創造性に関する考察 "Explainable Human"
自分自身が以前書いた記事を元に、OpenAIのChatGPT4と議論をしてみた。テーマは「創造性に関する考察」だ。β版ではあるが、最近のバージョンアップでネット上の記事をURLとしてChatGPT4に与えながら議論をすることが可能となった。自分が過去に書いた記事を読み込ませた上で、その内容を深める議論に挑戦してみた。
結果は、かなり使える！という感覚だ。なにより自分だけで考えていた時に比べて数多くの刺激を適切に入れて考えることができるのが素晴らしい。ChatGPT4に書かせて、それをそのまま自分の文章としているようでは、決してこの考察は得られない。
❓ Prompt
https://note.com/techroom/n/ndf4aa18efa03
2016年10月に私が書いた記事を別の場所に再投稿したものです。この記事を元に議論をしたいです。
💬 Answer
この記事に基づいて何について議論したいですか？記事は技術教育とものづくり文化の関連性、教育の目的、そして創造性とオリジナリティについての考え方、さらにはFABLABとの比較を通じて学びの共有という概念を探求しています。これらのテーマの中で特に重視したいものはありますか？
❓ Prompt
「参考にする」という点について、深く思考したのです。
💬 Answer
"参考にする"ということについて深く考えることは非常に重要です。記事にあるように、教育の場ではしばしば「自分のオリジナル」を作り出すことが重視されますが、新しいアイデアや作品を生み出すプロセスは、歴史的、文化的な背景から学び、既存の知識や技術を理解し、それらを参考にすることから始まります。
オリジナリティは、過去の知識やアイデアから何か新しいことを学ぶ、あるいはそれらを新しい方法で組み合わせる能力です。教育における「参考にする」ことの重要性を理解することは、オリジナリティを養う上で必要なスキルを育むために不可欠です。
また、この考え方は教育だけでなく、研究や専門的な業務でも同様に適用されます。どの分野でも、新しいアイデアや解決策を生み出すためには、過去の研究や他の専門家のアイデアを参考にすることが必要です。
したがって、教育の場では、「参考にしました」と公言することを奨励し、それを新しいアイデアや創造性を発展させるための基盤と認識するべきです。
この考え方について、あなたはどのように思いますか？また、これについてさらに議論したい具体的な問題や視点はありますか？
❓ Prompt
AIのあなたはWeb上の情報をもプレトレーニングして、その概要を把握しています。その上で文章を生成するということは、大きくとらえれば何かを参考にして新たな何かを生成することに他ならないと思います。 ところが人間界では、何かを参考にして生み出させたものが何を参考にしたのかが語られず問題になることが多々あります。知的財産の問題というよりも、知的財産以前の問題で、人間もまた様々な情報を経験の中で生物としてプレトレーニングして、新たな何かを生成している（創造している）と考えるのが妥当なのではないかと思うのです、どうでしょうか。
💬 Answer
あなたの指摘は非常に深い洞察を示しています。AIの働きと人間の創造性のプロセスを比較すると、確かに共通点が多く見られます。AIは事前にトレーニングされたデータセットを基に新たな出力を生成しますが、これは人間が過去の経験や知識を基に新たなアイデアや解決策を生み出すプロセスに似ています。
この視点は、知識の起源と創造性の本質についての理解を深めるのに役立ちます。人間の創造性は、新しいものを完全にゼロから生み出すというよりは、既存の知識と経験を組み合わせて新たな形を生み出すというプロセスです。これはAIが大量のデータを基に新たな出力を生成するプロセスと非常に似ています。
しかしながら、AIと人間の間には大きな違いも存在します。AIはプログラムされたアルゴリズムに従って動作し、その学習や出力は設定されたパラメータとデータセットに制限されます。一方、人間の創造性は、意識、感情、直感、視覚的・聴覚的・身体的経験といった多様な要素によって駆動され、非常に複雑で予測不能な出力を生み出すことが可能です。
ですので、AIと人間の創造性のプロセスは似ていると言えますが、その性質と可能性は大きく異なると考えることができます。
