ブルース・マクスウェルが大学院のコンピュータビジョンコースの試験を採点していたとき、彼は奇妙な既視感を経験した。何千マイルも離れた学生たちが、不気味なほど似た言い回し、句読点、構造の答案を作成していた。しかし彼らは協力していなかった。犯人は従来の意味での学問的不正行為ではなかった。それはより体系的な何かだった。AIチャットボットがほぼ同一の回答に収束し、研究者たちが今「人工的集団思考」と呼ぶものを生み出していたのだ。
マクスウェルの観察は、教育、創造性、そして知識生産におけるAIの役割をどう理解するかについて深い影響を持つ厳密な調査のきっかけとなった。その調査結果は厄介なパラドックスを明らかにしている。AIツールがより洗練され広く採用されるにつれて、それらは同時に学生が生み出すアイデアや表現の範囲を狭めているのだ。
AIの画一性問題を暴露した実験
ワシントン大学の博士課程学生でマクスウェルの元教生であるリウェイ・ジャンは、彼の逸話的な観察を確固たるデータに変えた。彼女の研究チームは、世界中の企業から70以上の大規模言語モデルを分析した。ChatGPTやClaudeのようなアメリカの巨大企業のモデルと、DeepSeekやQwenのような中国のモデルだ。方法論は単純だが示唆に富むものだった。同じ100の自由回答式の創造的な質問を各モデルに50回投げかけ、出力を比較するのだ。
結果は衝撃的だった。時間の比喩を作るよう求められると、モデルは圧倒的に「川」を選んだ。カラフルなヒキガエルについての短編小説を書くよう促されると、Claude 3.5 Sonnetは繰り返し主人公をジギーまたはピップと名付け、不可解にも空腹のタカやキノコを物語に挿入した。これらは些細な類似性ではなかった。収束は文の構造、イメージの選択、さらにはカンマの配置にまで及んでいた。
これが特に重要なのは、これらのモデルが異なるアーキテクチャ、訓練データ、企業の起源を持っているということだ。それでも驚くほど均一な出力を生成する。「人工的集団思考」と題されたこの研究は、2025年12月のNeural Information Processing Systemsカンファレンスで最優秀論文賞を受賞し、AI研究コミュニティがこれを重要な問題として認識していることを示している。
なぜAIモデルは同じように考えるのか
この均質性は「アライメント」と呼ばれるプロセスに由来する。これはAIシステムが人間にとって有用で、適切で、合理的な応答を生成することを学ぶ洗練段階だ。この訓練段階では、人間のフィードバックを使用してモデルを問題のある出力から遠ざける。意図は健全だ。AIが有害で、攻撃的で、無意味なコンテンツを生成するのを防ぐのだ。
しかしアライメントには意図しない結果がある。合意と安全性を最適化することで、これらのシステムは体系的に型破りな思考にペナルティを課す。独創性が負債になる。AIは「川」が時間の広く受け入れられた比喩であることを学ぶので、その答えに繰り返し引き寄せられる。より危険で創造的な選択肢、例えば時間を彫刻家として表現することなどは、統計的外れ値として除外される。
ジャンのチームは、AI出力のランダム性を制御する「温度」パラメータを操作することで創造性を強制しようとさえした。それを最大にしても役に立たなかった。モデルは依然として似たテーマと構造に収束し、問題が単純なパラメータ調整よりも深いところにあることを示唆している。
これが教育にとって意味すること
学問的誠実性への影響は複雑で、単純な盗用検出を超えて広がっている。従来の盗用は、特定可能な情報源から特定のテキストをコピーすることを含む。マクスウェルが観察したものは異なっていた。学生たちは独創的な文章を作成しているが、それでも互いに区別がつかないように聞こえる。なぜなら彼らは皆、似たコンテンツを生成するAIツールに相談していたからだ。
これは教育者にとって検出問題を生み出す。標準的な盗用チェッカーはこれらの提出物にフラグを立てない。なぜならテキストがコピーされていないからだ。AI検出ツールは苦戦する。なぜなら文章には人間の編集や個人的なタッチが含まれている可能性があるからだ。しかし根底にあるアイデア、構造、表現は派生的なままだ。人間の情報源からではなく、AI集団思考からの派生だ。
より根本的に、これは特定の課題の教育的価値に疑問を投げかける。学生がAIに論文のアイデアをブレインストーミングしたりエッセイを作成したりするよう求め、AIが一貫して似た言語で同じ概念を提案する場合、複数の学生が独立してほぼ同一の作品に到達することになる。彼らは従来の意味で不正行為をしているわけではないが、真の独立した思考にも従事していない。
創造性の危機
学術的な環境を超えて、集団思考現象はAIが創造的および知的作業により広く与える影響について疑問を提起する。産業全体の専門家がブレインストーミング、草稿作成、問題解決のためにますますAIに依存するようになれば、大規模なアイデアの均質化のリスクがある。
