AI が数学の問題を解けるようになったなら、人間の教師の出番は減るのか。UC Berkeley の電気工学・計算機科学科（EECS）で教育を主な職務とする准教授 Gireeja Ranade は、逆だと答えた。10月29日、数学者 Terence Tao（UCLA の教授で、フィールズ賞の受賞者）のブログに寄稿し、AI の時代には教える量を減らすのではなく増やすべきで、それを支える教師の資源も増やすべきだと論じた。題は「AI、数学教育、そして公共財の問題」である。本紙はこの主張を支持する。
日本の会社にとって：大学の授業の話だが、社員教育にもそのまま当てはまる。生成AIで資料や分析が手早く出せるようになったからといって研修を削ると、AI のもっともらしい誤りに気づいて言い返せる社員がいなくなる。教育費をどこに使うか決めている人事の担当者と経営者に関わる話である。
主張：教える量は減らさず、むしろ増やす
Ranade の論の中心は、次の一文にある。
Teachers need more resources, not less, to be able to teach in the AI-age, because we need to be teaching more, not less.
訳: AI時代に教えるには、教師に必要な資源は減るのではなく増える。教えるべきことが減るのではなく、増えるからだ。
AI が答えを出してくれるなら、学生が身につけるべきことは減る、と考えたくなる。Ranade の考えは逆である。答えを出すこと自体は AI に任せられても、出てきた答えが正しいかを確かめ、どこがおかしいかを指摘する力は、人間の側に残る。その力を育てるには、これまで以上に深く、ていねいに教えなければならない。だから教師の時間と人手は、減るどころか増える必要がある、という筋である。
Ranade は、どんな授業から手を引くべきかもはっきり書いた。
We must walk away from classes that teach students the 'high-level ideas' but do not expect students to fully grasp the rigorous details.
訳: 「大まかな考え方」だけを教えて、厳密な細部まで理解することを学生に求めない授業からは、手を引かなければならない。
これは厳しい指摘である。考え方の大筋だけを教えて、細かな証明は「あとで調べればよい」と済ませる授業は、AI が出てくる前なら、時間を節約する工夫として通用した。いまは、大筋の説明なら AI が何度でも、いくらでも分かりやすく語ってくれる。人間の教師にしか担えないのは、学生が細部でつまずき、自分の理解の穴に気づくところまで付き添うことだ、というのが Ranade の見方だと読める。
育てたいのは「AI に言い返せる学生」
では、厳密に教えた先に何を目指すのか。Ranade は目標をこう書いた。
Students who can identify proof by intimidation and by authority, and have the confidence to push back.
訳: 威圧や権威による「証明」を見抜き、それに言い返す自信を持った学生を育てること。
「威圧による証明」「権威による証明」とは、数学者が昔から皮肉に使う言葉である。論理ではなく、相手の自信たっぷりな態度や肩書きで押し切ってしまうことを指す。AI の時代には、この「権威」の役を AI 自身が担いやすい。AI は迷いのない文章で、長く整った証明を出してくる。読む側に細部を確かめる力がなければ、それらしく見えるというだけで受け入れてしまう。
これは机上の心配ではない。この1か月の出来事が、Ranade の主張を裏づけている。Anthropic が10月27日に公表した研究では、統計の分析を仕事にする50人がコーディングを手伝う AI と一緒に作業した。分析の選び方の86%が、AI のその場の傾き（本人に知らせずにコインで決めたもの）と一致した。重大な誤りは減ったが、専門家の判断そのものが、気づかないうちに AI に引っぱられていた。また OpenAI と Anthropic は10月下旬、計算の難しさについての有名な予想を AI が覆したとする証明を、それぞれ出した。Anthropic の論文は、書いた時点でこれを確かめた人間はいないと自ら書いている。検証にあたる計算機科学者の Ryan Williams（MIT の教授）は、「異星のもののように見える部分」があると話した。AI が出したものを、人間が細部までたどって正しいか判断する。その力が、いま最前線でいちばん足りていない。
なぜ「公共財の問題」なのか
Ranade は、この話を教育の現場の工夫だけで終わらせなかった。
This brings us to a public goods problem, which I believe it is essential for us, the human society, to maintain our intellectual culture.
