人工知能が試験重視教育の華容道を阻む

01 はじめに

人工知能のビッグデータトレーニングと試験重視の教育における質疑応答トレーニングは、トレーニングモードが非常に似ています。しかし、計算能力やビッグデータ処理の面では、人工知能は人間の脳では達成できない自然な利点を持っています。人工知能は徐々にプロセスベースで反復的な仕事に取って代わりつつあり、試験重視の教育の道を阻んでいます。人工知能は、雇用市場から教育の変革と発展を迫り、あらゆる面から試験重視の教育の余地を圧迫するでしょう。

2017年7月20日、国務院は「次世代人工知能発展計画」を公布し、小中学校に人工知能関連のコースを設置し、人工知能分野の第一級学科の構築を推進し、インテリジェント時代の教育の変革と発展に向けて前向きな取り決めを行うことを提案した。人工知能のコースを追加し、現在の教科教育システムと教育概念を全体的に変更することによってのみ、我が国の教育と人材育成構造に対する人工知能の大きな影響に根本的に対処することができます。差別化と個性化を図った総合的な教育革新の道を歩み、人間性の長所を最大限発揮することによってのみ、知性の波に追いつくことができるのです。

本稿は、強い人工知能の下での世界の破壊的な変化の将来については触れず、弱い人工知能学習の現在の特徴とそれがもたらす予測可能な影響、および現在の教科教育モデルに存在する問題に焦点を当て、教科教育におけるタイムリーで適切な変化を探ります。

[[204872]]

02 近い将来から、インテリジェント時代の教科教育思想の変化を探る

人工知能60周年にあたる2016年、AlphaGoが囲碁の分野で人類に勝利し、人工知能の新たなマイルストーンを打ち立て、人類がインテリジェント時代に入ったことを象徴しました。人工知能の急速な発展は各界から大きな注目を集めています。人々は人工知能に期待すると同時に恐れも抱いています。

強力な人工知能（人間に匹敵する知能）や超人工知能（総合的な能力が人間を超える）の時代における人類の未来の生活について、多くの未来学者が一般人の想像を超える仮定や予測を数多く立てています。例えば、「人工知能は夢を見るか（意識）？人工知能は結婚するか（性別）？人工知能はお金を使うか（信用）？」これらの予測の中には、機械が人間に取って代わったり、さらには人間を支配したりするという見方が広まっています。

人類の発展の歴史と未来から判断すると、未来学者のこうした考えは非常に真剣なものかもしれないが、科学的感情に満ちたこうした考えが一般の人々にとってはSFのようなもので、常に手の届かない非現実的な感覚を与えていることも否定できない。筆者は未来を予測することはできませんし、予測するつもりもありませんが、現在の弱い人工知能の発展状況から判断すると、10〜20年という近い将来、弱い人工知能技術は確かに私たちの生活を真に変えてしまうでしょう。

[[204873]]

著者は人工知能の研究者であり教育者でもあるため、人工知能学習の現状の特徴を分析の出発点として、教科教育におけるタイムリーな変化の問題について議論します。著者は能力が限られているため、強力な（超）人工知能のもとで世界全体が破壊的な変化を遂げる未来について議論するつもりはなく、教育の本質や人生の究極の目的について議論するつもりもありません。教科教育の適切な調整について個人的な表面的な考えを述べるだけです。著者はまた、教育界と学術界の専門家や学者の間で、人工知能の課題に対処するための教育の道を見つけるためのより深い議論が行われることを期待しています。

03 AI学習の特徴

現在の人工知能は、主にアルゴリズム、計算能力、ビッグデータという3つの部分で構成されています。アルゴリズムは人工知能の頭脳であり、計算能力は人工知能の体であり、ビッグデータは人工知能の成長の栄養です。以下では、チェスとカードの AI (有名な AlphaGo と、トッププレイヤーを破ったテキサスホールデムの AI Libratus) を例として、AI 学習の特徴を説明します。

