生成AIをめぐる議論では、「AIを使うと人間は考えなくなる」という言い方をよく目にする。文章を書かなくなる、記憶しなくなる、検索に依存する、判断が浅くなる、といった批判である。こうした懸念そのものに一理はある。しかし、AIが人間の思考に与える影響は、そうした能力低下の議論だけでは捉えきれない。より本質的な変化は、人間が何を可能だと思うか、その知的地図そのものが変わるという点にある。
私は医学・ゲノム科学の周辺で仕事をしてきたが、この数カ月、かなり深くAIを使ってきた。主な用途はプログラミングである。その経験の中で、自分の問題の見え方が明らかに変わった。以前の私は、生物細胞のシミュレーションなど到底不可能だと考えていた。複雑すぎるし、変数は多すぎるし、必要なモデル化の水準も高すぎる。少なくとも自分が扱える対象ではない、と自然に判断していた。しかしAIを使ってコードを書き、プロセスの分解・結合を繰り返すうちに、その直観が変わってきた。もちろん、生体活動全体を完全に再現できるなどという意味ではない。しかし、限定的な形であれば、段階的に近似しながら扱えるかもしれない、という感覚が出てきたのである。
この変化は、「AIに頼って考えなくなる」というよく聞く話とは逆である。AIを使うことで、自分がこれまで暗黙に抱いていた「これは無理だ」「これは今は考えても仕方がない」「これは専門家集団にしか扱えない」といった不可能性の判断が、静かに書き換わったのである。つまりAIは、単に作業を効率化するのではない。研究者の可能性判断そのものを変質させるのである。
AIは答えを出す前に、問いの地形を変える
人は一般に、意識的にであれ無意識にであれ、自分の前に広がる問題空間をある程度選別しながら生きている。何が解けそうか、何が自分の手に余るか、何に時間を使う価値があるか、どこから先は専門外か。こうした判断は、日々の研究や仕事を支える暗黙の地図になっている。
この地図は、知識だけで決まるわけではない。技術的手段、利用可能な時間、試行錯誤のコスト、実装の障壁、計算資源、相談できる相手、さらにはその人がどのような道具に慣れているかによって大きく左右される。AIが変えるのは、まさにこの部分である。
生成AI、とりわけコーディング支援を含むAIは、単に既存の作業を速くするだけではない。問題を分解し、実装の叩き台を出し、近似手法を提案し、試作を容易にし、専門外の手法への入口を開く。これにより、人間の側では「そんなものは到底無理だ」という感覚が、「少なくとも部分モデルなら可能かもしれない」「まずはここだけ試せるかもしれない」という感覚へ変わる。AIは答えを出す以前に、問いが立ち上がる条件そのものを変えるのである。
この意味で、AIは思考を代行するだけの機械ではない。むしろ、人間が何を問いうるか、どこまでを可解領域とみなすか、その前提地形を改変する装置である。
「考えなくなる」という批判は、必ずしも当たっていない
学術関係でのAI批判の多くは、「人間はAIを使うことで自分で考えなくなる」という図式に依拠している。たしかに、短期的・局所的にはその危険はある。要約をAIに任せれば原文を読まなくなるかもしれないし、コード補完に依存すれば基礎文法の暗記は弱くなるかもしれない。文章作成も、構文の苦労は減るであろう。こうした意味での認知的オフロードは現実に起こる。
しかし、それは変化の一側面でしかない。より重要なのは、AIによって人間の思考が「減る」のではなく、組み替えられるということである。何を難しいと感じるか、何を試す価値があると思うか、どの水準から先をAIに委ねるか、何を到達可能とみなすか。こうした判断基準が、AIの存在を織り込んだ形に変化していく。
つまり、AI使用の影響は、能力の劣化という垂直方向の変化だけではなく、問題空間の構造変化という水平方向の変化として起きる。人間は単に「考えなくなる」のではなく、「これまでと違う仕方で考えるようになる」のである。
可能性判断の閾値が変わる
研究者や専門職は、日常的に無数の「見切り」を行っている。これは解ける、これは今は無理、これはモデル化しにくい、これは必要データが足りない、これはコストに見合わない。こうした見切りは、経験と訓練に支えられた重要な能力である一方で、時に思考の限界を固定してしまう。
