『The Globe and Mail』の編集委員会は、3月に「AIは杖にもなり得るし、飛躍台にもなり得る」という題の寄稿記事を掲載した。杖のほうを例示するために、次のようなものを提示している。つまり、AIにドゥーンの一節を説明させたところ、その一節は、考えることを機械に委ねることへの警告をしている、というのだ。けれど、その人は本を読む代わりにそうした。
この逸話は、編集部が引用している研究以上の仕事をしている。とはいえ、研究自体は実在する。
MITの研究者は2025年6月、「Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task」（Kosmynaら、arXiv 2506.08872）という論文を発表した。研究では、3つのグループにわたって脳活動を追跡した。ChatGPTで書く人、検索エンジンを使う人、そして何も使わずに取り組む人である。LLMグループは神経回路のつながりが最も弱かった。4か月にわたって「LLMユーザーは一貫して、神経学的・言語学的・行動学的なレベルで期待を下回った」。最も印象的な発見は、LLMユーザーが自分の文章を正確に引用することに苦労していた点だ。直前に書いた内容を思い出せなかったのである。
『The Globe』はこれや類似の研究を引用し、依存に関する主張を行っている。暗黙の論点はこうだ。考えることを機械に十分に任せてしまえば、自分で考えることはやめてしまう。
その発見はおそらく、ほとんどの人がこれらのツールを使うやり方に関しては正確だ。
問題は、それが唯一の使い方なのかどうかだ。
『The Globe』自身のタイトルには、反論が含まれている。杖か、それとも飛躍台か。彼らは両方の言葉を書いた。ただし、2つ目のほうは掘り下げなかった。
AIの利用について、ツールが広く使えるようになってから書いてきたウォートン校の教授Ethan Mollickは、2023年に、AIが教育に突きつける本当の課題は、学生が考えることをやめることではなく、考えることは十分に難しいとみなしていた古い仕組みが、その強制力を前提としていた点だ、と論じている。 （「The Homework Apocalypse（宿題の終末）」（oneusefulthing.org、2023年7月）。AIが表層的な認知作業を行えるなら、課題として任せる価値が残るのは、実際の判断を要するものだけになる。この枠組みでは、ツールは考えることの要求を減らすのではない。むしろ、その下限を引き上げる。
AIでうまく働くために実際に何が必要なのかを書き、助言もしているNate B. Jonesは、この議論をより鋭く言い換えている。彼の立場はこうだ。AIを効果的に使うには、より少ない認知スキルではなく、より多くの認知スキルが必要になる。具体的には、曖昧な意図を、AIが正しく実行できる、エッジケースを踏まえた正確な仕様へと翻訳する能力が要る。流暢で自信ありげに聞こえるが誤っている出力に含まれる誤りを見抜く必要がある。AIがあなたの意図から逸れていないか、あるいは挑戦すべき前提を確認しているだけなのかを認識しなければならない。これらは受動的なスキルではない。同じ「考えること」でも、MITの研究でLLMユーザーがやれていなかった難度の高い版なのだ。
神経回路のつながりを失ったグループと、それが起きないグループの違いは、ツールではない。彼らがそのツールで何をすることに決めたかだ。
ここに、私自身の証拠がある。
この1年で、動くWebアプリケーションを作った。Pythonのバックエンド。JavaScriptのフロントエンド。2つのホスティングプラットフォームにデプロイした。決済処理。ユーザー認証。完全なデータモデル。
私はコードを書く方法を知らない。
すべてのプロダクト判断は私のものだった。あらゆるアーキテクチャ上の決定。あらゆるトレードオフの判断。システムに何をさせるのか、なぜそれをさせるのか、そして「done（完了）」とは何を意味するのかを定義した。受け入れられる前に重要な変更はすべてレビューした。何かが壊れたときは、どこで破綻したのかを特定し、修正の方向づけを行った。実装はAIが担当した。考えることは私のものだった。
このモード（AI主導で作る、と呼ぶことにする）は、ドゥーンの読者とは真逆だ。生み出されるものの質は、どれだけ明確に考えられるか、どれだけ正確に仕様を指定できるか、そして返ってきた内容をどれだけ批判的に評価できるか、ということの関数にほかならない。その中にショートカットはない。AIに曖昧な要件を渡しても、混乱した出力が返ってくるわけではない。自信ありげで流暢だが間違ったものが返ってくる。それを防ぐ規律は、あなたが用意するものだ。
AIで機能するソフトウェアを作る非コーダーは、今では珍しくない。だから、もはや物語として扱う必要はない。むしろ目に見えにくいのは、実際に機能するものの土台にある判断の具体性だ。
少ない考えで済ませるのではなく、より多く考えさせる実践は、複雑ではない。ただし、ツールの使い方を別のものにするという意思決定が必要になる。
私が何かについて立場を固めたときは、AIに十分な文脈を渡し、私に対して成立し得る限り最も強い反証を作らせる。「最も難しい対立する主張」をできるだけ構成してもらう。それから私はそれを読む。何も変わらないこともある。完全に調べずに切り捨てていた何かが、表に出てくることもある。AIは私の見解を形成しない。私がすでに作った見解を、ストレステストするだけだ。
選択肢の間で迷っているときは、どちらが良いかを聞かない。代わりにこう聞く。「2つのやり方がある。私の制約はこれだ。では、それぞれにどれだけコストがかかり、何を捨てる必要があるのか？」私は判断する。AIは意思決定の形を示す。判断は私のものだ。
このモードで不快なのは、考えること自体はやはりあなたのものだという点だ。ツールは仕事を楽にするのではなく、より厳密にする。
MITの研究者たちと『The Globe』の編集部は、現在の利用の大半については、ほぼ確実に正しい。受動的な使い方は受動的な結果を生む。それは物議を醸す主張ではない。
杖の半分も飛躍台の半分も、同じインターフェースを使う。違いは、その前にいる人が「考える」ことを選ぶかどうかだ。
あなたはいったい、それで何をしていて、より少なくではなくより多くの思考を強いているのか？ ステップを飛ばすために使っているのか、それとももっと難しいステップを踏むために使っているのか？ 本気で聞いています。
[link] [comments]
