AI時代の思考法　遅さと摩擦と身体

はじめに　摩擦なき知の代償

21世紀のテクノロジーは、人間が知識を手に入れる過程を根本から変えてしまった。インターネットと検索エンジンは、情報の「探しやすさ」を極限まで高めた。そして生成AIの爆発的な普及は、無数の情報源からの統合、推論、生成という、これまで人間の頭のなかでしか起こらなかった高次のプロセスを、一瞬で肩代わりするようになった。

その結果、私たちは複雑な問いに対しても、速く、しかもほとんど労力を感じることなく、洗練された答えを受け取れるようになった。この変化は産業全体の生産性を押し上げ、一人ひとりに最適化された学びを届けるという点で、計り知れない恩恵をもたらしている。

ところが、この「摩擦のなさ」が人間の認知能力や知識の定着に深刻な副作用を及ぼしていることを示す証拠が、認知心理学と教育学の領域で急速に積み上がりつつある。AIが返す整然とした答えに頼りきることで、本来なら脳が踏むべき理解、分析、評価という中間の工程が飛ばされ、深い理解と長期的な定着が根もとから損なわれているのだ。

ビジネスや教育の現場でよく使われる「腹落ち」という言葉がある。情報が表面的なデータとして消費されるのではなく、学ぶ人の内側で深く納得され、すでに持っている知識の枠組みと結びつき、最後には行動の変化を引き起こす状態を指す。生成AI時代の最大の逆説は、情報へのアクセスが速く容易になるほど、この腹落ちに必要な認知的な関与が減り、知識がかえって揮発しやすくなる点にある。

本稿は、生成AIがもたらす速さと摩擦のなさが、記憶の定着や批判的思考に何をもたらすのかを、認知オフローディングや説明深度の錯覚といった心理メカニズムから読み解く。そのうえで、深い納得である腹落ち、すなわちセンスメイキングに至る道筋を明らかにし、AIの利便性を享受しながら認知の退化を防ぐための実践、具体的には「望ましい困難」と「身体化された認知」を組み込んだ思考法を示したい。

1　オフローディングはどこまで進んだか

人間が自分の記憶や認知的な作業を、外部の道具や環境に肩代わりさせる現象を、認知オフローディングと呼ぶ。これ自体は古くからある営みだが、検索エンジンの普及以降、「Google効果」あるいは「デジタル健忘症」として広く注目を集めるようになった。

Sparrowらの初期の画期的な研究が示したように、人は情報の中身そのものよりも、「どこに行けばその情報にアクセスできるか」という在りかを優先して覚える傾向を強めている。StormとStoneによる二つの実験は、この効果が、保存の仕組みが信頼できると感じられたときにだけはっきり現れることを裏づけた。あとで簡単に取り出せると認識した情報を、脳はわざわざ記憶に刻もうとしないのである。ワーキングメモリの容量には厳しい限界がある。覚える代わりに外部へ探しにいくという行動は、限られた認知システムの負担を軽くする心理的な報酬として働き、強い習慣として根づいていく。

その深刻さは、大規模なメタアナリシスでも裏づけられている。2011年から2021年にかけて発表された22本の論文、12歳から89歳までの計30,889人を対象とした分析では、頻繁なインターネット検索が認知に及ぼす影響の大きさ、すなわちコーエンのdがマイナス0.85からプラス4.38の範囲で報告された。とりわけ北米の参加者でパラメータがマイナス1.0365、有意水準5%未満という結果が出ており、検索による記憶への負の影響が強く表れやすいことが示されている。Lav R. Varshneyが2012年に行った研究は、博士論文の引用文献数が長期的に増えてきたことさえ、研究者が情報そのものではなく「どの論文にその情報があるか」を覚える力を高めた結果だと指摘した。学術の世界に現れたGoogle効果である。進化の観点からは、外部の記憶システムと人間の認知が共に進化してきた適応戦略の延長とも解釈できる。

ところが生成AIの登場で、このオフローディングはまったく別の次元へ踏み込んだ。検索エンジンが肩代わりしたのは「記憶の保持」と「情報の探索」だった。生成AIが肩代わりするのは、情報の統合、文脈の構築、論理的な推論、創造的な生成という、人間の知性の根幹をなす高次の実行機能そのものなのだ。

