科学的に証明された学び方の戦略――AIを操る
暗記力、集中力、思考力、伝える力、実行力まで、人生のさまざまな場面で必要になる「頭の使い方」を、科学的なエビデンスとともに紹介します。 各項目には、30秒から始められる実践法や具体例も掲載。読むだけで終わらず、その日から一つずつ試せる構成です。エビデンスを味方につけ最速で頭を良くする！人生が変わる学びのメソッド100。
教育
「頑張って勉強しているのに身につかない……」それは能力の差ではなく「学び方」の差でした！言語学者が世界の研究をもとに導いた、努力をムダにしない科学的勉強法を公開。AIの賢い活用法から記憶の定着術まで網羅。
堀田 秀吾さん著書『科学的に証明された 頭のいい人が習慣にしている 学び方の戦略』から一部転載･編集してお届けいたします。
AIを操る
⬇︎
人間の脳との違いを知って賢く使う
AIは速く、幅広く、もっともらしい答えを返します。
しかし、流暢さは正しさの保証ではありません。
人間とAIの得意・不得意を見分け、答えをもらうだけでなく、問い、反論、確認に使う。最後の判断を自分で担うための使い方を学びます。
AIと人間の頭の良さはどこが違う？について
AIは膨大な情報を瞬時に処理し、文章を書き、計算し、要約してくれます。
その速さと知識量は人間の比ではありません。
しかし、AIを上手に使える人と、そうでない人のあいだには、大きな差があります。その差は、AIの能力の高さへの信頼度ではなく、AIと人間の認知の違いをどれほど理解しているかにあります。
この第6章は、AIの使い方マニュアルではありません。AIと協働するために、人の認知のしくみから考えていく章です。
AIの流暢さと正確さは別もの
まず、AIとは何かを正確に把握しておく必要があります。
ワシントン大学のベンダーらは、大規模言語モデルを、膨大なテキストから確率的に次の言葉を予測するシステムと説明しています。
AIは、人間が書いた大量のテキストのパターンを学習し、文脈に合った言葉をつなぎ合わせることが得意です。
しかしそれは、内容を「理解して」いるわけではありません。「統計的に適切な応答を生成する」というのが正しい認識といえるでしょう。この違いは実用上、非常に重要です。
AIは「もっともらしい文章」を作成することは得意ですが、「正確な事実を保証する」ことは苦手です。
とくに、専門的な事実関係や最新の情報については、堂々と誤りを述べることが多々あります。
これは、AIが嘘をついているのではなく、「正しそうなパターン」を生成した結果として起こる現象です。
つまり、AIを賢く使うためには、まずこの「流暢さと正確さは別物である」という認識を持つことが出発点になります。
人間とAIの強みを分業する
一方で、人間の思考にも固有の弱点があります。
ノーベル経済学賞を受賞したプリンストン大学のカーネマンは、トロント大学のスタノヴィッチとジェームズマディソン大学のウェストの先行研究に基づいて、人間の思考には「速い思考（システム1）」と「遅い思考（システム2）」という2つのモードがあると整理しました。
システム1は自動的・直感的で速いが、認知バイアス（思考の偏り）を生じやすいです。システム2は分析的・論理的だが、時間と認知資源を消費します。
人間は多くの場合、システム1で判断を下しており、そこに確証バイアス（自分の信念を支持する情報だけを重視する傾向）、アンカリング（最初に提示された情報に引きずられる傾向）、利用可能性バイアス（思い浮かびやすい情報を過大評価する傾向）などを混入させてしまうのです。
ここにAIとの協働の可能性があります。
人間が苦手な「大量の情報を網羅的に整理する」「複数の視点を同時に並べる」「反対意見を体系的に提示する」作業は、AIが力を発揮しやすい領域です。
一方、「最終的な判断の責任を持つ」「文脈の微妙なニュアンスを読む」「倫理的な判断を下す」といった作業は、人間が担うべき領域です。
AIと人間をうまく分業させるには、それぞれの強みと弱みを正しく理解することが必要です。
AIを「答え」ではなく「問い」に使う
AIを学習支援に使う場合、「検索練習（テスト効果）」の考え方がそのまま活きるでしょう。
AIに「この内容について10問の穴埋め問題をつくって」と頼み、自分で解いてからAIに採点させます。
これはセントルイス・ワシントン大学のローディガーとカーピックが示した「思い出す練習」の効果を、AIを通じて実現するものです。
AIはほぼ無限に問題を生成できるため、同じ教材を日を置いて何度も出題し直せるため、時間を空けて学習を繰り返す「分散学習（間隔効果）」と組み合わせやすいのも利点です。
同じ知識を、別の場面や別の例に当てはめさせると効果的です。
テキサス大学オースティン校のバトラーらは、まったく同じ応用問題を3回解かせた場合と、同じ概念について異なる3つの応用問題を解かせた場合を比べました。
初見の問題に対する正答率は、2日後のテストで64%対52%。問い方を変えたほうが、知識が別の場面へ持ち出せるようになっていたのです。
AIを「答えを調べる機械」ではなく「問いをつくる相手」として使う発想が、学習効率を大きく変えていくのです。
また、AIとのやりとりでは、依頼の質が出力の質を左右します。
目的を明確にし、制約を先に伝え、望ましい出力の形式を指定し、「ゴール→制約→出力形式」という構造でAIに依頼すると、精度が上がります。
