第163号

AIで12問解いた後、自力では諦める頻度が高まった

MIT、ウォートン、カーネギーメロンなどの最新研究が捉えた、AI利用後の持続性・創造性・批判的思考の変化と、サンプル規模や研究期間の限界を併せて整理しました。

社会

アン・グァンソプ（Oswarld）· INLEVEL9 著者・編集者

Google の優先ソースに追加
AIで12問解いた後、自力では諦める頻度が高まった

AIで12問解いた後、自力で解く3問ではより頻繁に諦めた

ソクラテスは文字の普及を心配しました。文字として書き留めるようになれば、人々はもはや努力して記憶しようとしなくなるだろう、と。電信が登場したときには詩の時代が終わるという予言が飛び交い、計算機が普及すると暗算能力が失われると懸念されました。そしてGoogleが登場した際にも、まったく同じ不安が繰り返されました。

いつの時代も同じでした。新たなツールが登場するたびに「このままでは私たちの脳が壊れてしまう」という心配が繰り返され、概ねそのような破局は訪れませんでした。そのため、昨今耳にする「AIが人類を愚かにする」という言説も、聞き飽きたレパートリーの繰り返しのように思えます。

しかし、最近発表された複数の研究を丹念に読み解いていくと、今回はこれまでとは少し様相が異なるという印象を拭い去れませんでした。生成AIは情報の検索や計算にとどまらず、アイデアの提案や文章の構成まで肩代わりしてくれます。初期の諸研究は、こうした支援を受けた直後に自力で取り組む課題において、困難が生じ得ることを示唆しています。

🧩 Googleと計算機の時代にはどのような議論があったのか

2011年、コロンビア大学の研究チームが興味深い実験を行いました。被験者にある情報を提示しながら「これは後でコンピュータから再度検索できる」と伝えると、情報そのものよりも「どこで検索できるか」という場所のほうをよく記憶していたのです。研究チームはこれを「Google効果（Google Effect）」と名づけました。情報そのものではなく、再検索する方法を覚えたわけです。

当時も懸念と反論が激しく対立しました。一方では「Googleが私たちを愚かにする」と主張され（2008年の『The Atlantic』誌による有名なカバーストーリーでした）、他方では「図書館で資料をめくっていた時間を節約し、より深い思考に充てられる」と反論されました。計算機も同様です。暗算能力は衰えたかもしれませんが、私たちは計算機のおかげで、より複雑な数学的課題を扱えるようになったからです。

そのため、AIを計算機に例える人は少なくありません。サム・アルトマンもその一人です。しかし、この比喩に真っ向から異を唱える研究者がいます。AIと認知能力に関して最も多く引用されている研究を発表した、MITのナタリヤ・コスミナ（Nataliya Kosmyna）です。「計算機を抱きしめて眠りにつき、朝一緒に目覚める人はいません。計算機に向かって頭の中の悩みをすべて打ち明けることもありません」。ツールの「性質」そのものが根本から異なるという指摘です。

📊 最新研究が捉えた結果

コスミナらのチームによる実験から見てみましょう。参加者54人を3つのグループに分けました。第1のグループはChatGPTのような大規模言語モデル（LLM）1を、第2のグループはGoogle検索を使い、最後のグループはいかなるツールも使わず自らの頭脳だけでエッセイを執筆しました。脳波（EEG）2を測定したところ、課題を遂行している間の脳波の連結性は、ツールを使わなかったグループが最も高く、言語モデルを用いたグループが最も低い値を示しました。 この測定値自体が直ちに知能の優劣や脳の損傷度合いを意味するわけではありません。しかし、AIを用いて文章を作成した被験者は、直前に自らが書いたばかりの一文を正確に引用することにも苦労し、「この文章は自分のものだ」という感覚も最も希薄でした。実験の回数を重ねるにつれ、この格差はむしろ拡大していきました。

