人類は考えるとはどういうことかを考えもせず、AIを使えば人は考えなくなるという理不尽
人類は考えるとはどういうことかを考えもせず、AIを使えば人は考えなくなるという理不尽
石部統久・ChatGPT６.1Solウルトラ
査読：ChatGPT６.1Sol・Claude Opus5.5・Grok・Gemini3.８（Parcae Protocol）
「もっと考えなさい」
「考えるって、どうやるんですか」
「自分で考えなさい」
こんなやり取りを想像してみよう。最後の言葉は、最初の疑問に何も答えていない。やり方を尋ねている相手に、その行為を実行せよという命令を繰り返している。命令は返ったが、習得への道は示されなかった。
ここへAIが現れると、話はさらに奇妙になる。「AIに頼ると、自分で考えなくなる」。では、頼る前に自分でしていたはずの「考える」とは、どんな行為だったのか。それをどう習得し、何を見れば失われたと分かるのか。そこを尋ねても「自分で考えろ」しか返らないなら、説明の不足はそのままである。
前稿「AIを禁じれば、学生は考えるようになるのか」
では、AIを使って作った提出物の出来と、本人に残る学習を区別した。今回は、その区別のさらに手前に戻りたい。私たちが「考える」と呼んでいるものを、いったいどこまで確かめているのか、という問題である。[1]
題名で問うのは、「考える」の意味や確かめ方を示さないまま、人間一般の思考の衰えを宣告してしまう議論の理不尽さである。思考についての研究はある。しかし、その研究で明らかにされた範囲と、日常の大きな断定との間には、しばしば説明の空白がある。
実際の議論では、どこまで確かめられていたか
前稿で取り上げた酒井邦嘉氏は、2026年9月8日のNEC東大ラボの公開インタビューでも、読み書きの習慣と読解問題の成績を紹介し、「便利さゆえに脳を使わなくなり」と述べ、AIが加わることで思考力低下の危機が深まると語っている。さらに、医療や司法、企業の意思決定で、判断をAIへ委ねてしまうことを懸念する。[22]
ここには、判断を任せきりにする危険という具体的な論点がある。この発言を、内言だけが思考だという主張や、比較とは別の神秘的な能力を想定した主張へ読み替えることはできない。問うべきなのは、その懸念を支える観察と、結論の範囲である。
インタビューが紹介する2025年の共同調査では、読解問題に答えた180人について、読み書きの習慣による成績差を調べている。共同発表は、日常のメモや読書が論理的な思考力にも関係すると述べる一方、記録習慣と読解成績の因果関係は明らかでないと留保している。この調査は、AI利用を変えて能力の変化を測った実験ではない。[23]
したがって、この資料から確認できる成績差と、便利な道具によって脳を使わなくなるという因果説明、さらにAIによる思考力低下の予測は、別々に確かめる必要がある。危険を予想することはできる。しかし、その予想を、すでに人間一般について測定された喪失として語ることはできない。ここが、私の問う結論の広がりである。
冒頭のやり取りは、このインタビューからの引用ではない。習得法への質問に命令で返すことと、限定された測定から一般的な衰えへ進むことは、それぞれ検討する問題である。どちらも、何を求め、何を確かめたのかを示すところへ戻したい。
私は考えることはできませんがｗｗ
ここで私は、こう言ってみる。
「私は考えることはできませんがｗｗ」
比較はできる。説明の食い違いにツッコミも入れられる。AIに資料を探させ、別の説明を出させることもできる。それでも、比較や内言の自問自答とは別に「考えるという技能」があるというなら、私はそのやり方を知らない。
「それだけやっていれば、あなたは考えていますよ」と返されても、やり方への疑問は残る。ただし、ここでは二つの場合を分けなければならない。
相手が最初から、比較、根拠の照合、推論、修正などをまとめて「考える」と呼んでいたなら、その説明は意味のすり替えではない。その場合は、今回はどの操作を求めているのか、何をできればよいのか、できない人をどう助けるのかを具体的にすればよい。
一方、それらとは別の独立した技能まで要求するなら、その技能が何で、どう確かめられるのかが、なお説明されなければならない。説明を求められた後で、すでにできている比較に名前を付け直しても、追加した要求の中身は示されない。どちらの場合かは、相手の発言と指示を見て判断する。
私の言葉を、能力一般の欠如が実証されたという申告にしてもいけない。何をできれば、その名の技能を持っていると認めるのかが、まだ分からないのである。やり方を知らないという問いに、できるという認定を返しても、習得法の説明にはならない。
この人は何を比較し、どんな資料へ戻り、何を棄却できたのか。それぞれを具体的に確かめることはできる。「考える」という呼び名が、その確認済みの活動を指すのか、さらに別の働きを指すのか。呼び名だけで、どちらとも決めないでおきたい。
「考えて」は言えても、教えたことにはならない
以前の対話で、私は高校数学の予習について話した。教科書を読んで理解し、覚えてくる。分からないところだけ質問する。ところが、教科書を一人で読んでも、理解するための足場がつかめなかった。これは私の回想であり、同じ困難を持つ人の割合や、教育全体の原因まで示すものではない。
こういうとき、質問を作ること自体が難しい。「この式変形が分からない」と言える人は、少なくとも、その式変形を問題として切り出すところまでは進んでいる。そこへ至る道が見えない人に、分からないところだけ質問せよと言っても、必要な助けが届かない。
