51 AIを教える
ここでは現時点で、教師はAIに関して、安全に、そして教育プロセスに付加価値を加える形でAIを使いこなせるだけのリテラシーを備えていると考えることにします。教師は、学習者に内部事情的な知識を共有したり、あるツールがどのように動くのかを説明したいと思うかもしれません。しかし、それはまだ、教師にAIそのものを教える役割や任務が与えられたことを意味しません。
とはいえ、いずれこの問いは必ず出てきます。AIについて／AIのために、すべての人を教育する必要はあるのでしょうか。もし必要だとしたら、何を教えるべきでしょうか。誰が教えるべきでしょうか。教師はさらにどれだけ学ぶ必要があるのでしょうか。
コーディング教育から学んだこと
10年前、多くのヨーロッパ諸国は「子どもにコンピュータの使い方を教えるだけでは不十分で、コード（あるいはより意欲的には計算機科学・情報学）を教える必要がある」という結論に達しました1,2。そこで用いられた主張は、今日の人工知能についてもおそらく当てはまります。
- コーディングは、書くことや数えることと同じくらい有用である
- 多くの人間の活動はコーディングから恩恵を受ける
- コーディングは、問題解決など他の重要なスキルとも関係している
その結果、学校にコーディングが導入されましたが、成功の度合いにはばらつきがありました3。教師を育成するという「人」に関わる部分に、十分な資源が割かれなかったのです。ここには複雑な問題もありました――教師をあまりに高度に育成すると、給与の高いコンピュータ産業へ転職してしまい、教職を離れる可能性があるからです。Informatics Europe などの組織の報告は、この点を示しています（もちろん例外はあります）。
教師の研修は、どの国でも複雑な課題でした。2023年の時点でも成果は一様ではなく、多くの国では「適切に訓練された教師が足りない」という感覚があります。これは、AIを「AIで教える（teach with AI）」のではなく、AIを「AIとして教える（teach AI）」レベルまで教師を育成することを考えると、いっそう困難になります。
AIリテラシー
第一の目標は、学校に何らかのAIリテラシーを導入することかもしれません。しかし、このリテラシーが何を含むべきかについては、まだ合意がありません。AIの仕組みを説明したいのか、それともAIが出す結果だけを扱えばよいのか。リテラシーとは、AIを理解することだけなのか。適応したり、創造したりする力はどう扱うべきか。こうした問いに向き合う必要があります。おそらく、AIリテラシーの授業で何を教えるべきかを考えるための最初の問いは、「私たちは何を達成したいのか」でしょう。
AIリテラシーは、人々が魔法と科学を区別する助けになります。新しいAIソリューションを評価し、「それが何をするか」だけでなく「どう動くのか」についても直感を持つためには、実践的な訓練が必要になります。学習者は、システムを試し、そしてそれらがどのように動くのかを理解できるようになる必要があります。
パラダイム（考え方の枠組み）
AIはアルゴリズムだけの問題ではありません。人間に関わる側面も多く、考えるべき問いがあります。たとえば、多くのAI手法は、ある程度ランダム性に依存しています。これは、私たちの重要な意思決定を助けるはずの技術（あるいは、株式市場のように、増えつつあるケースではAIが意思決定を直接実行する技術）としては奇妙に見えるかもしれません。
それでも、AIが将来の鍵となる役割を果たすのだとしたら、少なくともAIに向き合う取り組みを始めるべきではないでしょうか。
2018年のユネスコ向け報告書4では、今日の教育システムにはほとんど見られないものの、今後扱う必要があるとして、次の5点が挙げられました。
- ツールの使用自体は直接コーディングを必要としないように見えても、AIツールの背後にある推論はルールに従っており、それはコーディングを通して学ぶことができる。
- ランダム性は重要である。AIは誤りを犯し、その誤りは多くの場合避けられない。原因はデータやセンサーの品質にあり得るし、使用されるアルゴリズムの統計的性質にも由来する。多くのAIアルゴリズムは「絶対に正しい」ことを目標にしていない。
- 世界はもはや決定論的ではない。これは上の点の帰結だが、その影響は独特である。AIシステムが、単純な問いに対してさえ、異なる、時には矛盾する答えを返しうることがここで理解される。アラン・チューリングの1950年の論文6を読むと、これらの問いへの洞察が得られる。
- 批判的思考は不可欠だが、適切なツールの使い方を知る必要がある。AIツールは偽物（画像・動画、そして今や文章）を作る能力が高まっている。近い将来、偽の講義さえ現れるかもしれない。画像・音声・文章が偽物かどうかを判断する際、常識だけでは十分ではない。
- 私たちは価値を大切にする―世界を分析すること、道徳的な判断をすること、なぜ学習や仕事に時間を費やすのかを問い直すことです。
AIの進歩を踏まえて、これらの価値は検討され直される必要がある。
真実のグレーゾーンは日々広がっている。AIが集合的経験を参照して数値計算できるようになると、経験そのものの価値が下がるかもしれない。これらの論点を理解すること、少なくとも問うことは必要である。
カリキュラムと枠組み
2023年末の時点で、K-12（初等・中等教育）とその教師向けのAIカリキュラムは多くはありません4,5。ユネスコはそれらを調査し、紹介し始めました8。
ユネスコは世界の教育において重要な役割を担っています。ユネスコは「教育の未来（Futures of Education）」9に関心を持ち、「教育のためのAI／教育におけるAI」にも特別な関心を寄せています。ユネスコは、AI・教育・倫理、そして教育における生成AIの利用について、政策決定者や教師向けの文書を提供しています。2023年には、ユネスコの専門家が、教師と学習者に必要な能力（コンピテンシー）が何かを示す文書づくりに取り組んでいます11。最終版は2024年に公開予定です。2023年版では、技術的な論点と、社会科学に近い論点（教師の場合は職能開発に関わる論点）をバランスさせた内容が提案されています。コーディングは直ちに必須ではないとしても、AIをよりよく理解するには必要なスキルであるように思われます。
