Cognitive Offloading and Human Interaction with Generative Artificial Intelligence in Low-Resource Higher Education

大学図書館の静かな喧騒や、学生のノートパソコンの画面の光の中に、学習のあり方における微妙な変化が起きている。何世紀もの間、教育は人間の精神が重労働を担うことに依存してきた。事実を記憶し、アイデアを繋ぎ合わせ、答えが現れるまで困難な問いと格闘することである。この精神的な努力は、単に乗り越えるべき障害ではなく、理解が根付くためのまさにそのメカニズムなのである。最近、新しいタイプのコンピュータプログラムが登場した。それは、エッセイを書き、問題を解き、複雑なトピックを数秒で説明することができるものである。生成人工知能として知られるこのテクノロジーは、魅力的な近道を提供している。それは、思考という精神的な作業を機械にオフロード（肩代わり）させる、あるいは引き渡すことを可能にする。この慣習は「認知的なオフローディング（認知の外注）」と呼ばれ、全く新しいものではない。人類は常に、思考を助けるために本や計算機のような道具を使用してきた。しかし、これらの新しいシステムは、単に情報を蓄積するだけでなく、情報を生成し、知識の創造における能動的なパートナーとして機能するという点で異なっている。今日の教育者と学生が直面している問いは、このテクノロジーが到来するかどうかではなく、学習を定義するプロセスそのものをこれらの機械に頼り始めたとき、人間の精神に何が起こるのかということである。

ガーナ大学のドジ・コク・ハットーという研究者は、リソースが乏しい高等教育環境における理論的な含意に焦点を当て、この変化する風景を調査した。世界の多くの地域において、高等教育機関は深刻な制約に直面している。教室の過密状態、図書館へのアクセスの制限、そして学術的なメンターの不足である。こうした環境において、学生が人工知能を利用するのは、仕事を避けたいからではなく、他に選択肢がないからである。研究者は、このテクノロジーの影響を、単に「良いか悪いか」を問うことによって理解することはできないと主張している。代わりに、この分析は、結果はテクノロジーが使用される文脈（コンテクスト）に完全に依存するということを提案している。研究によれば、これらのツールは、本来であれば取り残されてしまう人々に対して知識へのアクセスを拡大する不可欠な命綱として機能し得る一方で、時間の経過とともに蓄積される隠れたコストも孕んでいる。

この研究は、この隠れたコストを説明するために「認知的な負債（cognitive debt）」という概念を導入している。金融における負債が、返済する手段を持たずに金を借りることで増大するのと同様に、学生がアルゴリズムに思考の仕事を繰り返し委ねることで、認知的な負債は増大する。もし学生が、テキストの要約、議論の生成、あるいは問題の解決を毎回人工知能システムに頼るならば、その瞬間には時間を節約できるかもしれない。しかし、研究者は、この絶え間ない委任が、深い内省的思考を行う脳の能力を長期的に弱めてしまう可能性があると示唆している。批判的な判断、記憶の保持、そして独立した推論に必要な「精神の筋肉」は、使われないことによって萎縮し始めるのである。これは突然の崩壊ではなく、緩やかな浸食である。学生は答えを出すことには効率的になるかもしれないが、その答えを疑ったり、ゼロから知識を構築したりする能力を失ってしまう可能性がある。分析によれば、このリスクは、機械への依存が学習のデフォルト（既定）の方法となり、役立つ道具が人間の精神の代用品となったときに、特に深刻になるという。

この論文のもう一つの重要な発見は、著者が「好奇心のパラドックス」と呼ぶものである。好奇心は学習のエンジンである。それは、人が探索し、不確実性と格闘し、解決策が見つかるまで粘り強く続ける原動力となる「分からない」という感覚である。生成人工知能は、好奇心を即座に満たすことに非常に長けている。それは即座に答え、説明、そして繋がりを提供し、通常、知識の探求に伴う摩擦や待ち時間を取り除いてしまう。研究者は、これが学習をより容易にし、アクセシブルなものにする一方で、好奇心を永続させるプロセスそのものをショートカット（短絡）させてしまう可能性があると示唆している。未知であることによる不確実性があまりにも早く取り除かれると、深く掘り下げたり、困難な概念と格闘したり、あるいは複数の角度からトピックを探求したりしようとする意欲が衰えてしまう。テクノロジーは学生が問えることの地平を広げるが、同時に、答えを見つけるために必要な苦闘に耐える意志を縮小させてしまう可能性がある。その結果、学習は広く速いものにはなるが、潜在的に浅いものとなり、深い探求の習慣が迅速な消費の習慣へと置き換わってしまうのである。

