本動画は、AI時代における人間の思考と創造性の本質的な価値を探求する内容である。制作者は複数のグループからAIによる代替を提案されたことをきっかけに、ソクラテスの対話法から現代の認知科学まで、思考の生成プロセスがなぜ重要なのかを考察する。1920年代のヴィゴツキーの研究や1978年の生成効果の実験、さらには最新のMITによるChatGPT使用時の脳活動研究などを通じて、情報を受動的に受け取るのではなく、自ら生成する過程こそが真の理解と創造性を育むことを明らかにする。ロンドンのタクシー運転者の脳研究やAI診断支援を使用する医師の能力低下など、技術への依存が特定の認知能力を萎縮させる証拠を提示しながら、AIが人間の思考を模倣して学習する仕組みと、それが人間の学習を不要にしてしまう皮肉を指摘する。AIは既存の思考を継続することには優れているが、真に新しい出発点を生み出す拡散的思考では人間に劣ることを示し、人間独自の経験に基づく問いこそが価値の源泉であると結論づける。
AIに置き換えられる未来
この半年間で、私をAIに置き換えたいという3つの異なるグループから声をかけられました。ある人はそれを魔法のガムボールマシンのようなものだと言いました。これはワオウィーゾーイーガムボールです。私の過去の動画や台本を入力し、いくつかのつまみを回せば、完成品が次々と出てくるのを眺めるだけだというのです。
私の最初の思いは、もしあなたがその魔法のマシンを持っているなら、私は何のために必要なのかということでした。私の思考の役割は何なのでしょうか。ソクラテスは2400年前にまさにこの問いに直面しました。彼はAIを心配していたわけではありません。彼が心配していたのは文字でした。文字が私たちの思考を置き換えることを恐れ、文字は現実を伴わない知恵の見せかけを作り出すだろうと述べました。
なぜなら、思考を読むことは、それを持つこととは違うからです。それは語られなければなりません。今日この技術を見ると、彼は時代をはるかに先取りしていたのかもしれません。こんにちは、私はここにいます。ああ、やあ。やあ。ソクラテスが感じていたのは、何かを聞くことと何かを言うことの間には根本的な違いがあるということでした。
ソクラテス式問答と思考の生成
彼はあなたに答えを手渡すことはしませんでした。彼はあなたを対話へと強制しました。彼はあなた自身にアイデアを生み出させたのです。言葉を見つけるための苦闘こそが思考のメカニズムです。ですから、適切な質問を使って対話をデザインすることができます。それは展開し、誰かの心の中でこの知識が成長する可能性を生み出すのです。
古代の宗教的伝統はこれを理解していました。例えば、タルムードは答えのリストではありません。それは暗号化された討論なのです。口伝のトーラーは語られ、議論され、各世代で再生成されなければなりませんでした。仏教の僧侶たちも公案で同じことをしました。公案は学生に答えを暗記させるのではなく、問いと格闘することを強制するために設計された逆説です。
数千年後、現代の研究がまさにその理由を証明しました。1920年代、心理学者レフ・ヴィゴツキーは、思考とは会話であるという美しくシンプルなアイデアを持っていました。最初は人々と、そして次に自分自身と。
泣くことが最初のステップです。あなたの子供が泣くとき、子供は全身で泣きます。腕と足の筋肉が収縮し、顔はしわくちゃになり、口が開き、そして泣き声が出てきます。人間の言葉の音です。
しかし、いつか話せるようになるためには、ある程度の泣き声が必要なのです。彼は赤ちゃんを注意深く観察しました。特に彼らの喃語の顔を。彼の時間の一部は、心地よい音を作ることに費やされます。より正確に言えば、快適な音です。この初期の数ヶ月間、あなたの赤ちゃんには新しい音を個人的に練習する時間を与えなければなりません。
彼が作る音は、感じられ、聞こえるようになり、馴染みのあるものになり始めます。これが思考の機構が声に出して話すことによって構築される方法です。自己教示は子供たちに考えるための言葉を与えます。最初に赤ちゃんは音節を練習し、次に単語を、そして単語を接着し、最終的に他の人が理解できる文を形成します。
