YouTubeの説明を読み上げるのは導出ではありません。3Blue1Brownのバックプロパゲーションの動画を見て、その説明をそのまま口で言い返せるのは、認識のスキルです。何も突っ込まれなければ、理解に見えるようです。しかし、誰かが活性化関数を変えたり、「なぜこの項にマイナス符号があるの？」と聞いた瞬間、その認識は崩れ、導出は一度も起きていなかったことが露呈します——特定の動画に対するパターン照合をしていただけです。
ホワイトボードテストは、実務寄りのML/AI面接のトップ層が、両者の違いを見分けるために使っているものです。私はカリキュラムのすべての数学概念に対して、自分自身にも毎回このテストを行っています。ルールは6つ。例外はありません。ホワイトボードテストに通せない概念は、学生がどれほど自信を持っていても理解されていない、ということです。
このルールは、私のフレームワークの math-foundation.md ファイルにコード化されています：claude-code-agent-skills-framework の「Hard Verification Protocol (FAANG-level gate)」のところです。
Rule 1 — Blank-sheet start
テストは、学生がメモをすべて消すところから始まります。電話は伏せておくこと。動画は再生しないこと。カメラ、または共有画面には空のページを映します。視界内に参照資料は置きません。
その理由は、メモがある状態で起きる想起は、メモを読み上げたのと区別がつかないからです。数え上げられるのは、観察下にあり、かつ学生が自分で設定しなかった問題に対して、記憶から生成される導出だけです。
このルールがないと、「数学を理解した」というのは「私は一度、他人の数学の流れに従って、その時は正しそうに見えた」という意味になります。これは別の主張です。
Rule 2 — Randomized variation
面接官は、学生が見たことのない少なくとも1つの変種（variation）を導入します。異なる活性化（シグモイドの代わりにReLU）。異なる次元（1ではなく、3のバッチ）。異なる損失（交差エントロピーではなくヒンジ）。異なる最適化の項（Adamの第2モーメント）。
学生はその場で導出を適応させます。
これは「認識」と「理解」を分けるルールです。「シグモイドの導関数は sigmoid(x) * (1 - sigmoid(x)) だ」と暗記した学生は、それを読み上げられます。導出を理解している学生は、それをReLUに対して、tanhに対して、GeLUに対しても再導出できます——なぜなら基盤となるパターン（活性化に対する連鎖律）を内面化しているのは特定の式ではなく、それだからです。
変種（variation）は引っかけではありません。テストそのものです。
Rule 3 — Three "why" checkpoints
導出の最中に、3つのランダムなタイミングで、面接官が学生が暗記しているはずのない「なぜ（why）」の質問で割り込んできます：
- 「なぜこの項にマイナス符号があるの？」
- 「学習率が2倍になったら、この式はどうなる？」
- 「なぜここでは元の行列ではなく転置（transpose）を使うの？」
- 「このバイアス項を取り除いたら、何に簡約される？」
- 「バッチサイズを無限大にした極限で、この項はどう見える？」
学生が第一原理（first principles）から答えられなければ、導出は失敗し、課題は完了しません。
これらの質問が重要な理由は、暗記できないからです。面接官は、敵対的なプール（adversarial pool）からその場でそれらを選びます。プリミティブから数学を導出した学生なら、30秒以内にどれでも答えられます。数学を暗記した学生は、どれも答えられません。
Rule 4 — Reverse-direction test
順方向の導出が着地した後、面接官は学生に途中の特定の行を説明するよう求めます：「なぜこの項が存在するの？ それがないとモデルはどうなる？」
これは、通常の教え方の方向の逆です。通常は、学生が仮定から結論へ積み上げていきます。逆方向テストは、途中の一点を選び、それを学生に防衛させます——この項が何に寄与しているのか、取り除くと何が変わるのか、別の定式化ではどのように見えるのかを説明させるのです。
暗記された導出は、1つの方向に進むだけで、任意の地点で自己防衛できません。導出された導出はそれができます。なぜなら、すべての行が、その周辺文脈から学生が正当化できる帰結だからです。
Rule 5 — Numerical grounding
学生は実際の小さな数を代入します——入力として [0.5, -0.3] のようなもの、重みとして [[0.1, 0.2], [-0.1, 0.3]] のようなもの、ターゲットとして 1 を用意し、前向きと後向きのパス全体を手計算します。その結果は、解析的な導出と一致していなければなりません。
このルールは、特定の失敗パターンを捕まえます。つまり、記号的には正しく見える導出が、実際に実行すると崩れてしまうケースです。一つズレ（off-by-one）のエラー、転置の欠落、符号反転、次元の不一致——これらは記号の中に隠れていて、数値を代入したときにだけ表面化します。
