ハリウッドは、AI によって脚本家を失いつつある。それは労働市場の物語だ。ある産業が組み替わり、その産業は生き延びる。この物語を、同じ時期に教室で静かに進んでいるもうひとつの物語と並べてほしい。一世代の学生たちが、本来、教育が彼らのなかに築くはずだったもの、つまり「誰の助けも借りずに自分で考えられる」能力を、AI にそっと外注し始めている。ふたつは同じ物語に見える。だが、同じではない。前者はひとつの産業が組み替わっている。後者は、一世代が内側から空洞になっている。
2025 年 6 月、MIT Media Lab の研究者たちは、大学生 54 名に EEG キャップを装着させ、四ヶ月にわたって三通りのやり方で小論文を書いてもらった。ChatGPT を使う組、検索エンジンを使う組、何も使わない組だ。スキャナーは、ひとつの事実を、はっきりと語った。
学生が自分を測るために使っていた信号が、音もなく消えつつある。
データ: ハーバード大学教務データ、NPR 2025 年 11 月報道より。
ChatGPT 組は、記憶・注意・実行機能を担う脳のネットワーク全体で、もっとも弱い接続を示した。自分がさっき何を書いたか、思い出すのがもっとも難しかったのもこの組だった。より決定的だったのはこの一点である。彼らがそのあと AI なしで書こうとしたとき、その「使われていない」状態はすぐには戻らなかった。研究者たちは、この状態に名前を与えた。cognitive debt、認知の負債、である。
「負債」という言葉は、この研究全体のなかで、もっとも誠実な一語だ。負債とは、請求が今ではなく、あとで来るもののことだ。
2026 年 7 月、Cui と Jalal による論文が『Frontiers in Psychology』に掲載された。認知の負債のさらにその下にある、心の仕組みを突き止めた研究だ。AI に依存して課題を仕上げ続けた学生は、自分の成績を自分の努力ではなく、ツールの働きとして捉えるようになる。研究者たちはこれを、能力の錯覚 (illusion of competence) と名づけた。彼らのモデルでは、この錯覚は、心理学が 1967 年から追ってきたもうひとつの現象、学習性無力感 (learned helplessness) のさらに上流に位置する。
Martin Seligman が学習性無力感と名づけたのは、「どう動いても電気ショックが止まらない」ことを学んでしまった犬たちが、やがて逃げ道が開いても逃げようとしなくなる、という実験からだった。AI 教室で起きている仕組みは、電気ショックよりもずっと柔らかい。しかし、形はまったく同じだ。「これは自分がやった」と感じられなくなった学生は、やがて「やってみよう」とすらしなくなる。ここで Luminis はひとつだけ付け加えたい。能力の錯覚は、悪い成績よりもずっと危ない。悪い成績は信号だ。学生はそれを読み、助けを求めることができる。能力の錯覚は、沈黙したクレジットカードだ。請求は、最初の就職面接や、答えのない最初の問題を目の前にしたとき、ようやく届く。
AI 依存は、学習性無力感を介して、学生の内発的動機づけを削り取る。AI リテラシーは、その最初の矢を弱める調整要因である。「アクセスを与える前にリテラシーを教える」ことの、科学的な根拠がここにある。
モデル: Cui と Jalal、Frontiers in Psychology、2026 年 7 月。
成績そのものも、ひとつの信号である。そしてその信号が、音もなく消えつつある。ハーバード大学の A 評価 (A- を含む) の割合は、全体の 85% に達した。十二年前は 62% だった。イェール、Emory、米国のトップ層のほぼすべてで、同じ曲線が描かれている。全米で見れば、A は大学の全成績の 60% を超え、二十年前より 25% 増えている。問題は「学校が甘くなった」ではない。問題は、学生が自分を測るために使っていた「A をとった、だから私は何かを学んだ」という信号そのものが、学生が実際に何をできるかとの対応関係を失ってしまった、ということだ。
これに Cui と Jalal の仕組みを重ねれば、罠は完全に閉じる。アウトプットは体裁がよい。学生は、自分の努力の値段が本当はいくらだったのかを知らない。測るための物差しが、どこにもなくなっている。
三本めの線は、Microsoft Research とカーネギーメロン大学による 2025 年の調査だ。319 名のナレッジワーカーに尋ね、936 件の実際の AI 利用事例を集めた。研究者たちが見つけたのは、腰を据えて考えるに値する逆転現象だった。生成 AI への自信が強い人ほど、批判的思考が少なくなる。自分自身への自信が強い人ほど、批判的思考が多くなる。彼らが観測した変化は、「作業する」から「AI の作業を監督する」へのシフトだった。これは、教育学で言う cognitive offloading、認知の外部化そのものだ。
