超教育協会は7月12日、東京大学次世代知能科学研究センター教授の松原 仁氏を招いて、「AIと教育の関係～教育はどう進展していくのか」と題したオンラインシンポジウムを開催した。

シンポジウムの前半では、松原氏が生成AIの概要と、AIの時代における教育のあり方について講演を行い、後半では、超教育協会理事長の石戸 奈々子をファシリテーターに、視聴者からの質問を織り交ぜながら質疑応答が実施された。その前半の模様を紹介する。

＞＞　後半のレポートはこちら

＞＞　シンポジウム動画も公開中！Youtube動画

「AIと教育の関係～教育はどう進展していくのか」

■日時：2023年7月12日 12時～12時55分

■講演：松原 仁氏
東京大学次世代知能科学研究センター教授

■ファシリテーター：石戸 奈々子
超教育協会理事長

松原氏は、約30分の講演において、AIの時代に教育はどうあるべきかについて話した。主な講演内容は以下のとおり。

AIには明確な定義はありません。専門家の間でもAIが何かというのはコンセンサスが取れていない状況です。私がAIの研究を開始した約40年前も、そして今も同様です。そもそも知能という言葉が未定義で、何ができることが知能なのか定かではありません。つまり、明確にわかっていないものをコンピューターで作ろうとしている状況です。

▲　スライド1・AIの定義について

言葉を使うことが重要だと考えるAI研究者はそれが本質だと主張し、目で見る能力や耳で聞く能力が大切だという研究者もいます。そうなると画像認識や音声認識が重要となります。個人的には鉄腕アトムみたいなものを作りたいと考えていましたが、その意味合いは知能を持ったAIロボットができると、その能力が知能であると定義できるからです。

知能が人間の中にある限り、知能を客観的に定義するのは難しいのですが、人間の外、ロボットが知能という能力を持てば、その能力が知能だと言えるのではないでしょうか。そういう目標を多くのAI研究者は持っているといえます。

2022年11月にChatGPTが発表されました。

▲　スライド2・言語生成AIとは

GPTのGはGenerativeで生成、PはPretrainedで事前学習、TがTransfomerで、これは手法の名称です。ディープラーニングはここ十数年、AIの中核をなす技術ですが、ChatGPTでもその技術を使っています。英語の情報が多く、ブログや新聞記事など公開されている情報、人間が書いた文章を大量に集めて、それをTransfomerで学習しています。パラメータが約1,750億個と言われています。人間には神経細胞がたくさんあり、それらが結ばれて、そこに電気信号が流れているのが脳の構造です。それと同じようなものをコンピューターの中にシミュレーションで作るというのがもともとのディープラーニングで、1,750億個ということは、1,750億くらい脳細胞に相当するものがあるというイメージです。個々の学習した言葉をそのまま丸暗記しているわけではなく、もとのパラメータから文章を生成しています。

原理は実は非常に単純で、いわば穴埋め問題、次の単語の予測を実行しているのです。

▲　スライド3・ChatGPTの仕組みは
「穴埋め式」の発想で単純

「日本の総理大臣は岸田 文雄である」という文章が例題だとすると、「日本の総理大臣は」と入力すると次に「岸田 文雄」が来るように学習します。岸田 文雄は現役だから確率が高いですが、ある確率で菅 義偉氏も出てきます。また、「日本の総理大臣は岸田 文雄」と入れると「である」とか「だ」が来るように学習させます。このように、次の単語を予測するという単純な仕組みでChatGPTは構成されています。学習したなかには、内容も表現も変なもの、例えば差別的な用語などが入っていたりもするため、そのままだとそういうものが確率的に出てきてしまいます。従ってChatGPTに生成させて人間が点数をつけて、点数が高いものだけ出るように学習しています。良くも悪くも優等生的なことを言うのはそういう理由からです。

チャットGPTは誰でも使えます。GPT-4は有償で、かなりまともな受け答えをします。こちらの入力に対して関連する情報を探してそれらをつなげて出力としているだけなので、自分の生成している文章が合っているか合っていないかの判断はしていません。論理的な推論もしていないです。論理的なことを答えることも多いですが、それはどこかに人間が論理的な推論を文章にしていて、それを持ってきてそれをベースに答えているからです。論理的なことが分かっていると思わせていますが、AI自体が論理的な推論をしているわけではありません。あと、同じ入力に対して異なる答えを出す場合があります。

▲　スライド4・論理的に思えるが、
論理的な推論はしていないという

日本語の入出力が可能ですが、内部処理は英語で、日本語を英語に翻訳して処理し、結果の英語を日本語に翻訳して出力しています。英語でのやり取りの方が、少し精度が高いとされているのは、このためです。

▲　スライド5・日本語でも使えるが
内部で日本語を英語に翻訳して処理している

学習データの多くを欧米圏で集めているため、英語のデータが多いです。日本のデータも英訳されたものは入っていますが、日本の情報は少ないです。どこかの政治家が自分の名前を聞いたらおかしなプロフィールを出されて怒ったというのがニュースになりましたが、それはその政治家の情報が入っていなかったということです。プログラムも学習しているため、この入力に対してこの出力を書けと入れると書くことができます。誰も書いたことのない独創的なプログラムが書けるわけではありませんが、いわば練習問題のようなよくあるタイプのプログラムは普通に書けます。