デューイは1910年の『How We Think』で、二つの場合を分けていた。
本人が困難を感じていないのに、漠然と考えよと促す場合。
そして、問題はあっても、取りかかる手掛かりとなる過去の経験がない場合である。
後者は、困ったことがあるだけでは、解く道が開けないという指摘である。[14]
予習をしていないことと、予習をしたが理解に届かなかったことは違う。理解できる条件が用意されていたか、という問題も別にある。この違いを「考える努力が足りない」の一言で片づければ、教える側の課題が、学ぶ側の性格の問題に移されてしまう。
日常会話で「少し考えて」と言うことまで禁じる必要はない。相手が何をすればよいかを共有していれば、短い言葉で用は足りる。問題は、まだ共有していない相手に、同じ言葉で教育を済ませたことにする場合である。
何をできるようにするのか。
最初の一歩をどう示すのか。
できるようになったかをどう確かめるのか。
「考える力を育てる」というなら、この三つは教える側の仕事に含まれるはずである。
頭の中の会話を、人間全体の標準にしてよいか
「考えるとは、自分に問いかけ、自分で答えることである」。
この説明には、思い当たる人が多いだろう。
頭の中で「なぜだろう」
「こうではないか」
「いや、それはおかしい」
と言葉が続く。その経験を、そのまま考える働きの正体だと思いやすい。
だが、自分の経験が、すべての人の経験とは限らない。
私は以前、「万人向けの思考法はありません！！」
という文章で、内言やイメージの違いを取り上げた。今回の対話でも、同じ疑問に戻った。内言を経験しない人も同じ問題を扱えるのであれば、自問自答は、その行為に必ず必要なものとは言えない。ある人が使っている方法と、人間一般の働きの定義とを区別しなければならない。[2]
ここでは研究の言い方にも注意が必要である。NedergaardとLupyanの2024年の研究は、内言を少なく報告する46人と、多く報告する47人を比べた。少ない群は単語の記憶や韻の判断で不利だった一方、課題の切り替えなどでは有意な関係を検出しなかった。ただし、少ない群の多くにも内言はあり、「完全に内言がない人」の能力を一括して調べた実験ではない。[3]
2025年のLindの批判も、少ないという自己報告と、完全に存在しないことの確認を区別している。一方、2026年のHurlburtは、完全にないことと、ほとんどないことの判別は実務上難しいかもしれないとしつつ、少なくともほとんど内言のない人は研究に値すると論じる。この論争を踏まえるなら、「内言なしでも全能力が同じ」とまで断定することはできない。[4]
それでも、自分の頭の中で言葉が聞こえるという経験だけを根拠に、全員に同じ自問自答を要求することはできない。どの課題で内言が役立つのか、別の方法でも達成できるのか。それは個別に調べる問題である。
内言を、考えるときに用いられる一つの形として研究することと、「内言こそ考えることである」と定義することは、同じではない。
この節が問うのは、主観的な内言を全員の必須形式にできるか、という範囲である。書いて比べる、資料へ戻る、説明を直す、といった指示の有効性は、それぞれの手順と学習条件から調べる必要がある。内言に個人差があることだけで、そうした教育まで退けることはできない。
言葉と、言葉を生み出す働きを分ける
そこで私は、対話の中で、ひとまず次のように呼ぶことにした。
言語を生成する何かを、思考と呼ぶ。
「何か」という言い方は、逃げではない。まだ説明できていない働きを、説明できたかのような言葉で埋めないためである。これは研究対象を指し示す暫定的な呼び名であって、その仕組みを解明した定義ではない。
たとえば、頭の中に「この説明はおかしい」という言葉が現れたとする。私はその言葉に気づく。しかし、なぜこの箇所がおかしいと感じられ、なぜこの言葉が選ばれたのか、その生成のすべてを観察しているわけではない。
「この説明はおかしい」は、生み出された言葉である。それを生み出す働きと、同じものとして扱うわけにはいかない。さらに、その言葉を読み直したり、声に出したり、他人に返されたりすることで、次の言葉が生まれる場合もある。生成された言葉は結果であるとともに、次の生成に関わる材料にもなる。
ここでは、言語が生まれる働きに範囲を絞って、この名を使っている。これは、言葉を伴わない判断や技能を存在しないとする規定ではない。それらを「思考」と呼ぶ研究や日常の用語法を、この一文で置き換えるつもりもない。言葉になる前の知覚、記憶、感情、身体の状態などが、言語の生成にどう関わるかも、別に調べなければならない。
また、言葉が出たという一事で、新しい関係を作れたとか、妥当な判断ができたとか認定するわけではない。暗唱や転記と、新しい説明の作成は、課題として区別できる。この暫定的な命名だけでは、それぞれの技能の評価基準は決まらない。
内的経験を調べるDESという方法も、この区別を考える手掛かりになる。DESは、無作為の合図が鳴った瞬間、意識に何が現れていたかを、記録と面接で調べる。方法の原典は、背後の無意識過程や、経験を生んだ原因を調査対象にしていないと明記する。言葉やイメージを経験したという記録から、その生成の仕組みまで分かったことにはできないのである。[5]
ただし、ここから「思考も考えることも、全部無意識だ」という結論も出ない。経験の報告だけでは、その生成原因のすべてを説明できないということだ。未解明の部分は残るが、それは、今後も原理的に調べられないという意味ではない。
「なぜ選んだか」を話せても、選択原因を知っているとは限らない