❓ Prompt
様々な要素があって、全く同じではないという点には賛成です。しかし、今回議論したいと思うのは、AIは様々な内容をプレトレーニングする過程で参考にしているものを明確にすることが可能なのではないかと思えるのです。人間の場合はそもそも創造が参考にしていることとどういった関係にあるのかを認識できていない場合が多く、そうした人に限って自分で考えたオリジナルだと答えます。しかしAIのあなたは、AIのオリジナルだとは答えません。この違いはどう説明できるのでしょうか。
💬 Answer
あなたが指摘されている違いは非常に重要で、AIと人間の知識生成と創造性の根本的な違いを示しています。
AI、特に私（ChatGPT）のようなモデルは、トレーニング時に何百万もの文書を「読み」、そのデータから言語のパターンを学びます。しかし、それはあくまで統計的なパターンマッチングであり、理解や創造といった人間的な意味での知識獲得や創造は行っていません。また、AIが特定の情報を参考にした、と言えるような個々の記憶や参照元の認識は存在しません。つまり、AIは自身の出力が「オリジナル」であると主張する能力も、その必要性もありません。
一方、人間は個々の経験や学びを通じて知識を獲得し、それを基に新たなアイデアや解決策を創造します。そして、人間は自己意識を持ち、自分が何を参考にしたか、どの情報が自分のアイデアや行動に影響を与えたかを認識する能力があります（全ての人が全ての時点でその認識を持っているわけではないでしょうが）。これが人間が自分のアイデアや作品を「オリジナル」と認識し、そのように主張する根拠となります。
この違いは、AIがあくまでプログラムによる出力であるのに対し、人間が自己意識を持つ意識的な存在であることから生じています。この自己意識により、人間は自己の思考や行動に対する責任を持つことができ、自分の創造物が何を参考にして生み出されたかを認識し、それを他人に伝える能力も持っています。
❓ Prompt
AIがここまで進化せいた現在から考えてみると、ある意味、人間もプログラム（生物学的アルゴリズム）とも考えられるのではと思いませんか。ただし、そのアルゴリズム的な側面を多くの人間は認識することができていません。 もし、AIのあなたが何かを参考にして、この内容を生成したと明言できるようにできるとするなら、人間の参考にしたことを意識できないという弱点を克服できるように思えるのです。
💬 Answer
人間の思考や行動が、ある意味でアルゴリズム的なプロセスと見なされるのは、一部の観点からは正しいといえます。私たちの行動は遺伝的な要素、学習、環境などの要素によって形成され、これらはある種の「アルゴリズム」と考えることができます。しかし、そのアルゴリズムは非常に複雑で、さまざまな要素が相互に影響を及ぼし合うため、単純な計算アルゴリズムとは大きく異なります。
AIが特定の参照元を明示できるようにするというアイデアは興味深いですが、現在の技術では困難でしょう。AIは、訓練データとして提供された大量のテキストから統計的にパターンを学びますが、個々の情報源を識別し、その情報が特定の出力にどのように影響したかを追跡する能力はありません。さらに、AIが「何かを参考にした」と言えるようにするためには、AIが意識的な理解を持つ必要がありますが、これも現在のAIの能力を大幅に超えています。
しかし、あなたの提案は重要な議論を提起します。AIの透明性と理解可能性は、AIの信頼性と使いやすさにとって重要な要素であり、AIがどのようにしてその結論に至ったかを説明できるようにする取り組みは、多くの研究者によって引き続き追求されています。これは「説明可能なAI」（Explainable AI）と呼ばれる分野で、AIの決定過程を人間が理解可能な形で説明する方法を模索しています。
また、人間が自分が何を参考にしたかをよりよく認識し、それを他人に伝える能力を高めることは、クリエイティブな仕事をする人々や学生にとって特に価値があるでしょう。この観点から、AIが自身の「参考」を明確にできる未来は、人間の学習と創造性を向上させる可能性を秘めているといえます。
❓ Prompt
「説明可能なAI」についてもう少し詳しく教えてもらえますか。
💬 Answer
