過去2年間における大規模な言語モデルの急速な進歩により、人工知能が大学教育、特にリベラルアーツの教育をすぐに時代遅れにすると主張する人がいる。この見解によれば、若者は大学を飛び出し、直接仕事で学んだ方がいいということになる。

私は強く反対だ。実体験を通して学ぶことは価値があるし、これまでもそうだった。しかし、それが最も効果的なのは、どのような仕事やスキルがこれから求められるかをよく理解しているときだ。ひとつだけ確信できることがあるとすれば、それは、仕事の将来は不確実性が高いということだ。労働市場への早期参入を優先して大学進学を見送るよう若者に顧問するのは、よく言っても見当違いである。

現代AIのパイオニアの一人として広く知られているジェフリー・ヒントンは、かつて自身の分野の進歩を霧の中を進むことに例えた。従って、教育者にとっての中心的な課題は、霧のような状況でも効果的に活動できるように学生を準備することである。その答えは、すぐに陳腐化するかもしれない特定の仕事のために訓練するのではなく、可能な限り適応できるようにすることである。常に変化する課題に対して、固定された課題に対応できる人材を育成することは、戦略として間違っている。私たちは、不慣れな道や予期せぬ障害物を乗り越えることのできる熟練ドライバーを求めている。

この観点から、教育、特に高等教育はこれまで以上に重要な役割を果たす。将来、具体的にどのようなスキルが求められるかはわからないため、基礎に立ち返ることが不可欠である。リベラル教育は、「何をするか」よりも「どう考えるか」を重視する。推論する力、注意深く読む力、明確に書く力、証拠を評価する力を養成する。これらのスキルは、狭い技術的能力よりもはるかに長持ちする。

目標は、生徒が受動的な消費者ではなく、AIツールの重要なユーザーとなり、十分な情報に基づいた判断ができるようになることである。

ピネロピ・コウジアノウ・ゴールドバーグ

これはテクノロジーを無視するという意味ではない。それどころか、学生たちはAIを扱うことを学ばなければならない。しかし、その目的は、受動的な消費者ではなく、AIツールの重要な利用者であり、十分な情報に基づいた判断者となることであるべきだ。基礎的な数学、論理学、推論を教えること、基礎的なテキストに取り組むこと、議論がどのように構築され、検証されるかを学ぶことは、依然として不可欠である。これらは、個人が急速に進化するテクノロジーの先を行くためのスキルなのだ。

この原則は、「何を教えるべきか」「どのように教えるべきか」という2つの実際的な問題を提起している。

最初の問いは難しく、必然的に議論が巻き起こる。核となるコンセプトの重要性については大まかな合意が得られても、その詳細は時代とともに変化していくだろう。以前の技術に関する経験は、有益な指針を与えてくれる。電卓やコンピュータが導入されたからといって、算数を教える必要がなくなったわけではない。生徒たちは依然として計算の仕組みを学んでいるが、時間のかかる手計算が機械に委ねられるようになった。同様に、スペルや文法も依然として重要だが、延々とドリルを続ける必要性はソフトウェアに取って代わられた。

AIは多くの分野で同様の調整を求めている。大規模な言語モデルは現在、文章の要約や主旨の特定といった、長らく教育の定番であったタスクを非常にうまくこなしている。プログラミングや数量的な問題を解くこと、さらには文章を起草することについても、ますます同じことが言えるようになっている。このような活動がカリキュラムから消えるべきではないが、目標は変わるべきである。生徒たちは、実行のすべてのステップをマスターするのではなく、根底にある概念や論理を理解する必要があるのだ。

成功する学生は、明確に定義された目標を達成するためにAIツールを効果的に使用できる学生である。これは優れたマネジメントと同じで、成功するかどうかは、優先順位の設定、問題の構造化、利用可能なリソースの賢明な配備にかかっている。これらは概念的なスキルであり、狭い技術的なものではない。

2つ目の教育学的な問題は、学習をどのように強化し、評価するかということだ。理解するためにはある程度の練習が必要だが、AIはこれまで以上に生徒が自分で作業をすることを避けやすくしている。意欲的な学生でさえ、特に時間的なプレッシャーのもとでは、時には近道をしたくなるものだ。したがって、評価を大きく変える必要がある。持ち帰りエッセイ、問題集、モニターなしの試験はますます効果がなくなっている。それらに代わって、対面式の小テストや試験、口頭での評価、紙であろうとホワイトボードであろうとリアルタイムで解く問題が必要となる。

AIによる集中的な対面授業へのシフトは、公教育に最も依存している人々に不利益をもたらす可能性がある。

ピネロピ・コウジアノウ・ゴールドバーグ

このような変化は広範囲に影響を及ぼす。対面での出席、少人数制の授業、生徒と講師の直接的な交流が必要となる。多くの点で、これは旧来の教育モデルへの回帰を意味し、以前のテクノロジーによって導入された規模や標準化の一部を逆転させる。リベラルアーツ教育の新たな黄金時代の幕開けとなる可能性さえある。

しかし、このモデルには重大な懸念もある。教官にはより大きな責任が課せられ、教官は進んで基準を実施し、難しい判断を下さなければならない。教育機関は、そうする教官を支援しなければならない。同時に、個人的な交流に基づく評価は、偏りについての正当な懸念を引き起こす。標準化された試験には欠点があるが、少なくともそのバイアスは目に見える。口頭試験や個人的な交流に基づく主観的評価は、透明性が低くなる可能性がある。

おそらく最も深刻な課題は、不平等に関するものだろう。少人数制で高度に個別化された教育には費用がかかる。エリート教育機関はそれを提供できるかもしれないが、大規模な公立大学は苦戦を強いられるだろう。パンデミック時に遠隔地での学校教育が教育格差を広げたように、AI主導で集中的な対面授業にシフトすれば、公教育に最も依存している人々に不利益をもたらす可能性がある。

AIがオンデマンドで情報や個人に合わせたガイダンスを提供することで、AI自体が正式な教育の必要性を減らすという意見もある。しかしこれは、利用者が何を尋ね、どのように答えを解釈すべきかを知っていることを前提としている。最もやる気のある人や才能のある人は、そのような環境で成功するかもしれないが、そのような人は関係なく成功するだろう。正式な教育は、幅広い中間層にとって最も重要である。

AIが社会に利益をもたらすには、教育への投資を減らすのではなく、増やす必要がある。AIは雇用を奪うだろうが、同時に新たな雇用を生み出すだろう。教育は拡大する分野のひとつであるべきだ。AIが広く利用できるようになれば、教育の質はアクセスよりも、期待と実施に依存するようになるだろう。少人数制クラス、講師の増員、個人的な交流の強化にはコストがかかるが、AIが約束する生産性向上は、そうした投資を実現可能かつ価値あるものにする。

• ピネロピ・コウジアノウ・ゴールドバーグ氏は、元世界銀行グループのチーフエコノミストであり、American Economic Reviewの編集長である。

著作権プロジェクト・シンジケート