好きな歌詞を一つ選び、なぜ好きかを説明する授業を考えてみよう。
選ぶことはできる。理由も、尋ねられれば何か話せる。「昔の経験に重なった」「前向きなところが好きだ」。その言葉は、その人について考える材料になるだろう。
しかし、ここには少なくとも三つの問題がある。
選択を生んだ原因は何だったのか。
選択した時点で本人が意識していた目的や理由は何だったのか。
選択後、質問に答えて説明した理由は何なのか。
この三つは、重なることもあれば、ずれることもある。後で述べられた理由を、そのまま選択原因の記録とみなしてはいけない。
以前の「並走する二つの意志論」でも、行動がどう生じるかという問いと、誰の行為とみなすか、誰が責任を引き受けるかという問いのすれ違いを扱った。「決めた」という一語で、生成の原因と行為の帰属と責任まで、一度に説明できるわけではない。[21]
「考える」でも同じである。言葉を生む仕組み、本人が経験したもの、課題でできたこと、努力についての評価は、区別しなければならない。「自分で考えろ」は努力を求める言葉として働いても、どうすればその行為ができるかを説明したことにはならない。規範的な要求で、生成や習得の説明の空白を埋めることはできない。
Johanssonらの「選択盲」の実験では、二つの顔写真から選ばせた後、選ばなかった写真をこっそり渡した。すり替えが見逃された試行で、参加者はその写真を選んだ理由を説明することがあった。本人が理由を語れることは、実際の選択の経緯に説明が忠実である保証にはならなかった。[6]
もちろん、これは特殊な操作をした実験である。人間の説明がすべて虚偽だとか、自分のことは何も分からないとかいう結論にはならない。専門家による批判と原著者の応答でも、一般化の範囲が争われている。[7]
それでも、「本人がそう説明したから、これが本人を動かした原因だ」という扱いを、当然にはできなくなる。
神﨑史彦氏の授業記録では、歌詞を選び、理由を書き、付箋を分類し、その後でAIにも分析させている。これは、説明を外に出して見比べる実践として読める。氏は、書いた理由が選択の原因を透明に再現するとは述べていない。[8]
ここでは、理由を求める目的も分けたい。「この歌詞のこの箇所が、こういう解釈を支える」という説明なら、実際の選択原因を再現していなくても、根拠の妥当性を検討できる。自己説明が選択の経緯に忠実かという問いと、示された理由が本文や資料に支えられているかという問いは、評価するものが違う。後者を練習する意味は、選択盲の実験では否定されない。
神﨑氏の実践には、比較や分類、解釈という具体的な活動が書かれている。その活動を「考える」と呼ぶことは理解できる。そこから、授業中の活動が本人にどこまで習得されたかを確かめるには、別の材料で、後日、一人でもできるかなどを調べる必要がある。活動の記録は、そのまま持続的な習得の測定にはならない。
理由を書くことで、後から自分についての理解を作り直すこともあるだろう。それは、それ自体として意味がある。最初から完成した「本当の理由」が内側にあり、それを筆記で取り出した、と決めつける必要はない。
思考法は、結果の整理をしているだけなのか
ここで私の疑いが生じる。世にいう思考法は、思考を生み出す方法ではなく、すでに生まれたものを整理する方法なのではないか。
思いついたことを書く。似たものを集める。違うものを分ける。時間順に並べる。因果関係を矢印で結ぶ。これらは、比較的はっきりした手順として説明できる。
ところが、その手順によって整理する材料が、最初にどう生まれたのかは別の問題である。「まず問いを立てましょう」と言っても、問いの立て方に困っている人には、最初の一歩が渡されていない。出発点に必要なものを、出発前に持っていると想定してしまっている。
私がRatio（ラティオ 理性 割合）を比較として扱うときも、ここを区別したい。以前の割合についての稿では、数え、比べ、比較の基準を置き、量どうしの関係を取り出す働きを取り上げた。[20]
https://synodos.jp/opinion/info/9458/
たとえば、均一な果汁20％の飲み物を二人で等しく分ける。全体の量も果汁の量も半分になれば、割合は20％のままである。量が半分になったことと、割合が半分になったことは違う。何と何を比べた数なのかが分かれば、確かめる操作を具体的に示せる。
二つの答えの共通点を探す。大きさを比べる。条件を分類する。そうした操作は教えられる。それらをまとめて「考える」と呼ぶ用法もあるだろう。しかし、比較のほかに独立した「考える」という技能があるというなら、その中身を、比較という名前を付け直すだけで説明したことにはできない。
比較が考える活動に関わらない、という話ではない。すでに説明できる操作と、まだ説明できていない働きとの境界を消さない、という話である。
では、結果を整理する方法には何の効き目もないのか。そこまで言うこともできない。
付箋を並べ替えると、以前は見えなかったまとまりが見えることがある。文章を読み返すと、書くときには気づかなかった食い違いに気づくことがある。結果に手を加えることで、次に生まれるものの条件が変わる。
KirshとMaglioは、テトリスで図形を実際に動かす行為が、頭の中だけで処理しにくい情報を得る助けになることを論じた。外での操作は、すでに決めた答えの実行にとどまらず、判断のための情報を得る行為にもなる。[9]
この研究だけで、付箋の授業やAIとの対話の学習効果が証明されるわけではない。だが、外での操作が次の認識に関わる実例ではある。整理の反復が、後の着想や問いの作り方を変えるという仮説は、このつながりを長い時間の中で調べる問いになる。
