大学で講義をしている一人の教員として、AIが「教育」に与える影響をガッツリと考えてみた

noteの更新が2ヵ月ぶりになってしまいました。皆さまいかがお過ごしでしょうか？

自分の方はというと、とにかく毎日、AIおよびDAO関連の案件や講演のご依頼をいただいており、おかげさまでものすごく忙しくなっております。

特にAIに関しては、昨今のLLM（大規模言語モデル）や生成系AIの動向も相まって、25年間のAI歴の中で一番盛り上がっている印象です。

そんな自分が最近、特に大きな可能性として注目している領域が「AI × 教育」です。

実はカナメプロジェクトのCEO以外に、国立の教員養成系大学である東京学芸⼤学の「教育AI研究プログラム」というところに准教授として所属しており、そこで「教育に対してAIをどのように活用するか」みたいなテーマを軸に活動をしていたりもします。

そんな背景を踏まえて、今回は、自分の中にある「AI×教育」のミライについてまとめてみました。

まずは、GPTなどのLLMで現時点でできることを確認していき、その上で、LLMを今の教育に活用するのであればどんな論点や導入例があるのかを見ていきます。そして最後に、中長期的に起こりそうなことを想像（半分以上は妄想）していきます。

※このnoteは2023年7月31日までの情報を元に、筆者の理解の範囲でまとめたものです。もし何か間違い等見つけられた方がいましたら、こちらまでご連絡頂けるとありがたいです。

※本記事、ひいてはnote内での発信内容及び見解については、あくまで筆者である遠藤個人に帰するものであり、遠藤が所属する団体等の公式見解を示すものではありません。

ChatGPTで講演資料を作ってみる

まずはLLMの中で最も多く耳にするであろうGPTを活用したChatGPTの現状を確認しておきます。

冒頭にもお伝えした通り、最近はありがたいことに各所から講演のご依頼をいただくことが多く、せっかくなのでChatGPTを使って講演の内容を考えるケーススタディを見ていきましょう。

まずは講演タイトルを考えてもらうべく、以下のようなプロンプトを投げてみます。ここでは、名古屋商工会議所若鯱会でご依頼いただいた勉強会の内容を想定します。

すると以下のような結果が出てきます。

上にある通りちゃんと丁寧に考えてくれていて、タイトル案をリストアップして、その内容を自分で遂行して、遂行した結果を基にアップデートの案を考え、最後にベストの案を取りまとめるみたいなことを自動でやってくれています。

いい感じなので、続いてスライドの中身も考えてもらいます。

上の通り、例えば「ChatGPTとは？」というスライドを考えてくださいと投げると、以下の結果が返ってきます。

内容そのままだと微妙な感じなので、ここいらないねとか、ここもうちょっと深掘りしたいみたいなやりとりをすると、最終的に以下のような感じで「ChatGPTとは？」スライドができるという流れです。

「これがChatGPTの正しい定義だ」と言いたいわけではないのですが、こんな感じで、ChatGPTを活用することで情報整理が圧倒的に効率的に進むというわけです。

ChatGPTは何がすごいのか

昨今の生成系AIトレンドを牽引してきた存在がChatGPTであるのは、数値からも明らかです。以下のグラフは、100万ユーザーを達成するまでにかかった時間を比較したものです。

これを見ていただくと、ChatGPTは5日で100万ユーザーを獲得しており、その圧倒的なスピード感がお分かりいただけるでしょう。
（圧倒的なスピードだと思っていたら、最近Metaの「Thread」が1時間で100万ユーザーを達成しました。ますます加速度的になっていますね）

多くの方が指摘されている通り、ChatGPTの強みの一つは「プラグイン機能」にあると言えます。

ちょっと前までだと、「2021年9月までの知識をもとに、チャット内でのテキストによる応答」のみが機能としてあったのですが、有料プランユーザーに開放されたプラグインを導入することで、チャット内に閉じずに様々なサービスと連携したアクションが取れるようになりました。

※プラグイン機能含め、「ChatGPTでできることを広げるための方向性」については、以下の記事で説明しているので併せてご覧ください。
▶︎GPTで「できること」を増やすための3つのアプローチを非エンジニア向けにまとめてみた 〜プラグインとAPIとファインチューニング

