ＡＩとの対話が教室に持ち込む、思考の新しい課題
生成ＡＩの利用が既に日常となる中、「ＡＩの出力を鵜呑みにしない、きちんと疑う」という言葉は、教育の現場でも広く共有されています。次期学習指導要領の議論においても、情報リテラシー教育の重要性は、これまで以上に強調されるようになりました。
ここで少し立ち止まって考える必要があるのは、「疑う」とは具体的にどういうことなのか――先生方ご自身の利用でも、生徒に対する指導でも「何を、どのように疑うべきか」を具体的に捉える必要があります。
道具を安全に正しく使うには、その道具の性質をよく知っておくことが前提であるのは、改めて申し上げるまでもありません。
人の思考をサポートするツールとしてＡＩは既に不可欠なもの。進化は極めて速く、その性質とそれが内包する問題点は、今後も技術の進展とともに次々に新しい様相を見せていくはず。使う側の「認識」を常に更新しながら、教室での利活用指導を考えていく必要がありそうです。
❏ あるＡＩとの対話から（出力を疑うべきケースの例）
疑うとは何か。まずは例を一つ。「モータースポーツはＳＤＧｓの流れに反するのではないか」という問いをＡＩに投げかけてみたとします。
生成ＡＩからの最初の回答は、技術革新の実験場としての役割、カーボンニュートラル燃料の普及への貢献、文化的価値の継承…といった論点を、丁寧に、説得力ある形で並べるものでした。読んだ限り、バランスのとれた回答のように見えます。
しかしながら、その答えが、様々な立場の考え方を、十分に、偏りなく踏まえているとの保証は、ＡＩの仕組み上、どこにもありません。
ＡＩは、学習済みの膨大な情報をもとに、意味の近さや語のつながりを計算し、最も可能性の高い語句配列を「答え」として出力する仕組み。学習済みの情報の中で優勢だった立場（この例では、自動車メーカーやモータースポーツ推進側の視点）が回答に反映されるのは当然かと。
限られた資源を一部の娯楽や嗜好に優先配分することへの倫理的批判も製造・廃棄プロセスにおける現実の環境負荷も、気候変動の被害を最も受ける層の存在も、最初の問いへの回答には見て取れません。
問い返せば、ＡＩは別の視点を補足します。しかしそれは、「その場の文脈（チャットの流れ）に合わせて最適化された」だけです。回答の変化は「理解が深まった」からではなく、「入力された文脈が変わった」からに過ぎません。問いを変えれば回答も変わりますが、その回答にもまた、別の偏りや取り落としが含まれる可能性があります。
❏ 「疑い方」には、深さの違いによる段階性がある
ここで問い直してみたいのは、「疑う」という行為の中身です。ＡＩの出力に対する疑いには、少なくとも三つの段階があります。
第一の疑いは「この情報は正しいか」という確認です。ＡＩは尤もらしい答えを返しますが、それが事実として正しい保証はない。この点は、すでに多くの場面で語られていますが、出典に当たらずに答えを得られる便利さは、そのリスクを意識の中から外してしまいがちです。
これまでの検索エンジンとは違い、ＡＩを用いた検索は「最も確からしい＝尤もらしい」答えを一つにまとめて提示します。比較の機会が減るぶん、この第一の疑いを強く持つことが、さらに重要になります。
第二の疑いは「これは誰の視点から書かれているか」という問いです。
先の例で言えば、ＡＩが並べた論点は、いずれも「存続を正当化したい側」にとって都合のよい論理でした。一見バランスよく見えても、どの立場の声が多く集まっているか、どの声が聞こえにくくなっているかを見極める必要があります。（cf. ＡＩが人間に対して”不信感”を抱く？）
第三の疑いは、先の例からさらに踏み込んだもの。両論を並べること自体が、結果として一方への加担になっていないかという問いです。
一方の立場によらず、「賛否両論を併記する」という形式は、一見中立に映ります。しかし、証拠の重みが非対称なとき（一方は現在進行中の事実に基づき、他方は将来への期待に基づくときなど）、それを等価に並べることは、実質的に現状を追認することになりかねません。
よく言われる通り、「説得力がある」ことと「正しい」ことは別の次元にありますが、次元の違いの正体はこうした非対称性かもしれません。