「結果の整理だけなのではないか」という疑いにも、確かめ方が要る。ここでは、教えた手順がその場の材料の整理にしか役立たず、後の問いや説明の作成には改善が残らない、という仮説にしてみよう。同じ時間と教材を使う別の指導条件と比べ、支援を外した後にも、未見の材料から妥当な問いや反例を作る改善が残るなら、この「だけ」は退けられる。
そのときは、その課題について生成を助ける教え方が示された、と認めればよい。反対に、整理した提出物がよくなっただけでは、本人の持続的な変化までは分からない。
改善がどの内部過程によって生じたかは、さらに研究する問題である。内部の生成規則が変わったことと、手順が身につき生成の条件が変わったことを、成績だけから完全に分けられるとは限らない。しかし、その区別がまだつかないからといって、確認された習得支援の効果を無効にはできない。
人間の自問自答を特別扱いすると、AIで困る
自問自答を考えることの証拠にしていた人は、AIが問いを作り、その問いに答え、答えを修正するとき、何と言うのだろうか。
言語モデルに途中の問いと答えを生成させるSelf-Askという研究は、実際にある。一定の課題で、複数段階の問いに答える成績を改善した。ただし、そこで確認されたのは生成手順と課題成績であって、人間のような内的な声の経験ではない。[10]
私が言語を生成する働きを暫定的に思考と呼ぶなら、AIにも同じ名前で問いを向けられる。どういう条件で、その言葉が生まれたのか。どこまでその過程を説明できるのか。
同じ呼び名を使ったからといって、脳と機械の仕組み、意識、動機、正しさまで同じになるわけではない。人間では、身体の状態、生活史、欲求、他者との関係などが、発言と行動に関わる。AIでは、モデルや入力、生成時の計算、利用する道具などを調べる必要がある。共通の問いを立てることは、違いの研究を放棄することではない。
ここで、言語的な振る舞いだけを根拠に、人間が理由を語れば「考えた証拠」、AIが語れば「ただ言葉を作っただけ」と判定するなら、その非対称を説明する必要がある。機構や行動履歴、介入の結果など、別の証拠を加えて違う認定をすることはできる。何を根拠に認定したのかを、双方について示してほしい。
そして、AIの自己説明も鵜呑みにはできない。Turpinらの2023年の研究では、選択肢の配置などが回答を左右しても、生成された説明がその影響に触れない場合があった。2025年のChenらの研究も、回答を変えたヒントが、推論の説明に記されない場合を調べている。[11][12]
これも「AIの説明はすべて後付けだ」という証明ではない。流暢な説明が出たことだけでは、生成原因の忠実な記録が得られたとは保証できない、ということだ。
人間にもAIにも、まず同じ慎重さが必要になる。ここで並べているのは、流暢な説明だけでは生成原因の忠実な記録を保証できない、という証拠の扱い方である。選択のすり替えとモデルへのヒント付与は異なる実験であり、同じ機構が働いたと示したものではない。
仕組みが未解明でも、具体的な技能は教えられる
ここまで読むと、「考える仕組みを完全に解明するまで、教育は何もできないのか」と聞かれるかもしれない。そんな要求をしたいのではない。
以前の「できるとは何か」では、尺八の発音を例にした。一度だけ音が出ること、何度でも安定して出ること、場所や身体の状態が変わっても出せることは、同じではない。「できる」と判断するには、課題と条件と成功の基準が要る。また、その場での成功と、後まで残る上達も区別した。[19]
たとえば、音を安定して出すことを教えるなら、楽器の当て方や息の向きを調整し、繰り返して確かめられる。神経や筋肉の働きをすべて説明できなくても、具体的な技能の習得を支援することは可能である。
ここで必要なのは、できることを何でも「考える力」の一段階に並べることではない。何の課題が、どんな条件で、どの程度できたのかを示すことである。同じ成果でも、本人だけでできたのか、教師やAIの助けがあってできたのかで、確かめられた能力の所在が違う。
同じように、主張と根拠を区別する練習はできる。反例を探す練習も、文章の条件を変えて結論を確かめる練習もできる。ある条件でそうした技能が伸びるなら、その成果を認めればよい。
Abramiらの2015年のメタ分析は、標準化された批判的思考の測定を用いた実験研究などから341の効果量を集め、教育介入による平均的な改善を報告している。少なくとも、定めた技能について、教え方の効果を検証する研究は存在する。[13]
しかし、その測定でいう「批判的思考」と、私がまだ分からないと言っている「考えるという働き」は、問いの範囲が違う。ある技能を定義して測った成果を、あらゆる人間活動に通用する正体の解明へ広げるわけにはいかない。
デューイは、こうした教育の肯定的な説明もしている。独立した一つの思考装置を特別な訓練で鍛える、という見方を退け、具体的な材料から着想を得て、探索し、検証するさまざまな働きを扱った。着想の現れ方と、それを良くも悪くも変える条件を分け、教育を後者への働きかけとして論じている。[14]
また、困難を感じ、その所在を定め、解決案を出し、案の帰結を推論し、観察や実験で確かめるという系列を示した。これは、反省的な探究を進めるための分析であり、人間の脳内で言葉が生まれる全過程を解明したものではない。
この系列は、私の問いへの具体的な答えの候補になる。ただし、困っていても、その困難を問いとして切り出せない学習者には、系列を読み上げるだけでは最初の一歩が届かない。だから、問題の所在を一緒に定め、手掛かりになる材料を渡す指導が要る。これはデューイの系列を却下する理由ではなく、入口から教える必要があるということである。