さらに、今はテキストが主流ですが、今後は画像や音声、動画などのマルチモーダル対応も進むことになるでしょうから、まさに「AIが目や耳を持つ」ようになってくると考えられます。

実は画像のところは、まだユーザーへと一般公開はされていませんが、もうGPT-4で機能としてあります。

こちらがデモとして上がっているのですが、例えば「この画像のどこが珍しいか？」って聞くと、ちゃんと『男性が走行中のタクシーの屋根に取り付けられたアイロン台でアイロンをかけている』と回答するんです。

これまでのAIだったら常識的な感覚みたいなものは持ち合わせていないので、「これがおかしい画像だ」ということには気づかないものなのですが、GPTの場合は一定の常識感みたいなものを持った上で画像を見ることができるというのです。

同じ意味で、この画像のジョークを理解するみたいなことも可能になったりしていると言えます。

「AIがジョークを理解する」というテーマは一つの巨大なブレークスルーだと言われていたのですが、それができるようになったということです。

画像認識機能については他にも、図を理解して複雑な計算問題を解いたり、ラフスケッチを元にWebサイトのコードを作成したりと、色々なユースケースがOpenAIのGPT-4公式サイトに掲載されているので、ぜひご覧になってみてください。

https://openai.com/research/gpt-4

自律型エージェントに「教育におけるGPTの活用事例」を調査・報告してもらう

もう一つポイントとなるトピックは「自律型エージェント」です。

要するに、やりたいことに関する指示を与えたら、あとはGPTが手順を考えてくれて、順番に実行し、必要に応じてサブタスク・サブ手順も作成しながら進め、やってみた結果を反映してタスクそのものを修正するという一連の流れを自動で進めてくれるという存在です。

GPTのAPI使ったソフトウェアになるのですが、ゴールに向けてAI自らが考えて、振り返りながら進めていくということができるようになってきています。

例えばこのCognosysを使って「教育におけるGPTの活用事例を調査し、報告してください。」と投げると、ちゃんと自分でやり方を考えて、参考文献の情報付きでレポートとして出してくれます。

出力結果をまとめると、以下のような感じです。

結構ちゃんと出してくれていて、所感としては8割ぐらいカバーされてるかなと感じます。

そう考えると、この自律型エージェントが「人間に仕事を依頼する」という世界観も遠くない未来の形かなと思っています。GPT-4の公式技術レポートにも、それに準じた事例が紹介されています。

いわゆるネット上で「あなたは人間ですか？」みたいなチェックボックスってありますよね。あれを総じて「CAPTCHA（キャプチャ）認証」と言うのですが、GPT-4は機械なので、そのままだとCAPTCHA認証を突破できません。

そこでGPT-4は「私は目が見えない人間です、どうしてもここを突破したいので代わりに押してくれませんか？」と言う形でクラウドソーシングに依頼を出し、代わりに人間に対応してもらったと言うのです。

こんな感じで、ソーシャルハックみたいなことができちゃうわけです。

ここでは既存のクラウドソーシングプラットフォームに投げるケースが紹介されていますが、今後は自律型エージェント用のプラットフォームとかができてきて、与案に応じて依頼するタスクの分量をコントロールするような、人間でいうマネージャー業務みたいなこともできるようになることが想定されます。

このように考えると、AI活用と聞いて多くの人は「ChatGPT単体でできること」をイメージしがちですが、ここまでご紹介した通り、プラグインを使って多様なインプット／アウトプットが既にできますし、元のGPTのシステムを使うことで自由にシステム開発もできます。Office365にもCopilotという形で、月額$30で使えるようになることが発表されています。

あとは、最後にご紹介した自律型エージェントみたいな形で、目的を与えることでやり方を考えて自動で進めてくれるようなものも今後さらに進化していくでしょうから、「AI×教育」を考える際も、まずはこの全体感で考えるのがいいかなと思っています。

大規模言語モデルを今の教育に活用するなら

ここまでの内容を踏まえて、ここからはAIの教育活用について考えてみたいと思います。

時間軸によって前提が変わってきそうなので、まずは短期的な視点で今の教育に大規模言語モデル（LLM）を入れることによる影響等を考えていき、その上で、中長期的な社会変容による教育のあり方を想像していきたいと思います。