囲碁は人間の知性を最もよく反映する最も複雑なボードゲームです。 AlphaGo は、Google DeepMind が開発した囲碁を打つ人工知能です。その戦績は、2016年1月27日にヨーロッパチャンピオンのファン・フイを破り（Zen/Crazy Stoneなどの以前の囲碁ソフトウェアと比較して、そのチェスの強さは4ポイント高い）、2016年3月15日に世界チャンピオンのイ・セドルを破り（前世代と比較して、そのチェスの強さは3ポイント高い）、2017年1月初旬に61人のプレイヤーを相手にラピッドチェスで60勝1引き分けの無敗記録を達成しました。2017年5月27日、当時世界一の人間チェスプレイヤーであった柯潔を3対0で破った後、引退を発表しました。

AlphaGo は、最新のディープラーニング手法 (アルゴリズム)、最新のスーパーコンピューティング システム (計算能力)、およびチェス記録のビッグデータの合計として考えることができます。イ・セドルを破ったAlphaGo 1.0人工知能システムでは、深層構造を訓練するための大量のデータがあって初めて、深層学習がその大きな力を発揮することができます。しかし、深層学習には数億のパラメータが関係します。データが十分でない場合、過剰適合を引き起こしやすく、パフォーマンスが低下します。このような大規模な訓練を行うには、スーパーコンピューティングパワーが必要です。ディープラーニングの概念と手法は1998年に提唱された。当時は簡単な手書き文字認識問題しか解けなかったが、今ではイ・セドルに勝てる。ディープラーニングの構造は基本的に変わっていない。主に、それまで存在しなかったより強力なCPUとGPU（グラフィックス処理装置）を使用し、数千万倍もの膨大なデータを使用する。

AlphaGo 1.0はトッププレイヤーの1500万の対局記録を格納し、トレーニング時には1,202個のCPUと176個のGPUを使用すると言われています。 AlphaGo 1.0は、外部のチェス記録ビッグデータに大きく依存する深層畳み込みニューラルネットワークと深層強化学習アルゴリズムを通じて、「名人の模倣+両手での戦闘」を実現します。

柯潔に勝利したAlphaGo 2.0は、より優れたディープラーニングアルゴリズムと、ディープラーニングに適したテンソルプロセッシングユニット（TPU）を搭載しており、「左右対局」で常に新しい良い手と良いゲームを発見することができる。外部の対局ビッグデータに頼らず、独自の対局ビッグデータを蓄積している。

テキサスホールデムは世界で最も人気のあるポーカーゲームです。 2017年4月14日、カーネギーメロン大学（CMU）が開発した人工知能Libratusがテキサスホールデムのトッププレイヤーを破り、AlphaGoに続く人工知能研究の新たな躍進を記録しました。計算の複雑さの点では、テキサス ホールデム (10 の 160 乗) は囲碁 (10 の 171 乗) よりもわずかに低くなります。しかし、ゲーム理論の観点から見ると、囲碁のような完全情報ゲームとは異なり、テキサス ホールデムは不完全情報ゲームです。プレイヤーの 2 枚のホールカードは他のプレイヤーには知られておらず、自分の賭けを通じてのみ他のプレイヤーに影響を与えることができます。数学 (確率論) と心理学に基づいて正しい決定を下すことが目標です。

[[204874]]

数学的なレベルでは、Libratus も主にゼロからの強化学習に依存しています。Libratus は主に、数え切れないほどのテキサス ホールデムの決闘を通じて、ほぼ無制限のコンピューティング能力に依存し、さまざまな複雑なゲームに最適なソリューションを提供できるチェスとカードのマスターに自分自身をトレーニングします。

心理学的なレベルでは、Libratus は、著名なアメリカの心理学者でありノーベル経済学賞受賞者であるカーネマンが提唱した反事実的思考や損失回避などの非合理的な心理学理論を活用しています。計算能力の面では、Libratus はプログラムを実行するために数百万ドルの費用がかかるスーパーコンピューターも必要とし、1 時間あたりの電気代は獲得した賞金を上回る可能性が高い。

