type
Post
status
Published
date
Jun 7, 2026
slug
about-learning-ja
summary
AIは学ぶことの意味を奪ったのではない。むしろ、学びそのものにアップデートを迫ったのだ。
tags
思考
学习
AI
认知
文字
category
随性创造与思考
icon
password
ext
{"zhSlug": "article/about-learning", "isTranslation": true, "locale": "ja"}
会社では定期的に、木曜の夜に「対話架构师」というイベントが開かれ、業界の第一線で活躍する人たちが公開講演に招かれる。フロントエンド、アルゴリズム、プロダクト、カーネル、サービスなど、扱う領域は実に幅広い。この一年あまり、僕はほぼ欠かさず足を運んできた。
馴染みのある分野や知っている講師の回では、方法論であれ技術であれ、何か心に引っかかるものがあればすぐに書き留め、持ち帰って自分の小さなプロジェクトで試してみる。そこから得られる気づきは、いつも少なくない。
理解できない話があっても、それはそれでいい。いまや、いわゆる「フルスタック」の境界は少しずつ溶け始めている。自分の知らない技術スタックにも触れ、まずは輪郭だけでもつかんでおく。それもまた、未来につながる蓄積なのだと思う。
最近、ちょっと面白いことに気づいた。ほとんどどのイベントでも、Q&Aセッションになると決まってこの質問が飛び出すのだ。
これは実に面白いと思う。これほど主観的で、答えが開かれていて、しかも今まさに最も激しく議論されているテーマのひとつなのだから。講師が事前に何かを用意しているとすれば、スライド以外では、おそらくこの問いへの答えだろう。だからいつも、まるで判で押したような筋書きの返答が返ってくる。「AIは物事を加速させはするが、今のところ既存の構造を根底から覆すものではない」「AIに取って代わられるのは、AIを使えない人だけだ」……
講師たちの視点は、いつもどちらかといえば実用主義に寄っている。AIがすでに到来したという前提に立ち、新たなエコシステムを踏まえて、未来に向けた提言を示す。これはとても理にかなった姿勢だと思う。質問者の不安を和らげるだけでなく、具体的かつ客観的な助言を与え、感情に傾きがちな問いを、議論を深めやすい枠組みへと引き戻すこともできるからだ。
けれど、ここで少し視点を先へ進めてみたい。
AIはなぜベテラン社員に取って代わるのか？ そして、どんな能力を再編するのか？
発達心理学者のJean Piagetは、人間の成長において重要なのは、情報を受け身で取り込むことではなく、外の世界との絶え間ない関わりを通じて、世界を理解するための枠組みそのものを更新し続けることだと説いた。
私たちが政治を学ぶのは、社会がどのような仕組みで動いているのかを知るためであり、数学を学ぶのは、抽象的な問題を通して、具体的な論理構造を思い描く力を養うためだ。
つまり、学ぶという営みは、単に知識を蓄えるだけではない。私たちは学びながら、自らの認知の枠組みを絶えず組み替えているのである。
かつて、何か一つの問題を解決するには、その背景を理解し、基礎知識を補い、問いを立てる必要があった。その過程で学び、考え、コストを見極め、現実の制約のなかで何を選び、何を諦めるかを決めていく。そして問題を解き終えれば、そこで得た新たな経験をもとに次の問いを立て、さらに高い次元の欲求へと手を伸ばす。そうした循環を繰り返すなかで、個人が磨いてきたのは単なる知識の蓄積ではない。問題を分析し、分解して捉えるための、複雑で重層的な思考の力そのものだった。
しかし、AIの登場によって、この根底にあった論理は揺らぎ始めた。複雑なコスト試算や市場調査を重ねなくても、ChatGPTはわずか1分で、人類が蓄積してきたほぼあらゆる知識を集約し、最適な解決策を提示してくれる。基盤となる構造やエンジニアリングのフレームワークをゼロから組み上げる必要もない。Claude Codeなら、半日もあれば中〜大規模プロジェクトのMVPを形にできる。