AIをコーディングする
コーディング（プログラミング）は、2012年以降、多くのヨーロッパ諸国で推進されてきました。2023年にはEUが、ヨーロッパにおける情報学教育の推進を支援しました。
しかし、生成AIの登場と教育への影響の見通し10により、コードを学ぶことの有用性は問い直されています。AIにこの作業を任せてしまえばよいのではないか、あるいは逆に、将来多くの仕事がAIに依存するのなら、AIをよりよく使うためにこそコーディングを学ぶべきではないか――という議論です。
コーディングを学ぶ主な理由は、教師や学習者が、コンピュータプログラムの中でAIを活用できるようになることです。AIをコーディングするには、いくつもの作業があります。モデル構築は通常、データサイエンスや機械学習の領域です。優れたプログラマは、データセットを歪めずにクリーニングし、それを用いて機械学習アルゴリズムでルールやパターンを抽出できます。意味のある属性（特徴量）を指定することもできますし、アルゴリズムに生のテキストや画像を分類させることもできます。Orange のような言語／ツールは、こうした作業に向いています。一方で、汎用言語である Python のようなものを使うことを選ぶプログラマもいます。
1 Royal Society (2012). Shut down or restart? Report of the Royal Society. 2012 https://royalsociety.org/topics-policy/projects/computing-in-schools/report/T.
2 Académie des Sciences (2013). L’Académie des Sciences : L’enseignement de l’informatique en France – Il est urgent de ne plus attendre. http://www.academie-sciences.fr/fr/activite/rapport/rads_0513.pdf
3 Informatics Europe (2017). Informatics Education in Europe: Are We All in the Same Boat?
4 Colin de la Higuera (2018). Report on Education, Training Teachers and Learning Artificial Intelligence. https://www.k4all.org/project/report-education-ai/
5 Touretzky, D., Gardner-McCune, C., Martin, F., & Seehorn, D. (2019). Envisioning AI for K-12 : What Should Every Child Know about AI ? Proceedings of the AAAI Conference on Artificial Intelligence, 33, 9795-9799. https://doi.org/10.1609/aaai.v33i01.33019795
6 A. M. Turing (1950)—Computing Machinery and Intelligence, Mind, Volume LIX, Issue 236, October 1950, Pages 433–460, https://doi.org/10.1093/mind/LIX.236.433
7 Howell, E. L., & Brossard, D. (2021). (Mis) informed about what? What it means to be a science-literate citizen in a digital world. Proceedings of the National Academy of Sciences, 118(15), e1912436117. https://www.pnas.org/doi/abs/10.1073/pnas.1912436117
8 Unesco (2022) K-12 AI curricula: a mapping of government-endorsed AI curricula. https://unesdoc.unesco.org/ark:/48223/pf0000380602
9 Unesco (2023). Artificial intelligence and the Futures of Learning. https://www.unesco.org/en/digital-education/ai-future-learning
10 Unesco (2023). Guidance for generative AI in education and research. https://www.unesco.org/en/articles/guidance-generative-ai-education-and-research
11 Unesco (2023). AI Competency frameworks for students and teachers. https://www.unesco.org/en/digital-education/ai-future-learning/competency-frameworks
