AI時代の思考と学習の変容
2026.04.21
パラメトリック・ボイス GEL 石津優子
思考は、誰のものになるのか
AIがコードを書くようになりました。アプリ開発など、これまで専門性を要していた領域も、
自然言語で操作できる範囲に入りつつあります。GrasshopperやHoudiniのようなビジュアル
コーディングも例外ではなく、「書けるかどうか」ではなく「何を指示するか」が中心になり
ました。この変化は、間違いなく便利です。
しかしそれ以上に、思考の置き場所そのものが変わってきているように感じます。
最近、文章に対する違和感があります。AIが生成した文章は一見整っていますが、読み終わっ
たあとに何も残らない。焦点が曖昧で、どこにも引っかからない感覚があります。
一方で、自分自身の変化にも気づきます。長い文章を読むより、プロンプトを打った方が早い
と感じることがある。読書の時間が、別の行為に置き換わっている。情報環境も同様で、AIに
相談すれば否定されない答えが返ってきます。摩擦は減りました。しかしその分だけ、考える
きっかけも減っている気がします。気づくと、「自分が何に興味があるのか」が分かりにくく
なっている。
これは単なる情報過多ではなく、関心や思考の形成そのものを外に預けている状態なのではな
いかと思います。
「塗り絵」化する試行錯誤
先日、Grasshopperの研修に行ったときのことです。受講生たちは一見すると、熱心に試行錯
誤しているように見えました。しかしよく観察してみると、彼らはAIが指示したノードの繋ぎ
方をただなぞることに集中していた状態でした。「なぜそのトライをしたのか」「なぜそのエ
ラーが出たのか」を捉えきれていないのです。
本来、ビジュアルコーディングは論理の構造や思考のプロセスを視覚化し、操作できるように
するためのツールです。対象の構造を理解するための試行錯誤が、そこにはあったはずです。
しかし、AIが「このノードを繋げ」と答えを出してしまうと、それは論理の構築ではなく、AI
が描いた見えない下絵をなぞるだけの「塗り絵」へと変質してしまいます。
エラーが出ても、システムのエラーメッセージをコピーしてAIに貼り付け、「直して」と指示
するだけ。自分の理解とシステムの挙動のズレを内省するという、最も重要な「概念の摩擦」
を飛び越えてしまうのです。
「つくれない」のにつくれてしまう罠
ツールへの知識レベルが異なる人たちがAIを使ったとき、何が起きるか。ある実験結果が、こ
の問題をさらに浮き彫りにしています。
当然ですが、知識がある人はAIへの指示の精度が高く、出力される成果の質も高くなります。
一方で、学びの途中にある初心者は、曖昧な指示しか出せません。しかし恐ろしいのは、知識
がなくてもAIを使えば「何かしらの形にはなってしまう」ということです。
形になってしまうからこそ、学びの途中にある人は、その出力の「質」が判断できません。自
分がつくったもの（AIが出してきたもの）のどこが良くて、どこが破綻しているのか。その評
価ができないため、自分の作品に対してフィードバックを回すことができないのです。
本来であれば「つくれない状態」であるはずなのに、表面上は「つくれてしまう」。この状況
が何を意味するのか、深く考えさせられます。結果として、彼らは自分の現在地や出力の粗さ
に気づけないまま、あっという間にスキルの「頭打ち」を迎えてしまうのです。
試行は増えても、理解は増えない
ここで起きているのは、学習メカニズムの変化ではなく、むしろその破綻に近い状態です。
AIを使えば、結果はすぐに得られます。そのため、試行回数自体は増えます。一方で、「なぜ
その結果になったのか」を分解するプロセスは省略されがちになります。本来、学習とは、結
果とその背後にある思考の過程を往復することで成立していました。しかし現在は、結果だけ
が高速に返ってくるため、思考の過程を内省する前に次の試行に進んでしまう。その結果、試
行は蓄積されても、理解が蓄積されない状態が生まれます。
これは、「できているように見えるが、実は分かっていない」という状態を生みやすくします。
さらに厄介なのは、最終的に「動くもの」が完成してしまうため、この状態が他者からも、そ
して本人からも見えにくいことです。うまくいかない場合、その原因は「指示が悪い」とされ
がちですが、どの前提が間違っていたのか、どの分解が不十分だったのかを特定することは容
易ではありません。思考の過程が共有されないことで、学習そのものがブラックボックス化し
ていくのです。
AIを使って無自覚に試行を繰り返すのではなく、同じ時間を質の良い本や動画からの学習に充
てていれば、確実に理解できたはずのことが抜け落ちていく。それは単なる努力不足ではなく、