新しい思考に依存する分野への影響を考えてみよう。製品デザイン、マーケティング、科学研究、ジャーナリズム、戦略計画だ。全員のAIアシスタントが似たアプローチを提案すると、競争優位性は侵食される。「群衆の知恵」はアルゴリズム的合意の専制になる。
これは単なる理論ではない。この研究は、異なる国で異なる文化的文脈で開発されたモデルが依然として似た出力に収束することを記録した。中国で開発されたAIとアメリカのAIは、文学的伝統や哲学的枠組みに大きな違いがあるにもかかわらず、両方とも時間の比喩として「川」を提案する。アライメントプロセスは、AI生成思考のグローバルな単一文化を生み出しているようだ。
学生と教育者のための実践的対応
マクスウェルはすでに教育アプローチを適応させている。彼は従来のオンライン試験を放棄し、学生が説明と教育を通じて理解を示さなければならないプレゼンテーションやビデオチュートリアルを採用した。これらの形式はAI支援をあまり有用にしない。なぜなら統合、個人的なコミュニケーションスタイル、知識のリアルタイムデモンストレーションが必要だからだ。
ジャンの学生へのアドバイスは実用的だ。AIを終点ではなく出発点として使用せよ。「モデルは実際にいくつかの良いアイデアを生成していますが、それよりも創造的になるために余分な努力をする必要があります」と彼女は指摘する。これは、AI出力をベースライン、つまり従来の知恵として扱い、追加の研究、型破りなつながり、または個人的な洞察を通じてそれを超えて押し進めることを意味する。
教育者にとって、課題は洗練されたプレゼンテーションよりも真の思考を報いる評価を設計することだ。これは、AI生成される可能性のあるきれいな最終製品よりも、学生の思考プロセスを示す粗く探索的な作業を評価することを意味するかもしれない。学生が自分の推論を説明し正当化しなければならない口頭弁論を含むかもしれない。または、クラスの議論や教材に非常に特化した課題を要求し、一般的なAI応答が明らかに不適切になるようにするかもしれない。
技術的な前進の道
研究コミュニティは潜在的な解決策に取り組み始めている。1つのアプローチは、より多様なデータソースでモデルを訓練し、収束を防ぐために多様なアライメント技術を使用することを含む。別のアプローチは、訓練プロセス中に新規性を明示的に報い、一般的な応答にペナルティを課す方法を探求する。
しかし、これらの技術的修正は固有の緊張に直面している。アライメントプロセスには正当な理由がある。アライメントされていないモデルは、有害で、偏っていて、一貫性のない出力を生成する可能性がある。安全性と創造性、有用性と独創性のバランスを見つけることは、依然として未解決の課題だ。自由が多すぎると混沌を生み出し、制約が多すぎると集団思考を生み出す。
一部の研究者は、個々のユーザーのスタイルや好みに適応する「パーソナライズされた」AIモデルを探求しており、潜在的により多様な出力を生み出す可能性がある。しかしこれはプライバシーの懸念を引き起こし、根本的な問題を解決するのではなく、単に複数の小さな集団思考を生み出すかもしれない。
知識労働におけるAIの役割を再考する
集団思考研究は、AIがどこで価値を付加し、どこで思考を制約するかについて、より微妙な理解が必要であることを示唆している。確立されたベストプラクティスを持つ日常的なタスクについては、収束的なAI応答が完全に適切かもしれない。一般的な技術的問題のトラブルシューティングや標準的なビジネス文書の草稿作成において、AIに従来のアプローチを提案させることは有用だ。
しかし創造的、戦略的、または分析的な作業、つまり学生がスキルを開発する必要がある領域では、AIの合意への傾向はバグになる。課題は、学生や専門家がこの区別を認識し、それに応じてAIツールを展開するのを助けることだ。
これはAI能力をどう評価するかについても影響を持つ。現在のベンチマークはしばしば正確性、有用性、安全性を測定する。おそらく私たちは多様性、独創性、創造的範囲のための指標が必要だ。同じプロンプトに対して10の異なる高品質の応答を生成するAIは、たとえその答えが従来の指標でより高いスコアを獲得したとしても、単一の「最適な」答えを生成するAIよりも価値があるかもしれない。
AIツールが教育や専門的作業に組み込まれるにつれて、意図的に対処されない限り、集団思考現象は強まる可能性が高い。問題はAIを使用するかどうかではなく、人間の創造性を置き換えるのではなく強化する方法でそれを使用する方法だ。マクスウェルの採点経験とジャンの研究は早期警告を提供している。全員が同じ神託に相談すると、イノベーションと学習を推進する思考の多様性を失うリスクがある。解決策には、より良い技術とより思慮深い教育法の両方が必要だ。学生にAIを使用するだけでなく、それを超えて考えることを教えるのだ。
