AIに助けてもらったのに、ひとりでは弱くなる——論理パズルで見えた学習のねじれ

こんにちは、チカちゃんです。

分からない問題をAIに聞いて、すぐ答えが出る。

ああ、助かった。これで次へ進める。そう思いますよね。実際、目の前の仕事は速くなります。では、そのAIがいなくなったあと、私たちは前より少し強くなっているのでしょうか。

ふむふむ、ここでちょっと嫌な問いが出てきます。助けてもらったことと、学んだことは、本当に同じなのでしょうか。

できたことと、身についたことは違う

学習を、山登りにたとえてみましょう。

AIが正しい道を教えてくれれば、頂上には早く着けます。でも、その道の傾斜や曲がり角を自分の足で覚えたとは限りません。次に地図を取り上げられたとき、同じ山を登れるかは別の話です。

もちろん、外部の助けが悪いわけではありません。先生のヒント、教科書、計算機。人間はずっと道具を使って学んできました。大事なのは、道具を使ったかどうかではなく、道具が自分の考える仕事を支えたのか、それとも代わりに済ませたのか、という違いです。

心理学や認知科学でいう「認知的オフローディング」は、記憶や推論の一部を外部の道具に預けることです。荷物を肩から下ろすように、頭の負担を軽くできる。これは便利です。

でも、荷物を毎回ぜんぶ誰かに持ってもらったら、筋肉を使う機会は減ります。AIとの学習にも、似たねじれがあるのかもしれません。

論理パズルを、AIの前後で解く

2026年8月24日にarXivへ投稿された研究『How AI Assistance Affects Human Skill Development』は、このねじれを小さな実験室に持ち込みました。著者はShang Wuさん、Catarina G. Belemさん、Shuyuan Fuさん、Mark Steyversさん、Padhraic Smythさんで、全員がカリフォルニア大学アーバイン校に所属しています。査読前の研究報告ですが、HCOMP 2026への採択が記載されています。

参加者は、6つの物体と5つの論理条件を見ながら、物体を正しい順番に並べるパズルに挑みます。研究は三つの段階に分かれていました。

1. AIなしで最初の力を測る
2. AIの助けを求められる状態で解く
3. もう一度、AIなしで解く

AIが使える真ん中の段階では、助けを求めるたびに点数が減ります。料金が高い条件と安い条件を用意して、「助けを呼ぶコスト」が利用行動をどう変えるかを見たわけです。AIの回答は、実験上は常に正しいものに固定されました。つまり、AIの誤答ではなく、助けの使い方に焦点を当てています。

150人の英語話者の成人を募集し、条件に合わないデータを除いた最終サンプルは124人でした。対象は米国在住で、大学学位以上の参加者です。この点からも、結果をそのまま全世代・全地域の学習者へ広げるのは慎重でありたいところです。

安い助けは、たくさん呼ばれる

結果は、まず直感的でした。

AIへの依頼コストが低い条件では、参加者は平均6.67回助けを求めました。高コスト条件では3.33回です。助けを呼ぶ値段が下がれば、呼ぶ回数は増える。ここまでは自然な結果ですよね。

しかし、AIなしに戻った第三段階では、少し違う景色が見えました。

AIを一度も使わなかった参加者では、最初から最後までのあいだに、1分あたりの正しく置けた物体数が2.03から3.86へ増えました。研究では90.2％の増加として報告されています。パズルそのものに慣れ、解き方を身につけたのでしょう。

一方、途中でAIを使った参加者の第三段階の平均報酬率は3.42で、使わなかった人の3.86より低くなりました。さらに、AIが使える段階の成績から、その後のAIなしの成績を予測すると、AI利用者については実際より高く見積もる傾向がありました。

ここ、面白いところです。

AIがそばにいるときの「できた」は、その人ひとりの力を表していないかもしれません。AIの貢献が、本人の成績のなかに混ざっているからです。

回数よりも、「ひとりで考えた時間」

では、AIを使った回数が多いほど学習に悪いのでしょうか。

研究者は、そこでも一回ブレーキを踏みます。参加者がAIを何回呼んだかだけでなく、AIを呼ぶ前にどのくらい自力で考えていたかを「solo share」として測りました。日本語にするなら、「自分で考えていた時間の割合」です。

そして、正答率と解答時間をもとに、直接は見えない「潜在的な力」をベイズモデルで推定しました。これは、テストの点数だけで筋力を決めつけず、持ち上げた重さや時間も合わせて、背後の能力を推測するような方法です。

分析では、AIへの依頼回数そのものよりも、AIが使えるあいだに独立して問題に取り組んだ時間の割合が、その後の技能の伸びと強く関連しました。自力で考える時間が多い人ほど、AIがなくなったあとにも力が伸びていた、という見立てです。

ただし、ここは因果関係ではありません。自力で考える人は、もともと粘り強かった可能性もあります。研究者自身も、solo shareの係数は観察された行動との関連であり、AIが直接その結果を起こしたと証明するものではない、と注意しています。

AIを禁止するより、考える余白を残す

チカちゃん的には、ここで「AIを使うな」という結論に急ぎたくありません。

ヒントをもらうことで、難しい問題への入口に立てる人もいます。すべてを自力で解けないからこそ、次の一歩を踏み出せることもある。AIが学習の足場になる場面は、きっとあります。

反対側の見方も置いておきましょう。今回のパズルは、6つの物体を並べる、比較的よく管理された課題です。現実の文章作成やプログラミング、仕事の判断は、もっと複雑で、成果物だけで技能を測れません。124人のサンプルも大きな社会全体を代表するとは限らない。しかも、AIの回答は実験上つねに正しかったので、誤答への対処や信頼の調整までは見ていません。

だから、この研究を「AIは学習を壊す証拠」と読むのも行き過ぎです。むしろ、AIを学習の場へ置くなら、何を残す設計にするかを考える材料、と読むほうが正確そうです。

たとえば、すぐ最終解答を渡すのではなく、先に自分の仮説を書いてもらう。ヒントを小さく分ける。AIの答えを見たあと、なぜそうなるかを自分の言葉で説明してもらう。最後に、AIなしの小さな確認問題を置く。

これは単なる不便ではありません。考える時間を、学習の中身として守るための摩擦です。

助けは、足場か、それとも床か

AIが便利になるほど、私たちは「できた」という結果を手に入れやすくなります。でも学習では、結果の手前にある迷い、試行錯誤、間違いの修正が、力をつくっていることがあります。

足場は、いつか外すものです。ずっと足場の上に立ったままなら、高いところへは行けても、自分の足で立ったことにはならない。

なるほどねえ。AIとの距離を決めるとき、問うべきなのは「使うか、使わないか」だけではないのかもしれません。

この助けは、私の考える力を広げているのでしょうか。それとも、考える場所そのものを先回りして埋めているのでしょうか。

次にAIへ答えを求めるとき、返事の前に一分だけ、自分の仮説を置いてみる。その小さな余白が、未来の自分へ残る筋肉になるかもしれません。

あなたにとって、AIは足場でしょうか。それとも、いつの間にか立ちっぱなしになった床でしょうか。

関連記事

• AIに考えてもらうほど、考えられなくなる？——認知的オフローディングの罠
• 速くなったのに、時間は増えない——AIがつくる「努力の錯覚」
• AIは答えを渡すより、選択肢を残せるか——感情支援の分岐設計

参考URL

Shang Wu et al., “How AI Assistance Affects Human Skill Development: A Study of Learning with Logic Puzzles” → https://arxiv.org/abs/2608.23543