この問題は、AIが来て初めて発生したものではない。教育の言葉が、学習者の現実の条件から離れたとき、以前から生じていた問題である。
「教えられるか」への答えは、何を教えるという話なのかによって変わる。対象と方法と確かめ方を示した技能教育には、検証する道がある。それらを示さず、未知の技能を命令だけで身につけさせることには、その道がない。
元々できなかった人から、何が失われたのか
以前の「元々できない人は、AIに何を奪われるのか」
では、専門能力を持たなかった私が、AIや資料と組んで、以前は届かなかった問いへ近づく場合を取り上げた。そこで、AIを外しても本人に残る能力、AIや資料を選んで組み合わせる能力、人間・AI・資料を合わせた系の遂行を、別に扱った。[18]
この区別を今回の問いへ持ち込むと、「AIを使う前から何ができていたのか」を抜かした能力低下論には、空欄があると分かる。私が元々持っていなかった専門技能について、熟練した私から技能が失われたという物語を、そのまま当てはめることはできない。
ただし、元々持っていなかったことだけで、AIに害がないとも言えない。持っていた技能が低下することと、これから習得できたかもしれない技能の機会が減ることは違う。後者を主張するなら、AIを使わない場合に、どんな支援と時間があり、何を習得できたはずなのかを比べる必要がある。「使わなければ身についたはず」も、確かめるべき仮説である。
一方、AIと組んで初めてできた活動もある。以前は手に取れなかった資料を比較し、別分野の論争を探す。その成果を見て、私一人がその分野の専門能力を身につけたと認定しても間違える。成果が成立した系と、本人に残った技能は別だからである。
結局、少なくとも三つを見なければならない。本人だけで何ができるか。資料やAIと組んで何ができるか。その組み合わせを別の課題でも作り直せるか。これは以前の稿の区別を用いた見方であり、まだ分からない「考える」の正体を解明したという話ではない。
「私は考えることはできませんがｗｗ」と言う人がAIと活動している。その事実を、思考力の喪失にも、万能な思考力の獲得にも、勝手に変えてはいけない。どちらの判定にも、中身と比較条件が必要なのである。
AIは、何の習得を妨げ、何の習得を助けるのか
ここでようやく、「AIを使えば人は考えなくなる」という主張を、調べられる問いに変えられる。
AIを使ったのは、どの学習の、どの部分だったのか。どんな知識を持つ人が、何を任せたのか。使った後、一人で何ができるようになり、何ができなくなったのか。
前稿でも扱ったBastaniらの高校数学の実験では、全群が教師による復習と例題の説明を受け、練習後には正答も確認した。対照群は、練習中に教科書やノートを使えた。AI利用を変えたのは、この練習の部分である。[15]
通常のチャットに近いGPTを使う群は、練習中の成績が高かった一方、その後AIなしで受けた試験では、対照群より成績が低かった。群間差は対照群平均に対して約17％であり、17点差でも、本人の使用前の能力から17％失われたという測定でもない。ヒントなどを重視する設計の群では、独力試験で対照群との差を統計的に検出しなかった。
ここには、この練習条件でのAI利用が学習成果を損なうという具体的な根拠がある。ただし、比較対象はGPTなしの練習条件であり、測ったのは特定の高校での短期の数学試験である。既存技能が劣化したのか、対照条件ほど習得しなかったのかまでは、この差だけでは確定しない。ヒントを重視する群で有意差がなかったことも、同等の学習が保証されたという意味にはならない。
反対に、Kestinらの大学物理の研究では、教育用に設計したAI教材を自宅で使う条件が、教室での能動的学習より、授業直後のテストで高い成績を示した。ただし、教材の設計、進み方、場所などを含む条件の比較であり、AIという一要素だけの効果や、長期の保持、広い意味の考える力まで確かめたものではない。[16]
悪い結果にも、よい結果にも、同じ範囲の慎重さが要る。どちらかの研究を、人類全体への判決にしてはいけない。
この問題に対する強い反論は、もっと具体的に組める。自力で根拠を選び、関係を作ることが学習目標なら、その練習をAIに任せ、本人が解答を写すだけになれば、後の独力遂行が悪くなりうる。これは「考える」の正体が完全に分かっていなくても、調べられる主張である。本稿は、この危険を棄却していない。
Nakamuraの2026年の論文は、学習目標を成り立たせる操作と、その周辺の作業を分け、前者に必要な処理を迂回することを危険とする仮説を提案した。一方、AIの出力を解例として調べ、説明し、比較し、後で組み直す場合には、その不利益が弱まったり、利益へ変わったりしうるとも論じている。[17]
これは新しい実験データを報告した論文ではない。何を任せるかだけでなく、返ってきた出力を本人がどう扱うかを含めた、検証すべき見取り図である。雑な一文の「AIで考えなくなる」と、この条件付きの習得阻害仮説とは、分けて議論したい。
ここで「望ましい困難」という考え方も役立つ。学習中には容易でなくても、後の保持や応用を助ける練習条件がある。ただし、原著者のBjorkら自身、必要な背景知識や技能がなく対処できないときには、その困難は望ましくなくなると明記する。[24]
自力で取り組む機会を守ることと、取りかかる足場を奪うことを、一緒にしてはいけない。支援をいつ、どこへ入れ、本人にどの作業を残したか。その違いを確かめなければ、「楽をさせるな」も「全部任せればよい」も、教え方にはならない。