この第三の疑いは、教室でのＡＩ活用においても、そして社会に出てからの情報との接し方でも、非常に重要な思考の軸になるはずです。
❏ 第三の疑いを働かせる場面（例）
第三の疑いは、特殊な場面だけで必要になるものではありません。むしろ、社会的な論点を扱うときほど、「両論を並べる」ことそのものが、思考を止める働きを持ってしまうことがあります。
たとえば、気候変動への対策をめぐる議論がそうです。「気候変動への対策を急ぐべきか、経済活動への影響を考えて慎重に進めるべきか」と問えば、ＡＩはそれぞれの立場の主張を整った形で並べるでしょう。読んでみれば、バランスのとれた論点整理に見えるかもしれません。
しかし、片方には現在進行中の被害や観測された事実、科学的知見の積み重ねがあります。他方には、対策コストへの懸念や、将来の技術革新への期待、既存の産業構造を維持したい側の事情があります。
これらを同じ重みで並べてしまえば、形式上は中立でも、実質的には対応を先送りしたい側に有利な土俵を作ることになりかねません。
教室での生成ＡＩ利用についても、似たことが起こります。「生成ＡＩを学習に使うことには、どのような利点と問題点があるか」と問えば、効率化、個別最適化、表現支援といった利点と、思考の外注、剽窃、評価の困難、学習過程の空洞化といった問題点が並べられるはずです。
しかし、ここでも単に賛否を並べるだけでは十分ではありません。便利さはすぐに実感できますが、使い方を誤れば、思考の筋道を自分でたどる機会が失われる。その影響は、後にならないと見えにくいものです。
短期的な利便性と、学びの土台に及ぶ長期的な影響を、同じ重みの「一項目」として並べてよいのか。そこにも、問い直す余地があります。
何が非対称で何が等価かを判断するのは、使い手たる「人」。問われるのは判断の軸です。（cf. ＡＩの時代にこそ教室で育むべき「知情意」）
ＡＩの出力を疑うとは、誤りを探すことだけではありません。どの立場の言葉が集まりやすく、どの立場の声が小さく扱われているか。さらに並べ方そのものが、どちらか一方を利していないか。そこまで見に行くことまで含んだものと、捉えることが重要です。
❏ ＡＩの出力を疑ってみるときの視点［問い］
別稿「ＡＩを使いながら鍛える「思考の力」と「判断の軸」」で書いた通り、ＡＩの出力は、「答え」としてではなく、「考えるための素材」として扱わせることが肝要。判断は人の手元に残すものです。
先ずは、先の３つの疑いに対応した「問い」を常に意識させるところから。その上で、最終的な判断（情報に基づく意思決定）へと向かわせていきましょう。（cf. 判断力をどう考え、育て、評価するか）
「この回答の事実は、どこで確かめられるか」
ＡＩは尤もらしい答えを返しますが、それが事実として正しい保証はありません。出典に当たらずに答えが得られる便利さは、確認というステップを意識の外に追いやりがちです。答えを受け取ったら、まず「これはどこで確かめられるか」を問う習慣が、第一の足場になります。
「この回答は、誰の利益になるか」
情報は常に誰かの文脈の中で生まれます。ＡＩの出力も例外ではなく、学習データの中で優勢だった立場が反映されやすい。一見バランスよく見える論点整理であっても、どの声が多く集まり、どの声が小さく扱われているかを見極めることが、批判的読解の第一歩です。
「どちらの根拠が、より現実に基づいているか」 （どちらが大事か）
両論を並べること自体が、思考を止める働きを持つことがあります。片方が現在進行中の事実や観測された証拠に基づき、他方が将来への期待や懸念に基づくとき、それを等価に扱うことは形式上の中立に過ぎません。根拠の重みを見比べ、どちらを優先するかの判断が求められます。
「自分は、これを読んでどう考えたか」
最終的には、自分の（主体としての）判断を持つことです。ＡＩの出力を参照しながらも、自分の問いと目的に照らして、何を採用し何を退けるかを決めるのは人間です。問いの文脈を知り、意味を問い、倫理的に判断できるのは、人間だけにある強みです。
こうした問いが、生徒の内から自然に出てくるようになるには、相応の反復が必要です。日々の授業で、先生が常に問い掛けたり、周囲と対話させたりことで、生徒は「自ら問う」ことを徐々に学習していきます。
教育実践研究オフィスＦ 代表 鍋島史一