要約すると、現在の人工知能は、計算能力とビッグデータの点で人間の脳をはるかに上回っています。ターゲットを決定するアルゴリズムでは、外部データに頼ることなく、ゼロからビッグデータを蓄積することができます。同時に、人工知能は「体力」の面で十分な電力があればよく、「精神力」（心理的、感情的）の変動がなく、人間の非合理性に対して非常に合理的に対処できる。

したがって、ルールと目標によって決定されたタスクを完了する点で人工知能は人間の知能を完全に上回ることができ、指数関数的発展の原則に従って進化し続け、ムーアの法則に従ってコストを削減し続けると信じる理由があります。人工知能は、多くのプロセスベースの反復的な仕事で必然的に人間に取って代わるでしょう。

04 人工知能が試験重視の教育にもたらす危機

長年にわたる教育改革にもかかわらず、「質問の海」戦術は依然として我が国の教育の主流手段であり、ますます深刻になっています。教育をその原点に戻し、教育によって子どもたちが幸せな人生を送ることができるようにすることは、常に単なる概念やスローガンにすぎないように思えます。わが国の人口基盤と人材獲得競争環境を考慮すると、試験は人材を階層化する主な手段であり、教育を人材獲得競争の主戦場に押し上げてきた。このような状況下では、試験重視の教育が普及していることは理解に難くない。結局のところ、ほとんどの一般人にとって、さらなる教育こそが生活環境を変える唯一の方法です。一生懸命勉強しなければ、合格者リストで良い成績を取ることはできません。これは基本的に到達できるコンセンサスです。しかし、時代は確かに変わりつつあり、特に人工知能の影響は顕著です。一生懸命勉強して大学入試に合格したとしても、振り返ってみるとトンネルの先で人工知能がすでにあなたを待っていたことに気づくかもしれません。

2017年度の大学入試が終了しました。国産の人工知能が大学入試に参加したのは初めてであり、試験にテクノロジーの要素が加わりました。 6月7日午後、国家863「スーパーブレインプロジェクト」が開発したAI-MATHS大学入試ロボットが2017年度大学入試数学テストに参加し、問題集やインターネット、人間の介入を一切受けずに、総合的な論理的推論プラットフォームを通じて問題を解き、10分で答案を提出し、105点を獲得した。 「スーパーブレインプロジェクト」によると、わが国の「大学入試ロボット」は、2020年に総合科目を通じて北京大学と清華大学に入学する予定だ。 「大学入試ロボット」の出現は、長年批判されてきた受験重視の教育や大学入試の人材選抜方法がまさに大きな危機に直面していることを示している。アルゴリズム、計算能力、ビッグデータの応用の面では、人工知能は人間の学生が対抗できない、試験重視の教育への対応において優位性を持っています。

学生の視点から見ると、人間の学生と比較して、人工知能は非常に勤勉で、記憶力が優れ、反応が速いです。対象となる学習コンテンツを瞬時にコピー、記憶、分析、処理、統合、改良することができます。

教師の視点から見ると、多くの普通の人間の教師と比較して、人工知能の教師はトップクラスのビジネスエリート、科学技術エリート、人文科学エリートであり、知識の蓄積と知恵の点で前者をはるかに上回っています。

教材の観点から見ると、AI教材には人間の知識や活動情報だけでなく、AI自身の知識や活動情報も含まれており、教材の量や難易度は既存の教育機関の標準教科書をはるかに超えています。人工知能の計算能力はビッグデータの学習をサポートするのに十分ですが、人間の脳は小さなデータの学習しかサポートできず、知識の海に閉じ込められてしまうことがよくあります。

学校の観点から見ると、AI 学校は最高の実験室であり、無限の情報空間ですが、人間の学生に対する教育環境の質と規模は AI に比べてはるかに劣っています。

教育モデルの観点から見ると、人工知能の教育モデルは主にビッグデータを使用して「アルゴリズム」をトレーニングし、インテリジェント思考ソフトウェアを継続的に進化させることであり、既存の教育機関の人間の学生に対する教育モデルよりも複製性が高く、はるかに効率的です。