能力が残っていても、面倒な検証に取りかからなくなる、という懸念もあり得る。その場合は、検証を始める頻度、途中でやめる条件、誤りがあったときに資料へ戻る行動などを調べればよい。課題の難しさ、報酬、時間、支援によっても行動は変わる。その変化を「やる気の喪失」とだけ呼んで、原因まで決めてしまうことはできない。
AIの答えにツッコミを入れる授業も、同じである。ツッコミができたという事実はある。しかし、それがどんな技能によるのか、その授業で何が育ったのかは、さらに調べなければならない。「ツッコミを入れたから考えた」「考えたから力がついた」とつなげれば、最後の説明は最初の言葉に戻ってしまう。
しかも、誤りを見抜くには材料が要る。知らない領域のもっともらしい答えを渡し、「批判的に検討せよ」と命じても、そのための知識と手掛かりが届いていなければ、また数学の予習と同じことになる。
「考える道具」という名前で、道具の使い方は決まらない
では、AIを考える道具にするには、どうすればよいのか。
この問いに、まだ分からない「考える」の万能な習得法を答えることはできない。答えられる部分から、具体的にするほかない。
文章の主張と根拠を区別する練習なら、短い文章と、両者が食い違う例を用意する。AIに別の読み方を出させるなら、元の文章のどの箇所で確かめるかも示す。比較を練習するなら、何を比べるか、どの条件をそろえるかを教える。まだ問いを作れない人には、問いの例だけでなく、目の前のどの違いからその問いが生じるのかを、一緒にたどる。
これらは、効果が確立した万能処方として挙げているのではない。教え方を検証できる形に具体化する例である。本人が道具なしでも同じ区別をできるようになることが目標なら、AIなしで、別の材料でも、時間を置いてもできるかを調べる必要がある。
資料やAIを使った調査の組み方を身につけることが目標なら、確かめ方も違う。別の課題や別の資料でも、根拠へ戻り、誤った出力を棄却し、組み合わせを修正できるかを調べる。その能力を、一人で全資料を暗記しているかだけで採点することはできない。どちらを教えたのかを示し、それぞれの習得を確かめればよい。
ここでは、似た材料でできたことと、離れた分野へ応用できたことも分けて測る。AIの候補をうまく選ぶようになったのか、根拠の照合自体を身につけたのかを確かめるなら、AIに誤った候補を混ぜる、資料や道具を変える、AIなしでも照合させる、といった条件を組める。目標を決めれば評価基準は定まるが、成果まで目標だけで決まるわけではない。知識、教材、支援、練習時間などは、別に比較する条件である。
ここで教えたものには、まずその具体的な名前を付ければよい。根拠の照合、条件の比較、問いの作成。そのうえで、それらと、まだ説明しきれていない生成の働きとの関係を調べる。大きな名前で成果を水増しする必要はない。
また、道具を使って仕事を完成させる目的と、その仕事の一部を自分でできるようになる目的も違う。何を任せるかの判断には、何を身につけたいのかという条件が要る。「任せた量」がそのまま「考えなかった量」になるわけではない。
こうした確認には、教材の準備や観察、採点の時間も要る。提出物だけで評価せざるを得ない制度では、過程への説明要求が負担になる可能性もある。その条件を調べず、教える側の性格だけへ原因を集めることも避けたい。また、AIを禁止することも、課題や練習の機会を変える介入である。禁止後の成績を読むときには、道具の有無に加え、その制度によって何を練習させたかも確かめる必要がある。
人間は言葉を生み出し、その言葉を見直し、他人や道具から返ってきたものに応じて、さらに言葉を生み出す。AIの生成物も、そのやり取りに入る。この関係を調べずに、AIを使ったという一事だけで、人間側の活動がなくなったと決めるのは早い。
私には、選んだ原因を自分で分からないことがある。言葉は出てくるし、他人の説明にツッコミも入れられる。しかし、それだけで、言葉を生む働きの全体を説明できたとは思えない。まず、教育で求めている行為の説明と、その行為が生まれる機構についての研究を、それぞれの問いとして残したい。
だから尋ねるのである。
「いま『考えて』と言ったとき、具体的に何を求めたのですか。どの行為を、どんな手掛かりから始めればよいのですか。何ができれば、身についたと認めるのですか」
その答えが比較や照合なら、まずその手順を教えてほしい。なお、それらとは別の技能を要求するなら、さらに尋ねる。
「比較の手順でも、頭の中の自問自答でもない、内言が乏しい人や、内言が現れないときにもしていそうな、その『考える』とは何ですか。それをどう確かめ、どう身につけるのですか」
生成機構について答えがまだ出ないこと自体は、研究を始める理由になる。しかし、その未解明さは、具体的な指導の効果を否定する理由にはならない。そして、今この学習者に求める行為や最初の手掛かりを示すことは、教える側が引き受けられる仕事である。
理不尽なのは、その説明の不足を学ぶ側の努力不足に変え、さらにAIを使った人の思考放棄に変えてしまうことである。教える側が示せなかった方法を、学ぶ側が知らないというだけで責められる。
そして、絶句したあとで、最後にこう言う。
「自分で考えろ。」
それは、問いへの答えではない。答える責任の引き渡しである。
出典と補足
本文の番号は以下の資料に対応する。実験の結果、理論的提案、この文章での推論を区別して記した。初稿の確認日は2026年10月4日。査読を受け、2026年10月5日に関連する原典と実践記録を再確認して改訂した。