それで情報系の授業が困っているという現実があります。技術的には、かなり長い文章を書けるということと、前のやり取りを覚えていて、プロンプトで深掘りした質問をしていくと、かなり深いことを答えてくれるのが特徴です。また、時々間違えます。ChatGPTは自分の答えが正しいか正しくないがわかっていないため故意ではないですが間違えます。

▲　スライド6・ときどき嘘を言うが、
悪気がないだけにたちが悪いとも言える

普通に合っている文章の中に間違えた文章が来るので、少し油断していると人間は気が付かないでしょう。あと、NGワード集も入っていると思われます。差別的なことやわいせつなことは言いません。質問に対する答えも得意ですが、使われ方として多いのは、長い文章の要約や翻訳です。論文をChatGPTで1,000字くらいの日本語で要約してくださいと入れると、パッと要約してくれるので非常に便利です。

能力としてはアメリカの司法試験に合格したり、日米の医師国家試験に受かっています。日本の司法試験には落ちているようです。日本語の情報が少ないということだと思います。医師の国家試験は人間の身体と薬に関する質問が多く、それは世界共通の部分が多いので、欧米の英語圏の知識でも日本の医師国家試験の合格点が取れるということでしょう。よくある問いに対してはとてもよい回答をします。世の中の回答に近い情報がたくさんあるからです。一方、マイナーな質問は答えにくいようです。

ChatGPTは社会にも教育にも大きな影響を与えています。ビルゲイツが、インターネットの発明に匹敵すると言っています。あと、東京大学の松尾氏は、今までのディープラーニングは第三次ブームだが、これは第四次ブームなのかもしれないと言っています。注意していただきたいのは、たかだか去年の11月に発明された若いシステムなため、まだまだ発展途上でこれから改良されるということです。今のChatGPTで判断するのではなく、これが将来どうなるのかで判断するべきだと思います。

▲　スライド7・ChatGPTは社会にも
教育にも大きな影響を与える

個人的には、車の発明という比喩がよいかと思います。T型フォードが発明された段階といえるでしょう。発明されたら類似品は作れるため、日本でも生成AIはたくさん作られ始めています。できたばかりなためルールはありません。車でいうと免許制度がない、制限速度もない、道も整備されていない、道路標識もない状態です。

そんな中でT型フォードは発明されて10年、20年で普及しました。今から見ると原始的な車ですが、馬車よりは圧倒的に便利だったため使われました。そういう意味で生成AIは圧倒的に便利なため、車と同じように使われるようになっていくでしょう。車のようにルールを作りながら、使っていきます。危険性を指摘する声もあって、確かに生成AIは危険な部分もあります。そういう意味では自動車も危険な道具で、場合によっては事故で死に至ることもあります。でもメリットがデメリットを大きく上回るとみんなが判断しています。ChatGPTも同様にルールを作りながら使っていくべきだと思うし、どんなに能力が高くても道具に過ぎません。人間が中心であり、生成AIは道具です。

▲　スライド8・ChatGPTはあくまでも道具である

こういった生成AIの現状を踏まえて教育をどう考えるべきでしょうか。私は、読み、書き、数学の教育が、AIの時代はさらに重要になると思います。小さい時にはひらすら本を読んで、小さい時に本を読む習慣をつけておくことが重要です。習慣がついていると、大人になってからも本を読みます。ものを考える力が本から得られます。数学を学ぶのは、微分積分のやり方を学ぶというよりは、論理的思考の能力を養うということに近いと思います。自分自身がそれをやったのは小学校高学年から中学、高校のはじめくらいまでです。中学生前後はひたすら数学を学ぶのがよいと思います。

▲　スライド9・AI時代の教育をどう考えるか

また、AIについてのリテラシー教育が必須です。AIというのはどういうものか、何ができて何ができていないのか、どこまで任せるべきなのかを考えることです。あとは教育のパーソナライズ化です。コンピューターを使うことによって、個人の能力や興味に合わせて教える速度や内容を変えられるのが長所だと思うので、その促進をします。

あとこれは自分自身も答えを明確に持っているわけではないのですが、「何を学ぶべきか」が生成AIの急速な進歩によって変わってくると思います。AIができることはAIに任せて、人間は人間しかできないことを学ぶべきです。AIは何ができるのかが変わってくると、人間ができることも変わってくるようになると思います。それに対応する学校の体制の準備が必要でしょう。

例えば生成AIはTOEICで950点をとっています。日本人の平均点は約600点です。普通の意味での翻訳はAIに任せるのが合理的なのかもしれません。「英語なんて教えなくてよい」と言っている人もいますが、個人的にはそこまでは思っていません。外国の文化を知ったり直接コミュニケーションがとれたりすることは大切だと思うので、英語は教えるべきだと思うものの、日本の教育ではかなり多くの時間を英語につぎ込んでいるのをどうするのがよいのか改善も必要でしょう。