段階	外部化される主な認知機能	人間に残されるタスク	長期的な影響とリスク
第一段階　検索エンジン（Google効果）	記憶の保持、情報の所在管理	情報の収集、比較検討、統合、意味づけ、推論	事実情報を覚える力の低下、情報源への過度な依存、検索スキルへの偏り
第二段階　生成AI（推論のオフローディング）	複数情報の統合、文章の構築、論理的推論、概念の要約、創造的発想	プロンプトの入力、最終成果物の受容と表面的な評価	批判的思考の萎縮、スキーマ構築の阻害、創造性の均質化、認知的健康の衰え

推論のオフローディングが実際に学習や思考を損なっていることを示すデータも、近年あいついで報告されている。Michael Gerlichが2025年に実施した大規模調査は、生成AIの日常的な利用と認知スキルの低下について重要な数字を示した。AIツールの頻繁な使用と批判的思考のスコアのあいだに、強い負の相関、ピアソンの積率相関係数でマイナス0.68が確認されたのだ。年齢による差も顕著で、若い参加者は高齢の参加者よりもAIに依存していると答える割合が40から45%高く、それに比例して批判的思考のスコアが低かった。AIへの依存が認知的オフローディングを介して自律的な分析力や問題解決力を蝕む過程が、すでに社会の規模で進んでいることをうかがわせる。

学習の現場でも、懸念すべき結果が出ている。TaecharungrojとMathayomchanらが2024年に行った研究では、ChatGPTのようなツールの使いすぎが記憶の保持や批判的思考に悪影響を及ぼす仕組みが示された。学習者はAIを使うことで、短期的にはエッセイの得点や課題の提出速度を上げる。だが、その後の内発的な動機づけ、知識の長期的な獲得、未知の領域への転移には、目立った改善が見られない。それどころか、自分の学習を監視し調整する自己反省や自己評価、すなわちメタ認知への関与が著しく減ることが指摘されている。AIへの依存を無制限に許された学生の集団では、知識の崩壊が加速し、メタ認知的な自己調整能力が低下したという報告もある。

AkgunとTokerがペンシルベニア州の大学で情報科学を専攻する73名の学部生を対象に行った比較実験は、学習における摩擦の意味を直接的に証明した。参加者は、AIを使う前にまず自力で考える事前テストを行うグループと、最初から直接AIを使うグループに分けられた。結果は明快で、先に自分の認知を働かせたグループのほうが、記憶の定着もトピックへの関与も有意に高かった。Bai、Liu、Suらの研究も、AIが個別最適化された学習を強める一方で、過度な依存は認知的な関与を下げ、長期的な記憶を妨げることを確認している。

これらが示すのは、推論や要約をAIに委ね続けると、基礎的な学力や認知能力が筋肉のように萎縮しかねないという冷静な事実だ。電卓が暗算を肩代わりしたように、生成AIは情報を統合する行為そのものを引き受ける。そのとき私たちは、ゼロから生み出す書き手から、AIが出した結果を選び整えるだけの存在へと、静かに移り変わっていく。

2　なぜ「わかったつもり」で終わるのか

AIから得た摩擦なき答えが、なぜ定着しないのか。その理由を理解するには、人間の認知のしくみを多角的に見る必要がある。鍵を握るのは、説明深度の錯覚という認知バイアスと、学習の段階的なプロセスを省略してしまう構造の問題である。

定着の低下を招く最大の心理的要因は、説明深度の錯覚と呼ばれる強力な思い込みだ。RozenblitとKeilが提唱したこの概念は、人が世界や複雑な事柄を「実際よりも深く理解している」と思い込む傾向を指す。私たちは、手元に資料がない状態で他人にその概念を詳しく説明してみせるよう求められて、はじめて自分の記憶が曖昧で、理解が表面的だったことに気づく。

生成AIは、この錯覚を極限まで膨らませる装置として働く。流暢で、論理的で、権威さえ感じさせる答えを、数秒で返してくるからだ。このときユーザーは、プロンプトを打ち込んでタスクを片づけた手軽さを、複雑な概念を深く理解したことと、無意識のうちに取り違える。AIの知能と自分の知能の境界が溶け、実際には外部のシステムに頼りきっているのに、その知識を内面化して身につけたと誤認してしまう。膨らんだ知識の感覚、メタ認知の歪みである。