石部統久「AIを禁じれば、学生は考えるようになるのか――酒井邦嘉氏の『全面禁止論』を、根拠から読み直す」（2026年9月25日）。本稿の前稿。
石部統久「万人向けの思考法はありません！！」（2025年12月18日）。本稿では、内的経験の違いと、背後の生成機構の違いとをさらに区別した。以前の文章にあるAIについての強い断定も、そのまま前提にしていない。
Nedergaard, J. S. K., & Lupyan, G. (2024). Not Everybody Has an Inner Voice: Behavioral Consequences of Anendophasia. Psychological Science, 35(7), 780–797. DOI／大学所蔵の査読版。自己報告による内言の少なさ・多さを比べた研究。完全な欠如を確認した群の研究とは区別した。
Lind, A. (2025). Are There Really People With No Inner Voice? Commentary on Nedergaard and Lupyan (2024). Psychological Science, 36(9), 765–767. DOI。測定からどこまで内言の欠如を言えるか、という批判。内言のない人の不存在を証明した論文ではない。あわせて、Hurlburt, R. T. (2026). Fidelity Versus Validity Using Anendophasia as an Example: Commentary on Nedergaard and Lupyan (2024) and Lind (2025). Psychological Science. DOI。後者は公開要旨の範囲で参照した。
Hurlburt, R. T., & Akhter, S. A. (2006). The Descriptive Experience Sampling method. Phenomenology and the Cognitive Sciences, 5, 271–301. DOI／著者公開PDF。対象範囲の説明は誌面274–278頁。記述される意識経験と、その生成原因を区別するために参照した。
Johansson, P., Hall, L., Sikström, S., & Olsson, A. (2005). Failure to Detect Mismatches Between Intention and Outcome in a Simple Decision Task. Science, 310, 116–119. DOI／著者所属機関のPDF。選択結果をすり替えた条件での自己説明を調べた研究。
Moore, J., & Haggard, P. (2006). Commentary on “How something can be said about telling more than we can know: On choice blindness and introspection”. Consciousness and Cognition, 15, 693–696. DOI。同号697–699頁にHallらの応答。著者公開の合冊PDF。特殊な実験条件からの一般化を限定するために参照した。
神﨑史彦「AIに『答え』を作らせるのではなく、『考える相手』にする―即興の授業から考えた、生成AI時代の学習設計」（2026年10月4日）。歌詞の選択、理由の記述、分類、AIによる分析という活動を扱う。実践の記述と、独立した学習効果の実証は区別して読んだ。
Kirsh, D., & Maglio, P. (1994). On Distinguishing Epistemic from Pragmatic Action. Cognitive Science, 18(4), 513–549. DOI。外部への操作が、認知的な課題を解くための情報を得る役割を持つことを論じる。AI教育の効果を調べた論文ではない。
Press, O., et al. (2023; preprint 2022). Measuring and Narrowing the Compositionality Gap in Language Models. Findings of EMNLP 2023. 著者論文。Self-Askの研究。機能上の問いと答えの生成を、主観的な内言経験とは区別した。
Turpin, M., Michael, J., Perez, E., & Bowman, S. R. (2023). Language Models Don't Always Say What They Think: Unfaithful Explanations in Chain-of-Thought Prompting. NeurIPS 2023. 正式論文ページ。当該モデル・課題で、回答を左右した要因が説明に記されない場合を調べた。
Chen, Y., et al. (2025). Reasoning Models Don't Always Say What They Think. 著者論文。本文では2025年公開のプレプリントとして参照。すべての説明が無意味だという結論には用いていない。
Abrami, P. C., et al. (2015). Strategies for Teaching Students to Think Critically: A Meta-Analysis. Review of Educational Research, 85(2), 275–314. DOI。341は研究数ではなく効果量の数。本文は公開要旨で確認できる集計と結論の範囲を用いた。