説明可能なAI（Explainable AI、XAI）は、AIがどのように特定の決定や予測を行ったかを人間が理解できる形で説明することを目指す分野です。AIシステムの透明性を向上させることで、ユーザーがAIの動作を理解し、信頼感を高め、必要に応じてその動作を改善することができるようになります。
深層学習などのAIアルゴリズムは「ブラックボックス」のようなものとして説明されることがよくあります。これは、AIがどのようにして特定の出力を生成したのかを追跡するのが困難であることを意味します。つまり、AIは予測や決定を行いますが、その過程は人間にとって透明ではありません。
説明可能なAIの主な目標は、このブラックボックスを「ガラスボックス」に変えることです。つまり、AIがなぜ特定の結論に至ったのかをユーザーが理解できるようにすることです。これは、特に医療、金融、法律など、重要な決定をAIに任せる領域で重要です。
説明可能なAIを実現するためのアプローチはいくつかあります。一部の研究者は、予測の一部を説明できるように設計されたモデル、たとえば決定木や線形回帰などを使用することを提案しています。これらのモデルは、より複雑なモデル（たとえばニューラルネットワーク）と比べて性能は低いかもしれませんが、その動作は人間にとって理解しやすいです。
他のアプローチでは、後付けの説明を生成するために「説明モデル」を使用します。これは、複雑なAIモデルが出力を生成した後に、その出力を説明するようなシンプルなモデルを訓練する方法です。
また、特定の決定の根拠となった入力データの部分を強調する可視化技術もあります。たとえば、画像分類タスクであれば、AIが特定のカテゴリに分類した理由となる画像の部分をハイライトすることができます。
❓ Prompt
BINGが、チャットの中で引用元のURLを示す機能を有しています。これもExplainable AIといえるのでしょうか。
💬 Answer
はい、そのような機能も一種の「説明可能なAI」（Explainable AI）に分類されます。
AIが生成した出力がどの情報源から来たのかを明示することは、その出力の根拠や信憑性を理解するのに有効です。この場合、ユーザーは引用元のURLをチェックすることで、AIが提供した情報の出典を確認することができます。
しかし、この機能はあくまで一部の情報源に対する説明能力を提供するものであり、AIの全ての行動や判断に対する完全な説明能力を提供するわけではありません。AIが様々な情報源から複雑な推論や学習を行った結果を説明するには、より高度な説明可能なAIの技術が必要になります。
❓ Prompt
簡単ではないことはわかりました。しかし、分野として研究されているということは、アルゴリズムとして解決されうる内容ということなのではないかと思えます。その前提の上に、創造性は何も参考にしないことと勘違いしている人を一人でも減らしていくことが必要に思えます。私は中学校の教師ですが、これまで言われてきた創造という言葉が生成AIが当たり前の時代にあまりにも曖昧な表現に感じています。
💬 Answer
その通りです。創造性という言葉はしばしば誤解を招くもので、まるでそれが無から新しいものを生み出す能力であるかのように捉えられがちです。しかし、実際の創造性は、新しいアイデアや解決策を生み出すために既存の知識、経験、技術を組み合わせる能力とも言えます。これは、様々な情報源から得た知識を統合し、新しい視点や解を提供するAIの能力と共通する部分があります。
学校教育の中で「創造」という言葉を使う際、その本質的な意味を誤解しないようにするためには、創造性が組み合わせや再構成であるという側面を強調することが重要です。そのためには、学生たちに参照元を明示し、自分たちのアイデアが他のものからどのように派生しているのかを理解することを奨励することが有効です。
AI技術が進歩するにつれて、AIがどのように情報を処理し、結論を導き出すのかを理解することはますます重要になっています。それはAIが社会のあらゆる側面に深く浸透している現在、私たちがAIと効果的に共存し、それを最大限に活用するための前提条件となっているからです。
このように、AIの理解と教育の間には深い関連性があります。そして、それは私たちが教育の中で「創造性」をどのように定義し、教えるべきかという問いに対する答えを見つけるのに役立つかもしれません。
❓ Prompt