研究者は、このダイナミクスが決して避けられない運命ではないと強調している。学生が進む道は、テクノロジーがどのように教育に統合されるかにかかっている。彼らは、「適応的な認知的拡張（adaptive cognitive augmentation）」から「認識論的な依存（epistemic dependency）」までの範囲を持つ、スライディング・スケール（連続体）を提案している。一方の端では、人工知能は学習者を支える足場（スキャフォールド）として機能し、一人では到達できない高みへと導く。このモードにおいて、ツールは参加を拡大し、リソースの欠如を補い、資金不足の大学の学生が裕福な機関と同じ質の指導を受けられるようにする。もう一方の端には依存が存在し、そこでは学生は機械に依存しすぎるあまり、自身の知的自律性を失ってしまう。研究者は、これら二つの結果の違いはテクノロジー自体によって決まるのではなく、教育環境によって決まると主張している。もし大学が、ツールを使ってアイデアを生成させ、それを批判し、洗練させ、異議を唱えるよう促すのであれば、その結果は「成長」となる。もし環境が、何よりもスピードと効率を優先するのであれば、その結果は「独立した思考の衰退」となる。

この分析は、特にグローバル・サウスの機関にとって、より深い政治的・文化的な重みを持っている。研究者は、これらの人工知能システムの多くが西洋の世界のデータに基づいて訓練されており、支配的な文化の価値観、言語、歴史を反映していることを指摘している。低リソース環境の学生がこれらのシステムを主要な知識源として頼る場合、彼らは一種の「デジタル植民地主義」を強化してしまうリスクがある。彼らの教育は、自分たちの現実を反映していない可能性のある世界観によって形作られ、現地の知のあり方が周縁へと追いやられてしまう。研究は、真の教育的公平性には、単なるテクノロジーへのアクセス以上のものが必要であることを示唆している。すなわち、これらのシステムによって生成される知識に多様な視点が含まれることを確実にし、学生が自分自身の知的経路を定義する力を保持するための意識的な努力が必要であるということである。

これらの課題に対処するために、著者は大学が人工知能に対してどのようにアプローチすべきかについて提言している。彼らは、ツールの使い方を教える単純な「リテラシー」を超えて、「認知的レジリエンス（認知的な回復力・強靭性）」へと移行することを提案している。これは、自動化された答えに囲まれていても、批判的に考える能力を維持できるよう訓練することを意味する。それは、学生に機械の出力を批判させ、その誤りを見つけさせ、自身の推論を正当化させるような課題を設計することを含む。目標は、「生産的な摩擦（productive friction）」、すなわち深い理解へと導くために必要な葛藤を維持することである。さらに、研究者は、利用される地域の文化や知識体系を反映した、ローカルで文脈に即したAIシステムの開発を呼びかけている。

最終的に、論文は次のように結論づけている。人工知能時代における高等教育の未来は、テクノロジーがいかに洗練されるかによって決まるのではなく、制度がいかに人間の独立した思考の能力を守ることができるかによって決まるのである。課題は、これらの強力なツールを拒絶することではなく、人間の精神を弱めるのではなく強化するように、それらを統合する方法を見出すことにある。成功の尺度は、学生が依然として自分自身の問いを立て、不確実性を切り抜け、新しい知識を生み出すことができるか、そして機械を主人ではなくパートナーとして使いこなせるかにある。研究者は、もし教育がこのバランスを維持することができれば、人間らしさを犠牲にすることなく、人間の可能性を広げるために人工知能の力を活用できるだろうと示唆している。