物理学から、情報工学の世界へ
私はもともと、大学の理学部で物理学を学んでいました。ところが、勉強を続けるうちに、自分には物理は向いていないのではないかと感じるようになりました。
そんなとき、卒業研究で実験データをミニコンピューターで処理する機会がありました。1970年代の終わりごろで、まだパソコンが広く普及する前のことです。実際に使ってみると、コンピューターの方が自分に合っていて、面白いと感じました。
それで工学系の大学院へ進み、修士課程、博士課程で情報工学を学びました。専門はソフトウェア工学です。プログラミングだけでなく、ソフトウェアを開発するための分析や設計も扱っています。皆さんにも、大学で何を学ぶかを考えるときに、情報系の領域にも目を向けてほしいと思います。
AIを使っても、自分の頭で考える
生成AIに聞けば、それなりに整った答えが返ってきます。使うことで効率が上がる場面もあります。ただ、私が一番気にかけているのは、自分の頭で考えなくなってしまうことです。
出てきた文章について何も考察せず、そのまま提出することはしないでほしいと思います。AIが言ってきたことを自分で考え、必要なら編集する。答えがよいのかどうかを判断する主体は、あくまでも人間であってほしいのです。
アイデアを考える、最初のきっかけに
探究では、いろいろなアイデアを求められますよね。どんどん案を思いつく人もいれば、そういうことは苦手だという人もいます。私はどちらかというと、後者です。
人間だけで腕組みをしていても、なかなか思いつかない。そんなとき、最初のきっかけを生成AIに求めるのはよいと思います。出てきた案を見て、これは難しそうだ、これは面白そうだと考えたり、いくつかの案を組み合わせたりする。AIの提案を材料にして、人間の側で考える。そういう使い方ができるのではないでしょうか。
データを読み解き、自分の言葉で説明する
私は、アイデアを出すところではAIに助けてもらってもよいと思います。ただ、その後の分析まで、AIが得意そうだからと全部任せてしまうのではなく、できるだけ自分の頭で考えてほしいのです。データをどう扱うかを考えるために、統計の知識も押さえておくとよいと思います。
何を前提としていたのか。結果は見込みどおりだったのか、違っていたのか。その結論でよいのか。最後にレポートをまとめるときにも、そういう考察は自分でしてほしいですね。
研究には、自分なりの思い入れを持ってほしいと思います。「これが面白かった」「こんな結果になった」と、人に説明できることが大事です。全部AIに任せてしまうと、その思いを持って伝えることが難しくなってしまいます。
データから規則を見つけ、何度も確かめる
研究の進め方を考えるときに、「演繹」と「帰納」という推論の違いで捉えてみるとよいと思います。規則と前提があって、そこから結果を導いていくのが演繹です。一方、いくつもの事例やデータを並べて、どうやらここにこんな規則がありそうだと見いだすのが帰納です。
データをもとに規則を探しても、最初からうまくいくとは限りません。よりよい規則を見つけるためには、何度も実験や検証を繰り返すことになります。新しいデータは次々に出てきますから、考えることはいくらでもあります。
取り組む人によって、見つける方向も違ってきます。その違いをどう一般化するかを考えるところは、人間の頭でやるべきことです。そういう研究の進め方もあるのだと、考えてみてほしいと思います。
本文はインタビューをもとに構成しています。
