AIを使う前に難しい仕事を手でやる

著者はエンジニアリングから生まれた個人的な方法を説明している。本当に難しい問題を手で最初に解く。研究ツールを使うが、すべてのステップを自分で行う。それが機能したら、正確にどうたどり着いたかを書き出す—間違った試行を含めて—それが新鮮なうちに。同じ問題が再び現れたら、すべての手作業を繰り返さない。代わりに、それらのメモを取り、つまらない繰り返し可能な部分を小さなスクリプトに自動化し、実際に判断が必要な決定に注意を向ける。3回目か、その問題に永遠に直面することを知っているときだけ、完全に自動的に処理するものを構築する。その時点で、あなたは問題をマシンに信頼するほど十分に理解し、重要なことに、マシンが間違えるときに気づくことができる。

著者は長年この方法が速く進む方法だと考えていた。違う。最終的にタスクをマシンに渡すときに、それが失敗するときそれを見抜く理解をすでに獲得していることを確実にする方法である。それがAIが簡単にスキップすることを作るのと正確に同じ結果である。著者はこれをAIに対する議論ではなく—このサイト全体はこれらのツールを使うのを助けるために存在する—最も価値のある単一のスキルを保存するための方法として枠組みしている。マシンがそれをするのを申し出るときさえ考える能力。

この議論を裏付ける研究は、学習が実際にどのように機能するかに焦点を当てている。数十年の研究は、人々が自分で生み出した答えをもらった答えより遥かに良く記憶すること。自分の頭から情報を検索することが再読むより遥かに強い教師であること。今感じる難しい学習ほど遥かに長く続く傾向があることを示す。著者は慎重に、これらの研究は記憶と学習を測定したもので、批判的思考を直接測定していないこと、そして正確な4段階方法はテストされていないことを指摘している。しかし研究は明らかである。自分で構築する理解は与えられた理解より遥かに良く定着する。

批判的思考はこの基盤に依存している。あなたは表面レベルの問題を見抜くことができる—誰が主張の背後にいるのか、彼らは何を得るのか、他のソースは同意するか—自分で仕事をすることなく。しかし最も深いチェック、あなた自身がその事柄を理解しているので答えが間違っているという知識、仕事をしたことからのみ来る。仕事をするのをスキップし、あなたはただ表面チェックで残される。これが段階1と2（手でそれをして、それを書き出す）が最初に来る理由である。理解が構築される場所である。

あなたが直接答えにスキップするときに、研究は予測可能な失敗を指しています。人々は物事そのものの代わりに物を見つける場所を記憶する—時々「Google効果」と呼ばれる。より心配なことに、マシンが通常それを正しく取得するとき、人々は密接に観察するのを止めて、それが行う間違いを見逃す。あなたが実践を止めるスキルは衰える。2025年のMicrosoftとCarnegie Mellonの研究者による研究は、人がAIツールをより信頼するほど、報告される批判的思考が少なくなることを発見した。彼らは仕事をすることからマシンの出力をチェックすることにシフトした、そして時々それもスキップした。666人の別の調査は、頻繁なAI使用、認知オフロード、そして低い批判的思考スコア間の同じリンクを発見した。著者はこれらを証拠というより強いヒントとして扱う。両方とも相関的で自己報告に基づいているため、そして過度な主張に拒否する。

著者はまた、EEGセンサーとChatGPT作成エッセイを含むMIT「認知負債」研究を指摘している。見出しが広くまわっているため、それを上げているだけ。それはすでに正式な方法論的批判を引き出した小さな、まだピアレビューされていないプレプリントである。著者はそれを、正確にこのポストが関する習慣の例として使う。あなたがすでに疑う言い張っているため、単に確実な主張を銀行に預けない。

このエンジニアリングはしごと単にAIを使って仕事をスキップするのの違いは1つの規則である。あなたは自動化を獲得し、あなたは決して完全に車輪から手を外さない。類推は電卓である。子どもたちは最初に手で乗算を学び、その後電卓を使う—そして乗算を理解している子どもは終日電卓を使い、画面が何か不合理に言ったことに気づく。学んだことがない子どもはできない。しかし規模に違いがある。電卓は1つの狭いことをすぐスポットチェックできる。汎用AIはエッセイを書き、議論を構築し、重要なことを決定する—流暢で自信に満ちた散文で間違いをチェックするのが遥かに難しい理由の全体的な推論チェーン。あなたが引き渡すタスクが広いほど、結果を判断するために自分でそれを行う必要があった。

親と教育者にとって、著者は実践的なはしごを提供する。第1に、子どもに手で仕事をさせ、それを少し難しくする。困難は学習の敵ではなく学習のエンジンである。第2に、彼らに彼らの考え方を声に出させる—「答えは何か」ではなく「どうやってそこに行き着いたのか、どこで詰まったのか？」第3に、AIを2回目のパスではなく最初のドラフトとして導入する。通常の順序を逆転させよ。最初に仕事をして、それを批評したり、穴を開けたり、比較する版を提供したりするAIをもたらす。「これが私の答えですが、何を見落としましたか？」は判断を構築する。「答えをくれ」はそれを置き換える。第4に、1つの質問を永遠にテーブルに保つ。マシンはそれを正しく手に入れましたか？この方法は年齢に応じてスケール—6歳児の「手でそれをすること」は単語を音読する。16歳のそれは書く前に議論をスケッチしている。野心を子どもとマッチさせよ。それはいずれも技術的スキルを必要としない。

エッセイは認知科学と実践的なツール使用の交差点に位置している。著者は数十年の学習研究—生成効果、検索練習、望ましい困難—を引用して、実践的な試行錯誤は理解への道で支払われるコストではなく、理解が形成される仕組みであると主張している。これが4段階のはしごの順序が重要な理由である。自動化は、それが正しいかどうかを判断する知識を獲得した後にのみ安全に機能する。

エッセイはAIの力と、それがもたらす真の危険の両方を認めている。電卓は狭い1つのことを行い、簡単にスポットチェックできた。汎用AIはエッセイを書き、議論を構築し、流暢で自信に満ちた散文を提供し、エラーについて目視チェックするのが難しい。あなたが引き渡すタスクが広いほど、結果を判断するために自分でそれを行う必要があった。最近の研究—2025年のMicrosoft–Carnegie Mellonの調査と認知オフロードに関する666人の調査—はAIを最も信頼する人々が自分で批判的思考をする傾向が少ないことを示唆している。著者はこれらを決定的な証拠というより強いヒントとして扱い、相関的で自己報告であることを正しく指摘し、過度な主張に抵抗している。

実践的な洞察は親と専門家を対象としている。通常の順序を逆転させよ。AIを仕事をスキップするのに使うのではなく、すでに行った仕事を批評するのに使え。「これが私の答えですが、何を見落としましたか？」は判断を構築する。「答えをくれ」はそれを置き換える。この習慣はスケールする。6歳児がそれを手で行うことは単語を音読すること。10代はそれを手で書く前に議論をスケッチするのは。重要なのはAIを拒否することではなく、それが間違いであることを知ることができるほどの理解を構築した後に使うことである。

まだコメントがありません。最初のコメントを投稿しましょう！