教育成果の観点から見ると、訓練された人工知能は企業、政府、社会の特定のニーズを満たし、特定の職務を遂行することもできます。身体的、心理的、または勤務態度の問題はなく、家族や社会に負担をかけることもありません。

受験重視教育の本当の危機が到来したのです。練習問題を解くと、人間のクラスメートには勝てるかもしれませんが、人工知能には勝てないでしょう。数年後には、人工知能は練習問題を解いて北京大学や清華大学に簡単に入学できるようになるでしょう。知能化時代に、学生たちは同級生と競争するだけでなく、新しい知能種とも競争しなければなりません。教育機関や保護者が依然として練習問題や単純な暗記で学生や子供を訓練していると、人工知能と比較すると「人材育成の効率」が低いだけでなく、「製品の品質」も低くなります。保護者の心理的期待に応えられないだけでなく、子供の自信を著しく損なう可能性もあります。

同時に、人工知能が多くの伝統的な仕事、特にプロセスベースの仕事を急速に置き換えつつあることにも注意する必要があります。 10年以内に既存の伝統的な仕事の50%が人工知能に置き換えられると推定されています。

[[204875]]

金融分野では、ゴールドマン・サックスのニューヨーク本社の600人の銀行トレーダーが2人にまで削減され、舞台裏では自動取引プログラムが稼働していた。この例は、より高い給料の仕事が最初に置き換えられることを示しています。人工知能に頼って人的資源コストを削減し、新たな取引モデルを構築して巨額の利益を得ることは、金融資本家の好むやり方であり、このビジネス社会の最も基本的な論理です。

会計分野では、デロイトが財務ロボットを発売した。機械化・定型会計、会計のコンピュータ化、伝票入力、データ統計分析などの基本的な財務業務は、大幅に財務ロボットに置き換えられるだろう。かつては、「四大会計事務所」への就職は、上級ホワイトカラーの象徴でした。労働集約度が非常に高く、年度末には徹夜の残業を強いられるにもかかわらず、多くの卒業生にとって第一選択肢でした。ある程度、金融ロボットが金融人員の一部を代替することは、効率性と人間性の追求と一致しています。

医療分野では、IBMワトソンロボットが世界中の病院で医療アシスタントとなり、世界的な症例ビッグデータに基づき、すでに米国の医師資格評価試験に合格しています。

ニュース編集の分野では、今日頭条の編集ロボットがすでに比較的標準化されたニュース記事を自動で作成できるようになっている。テンセントはDream Writerをリリースし、アリババは中国ビジネスネットワークと協力してDT Draft Kingを開発した。8月8日に四川省九寨溝で地震が発生してから25秒以内に、中国地震ネットワークセンターはロボットが自動で作成したニュースメッセージを発表した。

運転の分野では、Google の無人運転車は合計 300 万キロメートルを走行しました。

翻訳分野では、iFLYTEK は音声認識の精度を 60.2% から 95% に向上させました。

顧客サービスの分野では、Alipay はインテリジェントな顧客サービスを導入し、セルフサービス率を 97% まで引き上げ、満足度を 3 パーセントポイント向上させることに成功しました。

物流分野では、在庫管理や物流情報の記録・追跡にドローンやRFID技術が広く活用され始めています。

「思考の面では人工知能に似ているが、実行の面では人工知能にはるかに劣る」多くの学生は、卒業時に人工知能に排除されるという恥ずかしい状況に直面する可能性があります。人工知能は試験重視の教育への道を閉ざしている。教育部門や教育機関は将来を見据えた対応計画を立てるべきであり、保護者や生徒は考え方を変える必要がある。