教育の現場では、これが具体的な弊害として現れている。Rania Abdelghaniらが中学生に科学的な探究課題でChatGPTを使わせた実験では、事実を誤って認識するリスクが高まるだけでなく、説明深度の錯覚がはっきりと観察された。興味深いことに、学習者が「頭を使った」と主観的に感じたときにかぎって、AIへの追加の質問という自己調整の行動が増えた。裏を返せば、AIの答えが滑らかすぎて努力の感覚を伴わないとき、学習者は自分の理解不足に気づくことすらできず、探究を早々に打ち切ってしまうのである。

定着の悪化を説明するもう一つの枠組みが、Krathwohlらによる改訂版ブルームのタキソノミーだ。この分類によれば、学習は事実の記憶から始まり、理解、応用、分析、評価、創造へと至る、段階的で複雑な認知の積み重ねである。伝統的な学びの場では、学習者は無数の情報源を探し、拾い読みし、統合し、複数の視点を見比べるという、遅くて意図的な過程をたどる。このとき脳は多大な努力を払い、未知の概念と格闘する。この格闘は「生産的な葛藤」や「生産的な失敗」と呼ばれ、新しい情報を既存の知識と結びつけ、頭のなかに強固な枠組みを築くために欠かせない。

生成AIは、この過程を土台から覆す。理解、分析、評価という労力を伴う中間の工程をすべて代行し、洗練された結論だけを差し出すからだ。摩擦が消え、問題は即座に解ける。だが学習者は、枠組みを築くための土台を作る機会を失う。AIの助けがあるあいだは課題の処理速度が跳ね上がるのに、AIを取り上げられた瞬間、自力で推論を組み立てられず、成績は急落する。

こうした仕組みは、学習者を必然的に表面的な学びへ追い込む。スウェーデンの心理学者Ference MartonとRoger Säljöが1976年に提唱し、のちにEntwistleやRamsdenが1983年に拡張した学習アプローチの概念を当てはめると、AIへの過度な依存がもたらす危機がくっきり見えてくる。

観点	表面的な学習	深い学習
主な焦点と動機	タスクの構成要素だけに目を向ける。テストの点数や早い完了といった外からの要求を満たすために行う	タスク全体と根本的な意味の理解に向かう。知的好奇心や内発的な動機に基づく
認知のプロセス	事実の丸暗記に頼る。情報への反省的、批判的な関与がなく、文脈を無視する	新しく学んだ内容を以前の知識や経験に結びつける。論理の構造を批判的に検討する
AI利用での現れ方	出力された要約やコードを精査せずコピーし、内容を確かめないままタスクを終える	出力に「なぜそうなるのか」「他の道はないか」と問い、自分の知識体系へ統合する

生成AIは、その性質上、ユーザーが意図して抗わないかぎり表面的な学びを極端に助長する。AIから得た情報は、既存の知識の枠組みに統合されない孤立したデータにすぎず、文脈を欠くため、すぐに忘れ去られる運命にある。しかも生成AIは、ユーザーがすでに抱く信念に合った、もっともらしい答えを返しやすい。反響室のなかで、都合のいい情報だけが選び取られていく。

哲学者のジョン・デューイは、批判的思考の本質を「反省的思考」と捉え、そこには疑念やためらい、精神的な困難の状態と、証拠が出そろうまで判断を保留する過程が必要だと説いた。ところがAIは、説得力ある権威的な調子で即答する。ユーザーが立ち止まって疑い、批判的に吟味する判断の保留の余地を、根こそぎ奪ってしまうのである。

3　正解があふれる時代の腹落ち

情報がすぐ手に入り、しかも記憶に残りにくい時代において、情報を単なるデータとして消費するのではなく、自分の血肉に変え、行動を変えるほど強固な知識として定着させる。そのためには腹落ちという過程が欠かせない。腹落ちは日常の言葉だが、学術的には認知心理学や経営学のセンスメイキング理論の枠組みで説明される、きわめて重要な概念である。

組織論の大家カール・ワイクが提唱し、日本では入山章栄氏らが経営学や組織開発の文脈で広く紹介したセンスメイキング理論は、不確実性の高い状況や危機のなかで、人々が周囲の情報をどう感知し、解釈し、納得のいく物語を組み立てて行動へつなげていくのか、その動きを説明する。人は、客観的で論理的な正解を与えられただけでは動けない。心からの納得と共感を伴って、はじめて自発的で力強い行動を起こせる。この理論は、生成AIの出力がなぜ腹落ちにつながらないのかを鮮やかに照らし出す。