この外向きの喃語は最終的に内向きになり、私たちが内なる対話と呼ぶもの、つまりあなたの頭の中の声になります。声を出して言葉を形成するための苦闘が思考の回路を作り出すのです。くまのプーさんは森の中の家に住んでいます。誰がそこにいますか。くまのプーです。くまのプー。
生成効果の発見
1978年、それは生成効果という名前がつきました。それを知るためには、それを行う必要があるのです。ある重要な実験では、人々に単語のペアが書かれたフラッシュカードを見せました。後で、人々に読んだ単語を思い出すよう求めました。ほとんど何も記憶に残りませんでした。
しかし、彼らは1つのことを変えました。単語と部分的に生成された単語を見せたのです。突然、記憶力が急上昇しました。新しい情報は彼らに与えられませんでした。唯一の違いは、情報を生成するための苦闘が、それを記憶に定着させたということでした。
さらなる実験は、この効果がどのようにスケールするかを証明しました。それは単に単語を暗記することだけではありません。アイデアを把握することなのです。匂い。分かる。匂いがする。いい匂いがする。いい匂いがする。どこで手に入れたの。いい匂いがする。
そして脳スキャンがその理由を確認しました。あなたがゼロから思考を生成するとき、複数の領域が同時に活性化し、それが情報をあなたの心に符号化します。しかし、ただ読んだり聞いたりするだけでは、それらの回路はほとんど点灯しません。そしてこれは行動と言葉の両方に当てはまります。
描画とトレースの違い
描画を例に取りましょう。ほとんどの人は描くことができませんが、トレースすることはできます。トレースは結果が完璧に見えるため、技能の錯覚を生み出します。しかし、元の絵を取り去ると、それを再現することはできません。トレースしかしない場合、描くことを学ぶことは決してありません。
描くことを学ぶためには、スケッチでゼロから描く練習をしなければなりません。それができるようになったら、特別な力を手に入れます。真っ白なページに何でも命を吹き込むことができるのです。これは将来さらに価値が高まるかもしれないスキルです。アイデアの最初のスケッチです。
あなたが構築する知性は、行動であれ言葉であれ、ゼロから生成することを必要とします。このステップをスキップするたびに、私たちは代償を払います。これが技術のパラドックスにつながります。技術は私たちのために仕事をすることで進歩を加速させます。しかしそうすることで、それらをどのように行ったかを知ることを妨げるのです。
思考を生成する苦闘について言えば、私が使っているもので、これを本当に正しく理解しているものがあります。Boot.devです。ほとんどのコーディングチュートリアルは答えを与えるだけです。Boot.devはあなたに構築させます。すべてのレッスンは実践的なので、実際のコードを書き、間違いを犯します。私が話した摩擦を、彼らはそれを組み込んだのです。
そしてここが巧妙な部分です。彼らのAIチューターであるBootsは、あなたのために問題を解決するだけではありません。あなたに質問をし、自分で解決策を考えさせるのです。これはコーディングを学ぶためのソクラテス式問答法です。バックエンド開発、Python、SQL、Goを真剣に学びたいなら、これがその能力を構築する方法であり、単に模倣するだけではありません。Boot.devにアクセスして、最初の1年間25%オフのコードartを使用するか、このQRコードを使用してください。
技術への依存と認知能力の萎縮
そして、いかなる技術への依存も、あなたの心のその特定の部分を殺します。2000年代、神経科学者たちはロンドンのタクシー運転手を研究し、空間的知識を保存する心の領域が平均よりも物理的に大きいことを発見しました。しかしGPSに切り替えた運転手は、その灰白質が実際に縮小しました。
ランセット誌の最近の論文では、AI支援を使用してわずか4ヶ月の医師が、自分で癌を発見する能力が弱まったことが分かりました。ツールに見ることをアウトソーシングすることで、診断に必要な基本的な視覚能力が萎縮したのです。
最も決定的な証拠はクリストフ・ファン・ネマンから来ています。彼は2つのグループに論理パズルを解かせました。グループAは、作業中に有効な動きを強調表示する便利なソフトウェアを手に入れました。グループBは何も得られませんでした。彼らは一人で苦闘しました。