実験室の中だけの話ではありません。ウォートン・スクールの研究チームは、トルコの高校生約1,000人を対象にAI数学チューターを導入しました。一方は標準的なChatGPT型のツールで、もう一方は正解を直接教える代わりにヒントを提示し、教員が作成した解法や誤答ノートを反映させた「ガードレール」版でした。演習の段階では、双方のグループともに良好な成績を収めました。とりわけガードレール版を使った生徒たちは、演習問題を実に127%も多く正解しました。ところが、AIの使用を禁止して試験を実施したところ、結果は一転しました。標準的なChatGPT型ツールを使っていた生徒たちの成績は、AIを一切使わずに学んでいた生徒たちよりも劣っていたのです。AIを利用している間に向上した演習成績は、ツールの支援なしで臨んだ試験の成績には結びつきませんでした。

カーネギーメロン大学のグレース・リウ（Grace Liu）らのチームによる最近の研究は、さらに短い時間の中で同様の変化を捉えました。参加者に分数の問題を解かせたところ、あるグループは前半の12問をAIの支援を受けながら解くことが許されました。ただし、最後の3問は自力で解かなければなりません。AIを利用したグループは前半の12問こそ難なく解いたものの、最後の3問では誤答が増加し、途中で諦めてしまう頻度も高くなりました。この変化が生じるまでに要した時間は、わずか10分でした。 研究チームは現在のAIを次のように表現しています。「メンターは答えだけを与えることはありません。学びのプロセスを設計し、目先の即効的な結果よりも相手の成長を優先します。対照的に、現在のAIは即時的で完成された回答を出すことに最適化された、近視眼的な協働者にすぎません。一度たりとも『駄目だ』と制止することはないのです」。

見覚えのあるパターンです。実際、私たちは類似の現象をすでにGPSで経験しています。2020年のマギル大学の研究によれば、GPSへの依存期間が長い人ほど、GPSなしで道を探す際の空間記憶能力が低下していました。3年後に追跡調査を行ったところ、その期間中にGPSをより頻繁に利用した人ほど、空間記憶の低下スピードが急激でした。

創造性についてはどうでしょうか。ジョージタウン大学の研究チームは、大学出願用のエッセイ37万件以上を対象に、ChatGPTの登場前後で比較分析を行いました。興味深いことに、AIが介入したエッセイは語彙がより華やかで多彩になっていました。しかし、そこに込められた「アイデア」は、むしろ画一化していたのです。表現は豊かになった一方で、思考は一カ所へと収斂してしまいました。 研究を主導したアダム・グリーン（Adam Green）は次のように解説しています。「Googleは、自分が探そうとしているものを見つける手助けをしてくれます。しかしAIは、何を探すべきかという問いそのものまで代わりに考えてしまうのです」。

ここで、これら一連の研究が抱える限界にも触れておく必要があります。研究ごとにサンプルの規模や設計は異なります。短期的な実験もあれば大規模な観察研究もあり、査読（ピアレビュー）3を通過していない論文も含まれます。リウ自身も次のように一線を画しています。「10分間の利用によって、長期的な脳の変容や認知機能の低下が起きるわけではありません。反復的かつ長期的に使い続けた場合に何が起こるかは未解明の問いであり、長期的な追跡研究によって検証されるべき課題です」。したがって、現時点のデータをもって「AIが脳を壊す」と断定するのは早計です。ただ、異なる研究チームが異なる課題を通じて、類似した兆候を繰り返し観測しているという事実は、看過することができません。

AIが以前のツールと異なる点

私が着目している差異は、アイデアを発想し、論理を組み立てるプロセスそのものまでAIに委ねられてしまう点です。文字や検索エンジンも思考様式に変化をもたらしましたが、生成AIは問いを投げかけると、主張と論拠を兼ね備えた文章の形で答えを提示します。利用者がその論理構成を自ら吟味することなく受け入れてしまえば、自らの頭で思考を深めるステップを容易に飛び越えてしまいます。