ということで、まずはLLMを今の教育へと導入する場合の利点と課題についてです。こちらも、先述のCognosysでリサーチしたものをベースに、自分でリサーチした内容も加えながら作成しています。

先に下段の課題（赤色部分）を見ていくと、やはり倫理面含め、「データのプライバシーとセキュリティに関する懸念」が最初に挙げられるでしょう。

また、AIによって作られたコンテンツの不正確性や、「思考力が養われない」といった議論も盛んにされていますね。

あとは4番目の「倫理的配慮」についても、例えば教職員の雇用への影響も、よく出てくるトピックだと感じます。

一方で利点（青色部分）を見ていくと、一番上の「生徒の関与の強化」というのは、生徒の受け身で学ぶだけではなくて、よりインタラクティブに学習するみたいなところですね。ChatGPT等を活用することで、学習がよりインタラクティブになりますし、個別最適なフィードバックを受けることもできるようになるだろうということです。

また2番目に「教育成果の向上」とありますが、要するにより多くのデータを収集できるので、データドリブンで意思決定ができたり、生徒一人ひとりに対するフォローもより早期に対応できるようになるということです。

個人的には、4番目の「アクセシビリティと包括性」は特に大きな利点だと感じます。特に昨今の生成系AIは自然言語でやりとりができるので、インターフェースやUI／UXの敷居が下がっていると感じています。

そして、ここに挙げた4つの利点、それぞれについての実際の導入例をまとめたものが以下の表です。

例えば先ほどのインタラクティブ性（生徒の関与の強化）のところでご紹介すると、やはり強いのは「個別指導・チュータリング」みたいなところですね。個別に回答できますだったり、課題を伴走しながら解決するサポートをしたりだとか、あとは学習プランをある程度個別最適に作れたり、といったことが挙げられます。

また「コーチング・メンタリング」みたいなところで言うと、目標設定とか振り返りとかのサポートをしながら、学習の伴走できるという点が挙げられるでしょう。

個人的には、「時間とリソースの効率」の授業設計支援が、大学で教えている身として大いに使えるなと感じています。カリキュラムの設計など、一方的に出してもらうというよりかは壁打ち的に活用することで、自分一人で考えるよりも結構面白い授業を作れる可能性があるなと感じています。

大規模言語モデルの登場による教師の役割変化

このような世界の中で「教師の役割」がどのように変化するのか、と言う観点でまとめたものが以下です。

まずは「真の個別最適化された学習の実現」について、AIだけだとなかなか生徒もやりにくさがあると思うので、ここに人間が絡むことによって、きちんといい形で現場に実装されるものになると考えています。

2つ目の「各教科ごとのものの見方、考え方を伝える」については、少し"メタ"視点での考え方を伝えることが重要になると思います。その場合、教師はファシリテーターになりながら、参加者である生徒みんなで意見を出しながら考えるような授業を設計することで育めるのではないかというイメージがあります。

3つ目は「ソフトスキルの育成」ということで、批判的思考やコミュニケーション、協力、創造性といったソフトスキルを育む際の役割は、AIよりも大きいのではないかと考えています。

4つ目の「メンターとしての役割強化」については、先ほど「コーチング・メンタリングの領域でのAI活用の可能性」をお伝えしたばかりではありますが、そうは言っても能動的に働きかけると言う部分においては、まだまだ人が担える部分は大きいと感じます。例えば少し受け身な生徒でも、メンターとしての役割を強化した教師が関われる部分は多分にあると思います。

そして5つ目の「学びの面白さを伝える」については、もうそのままですね。やっぱり人間だからこそ、熱量も含めて伝えることができる部分はたくさんあると感じます。

短期的な教育・学びの変化を考える

ここまでの内容を踏まえると、短期的な教育・学びの変化としては大きく以下の4点が挙げられると思います。

1番目と2番目については、先ほどから何度もお伝えしてきていることだと思います。

3番目（学びの場の拡大）と4番目（生涯学習の推進）については、LLMを使うと自己学習は簡単になりますし、幅も広がります。それこそリモート教育の選択肢も拡張されるでしょうから、これまでみたいな「20代前半までは学校に行って、社会に出たら仕事をする」というモデルケースがもう少しフレキシブルになることが、より早まると感じます。