05 教科教育はAI型のテスト重視の教育を早急に放棄し、教育の原点に戻るべき

インテリジェント時代において、人工知能が人間のアシスタントとなり、両者が調和して共存することが人類の美しいビジョンです。このビジョンの前提は、人間が人工知能をうまく活用し、自らの人間的特性を十分に発揮できるということです。 2017年7月20日、国務院は「次世代人工知能発展計画」を公布した。この計画では、人工知能分野の第一級の学科の構築を促進するために、小中学校に人工知能関連のコースを設置することを提案した。国は教育のあらゆる面で人工知能の科目教育を整備しており、人工知能を有効活用するという観点から、これは非常に必要かつ前向きなことです。しかし、教育全体の観点から見ると、わが国の現在の教科教育モデルは人工知能の訓練モデルにかなり近く、人間の特性の発達に非常に不利です。人工知能のコースを追加すると同時に、現在の教科教育システムを全面的に改革する必要があります。これにより、人工知能がわが国の教育に及ぼす大きな影響に根本的に対処できるようになります。

[[204876]]

私の国における教科教育の主流の方法と特徴：

言語学習（中国語と英語）では、文字、単語、文法が過度に強調され、断片的な資料が使用され、記事の完全性とより広い文脈が無視されます。一部のテキストは古典から厳密に抜粋されたり、文脈から外れて引用されたりします。テキストの多くは時代感覚を欠き、言語が持つ考え方を無視しています。テキストの中には、非常に文学的で美しいように見えるものの、実際には中身がなく、非論理的なものさえあります。古典的な作文のテンプレートを大量に暗記した子どもたちは、自分の考えを正確かつ見事に表現する能力はおろか、実際の文章作成スキルも身に付けていません。既存の会話型ロボット（音声認識と合成 + 自然言語処理）は、文字、単語、文法の計算モデルを構築することで、短い文章を理解し、文脈に基づいて文章を作成できます。ロボットの中には、幻想的な詩を作ったり、意味不明なジョークを言ったりできるものもあります。しかし、自律的に場面を設計し、架空のプロットを推測し、推論と議論を通じて記事の枠組みを構築するという点では、近い将来、言語ロボットは、人間の思考に匹敵する建設的な自律的な命題文を作成することはまだできず、その場で長いスピーチを行うことはできず、まともな小説を書くことはさらに難しいでしょう。

数学では計算、質問の種類、公式の適用に重点が置かれていますが、論理的推論のトレーニング、原理の背景の紹介、知識ポイント間の論理的関係が欠けています。一般的に言えば、我が国の教科教育において数学は大きな重要性を与えられており、数学教育の基礎はしっかりしており、既存の数学教科書の知識点に関する要求は十分である。しかし、「幼稚園から小学校、小学校から中学校、高校入試」といった異例の選抜ラウンドを前に、全国数学オリンピックでの集中トレーニングも非常に一般的です。一見非常に難しそうなこれらの「数学の曲芸」は、多くの場合、要約された問題解決のルールを無理やり教え込むことに過ぎません。これは数学的思考を養うこととはまったく関係がなく、逆に学習意欲をそぐのに非常に効果的です。大学では、基礎数学の授業は断片的で偏っていることが多いです。学生は試験に対応するために簡単な公式だけを学習します。特定の数学分野の背景や意味を理解しておらず、数学の分野間のつながりを把握することができません。問題を解決することはできても、数学のツールの使い方を知らないことがよくあります。現在、Matlab、Mathematica、R言語などの数学および統計ソフトウェアツールは非常に強力です。同時に、既存の人工知能の計算能力は通常、人間のそれをはるかに上回っています。したがって、数学を専攻していないほとんどの大学生にとって重要なのは、一定レベルの数学的抽象的思考能力、現実世界の問題を数学的な言語で表現する能力、数学的モデルを確立する能力です。具体的な数学的解決策は二次的なものです。

人文科学や社会科学（政治学、地理学、歴史学など）では、知識のポイントを暗記することに重点が置かれており、深み、規模、思考、比較が欠けています。人文科学は人類の精神世界とそこに蓄積された精神文化を対象とする学問です。知識点だけに頼り、それを生活と結び付けて自己を省察しなければ、人間の主体的地位や概念、精神、感情、価値観を真に実感することはできず、思想領域を真に向上させることもできません。社会科学は人間社会を研究する科学です。これらの知識を統合できなければ、人間社会の発展過程を理解することはできません。人文社会科学は人間そのものに関する科学であり、人文社会科学における問題を計算可能な具体的な課題に変換することは困難です。人工知能は、人間の人文社会科学の主要な古典や知識のポイントを容易に記憶することができますが、人工知能が人文社会科学の思考能力を真に備えることは困難です。