センスメイキングの要素	概念の定義	生成AIによる情報獲得で欠落する理由
アイデンティティ	「自分は何者か」という自己認識や所属意識に基づいて、情報の意味が解釈される	AIの答えは一般的で統計的であり、ユーザー固有の文脈や価値観を通したフィルタリングを伴わない
回想・振り返り	過去の経験や記憶を振り返り、現在の出来事と照らし合わせて意味を与える	AIは即座に結論を出すため、自分の過去の経験と照合し、反芻する時間を奪う
行動・行為	頭のなかだけで考えるのではなく、環境に働きかける行動を通じて状況そのものを創り出す	プロンプトを打つだけで結果が出るため、泥臭い試行錯誤や環境への働きかけが存在しない
社会性	意味づけは個人で完結せず、他者との対話や相互作用、議論を通じて構築される	AIとの孤独な対話に終始し、他者との意見の衝突や共感という社会的な摩擦が排除される
継続性	意味づけは一度きりではなく、状況の変化に応じて絶え間なく続くプロセスである	AIから完成された答えを受け取った時点でプロセスが終わり、継続的な意味の再構築が止まる
手がかりの抽出	膨大な情報のなかから、特定の兆候や手がかりを自分の文脈に合わせて取り出す	AIがすでに情報を整え抽出を終えているため、自ら手がかりを探す過程がない
納得性	客観的な正解や正確さよりも、もっともらしく、物語として腹に落ちるかが重視される	AIはもっともらしい物語を完璧に提示するが、他の要素を経ていないため表面的な納得にとどまる

センスメイキングの力と腹落ちの本質を象徴する逸話として、ワイクが好んで引いた話がある。猛吹雪のアルプスで遭難し、死を覚悟したハンガリー軍の偵察隊。その一人が、ポケットから一枚の地図を見つける。地図を手にした隊員たちは落ち着きを取り戻し、それを頼りに吹雪のなかを歩き、試行錯誤の末に無事ベースキャンプへ生還した。ところが後でよく見ると、その地図はアルプスのものではなく、まったく別のピレネー山脈の地図だったのである。

この寓話が語るのは、危機を脱し未知を切り拓くために必要なのは、客観的に正確な情報ではなく、信じて行動を起こすに足るもっともらしい物語だということだ。地図を信じて自ら足を踏み出す行動そのものが状況を打ち破り、生還という現実を事後的に作り上げた。

現代の生成AIは、私たちに「きわめて正確で、もっともらしいアルプスの地図」を一瞬で差し出す。だがその地図は、ヘリコプターから空中投下されたようなものだ。吹雪のなかで震えながらポケットを探る回想も、仲間とルートを相談する社会性も、間違った道を引き返す行動も、いっさい含まれていない。AIが渡すのは結果としての精巧な物語であり、センスメイキングの要素のうち納得性だけを異常な精度で肥大させたものにすぎない。意味の構築を自分で行っていないため、その情報はどれほど正確でも内面に根を張らず、腹落ちには決して至らないのである。

4　あえて困難を取り戻す

定着を悪くする根本の原因が、AIによる摩擦の徹底した排除にあるとすれば、解決策は明白だ。自分の学びや情報獲得の過程に、意図して戦略的に摩擦を取り戻すことである。この発想は、認知心理学で確立された「望ましい困難」という理論に基づいている。

Robert BjorkとElizabeth Bjorkが1990年代に提唱し、いまも認知心理学の金字塔とされる望ましい困難は、学習の過程にあえて適度な負荷や障害を持ち込むことが、結果として長期的な記憶の定着や未知の状況への応用力を飛躍的に高めるという、逆説的なしくみを説明する。

多くの人は、学習はスムーズで簡単であるほどよいと誤解している。同じテキストを何度も読み返したり、AIにわかりやすく要約してもらったりして得られる「すらすら理解できる感覚」を、心理学では流暢性の錯覚と呼ぶ。この感覚が高い状態は、短期的にはテストの点数を押し上げ、「わかったつもり」を抱かせる。だが処理が浅いため、長期の記憶にはまったく寄与しない。