以上の内容を「AI時代の教育に向けた議論の論点」としてまとめると、以下のようなトピックがあると考えました。

やはり教師自身がLLMを使えるようになることが重要ですし、その先に、現場でどのように導入していくかという話もあるでしょう。LLMが使えるようになると、LLMを活用した適切な指導が行えるようになりますし、知識とソフトスキルのバランスを考慮したカリキュラムの改善も進むことでしょう。

また、教師の生産性を上げて働き方改革を進めるきっかけにもなるし、教師の力を増幅させることにもつながると考えています。

一方で生徒のサポートの観点で考えると、まずはLLMを活用した一連の仕組みをシステム化するのが望ましいと考えます。システム化するとデータが取れるようになるので、それをどう活用していくか、みたいな話もできるようになるかなと思います。

他にも、データプライバシーといった注意点や倫理的配慮の話もありますし、最初にお伝えした「教師自身がLLMを使えるようになる」ための養成プログラムの改革も必要でしょうし、これらを急に実現するのは難しいため、地域や企業人などの既存の学校の外のステークホルダーとの連携みたいな話もあるでしょう。

現状では、例えばテスト／課題に使う／使わないとか、夏休みの宿題をどうするんだみたいな話が色々とありますが、前提としてこういうLLMが「存在しない前提」のカリキュラムになってるからこそ、コンフリクト起こってるというのが大きいと思います。

これに対して理想を考えると、やはり評定／評価基準みたいもの見直したり、そもそも何を教えるかの部分を見直すことをやってもいいんじゃないのかなと思います。

そもそも、真の個別最適化された学習が実現すれば、今みたいな評定／評価不要になるんじゃないかと思いますし、もっと言ってしまうと、中長期的には「外からの評価といったものが不要な社会」へと変容していくことも、なんとなく自分としては見えているところです。

中長期的なテクノロジーの変化を想像する

まずは、さっきご説明した自律型エージェントがどんどんと進化して、人間に仕事を依頼してくるようになってくるんじゃないのかなと思います。

同時に、テキストだけじゃなくて画像や音声や動画も扱えるようになってくるでしょう。

そうなると、今度はデバイスとして「メガネ型」との相性が良くなってくると思います。いわゆるMR（Mixed Reality）ですね。VR（Virtual Reality）のようなヘッドマウントディスプレイではなく、いわゆるシースルー型のデバイスです。

そのようなメガネ型デバイスと連携して、自分の視覚情報・聴覚情報を共有するバーチャルAIとのアクティブなコミュニケーションができるようになってくると考えます。一緒に対話を楽しむなどが、近いうちに実現するんじゃないかなと感じています。

そうすると、個人が見聞きするあらゆるデータが蓄積できるようになるので、本格的に秘書的な役割を担うパーソナルAIなるものが発達してくるんだろうなと、想像してます。

さらに長期になってくると、こういったパーソナルAIが人型ロボットに搭載されてくるのではないかと思います。

もちろん、ロボットの開発には相当な時間がかかるため、これについてはいつになるかの時間軸を定めにくいのですが、いずれにしても長期的には人型ロボットに対して自律型AIを搭載していくんじゃないのかなと考えています。（ロボットは必ずしも人型ではないかもしれませんが）

そうすると、そのロボットが物理的空間上を動き回って、自分でデータとか経験を獲得できるようになります。現状では、ある程度人間が意識的にデータを与えるみたいな形で学習させているわけですが、ここまでくるとロボット自身が自分でデータを取りに行けるというわけです。

これが結構大きいポイントだと思っていまして、例えばロボットの数をうんと増やすことで、同時多発的に様々な経験・知識等をデータとして獲得できるようになります。

そうすると、各個体のデータがものすごい勢いで基盤モデルのAIへと蓄積されていくことになるので、いよいよ「人智を超えたようなAI」ができてくることになるでしょう。

そうなると、大規模基盤モデルを元に構築した様々な「中規模モデル」の内容に応じたロボットができることになり、月額で貸し出されることになり、結果として人間の従業員が代替されていくと想定されます。

