断できるか、なぜその答えになるのかを説明できるか、のほうです。

これは学校だけの話ではありません。AIを入れた職場で「作業時間が何割減った」と言うとき、私たちは利用中の性能しか見ていません。

一般化しすぎないために

この研究はトルコの高校1校、教科は数学、4回の授業という範囲です。使われたのも一般公開版ではなく研究用の画面でした。

境界の位置を実証的に決められる段階にも、まだ来ていません。スタンフォード大の 2026年のレビューは、800本を超える研究のうち、AIが生徒や教員の成果を厳密に測れている因果研究は20本だけだと報告しています。

ここから「AI教育は危険」も「AI教育は安全」も出てきません。出てくるのは、境界をどこに引くかという問題が、抽象的な心配ではなく実測できる現象として存在する、という事実だけです。

おわりに

PNASの研究は、「AIに頼ると学習に悪い」という研究として読むより、境界の設計問題を可視化した研究として読むほうが面白いと思います。

AIが解ける問題を、人間が自力で解けるようになる必要はありません。

ただし、AIが出した答えを見て「これはおかしい」と言えなくなったときには、自分で解けたほうがよかった、という話になります。残すべきは解く力そのものではなく、疑える力のほうです。

そして疑える力が、解いた経験からしか育たないのだとしたら。そのときだけは、遠回りに見えるあの練習問題を、まだ手放せません。