望ましい困難は、この直感に逆らう。学習の初期をあえて遅らせ、フラストレーションや葛藤を生む条件を設定するのだ。この困難に直面したとき、脳は既存の記憶ネットワークから必死に関連情報を探し、新しい情報をどう符号化し、枠組みに結びつけるかという深い処理を強いられる。この不快な摩擦こそが、のちに強固な記憶へと変わる絶対の条件になる。

具体的な手法はいくつもある。一つは間隔学習だ。情報を一度に詰め込まず、時間を置いて復習することで忘却の曲線を断ち切る。学習と記憶の研究史のなかで、最も一般的で頑健な効果の一つである。もう一つは交互学習で、一つのトピックを完全にマスターするまで繰り返すのではなく、関連する別のトピックを意図的に混ぜて学ぶ。Rohrerが2012年に実際の学校の数学教育で行った大規模なプロジェクトでは、どの手法をいつ使うべきかを交互に学んだほうが、学習効果が劇的に高まることが強く支持された。

そして、AIが介在する学習で最も重要な防波堤となるのが生成効果である。答えを外から教わるのではなく、手がかりをもとに自分の頭から答えをひねり出すと、受動的に見直すよりも記憶の定着が有意に強まる。AIに要約させる前に、まず自力で10分考え、実装してみて、その後にAIへレビューさせる。エラーが出たら、すぐ解決策を求めず、エラーコードだけを見て原因を先に推測する。チュートリアルを読む前に、まずツールを触ってみる。こうした意図的に学習を遅くする工夫が、長期的な想起を促していく。

もっとも、AIを一切禁じてすべてをアナログに戻すのは非現実的だし、生産性の点でも妥当ではない。大切なのは、認知負荷理論に基づいて、AIに任せるべき有益なオフローディングと、自分で引き受けるべき有害なオフローディングの境界を見極めることだ。

有益なオフローディングとは、学習やタスクの本質とは関係のない余分な負荷、すなわち外在的な認知負荷をAIに管理させることである。文章のスペルチェックや文法の修正、データの整形、長大な文書からの特定の事実の抽出などがこれにあたる。これらを任せれば、限られたワーキングメモリが解放され、より重要な思考に集中できる。

一方の有害なオフローディングは、深い理解や枠組みの構築に欠かせない本質的な処理、すなわち内在的な認知負荷、つまり望ましい困難そのものをAIへ丸投げしてしまう行為だ。論文全体の論理構成をAIに考えさせる、未知の複雑な概念の要約を任せて理解した気になる、戦略の立案そのものを委ねる。こうした行為は、脳が生産的な葛藤を経験する機会を根こそぎ奪い、長期的には能力の萎縮を招く。だからユーザーは、自分はいま単にタスクを終わらせたいのか、それともこの過程を通じて自らの能力を高めたいのかを、常に問う必要がある。後者を望むなら、AIの最初の答えをそのまま受け入れず、自分の認知を割り込ませるための摩擦を設計しなければならない。

5　AIを答え出し機から対話の相手へ

腹落ちを実現するには、AIを単なる答え出し機として扱う見方から脱し、対話を通じて自分の認知を拡張するパートナーとして使う発想への転換が要る。ここでは、説明深度の錯覚を打ち破り、望ましい困難を意図して生み出すための、三つの実践を示したい。

一つめは、ファインマン・テクニックをプロンプトに組み込む方法だ。ノーベル物理学賞を受けた天才物理学者リチャード・ファインマンが提唱したこの手法は、学んだ概念を「12歳の子どもにもわかるよう、専門用語を使わず簡単な言葉と比喩で説明する」ことを通じて、自分の知識の穴を見つけ、理解を極限まで深める能動的な学習法である。これをAIとのやり取りに組み込むと、高い学習効果と腹落ちが得られる。AIに答えを求めるのではなく、ユーザー自身がAIに概念を説明し、AIに教師役としてフィードバックを求めるという、力学の逆転をプロンプトで作り出すのだ。

プロンプトはこう組み立てられる。「あなたはファインマンの哲学を体現した教師だ。私がいま学んでいるテーマについて、まず私が予備知識のない中学生に向けて説明する。その説明を聞いて、論理の飛躍や正確さを欠く点、より明確な比喩が使える箇所を具体的に指摘してほしい。私の理解の曖昧な部分を浮き彫りにする鋭い問いを、一つだけ投げかけてほしい。決して正解は教えず、私が自分の頭で考え、自分の言葉で説明し直せるよう導いてほしい。このやり取りを、私の説明が明確になるまで繰り返してほしい」。この反復的な過程は、ユーザーに生成効果を強いる。自分の知識の限界に直面する望ましい困難と、的確なフィードバックを通じた摩擦のある対話を経ることで、表面的な暗記から確固たる腹落ちへの移行が実現する。