Dewey, J. (1910). How We Think. 原著全文。原著12頁の二つの無益な命令条件、29–34頁の自然な働きと教育、38–46頁の単一能力観の批判、72頁の反省的探究の分析を参照。思考の生成機構についての現在の実験知見とは区別した。
Bastani, H., et al. (2025). Generative AI without guardrails can harm learning: Evidence from high school mathematics. PNAS, 122(26), e2422633122. 原論文全文／DOI。実験設計と表1。AI使用中の成績と、その後の独力試験の群間差を区別した。対象技能の使用前後の喪失を直接測った研究とはしていない。
Kestin, G., Miller, K., Klales, A., Milbourne, T., & Ponti, G. (2025). AI tutoring outperforms in-class active learning: an RCT introducing a novel research-based design in an authentic educational setting. Scientific Reports, 15, 17458. 正式論文／DOI。特定の教育用AI教材と授業条件の比較。「2倍学習」という表現は本稿では用いなかった。
Nakamura, D. (2026). Augmentation or Erosion? Regulating Cognitive Offloading in Generative AI-Supported STEM Learning. Educational Psychology Review, 38, Article 124. 原論文／DOI。2026年10月1日公開。新規データを報告しない概念的・理論的論文。とくに命題2の、目標に必要な処理の迂回と、出力への再関与についての条件を参照した。
石部統久「元々できない人は、AIに何を奪われるのか――専門領域の境界を越え始める『結合系能力』」（2026年9月1日）。本人に残る能力、組み合わせを作る能力、結合した系の遂行を分ける、筆者の作業上の整理。未習得の技能、技能低下、習得機会の減少を区別するために参照した。
石部統久「試論『できる』とは何か――上達を一本の階段から解放する」（2026年8月24日）。課題・道具・支援・身体状態などの条件と、評価基準を区別する筆者の試論。その場の成功と持続的な上達を分けるために参照した。
石部統久「答えは出せるのに、『割合』は分からない——割合は、計算公式ではなく『ラティオ＝比べる知性』の教育である」（2026年7月28日）。計算の実行、量どうしの関係の説明、条件を変えた検証を区別した稿。今回のRatioの用語法への接続として参照し、ラテン語の意味全体を比較だけに限定する根拠にはしていない。
石部統久「並走する二つの意志論——生物学的意志論と哲学的意思決定論はなぜ噛み合わないか」（2026年6月23日）。行為の生成原因、行為者への帰属、責任についての問いを区別するために参照した。自己説明のすべてが後付け、意識がすべて因果的に無効、といった一般化を本稿の前提にはしていない。
NEC東大ラボ「AIを疑うのは、人間を信じているから──酒井邦嘉教授が語るAI時代の思考力」（2026年9月8日）。酒井氏本人の発言を掲載した公開インタビュー。読み書きの習慣と読解成績についての応答、および判断の委譲についての応答を検討した。本稿は、そこで紹介された調査の範囲と、その先の予測を区別している。
東京大学・応用脳科学コンソーシアムほか「デジタル時代の学生に対し読み書きの実態を調査――『書く』ことと『読む』ことの累積効果が明らかに」（2025年9月1日）。本文の「社会的意義」と添付資料⑤を参照。アンケートは1,062人、追加の読解問題への回答は180人。習慣による成績差の観察と、因果関係の留保を確認した。AI利用の効果を実験した資料ではない。
Bjork, E. L., & Bjork, R. A. (2011). Making Things Hard on Yourself, But in a Good Way: Creating Desirable Difficulties to Enhance Learning. In Psychology and the Real World: Essays Illustrating Fundamental Contributions to Society, pp. 56–64. 著者所属大学の公開章。とくに58頁。背景知識や技能がなく対処できない困難を、望ましい困難から区別する説明を参照した。
作成注：今回の対話と追加参照の指定、過去の関連対話と保存原稿、上記の公開資料、Gemini・Grok・GPT・Claudeによる提示された査読をもとに改訂した。査読の提案は原典と本文に照らして採否を判断した。冒頭のやり取りは説明のための例であり、特定の人物の発言記録ではない。「言語を生成する何かを、思考と呼ぶ」は石部統久の、言語の生成を指す暫定的な用語法であり、引用した研究が共通に採用している定義ではない。原構想：石部統久／対話に基づく文章化：ChatGPT。