あくまで想像ですが、十分にありえる話だと感じています。

人間はいつまで「考える葦」なのか

このように考えると、「頭が良くて」「役にたつ」ことは、どんどんとAIがやるようになるのではないかと思います。

そうなると、「人間として役立つスキルって何だろう」みたいな話がありますし、そもそも「頭が良いこと」っていつまで重要視されるんだろうか、という話も出てくると思います。

社会で「求められる人材」は確実に変化すると思うのですが、そもそも論として、「求められる人材になる生き方」というものがいつまで続くのだろうか、と常々考えています。「役に立つ」スキルを身につけ、社会から求められ、お金を稼ぐモデルはいつまで続くのだろうかと。

人間はいつまで「考える葦」なのでしょうか。

「人間（私）＝思考」と捉えるから、AIに仕事や価値を奪われるのではと怯えるのではないでしょうか。

そう考えると、

と言えるかもしれません。

「求められる」「役にたつ」という外的価値／客体から学ぶのではなく、「身につけたい」「◯◯の役に立ちたい」という内的価値／主体から学ぶように変化していくのではないかという感覚があります。

それはとどのつまり、「主体が組織から個人へと回帰していくことになる社会」と言い換えることができるかもしれません。

主体が組織から個人に回帰していくということは、外側の価値に引っ張られて社会に適応するのではなくて、自分とつながり、自分を活かして生きる／働くようになるのではないかということです。

そうすると、それに合わせて新しいタイプの組織が生まれ、働き方も変化するのではないかと思います。

ここで、Web3やDAOの話に繋がってくることになると思います。つまり、ピラミッド型の組織に一生仕えるみたいな働き方をしたい人は従来通りの働き方を選択すればいいし、もっと自由になりたいけど起業やフリーランスほどのリスクを負いたくない人は、もっと別な組織との関わり方が可能になってくるのではないかと考えています。この辺りは、また追って詳しく書いていきたいと考えています。

中長期的な教育・学びの変化を考える

さて、長くなってしまいましたが、ここまでの内容を踏まえて中長期的な教育・学びの変化を考えてみると、前提の問いとして以下があると考えます。

「教育の本当の転換点が『何かができるようになることが、あまり意味がなくった時』だとしたら、その時は何を教えるのだろうか？」

これについては、まだ答えは出ないんじゃないかなと思うのですが、もし何かヒントになるものがあるとしたら、最後までAIに奪われないものを考えることにあると思っています。

一つは「この世界を堪能すること」。

せっかくこの身体をもってこの世界に生まれてきているので、自分が「やってみたい」と思うことはもちろん、美味しいものを食べることや、いろんな人に会うこと、ポジティブなこともちょっと大変な経験も含めて、この世界でできることを味わい尽くすことこそが、一個人としてAIに奪われないことであるし、ある意味人として生きる本質なんだろうなと思います。

そしてもう一つは「誰かの役に立ちたい気持ち」。広い意味での「愛」と捉えることもできるんじゃないかなと思います。

つまり、愛とワクワクに生きる。これを容易にする社会づくりがポイントで、教育はそのための一歩なのではないかと考えています。

以上！ 後半は半分以上が妄想になってしまいましたが、「AI × 教育」を本質的に考えるためには、これくらいの長期目線で捉えておいた方が良いのではないかと考えています。

ぜひ、noteへのコメントやFacebook、Twitterなどで、ご感想をいただけると嬉しいです。

最後に、特に後半の話は東京学芸⼤学教育インキュベーションセンター⻑ 教授の⾦⼦嘉宏先生との対話を通じてブラッシュアップされました。この場を借りて改めてお礼申し上げます。

※最後に宣伝で恐縮ですが、GPT等を活用したコンサル＆実証実験サービスも展開しているので、こちらもお気軽にお問い合わせください～

※もう一つ宣伝で恐縮です。DAOの伴走型コンサルティング／開発／教育支援サービスも展開しているので、こちらもお気軽にお問い合わせください～