二つめは、ソクラテス式問答法である。AIに直接の答えを出させず、絶え間ない問いを通じてユーザー自身の思考を引き出し、矛盾に気づかせる手法だ。批判的思考を養うための、歴史的かつ最も強力なアプローチの一つである。現代の大規模言語モデルは、適切なプロンプトやモードを与えれば、優秀なソクラテス的進行役として機能する。実際、教育現場の懸念に応える形で、OpenAIのChatGPT EduのStudyモードや、Microsoft CopilotのStudy & Learnモードには、こうしたソクラテス的対話を促す設計が意図的に組み込まれている。これらは受動的な暗記ではなく、討論やロールプレイ、ソクラテス的な問いといった、科学的根拠に基づくアクティブ・ラーニングを支えるよう最適化されている。

プロンプトはこう書ける。「あなたはソクラテスのように厳格で思慮深い導き手だ。私はあるテーマの問題を解こうとしているが、絶対に直接の答えや要約、解決策を示さないでほしい。代わりに、私の前提や推論を疑うような開かれた問いを、一つずつ投げかけてほしい。私の回答にある論理の矛盾や見落としに自分で気づけるよう、段階的に導いてほしい。一問一答の対話を厳格に守り、私が自ら結論にたどり着くまで続けてほしい」。このやり方では、ユーザーは結論に至るまでに何度も対話を往復する。この時間的、認知的な手間こそが、情報を既存の枠組みに結びつける望ましい困難として働く。AIの反論に応える行為を通じて、デューイの言う判断の保留が回復し、センスメイキングが完遂されるのである。

三つめは、反復的プロンプティングの義務化だ。医療教育のような高度な専門分野でも、学生がAIの出力に頼りすぎ、思考の過程をショートカットしてしまうリスクが強く懸念されている。説明深度の錯覚と、AIの出力を絶対の正解と過信するオートメーション・バイアスを防ぐために提唱されているのが、この戦略である。教育者や組織のリーダーは、AIを使って課題を仕上げる際、一回のプロンプトで得た答えの提出を禁じ、AIとの反復的な対話の過程そのものを評価の対象にすべきだ。学習者はAIの最初の答えを額面どおりに受け取らず、その根拠や前提に向けて深掘りの問いを連ねるよう訓練される。「その答えを裏づける具体的な証拠は何か」「どんな文脈や条件で、その前提が崩れる例外が生じるか」「この理論に対する主要な反論や対立仮説は何か」。

この徹底した反復のなかで、AIは時に一貫性を欠いた答えや、ハルシネーションと呼ばれる不正確な情報、浅い一般論を露呈する。学習者が自らの探求でAIの限界や矛盾を発見する体験そのものが、説明深度の錯覚を打ち砕く強力なワクチンになる。疑い、自分の頭で真偽を確かめる過程が回復し、強力な道具を使いこなしながらも、人間の認知的な自律を保てるようになるのだ。

6　身体を取り戻す

過度な認知的オフローディングによる記憶の揮発を防ぎ、深い理解を得るためのもう一つの強力な道は、失われた身体性を学びと思索に取り戻すことである。思考は脳のなかだけで完結するのではなく、身体の感覚運動システムや物理的な環境との相互作用と切り離せない。この「身体化された認知」というパラダイムは、AIに浸った現代にこそ重い示唆を与える。

その第一は手書きだ。AIが生成したテキストのコピー・アンド・ペーストや、キーボードのタイピングによる表面的な処理の対極にあるのが、手で書くという物理的な摩擦である。最新の神経科学や脳波の研究は、手書きがタイピングに比べ、学習と記憶の形成に深く関わるシータ波やアルファ波の活動を著しく高めることを実証している。手書きは、文字の形を思い出し、ペンを動かすという複雑な微細運動の制御と、視覚と運動の統合を絶え間なく要求する。この多感覚的な関与が、運動皮質や小脳を含む広い神経ネットワークを活性化させ、強固な知覚表現を生み、記憶の定着を劇的に高めるのだ。