訳: ここで公共財の問題に行き着く。人間社会である私たちが知的な文化を保ち続けることは欠かせない、と私は考える。
公共財とは、みんなが得をするのに、誰か1人が費用を払おうとはしないものを指す。きれいな空気や灯台が典型である。厳密な理解を持った人が社会に厚くいることも、これに近い。そうした人がいれば、AI の誤りは見つかり、学問の信頼が保たれ、会社も役所もその恩恵を受ける。しかし学生にとっては、AI に聞けば済む細部を苦労して身につけても、すぐには得にならない。大学にとっても、手間のかかる少人数の指導は、目に見える成果にしにくい。放っておけば、誰も費用を払わないまま、その層は薄くなっていく。
Ranade が資源を増やせと言うのは、この構造があるからだ。本紙はここに、AI の時代のお金の流れの偏りも見る。今月は Simons 財団、Anthropic、OpenAI が、数学者が AI に対応するための1,500万ドルの事業を始めた。ただし主な使い道は、AI が出した結果を評価する仕組みと、数学の共同体の基準づくりである。AI の成果を確かめる側にはお金が回り始めたが、確かめる人を何年もかけて育てる教室の側は、手薄のままだ。
手がかりはある。Berkeley のデータサイエンスの学部の発表によれば、Berkeley の2つのプロジェクト Vellum と LeanTutor が、数学と AI の研究を支える基金 AI Math Fund の助成を受けた。LeanTutor は、証明を機械で確かめる言語 Lean を使って、学生が書いた証明の誤りを指摘し、導く家庭教師の仕組みで、Ranade も研究に加わってきた。AI を、答えを出す道具としてではなく、学生が自分の穴に気づくための道具として使う試みである。こうした取り組みを一部の助成で終わらせず、教育の基盤として支えられるかが問われる。
有力な反論：証明はその場で作らせればよい
反論もある。ブログのコメント欄では、応用数学の立場から Connelly Barnes が次のように書いた。
I feel if the scaling laws for FLOPS/dollar hold up due to the underlying physics allowing us to skate further along the AI scalability curves, then we will see proofs going forward as more of a context-dependent 'vibe-proven' thing where you spin them up on the fly.
訳: 1ドルあたりの計算量のスケーリング則が物理的に持ちこたえ、AIの規模拡大の曲線をさらに進めるなら、今後の証明は、その場で必要に応じて生成する、文脈しだいの「なんとなく証明された」ものになっていくと思う。
この見方に立てば、人間が厳密な細部を身につける意味は薄れる。必要なときに AI に証明を作らせ、使えればそれでよい。計算の費用が下がり続けるなら、細部を人が抱えておくより、そのつど作り直すほうが安い、という理屈である。技術の流れの読みとしては、筋が通っている。
それでも本紙は Ranade の側に立つ。理由は2つある。1つ目に、「なんとなく証明された」もので足りるかどうかを決めるのは、結局は人間だからだ。橋の強度、薬の効き目、会社の決算のように、誤りの代償が大きい場面ほど、その判断を引き受ける人には細部を読む力が要る。2つ目に、機械による検証も万能ではない。Lean で確かめた証明でも、確かめた主張が論文の主張より弱かった例が今月の議論で指摘され、Lean そのものの信頼性についての論考も Tao のブログに載った。何を確かめれば十分かを決めるところに、人間の理解が残る。証明が安く作れるようになるほど、それを疑い、言い返せる人の値打ちは上がる。
結論：答えが安くなるほど、理解は高くつく
AI が答えを出す費用は、これからも下がり続けるだろう。だからこそ、その答えを確かめ、誤りを見抜き、権威に押されずに言い返せる人を育てる費用は、社会が意識して払わなければならない。Ranade の言う「もっと多く、もっと厳密に」は、懐古趣味ではない。AI を安心して使い続けるための、いちばん現実的な備えである。教える側を減らしてよいのではなく、増やすべきだという主張は、大学にも、社員を育てる会社にも向けられている。
