「調べる」学習と「疑う」学習は別物

昔、独学でプログラミングを覚えるときの学習の中心は「調べる」ことだった。エラーメッセージをそのまま検索窓に放り込み、公式ドキュメントやブログを読み漁り、自分の状況と照らし合わせながら、少しずつ理解を組み立てていく。時間はかかるけれど、その過程そのものが「わかった」という実感を作っていた。

いまはAIに聞けば、その"調べる"部分がほとんど一瞬で終わる。ここまでは誰もが実感している通りだ。だが、AIが本当に消してくれたのは「時間」であって、「わからなさ」そのものではない。AIは常に、何かしらの答えを、それも自信満々な顔で返してくる。その答えが本当に正しいのかを見極める作業は、実はまるごと残っている。むしろAIが淀みなく断言してくるぶん、以前より重要になっているとさえ言える。

つまり、学習の格闘の中心は「調べて分かる」から「答えを疑って確かめる」へと移った。消えたのではなく、場所が変わっただけだ。

AIはもっともらしく間違える

この「疑う」がなぜ大事なのか、具体的な場面で考えてみる。

あるエラーが出て、AIに原因を尋ねたとする。AIはそれらしい理由を挙げ、修正コードまで添えて返してくる。理屈は一見筋が通っているし、言われた通りに直すとエラーは実際に消える。「解決した」ように見える。

ところが後日、別の場所で似た不具合が再発する。よく調べてみると、最初にAIが挙げた「原因」は、実は本当の原因ではなかった——たまたま別の副作用でエラー表示が消えていただけで、根本の問題はそのまま残っていた、ということが起こる。AIは嘘をつこうとしたわけではない。もっともらしい説明を、自信満々に組み立てただけだ。人間の「それっぽい説明」と同じように、AIの説明にも、聞こえの良さと正しさは別物として存在する。

「動いた」と「わかった」の間には、まだ埋まっていない溝がある。その溝を埋める作業こそが、いまの学習の主戦場だ。

疑い方を、具体的な習慣にする

「疑おう」と言うだけでは何も変わらない。実際にやれる形にしておく必要がある。

一次情報で裏を取る。AIの説明を鵜呑みにせず、公式ドキュメントやリリースノートに、実際にその記述があるか確認する。AIは古い情報や非推奨のやり方を、現役のやり方であるかのように出してくることがある。
最小の再現コードで、自分の手元で動かす。読むだけで納得せず、実際に手を動かして結果を見る。読んで分かった気になるのと、動かして確かめるのとでは、理解の強度がまるで違う。
わざと壊してみる。AIが出してくれた「正常に動くコード」を、境界値や異常な入力でわざと試してみる。うまくいくケースだけを見ていては、その説明がどこまで正しいのかは分からない。
自分の言葉で説明できるか、自問する。AIの説明をそのまま人に話せても意味がない。一度AIの言葉を離れて、自分なりの言い方で「なぜこれで解決するのか」を説明できるかどうかが、理解の最終チェックになる。

どれも地味で、AIを使わなかった時代の「調べる」作業より手間がかかるように見えるかもしれない。だが実際には、調べる作業の代わりにやるべき、新しい形の学習の本体だと思ったほうがいい。

疑う力は、AIが賢くなるほど資産になる

ここまでの話を一段引いて見ると、もう一つ気づくことがある。「調べる」が学習の中心だった時代、学習の資産は知識の量だった。何を知っているか、どれだけ検索の勘所があるか、が力になった。

「疑う」が学習の中心になった今、資産になるのは知識の量ではなく、検証の勘所だ。何を疑うべきか、どこで裏を取るべきか、どういう条件で試せば見抜けるか——この感覚は、AIがどれだけ賢くなっても、代わりに持っていてはくれない。むしろAIが賢くなるほど説明はもっともらしくなり、疑うべき場面を見抜く力の価値は上がっていく。

逆に、AIを「一瞬で答えをくれる調べ物ツール」としてしか使わず、「動いた」で止まってしまう人は、昔でいう「わかった」にたどり着けないまま、学習が止まってしまう。これはたぶん、AI時代特有の伸び悩み方だ。エラーは出ない。コードは動く。なのに、半年後に似たような場面でまた同じようにつまずく——というかたちで、あとになって表面化する。

ちなみに、この「疑って確かめる」という新しい格闘が、語れる物語として蓄積されやすいからだろうか——Qiitaでタイトルに「独学」を含むエンジニアの学習記録を年ごとに数えてみると、AI時代に入ってもむしろ減るどころか増えているようだ。調べる作業が減った分、疑い、確かめ、試行錯誤する過程のほうが、書く価値のある体験として残っているのかもしれない。

次にAIに何かを教わったとき、「動いた」で終わらせず、一つだけ自分に問いを投げてみてほしい。「これは、なぜ動くのか」。その一問に答えられるかどうかが、調べる時代の「わかった」に代わる、疑う時代の到達点になる。

tasklogは、「おすすめ」や売上ではなく、開発者が実際に引用・利用した行動データで「次に選ぶべきもの」を並べている意思決定データベースです。Qiita・Zennの記事での引用、GitHub Star、npm/PyPIのダウンロード、YouTubeでの紹介などを横断して日次で集計し、技術書・AI開発ツール・Udemy講座・ライブラリ・資格までを、ひとつのデータ軸で比較できます。

本記事で触れた「どのAIツールを使うか」も、開発者が記事で実際に引用した回数で並べています。教材や道具を主観だけで選びたくないときの、手がかりに使ってみてください。
https://s-tasklog.com/ai-tools