自分で実験できると、大人は難しい論理も理解できるのか

「AかつB」っていう複雑なルールって、日常生活ではどういう場面で出てくるルールなの？

「AかつB」のルール、日常ではむしろ山ほど出てくるんですよね。 たとえば料理。塩だけでは味が出ないし、油だけでも物足りない。塩と油の両方が揃って初めて「おいしい」という結果になる。運転免許も同じで、筆記試験に受かるだけじゃダメ、実技も両方クリアしないと取得できない。健康診断で「血糖値が高い、かつコレステロールも高い」という組み合わせが出初めて「生活習慣病のリスクあり」という判断につながったりします。 ビジネスでも「商品が良い、かつ営業が優秀」で初めて売上が伸びるみたいな、複合条件が結果を左右する場面ばかりです。 だから一見すると、大人はこういう「AかつB」の論理をもう何十年も使いこなしてるはずなんです。でも研究が示す通り、それを明示的に言語化して理解するとなると別なのかもしれません。受け身で「そういうもんだ」と経験的に学んだルールと、論理として説明を聞いて理解することは脳の使い方が違うのかもしれません。自分で何度も試せるようになると、その曖昧さが解消されるというのは、暗黙知から形式知への転換のプロセスなのかもしれないですね。

自分で試行錯誤できると理解しやすくなるって、子どもの教育とか仕事の研修にも応用できるってこと？

試行錯誤の効果は確かに教育や研修に使えそうですが、そこにはちょっと落とし穴があるんですよね。 この研究が明らかにしているのは「受け身で情報を眺めるより、自分の手で試すほうが複雑なルールを理解しやすい」という点。これは直感的には、教育に応用できそうに見えます。実験を増やそう、体験学習を充実させよう、という流れになるのは当然です。 ですが実際には、すべての学習場面で試行錯誤が最適とは限りません。時間がかかりすぎたり、失敗の数が多すぎて挫折したり、そもそも試しようがないテーマもあります。記事の実験は「魔法の装置を動かす」という限られた環境での話。現実の学習や仕事は、もっと制約がある。 むしろ大事なのは「どの場面で試行錯誤を許容できるか」という設計の問題だと考えても面白そうです。複雑な因果関係を学ぶ場面では試す機会を組み込む。一方で、既に確立された手続きを習得する場面では、むしろ効率的な説明が必要かもしれません。試行錯誤が万能なのではなく、学習する内容によって「試すべき場面」と「説明だけでいい場面」を見極める目利きが、教育や研修には問われてくるのかもしれません。

大人は複雑な因果関係が苦手っていう心理学の知見は、何十年も前からあった？なぜここまで古い問題に新しく取り組んだの？

「古い知見なのに、なぜ今更」という疑問は当然ですよね。 心理学が「複雑な論理は苦手」と発見したのは何十年も前の話です。でも、その知見は実験室の中での話だった。参加者が受け身で情報を見せられるという、かなり限られた条件下での結果だったんです。 ここへ来て研究者たちが「では、実際に自分で試行錯誤できたら？」と問い直したのは、現実の学習風景がそもそも違うからかもしれません。子どもは実験をしながら学ぶ。プログラマーはコードを書いて動かしながら学ぶ。机上での心理学理論と、実際の学習場面の間にズレがあったわけです。 さらに、この研究がいま注目を集める背景には、ChatGPT などの言語モデルの登場もありそう。「AIは論理推論が得意なはずでは？」という期待と現実のギャップを埋めるために、人間とAIを同じタスクで比較する必要が生じた。古い問題を新しい問いで掘り直す動機が、テクノロジーの進化から生まれたと言えそうです。

これって『座学より実践学習のほうが脳に定着しやすい』っていうよくある話の、論理学版ってことなの？

見た目はそう見えるかもしれませんが、もう一段階深い話だと思います。 「座学より実践」という話なら、単に「知識を使う経験を増やせば定着する」という程度。 でもこの研究が面白いのは、複雑な論理を理解するうえで、受け身と能動的な試行錯誤では脳の処理が根本的に違うらしいということ。 「AかつB」という条件を説明されるだけでは、人間の脳は両者の関係をうまく整理できない。 ところが自分で試してみると、「あ、両方揃ったときだけ動いた」という因果を身体で感じ取る。 その瞬間、複雑さが消える。言葉の説明では届かない層を、試行錯誤が補ってるわけです。 さらに興味深いのは、ChatGPTも人間と同じ苦手を持ってるという部分。 AIは膨大なテキストから統計的に学んでいるはずなのに、人間と似た「複雑ルールへの盲点」を持ってる。 つまり学習方法の違いじゃなく、情報処理の根本的な限界が両者に共通してるのかもしれません。 言語モデルだけでなく、相互作用する環境があってこそ、複雑な因果が腑に落ちるということなのかもしれません。

AIが人間と同じような得意・不得意を示すなら、逆に人間にしかできない学び方があるってことじゃないの？

その直感、実は逆向きなのかもしれません。 この研究から見えるのは、人間とAIが「同じ弱点を共有している」という事実です。受け身で情報を受け取るだけでは、複雑な因果関係が理解しづらい。その点は人間もChatGPTも変わらない。 ただし決定的な違いは、人間は「自分の手で試す」ことでそれを乗り越えられるということ。記事では、AIの実験の進め方が人間ほど効率的ではなかったと書かれていますよね。つまり、AIは物理的な試行錯誤のプロセスそのものを、まだ人間のようには活用できていないのかもしれません。 逆説的ですが、人間にしかできない学び方があるとすれば、それは「自分の体と感覚を使って、世界と対話する」ことなのでしょう。試して、失敗して、手応えを感じて、次を考える。その循環が、人間の脳には深く刻まれている。AIはデータとして結果を受け取ることはできても、その過程の微妙な手ごたえまでは拾えていない可能性があります。得意・不得意が同じだからこそ、乗り越え方の違いが際立つのかもしれません。