AIは、この見切りの閾値を動かす。特にAIによるプログラミングは、実装障壁を大きく下げるため、「実際に手を動かしてみないとわからない」領域を一気に広げる。以前なら、専門外の数値計算やシミュレーション基盤に手を出すこと自体が高コストだった。しかしAIがいれば、最低限の骨格をすぐに試せる。すると、頭の中では不可能とされていた問題が、トライアル可能な問題へと変わる。
ここで起きているのは単なる効率化ではない。知的活動に先立って働く不可能性判断の構造変化である。人間は、答えを得たから変わるのではない。答えに至るまでの道が見えるようになったために変わるのである。
この変化は一部の研究者だけのものではない
こうした変化は、私が経験している一部の専門領域に限られないだろう。今後、ほとんどすべての知的労働で同じことが起こりうる。
行政官であれば、以前は扱いきれないと思っていた複雑な制度比較や影響分析が、AIの支援により一気に射程に入るかもしれない。法律家であれば、多数の判例や論点整理の負荷が下がることで、これまで手を出さなかった争点に取り組むようになるかもしれない。教育者であれば、多様な教材設計や多言語対応が可能になった結果、授業設計そのものの発想が変わるかもしれない。研究者だけでなく、官僚、編集者、経営者、政策担当者、クリエイターのすべてにおいて、AIは「何ができるか」の感覚を変えていく。
そして重要なのは、この変化が個々の仕事術にとどまらず、社会全体の意思決定構造にも波及することである。人々が何を可能だとみなし、何を実装可能だと感じ、何を現実的な選択肢と認識するかが変われば、政策も、研究投資も、制度設計も変わる。AIは答えを変える前に、選択肢の見え方そのものを変えるのである。
ビッグテックはこの変化を最も強く理解しているはずである
一般社会、特に教育界では、AIに対して「人間を怠けさせる」「浅くする」という批判が目立つ。しかしビッグテックやAI開発の最前線にいる人々は、もっと別の次元でAIを見ている可能性が高い。彼らは日常的に、AIを使ってコードを書き、論文を読み、研究を設計し、実験を組み、製品開発を進めている。そこで起きているのは、単なる速度向上ではない。何が研究対象として成立するか、何が実装可能か、何が今取り組むべき課題かという直観の書き換えである。
だからこそ彼らは、AIを単なる自動化ツールではなく、発見速度を変えるインフラとして捉えているはずである。一般社会が「人間は考えなくなる」と心配しているとき、彼らは「今まで無理だと思っていたことが、急に試せるようになった」と感じているかもしれない。この差は大きい。
ただし、この変化は常に望ましいとは限らない
AIが可能性判断の閾値を下げることには、当然ながら危うさもある。第一に、難しさの実感が薄れることで、本来は慎重に扱うべき問題まで「解けそう」に見える危険がある。シミュレーション可能性の感覚が高まることは有益である一方、モデル化万能感や可解性の過信にもつながりうる。
第二に、人間が無意識のうちに、AIが扱いやすい形式へ問題を寄せていく危険がある。数値化しやすいもの、分解しやすいもの、コードに落としやすいもの、文章化しやすいものばかりが「考えるに値する問題」とみなされるなら、形式化しにくい知、身体化された知、長い熟考を要する問いは後退するであろう。
第三に、この「可能性の地図」の書き換え方向そのものが、利用しているAIやプラットフォームに規定される危険がある。何ができそうに見えるかが、モデルの設計思想やインターフェースや出力傾向に依存するなら、人間の想像力の変質は中立ではない。それは間接的に、ビッグテックによって方向づけられる可能性がある。
AI時代の問題は、思考の代行ではなく、思考の前提の変化である
AIをめぐる議論はしばしば、代行か、依存か、怠惰か、という話に還元される。しかし実際には、もっと深い変化が起きている。AIは人間の思考を単に肩代わりするのではない。人間が何を可能だと思うか、何を問うに値すると感じるか、どこまでを自分の射程に含めるかという、思考以前の前提を変えている。
この意味で、AI時代に起きているのは「人間が考えなくなること」ではなく、人間が考える世界の輪郭そのものが変わることである。
だからこそ、今後の本質的な問いは、AIを使うべきか否かではない。問うべきは、AIによってどのような可能性が可視化され、どのような可能性が逆に見えなくなるのか、という点である。AIは人間の思考を奪うだけではない。むしろ、思考の地平を再編成する。その変化を正しく捉えなければ、AI時代の知性の変容を理解したことにはならないであろう。