数値による裏取り（numerical grounding）もまた、実装におけるユニットテストへと化けるテストケースです。手で数学を裏取りできた学生は、既知の答えテストを書いて、最初の実装バグを確実に捕まえられます。裏取りできていない学生は当て推量になります。
Rule 6 — Repeat with variation
中核となる概念（バックプロパゲーション、注意（attention）、勾配降下法（gradient descent）、特定の損失関数の数学）については、検証はカリキュラムの中で少なくとも3回行われ、毎回異なるアーキテクチャまたは問題になります。
一度通っただけでは習得ではありません。単一層のMLPでゲートを通過した学生は、その特定のケースに対する局所的な理解を示したにすぎません。習得は、同じ導出が、2層のReLUネットワークで発火し、次にトランスフォーマーのヘッドで発火し、次に畳み込み層で発火する——しかも毎回、根底にあるメカニズムを学び直すことなく——という形で示されます。
これは、Bransfordの転移テストを数学的導出に適用したマルチショット版です。足場（scaffolding）なしで新しい実例に対して発火したとき、概念は転移したと言えます。新しい実例のたびに、元の説明に戻って確認が必要になるなら、転移していません。
Why this resists Claude-Operator drift specifically
オペレーター作業における「vibe-coding」の失敗モードは、エージェントの出力を読まずに受け入れてしまうことです。学習の等価物は、導出せずに説明を受け入れてしまうことです。どちらも同じ症状を生みます——敵対的な問いかけで崩れてしまう見かけ上の能力です。
ホワイトボードテストは、まさにこのドリフトに耐えるよう設計されています。メモがないので、前のClaudeの会話へのスクロールバックができません。ランダム化された変種（variation）により、特定の出力の暗記ができません。「why」チェックポイントにより、標準的な説明へのパターン照合ができません。数値による裏取りにより、学生が実際に確認していない導出のビットを取り繕う（手を振る）ことができません。
ホワイトボードテストを通過した概念は、学生自身が、自分の手で、あらゆる欠落が露呈したであろう条件下で導出されたものです。概念を「理解された」と呼ぶための条件は、それです。
What failure looks like, and what to do
どのルールでも失敗は「判断」ではなく「データ」です。このテストは、キャリア上の結果という意味での合否ではありません——「降下（descent）が実際に着地したかどうか」という意味での合否です。ホワイトボードテストが失敗したと言うのは、学習がまだ着地していない、ということです。出典に戻りましょう——教科書の章、論文、カラパシー（Karpathy）の講義、3Blue1Brownの該当セクションです。そこを勉強して、48時間以内にテストを再実行してください。
失敗が許さないこと：面接官が学生に答えを教えることです。採点者が穴埋めしてくれた失敗した導出は、合格する導出になったのではありません。それは指示された資料の一部になっただけで、学生は来週また同じところで失敗します。
同じ概念で繰り返し失敗すること自体が、それが持つサインです。学生が勾配降下法の導出で3回失敗したなら、根本となる教材が吸収されていません——そして解決策は、同じ節をより強く読み直すことではなく、前提の連鎖をさらにさかのぼって修正することです。
重要なログ
すべてのホワイトボード検証は記録されます。日付、概念、初回で合格したのか、リトライが必要だったのか、どのバリエーションが提示されたのか、どの「なぜ？」質問が発火したのか。月日が経つにつれ、このログは、（一貫して合格する）どの概念が荷重を支えるのか（load-bearing）と、（複数回の試行が必要になる）どの概念が脆いのか（fragile）を示す地図になります。
脆い概念はより頻繁に再検証されます。荷重を支える概念は間隔をあけて扱います。このログこそが、次の再テストを偶然ではなく筋の通ったものにするのです。
1文で言うと「関門」
白紙の用紙でその概念を導出できないこと、準備していなかったバリエーションに適応できないこと、面接官が指し示すどの行も擁護できないこと、そして少量の入力群に対して数値的に裏付けられないこと——それらができなければ、YouTubeの説明がどれほど明確に刺さったとしても、あなたはその概念を理解していません。
それが関門です。自分自身に適用してください。通過する概念とは、フロンティアが変わり、頼りにしていた抽象化が漏れ始めても、なお適用し続けられる概念のことです。
Aman Bhandari。Claude Opusをコーチング・パートナーとして動かし、AIエンジニアリング研究ラボを運営。加えて、実際のスプリントの作業負荷に対して出荷するQAオートメーションの表面も担当。公開成果物：claude-code-agent-skills-framework および claude-code-mcp-qa-automation。github.com/aman-bhandari。
