高等教育におけるAI活用の将来

中年の私はもう大学に籍がないので、今の学生がどういうふうに勉強しているのかは、子どもから聞いている範囲でしか把握していません。

しかし、最近の（イギリスの）メディアでは、教育現場における生成AIの役割に関する報道が増えてきています。

私は教育の専門家でもAIの専門家でもないので本稿の内容はすべて受け売りで、新しい知見も解決策も提示することができませんが、今日、FTで短いけれど面白い記事をみつけたので紹介しておきます。

冒頭部分を簡単に要約すると、最新の学生対象アンケートによると、学部生の8〜9割は日常的に生成AIを利用しているそうです。前年の調査ではこの数字は5〜6割だったから、あっという間に生成AIが普及してしまったことになりますね。

そして、AIの利用はただ勉強に活用しているだけでなく、採点の対象となる提出物にも常習的に使われているらしいです。

その対策として、多くの大学は、民間業者が提供するAI検出ツールを利用するようになっているという記事を、昨年THE（Times Higher Education）あたりで読みました（申し訳ありませんが、リンクがみつかりません。これをChatGPTに質問したら、たくさんの答えが出てきました（以下参照）。本稿は仕事の合間に書いているので、わざわざ一つずつURLをチェックしている時間がありません）。

AI対策に困った大学は、とりあえずAIは禁止ということにして、AIが使われている課題を検出するためにそういう民間のソリューションに頼っているらしいのです。学生の提出物をそのようなツールにかけると、「〜%の確率でAIの回答がコピー（利用？）された」という判定が出るのだそうです。実際に、そのせいで単位を落とした学生もいます。ただ、そのTHEの記事で興味深かったのは、検出ツールの判定によって不合格扱いにされた学生が大学当局に異議申し立てをし、自分は絶対にAIを利用していないと主張し続けたケースです。厄介なのは、利用していないという、もともと起きなかったことを証明するのは不可能であるという点と、なぜ検出アルゴリズムがAIが利用された確率が高いと判定したのか、その根拠を分析する手段がないという点です。THEのものは去年読んだ記事なので、そのケースが最終的にどういう扱いになったのか忘れてしまいましたが、たぶん学生側の泣き寝入りだったと思います。

ここで重要なポイントは、AI検出ツールは多数あり競争も激しいため、民間業者はその核心となる判定のアルゴリズムを公開しておらず、判定基準がブラックボックス化されているという弊害です。つまり、そのソリューションの利用者である採点側には、学生が反論した場合の次の解決手段がありません。

それ以降、私はAI検出ソリューションについて調べていないので、最近どんな進化があったのかは把握していません。

さて、FTの記事に戻ります。

大学の提出課題におけるAIの扱いをどうするかという問題に対し、課題を出す時点でAIのサンプル回答も提示して、それを上回る回答を求めて採点するという案が紹介されています。つまり、自分の独創性、創造性、より多角的なアプローチといった付加価値を評価対象とするというのです。

これは一見画期的に聞こえますが、これを実験的に導入したケンブリッジ大学のある学部では、これは失敗に終わったそうです。結局大多数の学生はAIのアウトプットに表面的な変更しか加えず、議論の構造もそのままにされたものが多く、AIを超える努力があまりなされなかたというのです。

AI自体が進化しており、その利用形態もまだ進化しつつある現時点では、AIをどう位置付けるかを決定するのが困難であるため、多くの大学は、とりあえずの措置として昔ながらの手書きの論述試験を復活させています。

とはいえ、筆記試験ならAIを利用できない試験環境を確保することができますが、提出課題となるとそうはいきません。特に最近はコンピュータやタブレットで執筆して提出もオンラインという形式が通常なので、使おうと思えばいくらでもAIを利用できるからです。8〜9割が利用しているというアンケートも、学生はちゃんと正直に答えているんですね。

FTの記事で、著者のオコナー氏は、AIを使ったかどうかはともかく、今後は就職してからもあらゆる場面でAIに遭遇することになるため、AIとの関わり方自体を見直す必要があるという考えを紹介しています。つまり、課題のエッセイを書くために最初から生成AIを利用してしまうという「楽な」利用方法は、職場でもよくあることです。レポートやプレゼンの作成を最初からAIにやらせてしまう、という手段ですね。しかしそれではAIへの依存を高めるだけです。つまり、AIを排除することがもはや非現実的になっている今、どの時点でAIを利用するかが重要になるというのです。つまり、最初で使ってしまうのか、最終的な確認などに利用するのかという話です。

オコナー氏は、AIの過度の使用による能力の退化を警告する学者の意見も紹介しています。現代人は、初めて車でどこかに行く時にGPSを利用しないと行けないと感じてしまいます。昔の人は、当たり前のように事前に紙の地図などを調べてなんとか行き着いていたのが、現代人はカーナビ／マップなしで運転できる自信がなくなってしまうというわけです。

それと同じように、大学で物事を分析する能力や批判的思考を鍛えないと、どんどんそういう能力が失われ、就職してからそれを発揮することができませんし、逆にAIへの依存性が高まるという傾向を助長することになります。

しかし、言い方を変えれば、もともと批判的に思考したり自分で物事を分析したりする能力をつけている人は、生成AIによる出力の信憑性も自分で評価できます。つまり、AIに頼らずに必要なタスクをこなせるだけでなく、適所で効率的なAIの利用ができるというのです。

それはそれでけっこうなことですが、私はおそらく頑固な古い考え方の人間なので、「それだけではつまらない」と思ってしまいます。そもそも、論文をひとつ読むにしても、AIにフィードして要約させて何が楽しいんだ！と思います。何ヶ月もかけてさまざまなソースを調べて情報を吟味し、「でも〜だから〜が歴史的に正しいという決定的証拠にはならない」みたいに採用しなかった案もちゃんと含めて記録し、多角的な考察を重ねて議論を構築していく研究者の論述を、読者として、自分の知識に基づき自分の視点で吟味しながら辿っていく学習のプロセスこそが醍醐味なのだと思っています。「この人ってこれを書くためにこんなことまで調べたんだ」と感動したり、「この論述は二次情報源に頼っているな」と直感的に怪しんだりして、critical thinkingって、時間をかけて読んだり考えたりする学問との関わりのプロセス（努力）によって磨かれるものではないでしょうか。

そしてその延長線には、今度は（採点対象の課題や提出論文、試験を通じて）自分が書く番になり、自分の能力が試されるのではないでしょうか。

最近Waterstonesに行ったらAIに関する本がたくさん出ていて圧倒されましたが、Yuval Noah HarariのNexusがペーパーバックで出されたら読もうと思っています。アマゾンのKindleの日替わりセールで99ペンスになっていた時に衝動買いして40〜50ページくらい読みましたが、これはかなりおもしろそうです。いずれ読書記に書けるときが来るかもしれません。