問題は、「自分でやったことのない監督」はもろい、ということだ。長除算を自分で解いたことのない教師は、生徒の長除算の誤りを捕まえられない。レースコンディションを自分でデバッグしたことのないエンジニアは、AI が自信満々に出してきた、しかし間違っている答えの正体を見抜けない。監督する力は、自分でやる力の下流にある。下流が先に萎縮すると、上流は、気づかれないうちに、もう信頼できないものになっている。
ハリウッドに戻ろう。向こうの打撃は本物だ。脚本家の部屋は縮んでいる。VFX のパイプラインは変わりつつある。実際に職を失った人々がいて、彼らには、本当の意味での支援が必要だ。しかし市場は、乱された産業の周囲を、十年か二十年かけて組み替えていく。裂け目から新しい形が芽を出す。参入の敷居は下がる。別のタイプの語り手が生まれてくる。痛みはあるが、永遠ではない。
市場は、しかし、「学ぶ以前に、学ぶための脳の習慣そのものを静かに奪われてしまった一世代」を、組み替えてはくれない。それはひとつの産業が組み替わっているのではない。すべての産業が、同じ時刻に、同じようにスキルを剥がされた人々のまわりで、同時に組み替わる、という事態だ。損傷は累積的で、分野横断的で、数十年続く。「次の大人の世代」が控えていて交代してくれる、ということは、起こらない。
Luminis はこの一年、同じ場所の周りを歩いてきた。Gates 三部作 は、社会が引き受けなければならない構造的な選択を名指している、新しい制度の構築、人の仕事として残すべき領域の確保、労働と資本の課税の見直し。生産的な格闘 (productive struggle) という概念は、認知の負債の対角線上にある。幼い子の感情の爆発を扱う Fraga の文章 (親向け) すら、同じ骨を抱えている。本当の認知の仕事は、子どもの「周り」ではなく、子どもの「なか」で起きなければならない。子どもの代わりに仕事を仕上げてくれるツールは、子どもを教えたことにはならない。
具体的に、何ができるのか。三つ、受け手ひとりずつに。
学生 (あるいは学生を育てている親) のあなたへ: 最初の一稿は、AI に触る前に、自分で書く。それが遅くても、AI がくれる一稿よりできが悪くても、まず自分で書く。MIT の研究には、ごく具体的な発見がある。最初に自分で書き、あとから AI を使った組の学生は、三組の中でもっとも強い脳のエンゲージメントを保っていた。順序がすべてだ。AI は、ゴーストライターとしてよりも、編集者として使うほうがずっとよい。
教師のあなたへ: 成果物と同じくらい、プロセスにも点をつける。生徒自身の論文について、十分間の口頭フォローアップを設ける。どうやってその論点にたどり着いたのか、どこで詰まったのか、何を捨てたのかを話してもらう。これは、現在もっとも安く、もっとも誠実な評価だ。AI で思考を飛ばした学生は、きれいな論文と空っぽの頭で現れる。実際に考えた学生は、話せる。
学校・教育委員会のあなたへ: AI へのアクセスを与える前に、AI リテラシーを教える。Cui と Jalal の調整分析は明快だ。AI リテラシー は、「依存 → 無力感」という経路を弱める。ここでも順序は決定的だ。この道具が何のためにあるかを分かっている子は、答えを出してもらうためにだけ使ってきた子より、ずっと安全に AI と付き合える。
問われているのは、「AI を使うかどうか」ではない。今、学校にいる世代が、二十年後にも、AI を上手に使うだけの認知の習慣を身につけたままでいられるか、である。もし使い方の能力をこっそり奪いながら、同時に道具だけを渡しているのだとしたら、起きているのは、ひとつの産業の崩れではない。文明が、ゆっくりと空気を抜かれていくことである。
立ち止まって考えたい問い。
一、最後に、AI の助けなしに、不快さのなかで、長い時間ひとつのことを「もがいて」最後まで仕上げたのは、いつだったか。そのもがきが、最後に残してくれたものと、「完成品」そのものとは、同じものだっただろうか。
二、身近な子どもが、今月、完璧な小論文を三本持って帰ってきたとして、それが本当にその子が書いたものかどうか、あなたはどうやって確かめるだろう。何を尋ねるだろう。
三、次の世代に手渡したいひとつの技能で、AI ツールには決して手渡せないもの、それは何だろう。「ゆっくりとしたやり方」でそれを教えることは、あなたに何を支払わせるだろう。
本稿で参照した研究: Kosmyna 他、Your Brain on ChatGPT (MIT Media Lab, 2025);Cui と Jalal、AI 依存と学業動機づけ (Frontiers in Psychology, 2026);Lee 他、生成 AI が批判的思考に与える影響 (Microsoft Research と CMU, CHI 2025);ハーバードの成績データに関する NPR 報道 (2025 年 11 月)。古典的基盤: Seligman と Maier によるペンシルベニア大学での学習性無力感の実験 (1967)。