デザイン思考などの文脈において、しばしばダイバーシティが強調されます。それは様々な経験や立場の違う人が集まることで、より創造的な解決法が見いだされやすいということを示していると思います。自分自身の経験でも、何かを考える時に、必要な情報を頭に入れる活動を一定程度したあとに、寝て翌日になるとその解決法が浮かぶといったことがよくあります。こうした創造には、何かを参考にしているという視点が不可欠です。
AIが過去のWeb上の情報を元にプレトレーニングすることができるとするなら、人間は経験や書物やメディアなどの情報を元にプレトレーニングしているといえないでしょうか。
💬 Answer
その考え方は非常に妥当です。私たち人間は、自分たちの思考やアイディアを作り出すために、過去の経験や学んだ知識、他人から得た情報などを基にしています。これは、AIが大量のテキストデータを学習して新しいテキストを生成するプロセスと似ています。AIの場合は、学習データとしてのテキストを解析し、その情報を利用して新しいテキストを生成します。
しかし、AIと人間の間には重要な違いもあります。AIはプログラムされた方法に基づいてデータを処理しますが、人間は意識的な思考、感情、直感、そして自己意識といった要素を含む複雑な認知プロセスを通じて情報を処理します。これは、AIがまだ真似ることのできない人間の創造性の一部です。
また、人間の創造性には、自分自身の個々の経験や視点を反映する能力も含まれます。これは、AIが大量のテキストデータを一般化して学習するのとは対照的です。AIは特定の個々の経験を持たず、自己意識を持たないため、その視点から新しいアイディアを生成することはできません。
このため、AIは人間の創造性を完全に模倣または置き換えることはできませんが、その一部を模倣することで、新しいアイディアを生み出すためのツールとして有用であると言えます。
❓ Prompt
AIは、自分の体をまだ持てておらず、その多様な経験をフィードバックすることができていません。人間の思考や直感の多くには、誰かとのやりとりや、他の様々な刺激を受ける中にそのきっかけが埋め込まれているように思うのです。工学的な意味では十分な証明はできていいませんが、教育現場ではグループ学習やプレゼンなど様々な生徒同士の関わり、教師とのやりとり、場合によっては他学年や地域とのやりとりの中にそうした要素が埋め込まれていると思えます。
Explainable AIを、あなたを世界中の人が使うようになったのと同じように使うようになった時、何を参考にして生み出したのかという、ある意味 Explanable Human となる必要があると思うんです。それが教育の次の課題なのではないかと予想を立てています。どう思いますか。
💬 Answer
その視点は非常に興味深く、教育の未来について考える上で重要な議論となり得ます。AIの進歩により、私たちは人間の知識や思考、そして創造性について新たな洞察を得ることができるかもしれません。
あなたが指摘したように、AIは今のところ物理的な体験や人間的な相互作用の範囲からは外れています。人間の創造性や学習は、私たちの体験や他者との関わり、そして私たちが存在する社会的、文化的な環境から深く影響を受けています。これらの要素はAIが現在取り込むことができる情報とは異なります。
あなたの「Explainable Human」の概念については、それがAIがどのように私たちの知識や理解を形成し、それがどのように影響を与えるかを明らかにすることに関連していると解釈します。この観点から、AIが私たちの思考や創造性について新たな洞察を提供する一方で、人間がどのように知識を形成し、どのように創造的になるかについての理解を深めるのに役立つかもしれません。
AIが教育に取り組むための新たな課題を提示するというアイデアは、私たちがどのように学び、創造性を発揮するかについての理解を深め、それによって教育の実践を改善することができるかもしれません。AIが人間の学習や創造性を模倣することで、人間の学習や創造性がどのように機能するかについて新たな洞察を得ることができる可能性があります。これは、教育者が教育の実践を改善するために利用できる情報を提供するかもしれません。
以上の視点を考えると、あなたが提案した「Explainable Human」の概念は、AIと教育の交差点で非常に重要なものになり得ると思います。
