Curriculum design in the age of AI

あなたは、何かの上達を目指しているところだと想像してください。例えば、ビデオゲームをプレイしたり、難しいパズルを解いたりしている場面です。レベルに挑むには2つの方法があることを、あなたは知っています。一つは、あらゆる障害物に苦しみながら自力でやり抜く「グラインド（地道な反復練習）」、もう一つは、パズルを一瞬で解いてしまう「チートコード」を使うことです。経済学や教育の世界において、これは古典的なトレードオフです。「グラインド」は大変な作業ですが、将来のための「脳の筋肉（スキル）」を鍛えてくれます。一方、「チートコード」は簡単で、今すぐ完璧なスコアを与えてくれますが、あなたの脳の筋肉は弱いままで。この論文は、経済学者ベンジャミン・デイヴィスによって書かれたもので、私たちの時代における切実な問いを投げかけています。もし学生が「超高性能なチートコード（人工知能）」を利用できるとしたら、教師は学生がしっかりと力をつけられるように、どのように宿題を設計すべきでしょうか？

この論文は、学生が一連のタスクに直面するというモデルを用いています。学生は「自力で取り組む（労力がかかるがスキルが身につく）」か、「AIに任せる（労力はかからないがスキルは身につかない）」かの選択を迫られます。教師の役割は、学生が最大限の努力をするように、タスクを特定の順序、つまり「カリキュラム」として配置することです。この論文は、教師が学生の「AIを使いたい」という誘惑を出し抜こうとしたときに何が起こるかを探求しています。その結果、AIの存在によって、教師はゲームのルールを根本的に変えざるを得なくなることが明らかになりました。時には、学生を意欲的にさせるために、初期の宿題を特定の思考タイプに集中させたり、時には、AIが高スキルの学生の学習を加速させる一方で、低スキルの学生には悪影響を及ぼしたりすることもあります。

チートコードのジレンマ

学生の教育を、長いビデオゲームのキャンペーンと考えてみてください。「スキル」とは、あなたのキャラクターの強さや知性であり、それは自分でモンスターと戦ったときにのみ成長します。「エフォート（労力）」とは、剣を振るために費やすエネルギーです。この物語において、AIはどんなモンスターでも瞬時に倒してしまう「魔法の杖」です。もしあなたが杖を使えば、剣を振ることなく「報酬（成績）」を得られますが、あなたのキャラクターは強くなりません。

教師は「ゲームデザイナー」です。彼らの目標は、単にあなたに高得点を与えることではなく、ゲームが終わるまでにあなたのキャラクターを伝説の英雄にすることです。この論文は問いかけます。ゲームデザイナーは、あなたが杖を使う代わりに「剣を振る」ことを選ぶように、どのようにレベルを構成すべきでしょうか？

「チートなし」の世界：スムーズな登り坂

まず、この論文は、チートコードが存在しない（あるいは学生がそれを使うことを拒否する）世界を考察します。この「第一最善（First-Best）」のシナリオでは、教師は完璧な経路を設計します。初期のレベルは単純ですが、剣をたくさん振る必要があります（高い「エフォート強度」）。あなたが強くなり、キャラクターがレベルアップするにつれて、後のレベルはより巧妙になります。それは単に盲目的に剣を振るのではなく、「どのように」振るべきかを考えさせるものになります（高い「スキル強度」）。

論理は単純です。弱いときは基礎を練習する必要があります。強くなったら、戦略を学ぶ必要があります。論文は、チートがない場合、最適なカリキュラムは「重労働」から始まり、徐々に「知的なパズル」へと移行することを証明しています。これは理にかなっています。なぜなら、強さと戦略は共に機能するものだからです。強くなるほど、あなたの戦略はより効果的になります。

「チートコード」の世界：ひねり

ここでAIを導入します。突然、学生には選択肢が生まれます。「剣を振るか、それとも杖を振るか？」もし杖を使えば、何の労力もなく完璧なスコアが得られるなら、学生は簡単なレベルではすべて杖を振ってしまうでしょう。もし教師が「第一最善」の計画（簡単なレベルから始める）を維持したままなら、学生はただAIを使い、何も学ばず、教師の計画は失敗に終わります。

