おはようございます。
知識獲得をすればするほど人工知能が誤る理由を統計学は過剰適合(overfiitting)または過学習(overtraining)と言います。AIが進化しディープラーニングが実用化。機械は疲れず、自動学習機能を持つディープラーニングはやる気を無くさず学習します。学校教育への適用は問題だと思います。
事前に定義された過程があり訓練や教育をします。定義した入力の結果を想定した基準と比較して学習効果を評価しますが、想定した標準の回答と全く違う答えを生徒がすると、AIは答えられず、先生次第になります。
会社では実例を題材に実習しますが、想定外の問題が現場で発生します。課題と答えを想定できる学校と違い、答えが不鮮明。チームを作らせ、課題解決策を相談し、対応策を決めます。学校も管理の問題は同様でしょう。
想定した問題とは違う問題が発生し各社は対応するため、トヨタのQC活動に似た自主管理の学び合い活動をします。チームをAIが支援しても微々たる効果と思います。その上、副作用も考えられます。
近傍の課題を独習していた人が初歩的な課題をAIや教育担当から指示されるとアホと思い、やる気を喪失し、教えられる暇は無いと考え、いい加減に対応し始め、悪い習慣を身に付けかねません。優れた人には安易な課題は詰まらない授業になります。
超難関大を目指す上位数人に対応すれば中間層は蚊帳の外になり、落ちこぼれを無くそうとすれば上位と中間が我慢できません。都会も地方も同じです。広い範囲の生徒を教える公立校の先生は大変です。勉強は当人の好きさ加減次第です。問題児が足を引っ張り、クラスの二極化が進みます。
現実の課題は多様な保護者もいて更に複雑です。要求条件のパラメータが無数です。モデル作りも難問です。複雑な問題に対応しようと思いついたモデルがたまたま適合し良いモデルと誤解し、後からしっぺ返しを受けます。
新人の先生が若さ故に生徒に慕われ、自分に指導力があると誤解し、過少適合(underfitting)または過少学習(undertraining)に陥り、歳をとり、我の強い筋の悪い教育者になりかねません。
公教育に長年携わってきた先生は仲間とつるむだけが好きな生徒と長年付き合い、経済や現代の問題に疎くなっています。公立学校の生徒の過少適合と過少学習はAIの過学習や先生の過少学習と絡み合い難問化しています。
ICT導入済の学校はありますが、今の教科書とは違う新教材が必要です。1年かけ100万円で100冊は可能ですが、新システムを始めてくれる学校と先生を探し出す課題が残ります。随時随所楽しまざる無し。南無大師金剛遍照。
学校の
問題解決
システム化
今日はここまでにします。
解に近い答え(Local Minimum)があると、最適解(Global Minimum)には到達できません。
ですから、「想定した標準の回答と全く違う答えを生徒がすると、AIは答えられず」となり、最適解は先生次第になります。
ですから、色々な人が作ったAIを複数個使うのも実用的だと思います。
AI将棋も、AI囲碁も最終解はなく、進歩があって面白いと思って居ます。
宇宙の初めを見つけるためにニュートンからアインシュタインと超天才が出ましたが、新たな未解決事項が見つかって、誰が出てくるのか「ドキドキ・ワクワク」しています。
その通りです。何事にもワクワクしやってみる。結果が思わしくなければまあ良いかと思えば良いでしょう。それが20代でできていたら洋四郎さんや麟三さんに迷惑をかけなかったかも。それより前に澄二先生や雅一先生にも。奢っていました。(笑)