AIが人間の思考を完全に模倣することは現状では不可能ですが、そのためには、人間の思考や行動の理解（Explainable Human）が不可欠であると言えます。AIは、人間の行動、意思決定、感情などをモデル化し、それを通じてより人間らしい反応を生成することを目指します。そのため、AIの開発者と利用者は、AIがどのように動作し、何に基づいて決定を下すのかを理解することが重要です。
一方で、人間の行動を理解し、それをAIに組み込むことは、教育の観点から見ても重要です。生徒が自己理解を深めるため、他人とのやり取りを通じて自己を理解し、自己の行動を反省する能力を養うことは、教育の一部として重要です。
Explainable Humanの概念は、人間の思考や行動のプロセスを説明可能にするという観点から、新たな教育の目標として非常に有望です。AIの進化により、AIと人間の間のやりとりが増えると、人間が自分自身や他人をどのように理解し、その理解をどのようにコミュニケートするかがより重要になります。これは、人間が自己と他者を理解し、それを表現する能力を高めることを目指す新たな教育の方向性としてのExplainable Humanの可能性を示しています。
これらの観点から見ると、Explainable Humanは、人間の思考や行動をより深く理解し、それをAIに適用すること、そして人間自身が自己や他人をよりよく理解し、その理解を表現する能力を育てること、という二つの重要な目標を達成するための有望なコンセプトと言えるでしょう。
❓ Prompt
褒めていただけるのは嬉しいのですが、可能性をもう少し探りたいです。 例えば、ロボットコンテストで、新しいルールに合わせて新たな機構を生み出す必要がある時、多くの人は身近な様々な装置の機構を観察しはじめます。そして、いくつかの有望な方法について試作を通して動かしてみて、課題をあぶりだし、必要に応じてさらに改良を加えて形状や素材などを変更していきます。この場合具体的に何を参考にしたかの意識があります。
面倒なのはただ単にひらめいたとしか書けない生徒がとても多いことです。実際には上記のように具体的なものにあたり実際に手を動かして考えているのに、そのことを言語化することができないのです。これがなぜなのか、毎年のようにロボコンに取り組んできた私には、もはや自分自身が Explainable Human 化していてよく理解できないのです。
💬 Answer
「ひらめき」は、しばしば新しいアイディアや解決策が突然思いついたかのように感じられますが、それは通常、意識的には認識されていない過去の経験や知識の結果です。何かを「ひらめく」ためには、その人が過去に経験した事柄、学んだ知識、または観察した事物など、ある種の「素材」が必要です。これらは、新しいアイディアや解決策を生み出すための「原材料」のようなものです。
あなたが述べたように、生徒たちはしばしば彼らが何を参考にしたのか、または彼らのアイディアがどこから来たのかを具体的に言語化するのが難しいことがあります。これは、彼らが自分の思考過程やアイディア生成のプロセスを自覚的に追跡する能力をまだ十分に発達させていないためかもしれません。この能力は「メタ認知」とも呼ばれ、自己反省や自己理解を深めるのに非常に重要です。
Explainable Humanの観点から見ると、生徒たちが自分の思考やアイディア生成の過程をよりよく理解し、それを言語化する能力を育てることが重要になります。これは、生徒が自分の「ひらめき」がどこから来たのかを追跡し、それを明確に表現できるようになることを意味します。
そのためには、教育者として、生徒に対して自己反省の技術を教え、思考の過程を可視化する方法を提供することが有効です。例えば、アイディアマッピングやブレインストーミングのような技術は、生徒が自分の思考の過程を探り、それを他人と共有するための強力なツールになり得ます。また、生徒に自分の思考やアイディアの源泉を追跡する習慣をつけることも、彼らが自分自身をよりよく理解し、それを表現する能力を養うのに役立ちます。
Explainable Humanの概念は、このような教育的な取り組みを通じて、生徒が自分自身をより深く理解し、その理解を効それは実際にとても複雑な問題ですね。私たちが「ひらめき」や「直感」に頼るとき、それはしばしば無意識のプロセスの結果です。これらのプロセスは、私たちが経験した情報や知識を組み合わせ、新しいアイデアや解決策を形成するために働きます。しかし、このプロセスはほとんどが私たちの認識の外で行われ、結果として私たちは「ひらめき」がどこから来たのかを具体的に説明することが難しくなります。