もちろん、グループAはパズルをより速く解きました。しかし、将来のパズルのためにヘルプが削除されたとき、グループAは崩壊しました。彼らは引用すると、目的もなくクリックしまくったと彼は報告しています。グループBは問題なくパズルを解きました。
そして最近まで、この萎縮は特定のスキルに限定されていました。しかしその後、皮肉が訪れました。私たちは、まさに私たちが学ぶのと同じ方法で学習させることで、新しい種類の機械を発明し、それが私たちを二度と学ぶ必要がない状態から解放したのです。
大規模言語モデルの仕組み
大規模言語モデルは、すべての書かれた知識に対して何十億回も次の単語を推測させることによって設計されています。間違った推測のたびに、その理解が洗練されました。そして、狭いタスク用に設計された以前のツールとは異なり、これは汎用的でした。
メタ言語を学んだ機械です。単なる言葉ではなく、パターンです。議論の構造、音楽のリズム、コードの論理、画像の流れ。それは人間の表現のすべての形式を単一のモデルに圧縮しました。
これは、何にでも適用できるため、私たちの心を萎縮させる可能性を劇的に増加させます。そして私たちはすでにこれについての強力な証拠を持っています。2025年、MITの研究者たちは実験を行いました。彼らは学生に3つの条件下でエッセイを書かせました。脳のみのグループ、Googleの検索支援グループ、そしてChatGPTを使用した最後のグループです。
彼らは作業中にEEGで脳活動を監視しました。そして発見は劇的でした。エッセイを完成させた数分後、自分の作品から1つの文を引用するよう求められたとき、ChatGPTグループの83%は特定のテキストを思い出すことができませんでした。そして思い出せると思った少数の人々は、100%が間違っていました。
そして脳活動がそれを裏付けました。ChatGPTグループは脳活動、特に神経接続性が著しく低いことを示しました。彼らの脳は作業中に薄暗くなっているように見えました。
そして評価者がエッセイを見たとき、AI支援エッセイは技術的には熟練しており、文法的に正しく、構造的に健全でした。しかし、それらは一貫して空虚または魂のないものと評されました。それらは互いに著しく類似しているように見えました。
思考の多様性の喪失
これは2024年の研究で確認されました。300人に物語を書かせ、一部にはアイデアの種を提供するAIアシスタントを、一部には何もなしで書かせました。しかし、すべての物語を一緒に分析したとき、AI支援の物語は互いに著しく類似していることが分かりました。
これは個人を超えた認知的コストにつながります。社会の誰もがAIを使用すると、私たちの集合的思考が狭まり始めるのです。この効果をよりよく理解するために、すべての可能な思考を無限のサイズの巨大な木として想像してください。長い文として想像できる各思考は、この木を通る経路です。経路の各ステップは単語です。
あなたの心は、この木のほんの小さな微視的な一部分しか探索しません。しかし、それはあなたの一部分です。あなたが選ぶ経路は指紋のようなものです。しかし、これらの生成された物語のようなAIの思考を見ると、それらはスタイルと内容の両方においてはるかに集中する傾向があります。
他の研究者たちは、これが修正できるかどうか疑問に思いました。そこで彼らは、ライターに10種類の異なるAIペルソナを与える実験を行いました。各ペルソナはまったく異なる文化的視点を持っています。ラテンアメリカのマジックリアリスト、ディストピア的なハードSF作家など。そして、それは機能しました。
これらの異なるAIペルソナで創作する人々は、多様性が回復された物語のプールを作成しているように見えました。しかし、ここに落とし穴があります。物語の多様性は、そもそも人間がペルソナをデザインしたことからのみ生まれたのです。
他の研究はこれを示しました。AIにユニークなペルソナを与えると、同じ問題が続きます。100の物語を語るよう求めると、研究者たちは出力に同じアイデアの組み合わせが繰り返されるエコーが含まれていることを発見しました。
ですから、1つの出力だけを見ると、それは斬新に見えるかもしれませんが、多くを見た後、それらがすべて同じものの陳腐なエコーであることに気づきます。AIは人間ほど新しい多様性を生み出しません。それは人間が与えたものをリミックスするのです。