「費やす時間の方向性」が根本的にズレてしまっているのではないかと考えさせられる機会も
増えました。
学ぶ意味はどこにあるのか
指示の出し方だけを練習し、小手先のプロンプト術を覚えても、自分の中に「的確な指示を出
し、結果を評価するための想像力」がなければ何も生まれません。そして、その想像力を養う
ためには、泥臭い作業を通して人間自身の「抽象概念の理解」を鍛えるしかありません。
「電卓があるのに、なぜ算数を勉強しないといけないのか」
かつて子どもたちが抱いたこの疑問は、今やあらゆる仕事や知的活動に突きつけられています。
基礎的な理解がなければ、AIの出力の違和感に気づけず、質の低い指示を出し続けて何時間も
無駄にしてしまいます。しかし、AIを使えば「それなりの結果」がすぐに出る時代に、成果に
直結しない遠回りの勉強（摩擦を伴う作業）をやり直すことは、非常に意欲を持ちにくく、時
間も費やしにくいものです。私たちは、効率化の果てに「学ぶ動機」そのものを失いかけてい
ます。
さらにこの変化は、教育の根底にある前提をも揺るがします。これまで教育は、「人間はいず
れ衰え、世代が交代していく」という前提の上に成り立っていました。次の世代が社会を担う
からこそ、今学ぶ必要があるという構造です。 しかし、AIはその前提を揺るがします。適切
に維持される限り、知的能力を保持し続ける可能性があるからです。
もし「常に優れた知能にアクセスできる」状態が永遠に続くのであれば、自分が今ここであえ
て学ぶ意味はどこにあるのか。この根源的な問いに対して、もはやこれまでと同じ説明は通用
しなくなっているのです。
効率と理解が切り離される時代
この状況では、従来のように「作業を通して学ぶ」ことが成立しにくくなります。これまで、
多くの抽象概念は、コードを書くこと、図面を描くこと、エラーと格闘することなど、具体的
な作業を繰り返す中で身体化されてきました。そうしたプロセス自体が、思考の訓練として機
能していました。
しかし、AIによってその作業が代替されると、成果には到達できても、その過程を経験しない
ままになります。その結果、学びの構造そのものを再設計する必要が出てきます。
これからは、**「成果を得るための作業」と「学ぶための作業」**を意識的に切り分ける必
要があります。本来であれば自動化される作業を、あえて学習のために実行する。あるいは、
結果ではなく、思考のプロセスを評価対象にする。効率よくできることと、理解することは、
もはや同じではないのです。
自分の物語と、上達しないプロンプト
AIを使えば、一瞬で「正解」に見えるものに辿り着けるかもしれません。しかし、ただプロン
プトを打ち続けても、対象への理解が深まるわけではないため、自分自身は一向に成長できま
せん。結局のところ、プロンプトの質を上げるには、自分自身の理解を深め、経験を積むしか
ないことに気づくのです。それをせずにAIに委ねることは、「自分のものをつくる」ことでも、
「自分の物語を生きる」ことでもありません。
では、なぜ私たちは効率を手放してまで、理解のための作業に向き合うべきなのでしょうか。
それは結局のところ、「自分でできた」という純粋な喜びや達成感を手放さないためなのだと
思います。
出来上がったものが、決して世界で一番優れたものではなくてもいい。プロのように速く走れ
なくても、昨日より長く走れたら嬉しい。苦手だった算数で少しでも点数が上がったら誇らし
い。少し不格好な3Dモデルでも、自分で試行錯誤して印刷できた瞬間には、代えがたい喜び
があります。栄養を手軽に買える時代に、移動を簡単にできる時代に、私たちがわざわざ食べ
るものを気にして、汗を流して運動し「健康」を維持するように。これからの知的活動もまた、
成果のためだけではなく、「脳トレ」という言葉が示唆するような、人間自身の思考の「健康」
を保つための行為として捉え直されていくのかもしれません。
摩擦を手放さないために
この変化は、教育の前提だけでなく、私たちの知的活動そのものも変えていきます。AIによっ
て平均的なコンテンツは無限に生成されるようになります。その中で、「人が時間をかけてつ
くったもの」は希少になりますが、その良質なものにアクセスできるかどうかは、時間やコス
ト、そして個人の価値判断に依存していきます。
思考を外に委ね続ければ、価値判断もまた外に委ねることになる。
だからこそ、あえて負荷のある行為を選ぶ必要があるのだと思います。自分で考えること。人
と対話すること。エラーに向き合い、時間をかけて理解すること。そうした「摩擦」を、どこ
まで手放さずにいられるか。
プロンプトを打ちながら、そのことを考えています。