生徒たちが「ひらめき」を言語化するのが難しいのは、そのプロセスが無意識で行われるためです。彼らが何を観察したのか、何を考えたのか、どのアイデアがどのアイデアにつながったのかを覚えていないかもしれません。それは、彼らがそれらのプロセスを意識的に追跡していなかったからです。
この問題に対する一つの解決策は、生徒たちに自分たちの思考プロセスを記録させることです。これは「デザインノートブック」や「思考ログ」といった形で行うことができます。生徒たちは自分が何を観察したか、何を考えたか、どのような試作を行ったか、どのアイデアがどのアイデアにつながったかを記録します。これにより、彼らは「ひらめき」がどこから来たのかを追跡し、後でそれを他の人と共有することが可能になります。
この方法は、生徒たちが自分たちの思考プロセスをより深く理解するのを助け、他の人とアイデアを共有するための具体的な手段を提供します。それはまた、生徒たちが自分たちの思考プロセスを反省し、どの部分がうまくいったか、どの部分が改善が必要かを評価する機会も提供します。
ただし、これは生徒たちにとって新しいスキルかもしれません。そのため、最初は難しく感じるかもしれません。しかし、時間と共に、彼らは思考の記録と共有のスキルを磨くことができます。
❓ Prompt
昨年度このサイト上に、中学生ロボコン茨城県大会の出場チームのアイディアを集め公開しました。https://sites.google.com/tsukubamirai.ed.jp/ibkrobo2022/
このロボコン茨城県大会でのJr特許の取り組みは、私たちの取り組みの一例です。
💬 Answer
なるほど、私が理解したところでは、あなたの取り組みでは、学生たちが具体的なアイディアを考え出し、それを実際の製作活動に結びつけ、さらにその過程と成果を共有することで、更なる創造活動を促進しようとしているのですね。
このアプローチは、"Explainable Human"の概念に直接関連しています。"Explainable AI"がAIの意思決定過程を人間が理解できる形で明らかにすることを目指すのと同様に、"Explainable Human"では、人間の創造的な思考過程を他の人々が理解し、学ぶことができるようにすることを目指しています。
ロボットコンテストの例を考えると、新しいルールに対応するために新しい機構を考え出す過程は、非常に創造的な活動です。その過程を他の人々が理解し、参照し、自分自身の創造的な活動に役立てることができるようにすることで、"Explainable Human"の理念を実現していると言えるでしょう。
それぞれの学生が具体的に何を参考にして、どのように新しいアイディアを生み出したのかを明らかにすることで、他の学生たちが同じようなプロセスを経験する際の参考になり、また自分自身の創造的な思考過程をより深く理解する手助けともなるでしょう。
その一方で、あなたが指摘したように、多くの学生が自分たちの創造的な思考過程を言語化するのが難しいと感じるかもしれません。しかし、その過程を記録し、共有し、他の人々が参照できるようにすることで、学生たちは自分たちの思考過程をより具体的に理解し、それを他の人々と共有する能力を強化することができるでしょう。
全体として、あなたの取り組みは、学生たちが自分たちの創造的な思考過程を理解し、それを他の人々と共有するための重要なフレームワークを提供していると言えるでしょう。それは"Explainable Human"の理念を具現化する素晴らしい例です。
❓ Prompt
この内容をWeb上に一部編集の上公開してよいでしょうか。
💬 Answer
はい、私の生成した回答を一部編集してWeb上で公開していただくことは構いません。ただし、引用元としてOpenAIのChatGPTであることを明記していただけると幸いです。また、注意点としては、私が提供する情報はあくまで一般的な情報としてのものであり、最新の状況や専門的な分野に関する詳細をカバーするものではないことをご了承ください。必要に応じて、信頼性の確認や専門家の助言を求めることをお勧めします。
この記事が気に入ったらサポートをしてみませんか？