懸念されるのは、そうした思考力をまだ十分に培った経験のない人々です。スイス・ビジネス・スクールのマイケル・ゲルリッヒ（Michael Gerlich）は次のように警告しています。「若い世代が批判的思考（クリティカル・シンキング）を初期段階から学べなくなるリスクが高まっています。AIが代わりに考えてくれる利便性に慣れてしまうと、その能力をそもそも発達させる機会を逸しかねないからです」。すでにその能力を身につけた人であっても安心はできません。1971年のパイロットを対象とした研究によると、一定期間操縦から離れていても手と目の感覚は保たれていたものの、手順を記憶し航空機の位置を頭の中で把握する「認知的」スキルは急速に衰退しました。手先を動かす感覚よりも、手順を記憶し航空機の位置を把握する認知的スキルのほうが、先に衰えてしまったのです。

Googleの前例を振り返ることも有益です。私たちはGoogleの恩恵によって、より賢く、より自由になったでしょうか。必ずしもそうとは言い切れません。デジタルツールが普及した時期と軌を一にして、仕事と生活の境界線の曖昧化や、集中力の低下を懸念する声が高まりました。20世紀を通じて10年ごとに約3ポイントずつ上昇していたIQスコアは、2006年以降、複数の測定項目で下落に転じました。下落幅が最も急激だった層は18〜22歳、すなわち最もデジタルネイティブに近い世代でした。 もっとも、世代間のスコア格差や同時期に生じた変化のみをもって、Googleやデジタル機器が主たる要因であると結論づけることはできません。

ただ、希望の持てる手がかりも存在します。短くなってしまった集中力について、研究者たちは脳の構造そのものが不可逆的に変化した結果というよりは、「習慣」の問題に近いと捉えています。自らの周囲に配置してしまった阻害要因を取り除けば、再び長時間の深い集中を取り戻す訓練は可能です。能力そのものが消滅したのではなく、一時的に使われなくなっているだけなのだとすれば、それを取り戻す余地は十分に残されているはずです。

Oswarldの視点

率直に申し上げるなら、私はこのテーマをめぐる双方の言説に対して、少しずつ疑念を抱いています。

データを扱ってきた立場からすれば、「AIが脳を壊す」といった見出しは、現時点では根拠が薄弱であると考えます。数十人規模の実験、10分間の観察、査読前の論文を根拠に、人類の未来を軽々に断定することはできません。不安を煽る主張は、証拠が蓄積される前に世間に拡散しやすい性質を持ちます。しかし同時に、「計算機の普及時も問題なかったのだから、今回も大丈夫だ」という安易な楽観論もまた、思考停止に見えます。複数の研究において類似の課題が浮上している以上、どのような利用形態や条件下でそうした結果がもたらされるのかを、さらに精査する必要があります。

私自身がAIツールを直接開発する過程で、繰り返し実感した事実があります。現在のAIは「即時的で完成された回答」を出力するように設計されています。製品の使い勝手という観点に立てば、それは大きな利点です。ユーザーが試行錯誤して行き詰まることなく、即座に成果物を手に入れられるからです。しかし、学びのプロセスはそのようなものではありません。迷い、行き詰まり、間違いを経験することを通じてこそ、自ら思考する力は育まれます。リウらのチームが指摘したように、AIは決して「駄目だ」とは制止しません。それはAIの欠陥ではなく、意図された設計の選択なのです。そして設計である以上、変更することは可能です。

したがって、私の結論は次のようになります。AIを使うべきか否かという二者択一ではなく、どの作業を自力で継続し、どの作業をAIに委ねるのかという境界線を、自らの意志で定めておくことが肝要です。 コスミナは、自らが開発したAIは学術研究にのみ使用し、私生活においては「堂々と」言語モデルを使わないと語っています。グリーンは「白いページ（空白の原稿）に敬意を払え」と説きました。私自身も、構想の骨子を組み立てる最初の瞬間だけは、AIを意図的に閉じるようにしています。完成に至る速度は多少犠牲にするとしても、思考を巡らせる手応えだけは、自分自身のものとして手元に残しておきたいからです。