効率が確実に上がることは間違いない。市場がそれを歓迎するのも当然だ。だが同時に、AIをただの「答えを出す機械」としてしか見ないのなら、私たちが手にするのは結局、「情報へのアクセスのしやすさ」にすぎない。
人間の脳はもともと、直感に逆らう負荷の高い思考を自ら引き受けるよりも、「もっともらしく見える」出来合いの答えを好む。一方、AIもその訓練の仕組み上、自ら誤りを認めることは少ない。そこに、人間の認知的な怠惰との微妙な噛み合わせが生まれる。
一見すると効率は上がったように見える。だが、このやり方では最も肝心なプロセスが抜け落ちている。自ら判断の枠組みを組み立て、根底となる認識を築いていく過程だ。私はこれを「構築」と呼んでいる。やがて人は、ある危うい錯覚に陥る。答えを得られること＝自分に能力があること。
事実はいつだって直感に反する。人はつい、「AIを使う自分」と「以前の自分」を比べてしまう。アウトプットだけを見れば、向上したことは疑いようがない。けれど、ここで問うべきなのは――あなた自身は本当に「強くなった」のだろうか？
いちばんシンプルなのは、「能力」に拡張性と移転可能性があるかを確かめることだ。いま自分が使っている道具をすべて別の誰かに渡してみて、それでも「誰がやっても大差ない」という結果になるなら、いったん問い直したほうがいい。価値を生み出しているのは、本当に自分の能力なのか。それとも、道具がもともと備えているデフォルトの能力なのか。
この時代に本当に求められる力は、答えを手にできるかどうかではない。むしろ――
- 同じ条件のもとで、あなたは他の人よりも優れた答えにたどり着けるだろうか？
- 今の答えに何が足りず、次にどこを改善すべきか、あなたはわかっていますか？
- 答えがない状況でも、なお質の高い意思決定ができるだろうか。
ツールはあくまで意思決定を支えるものであって、意思決定そのものに取って代わるものではない。少なくとも今のところ、AIはまだ「ツール」にすぎない。
かつての学びが「知識を蓄えること」だったとすれば、AI時代の学びはむしろ「システムを構築すること」に近い。知識そのものがもはやボトルネックではない以上、記憶すること自体に膨大な時間を費やす必要はない。本当に大切なのは、知識を軸に、より安定した信頼性の高い認知の枠組みを築くことだ。そこには、次の三つの力が含まれる。
- 構造を読み解く力。 私たちは、事実をただ大づかみに、ひとつの言葉で括るのではなく、そこから、背後で本当に作用している要因を解きほぐせるだろうか。あらゆる物事には、たどるべき痕跡がある。ひとつの出来事が生まれるとき、その裏では、複数の変数が絡み合い、同時に働いている。その構造を捉えられるかどうかで、私たちの目に映るものは、ひとつの物語にもなれば、広がりをもった全体像にもなる。
- 問いを立てる力。 AIは、与えられた問いに対して十分な答えを返すことには長けている。だが、その問い自体をどう定義するかは、依然として問う側の認識の深さに大きく左右される。問いの立て方は、そのまま思考の道筋でもある。自分が何を求めているのかさえわからないのに、どうしてAIが満足のいく解決策を示してくれると期待できるだろうか。
- 実行し、検証を重ねる力。認知科学が示すように、脳に本当の変化をもたらすのは、事実をただ理解することではなく、「意思決定―行動―フィードバック―修正」という循環だ。AIは行動へのハードルを下げてくれる。けれど、現実から返ってくるフィードバックまでは代替できない。アイデアに価値があるかどうかは、いつだって現実世界に投げ込み、確かめてみなければわからない。
こうした観点から言えば、AIは学びの意味を奪ったのではない。むしろ、学びにアップデートを迫ったのだ。
三度の産業革命を経ても、労働そのものが消えたわけではない。変わったのは、仕事のあり方だ。だから「AIに自分の仕事が奪われるのか」と思い悩むより、こう問い直してみたほうがいい――「蒸気機関が登場したというのに、自分の馬をもっと速く走らせる方法ばかりに、持てる力のすべてを注いではいないか」と。