これを修正するために、教師はカリキュラムを「歪める（distort）」必要があります。これが、この論文の大きな発見です。学生が初期のレベルで杖を振るのを防ぐために、教師はそれらの初期レベルに対し、特定のやり方でより多くの「脳の力（スキル）」を要求するようにしなければなりません。具体的には、与えられた手法を単に実行するのではなく、問題を解決するための正しい手法を「特定する」ことを、初期のタスクに要求しなければなりません。これにより、学生はゲームのルールを理解してレベルをクリアすることを強制されます。なぜなら、AIは単に決められたルーチンを実行することはできても、学生がまず「何をすべきか」を判断しなければならないからです。

論文は、これが宿題に「U字型の曲線」を生み出すことを示しています。

1. 初期レベル： 教師は、学生に適切なアプローチを特定させるために、より戦略的な思考（高いスキル強度）を要求するようにします。
2. 中盤レベル： 学生が賢くなるにつれ、教師は複雑さを緩め、学生に「グラインド（反復作業）」をさせます。
3. 終盤レベル： 学生がプロになった段階で、教師は元の計画に戻り、複雑な戦略パズルを提供します。

結果はどうなるでしょうか？学生は依然として学習しますが、AIが存在しなかった場合よりも「学習量は少なく」なります。学生が正直であることを強いるために、教師はゲームをあまりにも歪めなければならず、その結果、全体的な学習曲線は平坦化されてしまうのです。

「魔法の杖」の進化：高スキル vs 低スキル

論文はさらに一歩進みます。もしAIがさらに賢くなったらどうなるでしょうか？具体的には、学生が戦略を特定した後に、実際の作業（エフォート）を加速させるためにAIを使えるようになったらどうなるでしょうか？論文は、これが学生にどのように影響するかについて、驚くべき分岐点を見出しています。

• 高スキルの学生： もし学生がすでにゲームにかなり慣れている場合、より賢いAIは彼らの学習を「加速」させます。なぜなら、学生がスキルを使って戦略を特定した後に、AIがエフォートを要する部分（数学の問題で一連の補題を証明するなど）を加速させることができるからです。AIは彼らの努力の生産性を高めるブースターとして機能し、彼らがより急速にスキルを獲得することを可能にします。
• 低スキルの学生： もし学生が苦戦している場合、より賢いAIは彼らの学習を「遅延」させます。「スーパー・ワンド」はあまりにも魅力的すぎます。彼らはハードな作業をスキップするためにそれを使用し、作業をスキップするため、上達に必要なスキルを決して築くことができません。

これは、AIが進化するにつれて、「賢い」学生と「苦戦している」学生の格差が広がっていく可能性を示唆しています。賢い学生は、そのツールを使って「飛ぶ」ことができますが、苦戦している学生は、そのツールを使って「浮いている」だけで、自分自身で飛ぶ方法を学ぶことはないのです。

結論

この論文は、AIが良いとも悪いとも言っていません。AIは「ゲームのルールを変える」と言っているのです。もし教師が以前と同じ方法で宿題を設計し続けるなら、学生は単にAIを使ってズルをするだけで、学習は止まってしまいます。これに対抗するために、教師は初期の宿題を、単に正解を得ることではなく、「なぜそうなるのか」というプロセスを示すことに重点を置く必要があるかもしれません。

このモデルは、もし学生に学んでほしいのであれば、単にタスクのリストを与えるだけでは不十分であることを示唆しています。チートコードを使うことが「損な取引」と感じられるように、難易度を慎重に設計しなければなりません。しかし、最高の設計を行ったとしても、AIの存在によって、全員が潜在能力を最大限に引き出すことは難しくなり、トップレベルの学生と苦戦している学生の差はさらに劇的なものになる可能性がある、とこの論文は示唆しています。これは、AIの時代において、私たちの「教え方」も「学び方」と同じくらい変わらなければならない可能性があることを思い出させてくれます。