数学以外の科学科目では結論性を重視し、問題を提起し、プロセスを探求し、実験を設計するという独自のアイデアを無視しています。科学教育は、生徒が自然を理解できるようにするだけでなく、自然について考え、探求できるようにもする必要があります。現代の科学技術の発達により、人類は多くの自然現象について明確な結論を出すことができるようになりましたが、未知の世界は無限であり、人類が考え、探求する必要がある自然現象は数え切れないほどあります。自然問題や工学問題の提案、探究、実験は依然として主に人間の知能に依存しており、人工知能は補助的な役割しか果たせません。

さらに注目すべきは、現在の教科の教科書は非常に薄く、負担が軽減されているように見えるが、実際はさまざまな教材と山積みのテスト用紙があり、生徒や保護者に大きな負担をかけているということだ。私の国の教科書は、小中学校でも大学でも、海外のものよりずっと複雑です。このような教科書には、詳細な背景紹介や徹底的な推論プロセスが欠けており、知識ポイントを説明する際に、章の知識ポイントを検討すべき問題の論理的な本筋に統合せず、知識ポイントを列挙するだけです。むしろ、概念の理解を深めるためには、何度も繰り返してトレーニングする必要があります。理解と記憶を強化するために問題を練習するだけでは、本末転倒です。大学における教科教育は十分に統合されておらず、このような教育モデルは明らかにインテリジェント時代の発展の傾向に適応できません。

[[204877]]

06 結論

現在の教育方法は、人工知能の学習特性と非常に一致しています。人間同士の競争では、他の人よりも少しだけ熱心に努力し、たくさん練習すれば、同輩の中で勝つ可能性が大幅に高まります。しかし、人工知能と競争する場合、これは卵で石を打つようなものです。自分の強みを生かし、弱点を避けることによってのみ、勝利の可能性が生まれます。

著者の知識が限られているため、この記事では包括的な教育改革と革新という極めて壮大なテーマに真に触れることはできません。この記事の最後に、著者は、個人が教科教育についての概念や考え方を適切に調整できるように、いくつかの表面的な提案のみを提供します。

1. 読み書き能力と流暢な表現力を基礎に、言語学習を他の社会科学と組み合わせ、人文社会科学の総合的な思考訓練方法を形成し、学生の自分自身と社会についての思考の深さ、広さ、厚みを高めます。

2. 数学では、基本的な演算規則と定理の理解を基礎として、実際の問題を数学的な言語に変換する能力を重視します。「計算」のスキルと、さらに重要な「数」の論理を身に付ける必要があります。

3. 子どもたちに十分な時間を与え、観察から質問することを学ぶよう指導します。人工知能の時代では、「質問できること」は「問題を解決できること」よりも間違いなく重要です。 「解決空間」レベルで問題を解決する方法だけでなく、「問題空間」レベルで問題を探索する方法も理解する必要があります。

4. 子どもの健全な成長に影響を与えないあらゆる興味は支援されるべきである。興味は幸福の源であり、革新の原動力です。子どもたちの興味は非常に幅広いかもしれません。興味の中にはすぐに現れては消えていくものもあります。子どもたちの興味を常に奨励することによってのみ、彼らは本当の永続的な興味を見つけることができ、そして将来幸せに暮らし、革新を起こすことができるのです。

5. 子どもたちに人工知能について少し理解させ、人工知能と一緒に作業したり創造したりする能力を身につけさせます。しかし、誰もが人工知能の専門家になる必要はありません。子どもたちの個性を尊重し、子どもたちが自分の興味を見つけられるような教育をすることでのみ、人工知能によって子どもたちの成長の余地が妨げられることを避けることができます。