思考空間における探索
そして私たちは、思考をサイコロを振ることに似ていると考えることで、これをモデル化できます。各分岐点で次の単語を選択するためにサイコロを振ります。真にランダムな経路は最大限に多様ですが、それらはすべて無意味なナンセンスです。
AIのサイコロは重く加重されており、そのトレーニングデータで以前に言われたことに大きく偏っています。だからこそ、これらの経路は意味をなしますが、常に集まり、互いにエコーし合うのです。加重されたサイコロから逃れることはできません。
しかし人間の思考は異なります。それは加重されたサイコロを振るようなものですが、あなたのユニークな人生経験とあなたにとって重要なことによって加重されています。そして、この重みは常に変化しています。これは思考空間内で、意味のある多様な探索を生み出します。
あなたは誰も行ったことのない領域に迷い込み、AIには到達できない場所に行くでしょう。重要なポイントは、大規模言語モデルは思考を継続するように最適化されており、新しい思考を生成するようには最適化されていないということです。創造性は種となる思考とその継続、つまり人間の入力にあります。
AIには内在する好奇心や好みはありません。あなたがより多くの人間の思考を与えて指示すればするほど、それがより良く機能する理由を知っています。最近の研究もこれを確認しています。AIは拡散的思考、つまり真に新しい出発点を生成することでは人間よりも弱いですが、一度方向を与えられると、洗練して実行する収束的思考では非常に効果的です。
人間主導のAI活用
そして、私たちが見たMITの執筆研究は、これを最も興味深い結果として呼び出しました。彼らは最後のグループをテストしました。最初に人間が、次にAIへのアクセスです。まず自分の考えを概説し、次にChatGPTを使用した学生は、彼らの脳接続性が実際に人間のみのグループよりも高かったのです。
違いは出発点でした。人間が先かAIが先か。ですから、AIに常に一般的な質問をすることは萎縮につながることを認識してください。自分の近所で毎日GPSを使用するのと同じように、頭の中の地図を失うでしょう。
しかし、あなたが以前に一度も尋ねたことのない珍しい質問をAIに尋ねること、あなたの経験に特有の質問、あなただけが作ることができるつながり、それは違います。質問自体を見つけることが仕事なのです。
では、この魔法のガムボールマシンについてはどうでしょうか。タダで食べられるランチはありません。マシンは私が与えるどんな出発点からでも実行できますが、私が会話を通じてさまよい、自分が探してすらいなかった何かを見つけるまで混乱と格闘する方法では、さまようことができません。
無限の可能性の中から、私はこれらの経路のほんの一握りしか見つけません。それらの経路には私の指紋があります。私の過去の作品に基づいてランダムな台本や動画を生成するAIは、遠いエコー、非常にぼやけた指紋になるでしょう。なぜなら、それが私の次のすべての思考を見つける可能性はゼロだからです。
代わりに私のアイデアを与えれば、一瞬はより良く見えるかもしれませんが、同じ理由で失敗するでしょう。皮肉なことに、私を適切に反映する唯一のAI入力は、私の思考全体を与えられたものです。そしてそれは、その思考を持つための苦闘からのみ来るのです。
なぜなら、生成AIは小さな入力と大きな出力がすべてだからです。小さな入力と大きな出力がある場合、芸術を作るときに指定する必要があるすべてのものを指定するために、あなたのすべての意図を込める方法は単純にありません。ですから、入力が仕事なのです。入力が価値なのです。
問いの価値
そしてこう考えてください。答えのコストがゼロに下がる世界では、質問の価値がすべてになるのです。この動画を見ていただき本当にありがとうございました。もしここまで見てくれたなら、ぜひ私のメールリストに参加してください。ご存知のように、アルゴリズムが支配していますが、視聴者に直接連絡できればと思います。
私は新しいプロジェクトに取り組んでいて、それにワクワクしています。2026年に見たい潜在的な動画のアイデアについて、視聴者の意見を聞きたいと思っています。ですから、それを記入するときは、あなたのアイデアをボックスに入れてください。私から連絡します。
コメント