おわりに

要点を整理すると、次のようになります。第1に、「新技術が脳を壊す」という恐怖心は歴史上常に存在し、概ね杞憂に終わってきました。第2に、AIの支援を受けた直後に、自力で問題を解いたりアイデアを発想したりする課題において、困難が生じることが観察されています。ツールの設計や使い方次第で結果が左右され得るという視点も忘れてはなりません。 第3に、現時点で確定的な結論を下すのは時期尚早ですが、だからこそ何を自らの能力として守り抜くのかを、今定めておく必要があります。

今日一日だけでも、思考に行き詰まった課題が一つあれば、AIに頼らず最後まで自力で格闘してみてはいかがでしょうか。すぐに正解を確認してしまう前に、自分がどこでつまずいているのかを自らの言葉で説明してみるだけでも、確かな訓練になるはずです。

💬 読者の皆さんは、すでにAIに「委ねてしまった」能力はありますか？ 私は道順を把握する感覚を、GPSにすっかり明け渡してしまったように感じています。反対に「これだけは絶対にAIに譲らない」と決めている能力があれば、その理由とともにぜひコメント欄でお聞かせください。次回の配信のテーマとして取り上げてみたいと思います。

📨 「最近どうも頭の回転が鈍くなった」と感じている方が周囲にいらっしゃれば、ぜひこの記事をそっとシェアしてみてください。

あなたの視点が次の号をつくります

この号で最も共感した点、あるいは違う経験をした点はどこですか。

読者アカウントがあれば無料でコメントできます。

参考資料と関連リンク

主要出典

背景知識

アン・グァンソプ（Oswarld）のイラスト

著者 アン・グァンソプ（Oswarld） は世宗大学校 兼任教授、INLEVEL9 戦略コンサルタントです。経歴、研究、著書、最近の活動は著者紹介で更新しています。 最近の活動 · 2026年7月：HEMA-2: A Consolidation-Aware Tri-Memory Architecture with Multi-Channel Scheduling for Lifelong Conversational AI。

📝 用語解説

筆者のアン・グァンソプ（安光涉）は世宗大学経営学科教授であり、INLEVEL9のリードコンサルタントを務める。大学で経営データ管理やビジネスアナリティクスなど統計・データ分析を教える傍ら、現場ではGTM戦略とAI戦略コンサルティングを率い、技術とビジネスの接点を設計している。AI対話システムの記憶アーキテクチャ（HEMA）研究で学術論文を発表しており、毎日世界のAI論文をキュレーションするDaily Arxivプロジェクトを運営している。高麗大学技術経営専門大学院修士課程およびKMBA修了。著書に『思考を委ねる人々：ホモ・ブレインレス』がある。

각주

  1. 大規模言語モデル（LLM）：ChatGPTのように膨大なテキストデータを学習し、文章を生成するAIです。一般に「生成AI」と呼ばれる仕組みの中核を成すエンジンです。 ↩

  2. 脳波（EEG）：頭部に電極センサーを取り付け、脳の電気的活動を記録する手法です。どの領域がどれほど活発に「協調して働いているか」を垣間見ることができます。 ↩

  3. 査読（ピアレビュー）：論文が正式発表される前に、同分野の専門家が研究手法や結論の妥当性を検証する手続きです。この審査を経ていない論文は「プレプリント」と呼ばれます。 ↩

あわせて読みたい過去の号

第153号

AIの支援後に自力で解いた問題、対照群を下回った正答率

ある実験で最後の問題の正答率は、事前にAIの支援を受けた群が57％、最初から自力で解いた群が73％でした。短期的な遂行能力の差が何を意味するのかを考察します。

社会
第150号

GoProを装着してロボット学習データを作るインドの労働者

カルール工場の労働者はGoProで日常を撮影しロボットを訓練しています。しかし、そのデータは誰のものなのでしょうか。

社会
第146号

中国系企業のAI利用、米3社で分かれる基準

中国系海外法人へのAI提供を巡り、OpenAI・GoogleとAnthropicの基準が分かれています。政府規制とは別に企業のアクセス方針が及ぼす影響を考察します。

社会