学校で教育するにしても何を教えるのかについては早く見直した方がよいと思っています。あと、情報の教育は2022年4月から高校で必履修化されているのはご存じかと思いますが、それに対応して共通試験に「情報」が採用され、多くの大学入試で受ける必要があるようになりました。受験生の負担増という問題はあるものの、情報教育は必須で、大学からではなく小学校のプログラミング教育も含めて高校でもやるべきと情報処理学会は主張しています。試験問題にするのは大変だと思いますが、試験問題にしないと勉強しない、高校も力を入れないということがあります。高校で情報の免許を持った教員が少ないという問題があり、これは地方格差が大きいです。東京などの首都圏は教員がいますが、地方だといなくて、ほかの免許を持っている人が情報処理を教えています。これをどうやって変えていくかが現状の問題点です。

私自身がAIの専門家なので、AI自体の教育にも興味があります。大学ではAIの基礎は情報系の学科で教えて、それからAIの専門家になれるように最先端のことを教えています。AIの基礎をすべての学生に教えるべきです。教養としてのAIが必要でしょう。

▲　スライド10・AIの教育、
データサイエンスの教育も重要になる

その場合どんなカリキュラムがよいのか、どういう教科書がよいのか、それらを教えられる教師がどれだけいるのかということを考えると、残念ながら十分に整っている段階ではありません。データの扱い方の教育も、理系文系問わず必要だと思うので、大学1年、2年のうちにやらなくてはいけません。また、ここ数年で急速にAIが進んだため、大学を卒業した人たちにどうやって教えるか、これはリカレント教育の一部ですが、この体制が整っていないのが現状です。社会人大学院生の制度ができて大学院生を受け入れていますが、授業はオンラインがよいのか、対面がよいのか、どういうカリキュラムがよいのか、単位をどうのように扱えばよいのかまだ整理されていない段階だと思うので、これを何とかしなければいけません。

それでは、AIが進歩した時代に人間は何を学べばよいのでしょうか。まずは、AIが得意なことを考えてみます。AIが得意なことは、ルールが決まっていて範囲が限定されて、そのうえで一定の時間内に答えを出すことです。将棋や囲碁などのゲームがそうですが、AIが名人を超えたことからもわかるようにそういうタイプの問題は人間よりAIが得意なため、それを人間が競っても仕方ないです。

▲　スライド11・AIの時代に求められるのは
「考える力」

一方で、総合的な判断などはまだAIは不得意なため、そういうことを人間が役割分担としてこれから担っていく必要があります。そういった能力を育てる教育が重要です。それを抽象的にいうと「考える力」となります。

どうすれば「考える力」を養うことができるのでしょうか。これまでも教育はそれについて考えてきて、色々な方法論があってそれなりに成功してきました。ただみんながみんな考える力を養えたかというとそうでもないという反省点もあります。先ほど、ひたすら本を読むとかひたすら数学を学ぶと言いましたが、それはひとつの例です。自分自身が、ある時期ひたすら本を読んだのと、ひたすら数学を学んでいたのでこれが効果的ではないかと思ったのです。考えるというと、推論能力なので知識そのものは必要ないという考え方もありますが、そんなことは当然ながらなく、何か考えるためには材料が必要です。考える基本的な材料、最低限の必要十分な知識は持っていないといけないです。

ではそれは何か、それをどう教えるのかはわかっていません。それを明確にするのは難しいです。それを何とか具体的なものとして初等教育のカリキュラムに反映させる必要があると思っています。同時にリカレント教育など、生涯教育やリスキリングなど一生続く教育が重要です。

▲　スライド12・リカレント教育など
一生続く教育もAI時代には重要

日本は大学を出たら終わりという意識が強く、卒業後の教育体制が充実しているとは言いにくいところがあります。個人でも多くの人がどこかに授業を受けに通い最先端のことを学ぶという意識が日本は薄かったと思うので、その意識を変革する必要性があります。体制を充実させることも重要ですが、個人が勉強するという意識を強く持ってもらうことも重要です。

あとは生き方の改革の必要性もあります。例えば週5日仕事しても1日は目の前の仕事をするのではなく勉強の日にあてるなどがよいでしょう。Googleでは100％給料を払っているうち20％は直接に業務とは関係ないことをやってよいとしていました。今はそのルールは変わったと聞いていますが、Googleが最初のころ言っていたルールが私自身は気に入っています。会社を成長させるためには、従業員が勉強したりリフレッシュしたりすることが必要なのだと思います。今やっている仕事をこなしていくだけだと将来を考えることはできません。現実的には週末や夜に勉強するとなりがちですが、週末や夜にはまた他にやることがあるでしょう。そういったことも考えて、日々の業務時間の中で将来の勉強をするといった取り組みをやらないとリカレント教育は広まっていかないという認識を持っています。

＞＞　後半へ続く