さらに、AIが出した案に対して「この考えの弱点を3つ挙げて」「反論を教えて」「別の視点から考えて」と追加で問い返すことで、自分が考えを深めるきっかけにもなります。
AIは「批判的な質問をぶつける相手」として使うことで、自分の思考のバイアスを修正する道具にもなり得るのです。
AIに任せる範囲も先に決めましょう。
整理やたたき台は任せても、何を採用し、誰にどう伝え、結果に責任を持つかは人間が判断します。
境界があいまいだと、考える機会まで手放しかねません。
AIの回答には、「根拠は何か」「反対の見方はあるか」「条件が変われば結論も変わるか」と問い返しましょう。
問いを重ねるほど、自分の目的と判断基準も明確になります。
最後の判断と確認は人間が担う
そして最も大切なのは、AIが出した情報は、必ず一次情報に当たって確認する習慣を持つことです。
「AIが言っていたから正しい」という思い込みは、「自動化バイアス」と呼ばれる、機械の出した答えを無批判に信じてしまう傾向です。
さらに、自分の考えに合うAIの回答だけを選んで採用すれば、そこに確証バイアスも重なります。
AIの出力は出発点であり、終点ではありません。
根拠となる出典を確認し、内容が本当に一致するかを自分の目で確かめる習慣が、AI時代に情報を正確に扱う力の核心なのです。
便利なツールを使いこなす人が賢いのではありません。
ツールの限界を理解し、自分の思考と組み合わせて使える人が、本当の意味で賢い使い方をしているのです。
AIの得意・不得意を知っておく
キーポイントAIの期待値を設計する
「AIに任せる作業」「自分が確認・判断する作業」を仕分ける
AIは意味を理解して答えているわけではない
AIを活用する際に重要なのは、「何を任せ、何を自分で判断するか」を事前に決めておくことです。
AIに文章を書いてもらったら、一見完璧に見えた。
でもよく確認したら、事実が間違っていた。日付がズレていた。存在しない論文を引用していた。
実際、こうした誤りは珍しくありません。
「なぜこんなにもっともらしく間違えるのか」という疑問の答えは、AIの根本的なしくみにあります。
ワシントン大学のベンダーらは、大規模言語モデルの性質と潜在的なリスクを論じた論文のなかで、これらのシステム「確率的オウム」と表現しました。
大規模言語モデルとは、ChatGPTをはじめとする会話型AIの中核にある技術のことです。
これらは、ウェブ上の大量のテキストを学習し、ある言葉のあとにどの言葉が来やすいかを確率的に計算することで文章を生成します。
ここで重要なのは、このプロセスには「意味を理解する」という工程が含まれない点です。
オウムが聞いた言葉を真似しても、その意味を理解しているわけではないように、言語モデルも統計的なパターンに従って言葉を並べているにすぎません。
流暢で自然に見える文章が生成されたとしても、それはモデルが内容を把握したからではなく、学習データのなかの似た文脈でよく使われていた表現を組み合わせた結果なのです。
そのため、生成された内容が事実か、引用された論文が実在するかについては、人間側で確認する必要があります。
AIの特性を知って賢く使う
これは批判ではなく、AIを正しく使うための出発点です。
テキストのパターン処理が得意なシステムとして理解すると、何が得意で、何が苦手なのかが明確に見えてきます。
要約・言い換え・アイデアの列挙・文章の整形・文体の変換といった「言語処理の作業」では、AIは非常に大きな力を発揮しますが、事実の正確性・文脈に依存した最終判断・倫理的な価値判断・最新情報の確認といった領域では、人間側の検証と判断が欠かせません。
AIの得意・不得意を知根、作業を分担する
AIは言葉を処理する作業に活用し、正確性や最終判断は人が担う。最初に役割を分けておくことで、過信も過小評価も避けられます。
とくに、仕事の現場で誰かに見せる成果物や、重要な意思決定に使う情報については、AIの出力をそのまま使うことはリスクをともないます。
このように、AIにどこまでを期待し、どこからを人間が担うかをあらかじめ決めることが、「AIの期待値を設計する」ということです。
AIに任せることと自分が判断することを事前に整理しないまま使い続けると、出力を過信して重要なミスを見落としたり、逆に「AIは怖い」と思い込んで便利な機能を活かせなかったりするでしょう。これはどちらも損です。
期待値を設計するというひと手間が、AIの有効活用とリスク管理の両方を支えます。
道具の特性を知ることが、道具を使いこなす第一歩なのです。
実践プログラム
AIと作業を分担する
・メモ帳やノートに2列をつくり、作業ごとに仕分けする
・左列にAIに任せる作業（要約・ドラフト作成・アイデア出しなど）、右列に自分が確認・判断する作業（事実確認・最終判断・倫理的な評価など）を書き出す
※この習慣があると、AIを道具として正しく使いこなすための感覚が自然に身につく
まとめ
AIのプロセスには「意味を理解する」という工程がないので、あくまでもパターン処理が得意なシステムとして使う。
言語学者（法言語学、心理言語学）。明治大学法学部教授。
※当サイトはアフィリエイト広告を掲載しています。
※Amazonのアソシエイトとして、てつなぎは適格販売により収入を得ています。
記事の内容がよかったら「イイね！」ボタンを押してね
このコラムに関連する書籍はこちら！
