教育におけるAI — 使うだけでなく、導く力を学ぶ

言語化できないことを機械に委ねることはできません。この制約こそがAIとの協働における律速段階であり、好都合なことに、それは教育が本来担ってきた役割——暗黙の専門知識を明示化すること——の説明にもなっています。

開発者が真っ先にAIを使いこなすようになったのは、プログラミングが特別だからではなく、コードというものが、機械が実行できるほどの詳細さで自分の望みを正確に述べることを要求するからです。この習慣は他分野にも転用されました。しかし、知識を扱う仕事をしている人の多くは、そのような訓練を受けたことがありません。

私たちが取り組んでいるギャップ

学生の約95%が課題でAIを使用しています。その一方で、主要な課題でのAI使用を事実上禁止しているプログラムも数多くあります。この二つの事実は、教育システムが何の立場も取らないという選択をしたことを物語っています——そして、その結果生じる沈黙自体が一つのカリキュラムであり、学生たちに、今後のキャリアを通じて使い続けるはずの道具を隠すべきものだと教えてしまっているのです。

私たちは、悲観一色の物語は誇張されていると考えており、その代替案の一端を担いたいと思っています。当研究室はデザイン・サイエンス学部を、AIを組み込んだプログラムのカリキュラム開発を試作する場として位置づけています——研究対象となることを前提とし、うまくいった部分を他者が模倣できるように設計されています。

縦断的研究

私たちは、性質が大きく異なる二つの授業にまたがって、AIスキルの発達に関する複数年の研究を行っています。一つは小規模な脱領域スタジオであるAPS-I、もう一つは学部生・大学院生・社会人を対象とする大規模なオンラインWeb3/AI講座です。1年目のパイロットコホートについては、セッションログ、個人差の測定指標、学期中に一定間隔で取得するプロンプトのスナップショット、そして事前・事後アンケートが蓄積されています。

他のすべてを規定する方法論上のコミットメントは、次の通りです——やり取りのパターンは、それ自体が成果ではなく、解釈を要するデータである。 AIの使用量が多いからといって成果が優れているとは限らず、少ないからといって劣っているとも限りません。少ないやり取りで優れた成果にたどり着く学生は、優れた要件定義能力を持っているのかもしれませんし、何度も繰り返し試行する学生は、代替案を探り、返ってきた答えを検証するという、より困難な作業をしているのかもしれません。トークン数を学習の指標として扱うのは、安易ではあっても誤った判断でしょう。

スタジオが実際に教えていること

科目としてではなく、実践としてのAI。 多くの大学院プログラムは、いまだにAIを「読んで学ぶ対象」として扱っています。ここで学ぶ学生たちは、AIと共に働くための明示的かつ他分野にも応用できるルールを携えて修了していきます——コードを見る前に意図する挙動を言葉にする、極端なケースでテストする、コメントや関数名を疑う（このツールはコードそのものよりもそれらを信じてしまうため）、そして何を確認すべきかを見極め、確認作業そのものだけを委任する、といったルールです。

概念の深い理解は、AIとの対話にもかかわらずではなく、対話を通じてもたらされる。 ある数式が「腑に落ちる」瞬間——減衰率を頑固さとして理解する、あるパラメータを単なる記号ではなく実際に動かしているつまみとして理解する、といった瞬間——は、対話の中で繰り返し訪れます。AIは学習を代替するのではありません。学習の媒体そのものであり、しかも苛立つことなく、同じ考えを五通りの方法で説明してくれます。

AIの応援団としてではなく、限界について正直なモデルとして。 AIを優れた協働者としてしか描かないプログラムは、単なる宣伝文句にすぎません。興味深いのは、学生たちがより困難な側面——AIが邪魔になる場面や、人間がシステムに対してなお負うべき検証作業——についても収斂した見解に至ることです。検証作業は、自分でそれを書くよりもコストがかかることが十分あり得ます——それがいつ当てはまるかを知ることは、AIリテラシーへの反論ではなく、その一部なのです。

まだコードを書けない学生にも通用する。 自らを「数学が苦手」と称する学生が、ベイズの定理を言葉で説明し、意図的に壊されたε-greedyエージェントをデバッグできるようになって修了することもあります。これは基準を下げたわけではなく、障壁が概念そのものではなく記法にあった場合に何が起こるかを示しています。

協働関係は、課題が深まるにつれて深まる。 序盤、学生たちはAIを翻訳者として描写します。その後は、共にコードを読む相手として。さらにその後は、答えを埋めるのではなく次の問いを投げかけたときに最も役立つソクラテス的な質問者として——そしてシステム設計のための議論相手として。同じ学生、同じツールでありながら、三つの異なる作業関係が生まれ、それぞれが異なる種類の問題に適しています。私たちが測定しようとしているのは、まさにこの変化の過程です。

この先の展開

今年はパイロットの位置づけです。目的は、この分野を専門とする学習科学者たちと対話しながら、後に続くコホートのために設計を正しいものにしていくこと——そして、誰も模倣できないプロトタイプはプロトタイプとは言えない以上、その取り組みを公開し続けることです。

関連記事:Make It So Campは同じ前提を大学外の実務家たちに適用したものであり、確率チュートリアルは、この説明に関する考え方を教科書に応用するとどうなるかを示すものです。監査のように採点するは、この議論を私たち自身の教育に向けたものです——検証作業が可視化され、私たち自身のものであり続けるように作られたツールです。