東京大学の研究チームの実験でも、紙のノートに手書きしたグループは、スマートフォンやタブレットに入力したグループよりも、1時間後の記憶想起テストの成績が有意に高く、脳の言語、記憶、ナビゲーションに関わる領域の活動も高かった。紙のノートが持つ不均一な手触りや、書き込みの物理的な位置といった固有の空間情報が、記憶を引き出すフックとして働くためである。教育の場でも、AIによる認知的な負債を防ぎ、学生が望ましい困難を経て深く学ぶための防波堤として、手書きのノートの価値が見直されている。手で書き出すという意図的な遅さと身体的な労力こそが、情報を自らの血肉へと変える過程なのだ。

第二は、デジタル断食である。AIやスマートフォンを通じた絶え間ない接続とマルチタスクは、人間の指向性注意という限られた認知資源を急速に枯らす。注意が枯れた状態では、得た情報を深く反芻し、自分の内面と結びつけるセンスメイキングは、そもそも実行できない。ここで効いてくるのが、注意回復理論に基づくデジタル断食の実践だ。Rachel KaplanとStephen Kaplanらが提唱したこの理論は、デジタル機器から離れ、とりわけ自然のなかに身を置くことで生まれる「ソフトな魅了」、すなわち努力なしに自然と注意が向く状態が、枯れた認知資源を効果的に回復させることを示している。研究によれば、デジタル断食を伴う自然のなかの散歩や森林浴は、ストレスホルモンを下げるだけでなく、ワーキングメモリの働きを回復させ、深い自己反省や人生の意味づけを促す。AIから得た正解を真の腹落ちに変えるには、いったん意図的に機器から離れ、脳の資源を回復させる空白の時間を設計することが欠かせない。

第三は、歩くことだ。物理的に歩くという行為そのものが、異なる情報どうしを結びつけ、新しい解釈を生む強力な触媒になることが、認知科学的に証明されている。スタンフォード大学のOppezzoとSchwartzが2014年に行った画期的な研究は、歩行が着席に比べて、創造的で発散的な思考をその場でも歩いた直後でも劇的に高めることを実証した。制約のない自由な歩行は、ルートを選ぶといった適度な認知的制御を求めることで、かえって脳の過剰なフィルターをゆるめ、自由なアイデアの流れを促すと考えられている。私たちはしばしば、机に向かってAIと対話しているときよりも、そこを離れて散歩している最中に、ふいに「なるほど、そういうことか」と腑に落ちる。AIから得た断片的な知識や整った物語に、歩きながら思いを巡らせることで、それらが自分の知識や経験と思いがけない形で結びつき、真の腹落ちへと至るのである。

おわりに　摩擦ある対話の先に

生成AIがもたらす速く摩擦のない情報へのアクセスは、人類の知的生産性を飛躍的に高める、もはや後戻りのできない潮流だ。だが本稿で見てきたとおり、その摩擦のなさこそが、記憶の定着を下げ、批判的思考を萎縮させ、表面的な学びを蔓延させる最大の構造的要因でもあった。

人間の脳は、進化の過程で、容易に得た情報を長期記憶として保存するようには設計されていない。認知的な負荷、フラストレーション、他者との議論による葛藤といった望ましい困難を泥臭く経験して、はじめて情報は単なる外部データから、自分のアイデンティティや過去の経験と結びついた知識へと昇華し、腹落ちに至る。

AIの出力をただ消費し続ける選び手に成り下がるのを避け、知性を拡張する作り手であり続けるには、テクノロジーが奪った認知的な摩擦を、私たち自身が意図して学びのなかへ設計し直さねばならない。ファインマン・テクニックの応用やソクラテス式問答法といった認知的な摩擦に加え、手書き、自然のなかでのデジタル断食、散歩という身体的、環境的な摩擦を取り戻すことが、その有効な手立てになる。

AI時代の真の知性とは、問いに対して最短距離で効率よく正解を得る能力ではない。あえて迂回し、問い直し、自分の知識の限界に直面し、ときには機器を置いて身体を動かしながら格闘する。その過程のなかにこそ、知性は宿る。かつてない強力な認知のパートナーとの摩擦ある対話、そして身体性を伴う思索を通じてのみ、私たちは情報の濁流のなかで確かな腹落ちを得て、人間本来の自律的な思考をさらに深めていけるのである。