学びは、一つの図や地図、解き方を示した例から始まることがあります。2024年のこの研究では、AIがこうした表現のつくり方と使い方をどう変え得るかを考えます。可能性は、教材の挿絵を増やすことだけではありません。学ぶ人自身が理解するために考える余地を残しながら、その問いに応じて視覚的な説明を変えることです。

つまずいたときに、図が簡単になったり、別の層が現れたり、異なる例が示されたりするかもしれません。AIの学習支援では、特定の難しさに合わせた練習問題も考えられます。その際に必要なのは、一人ひとりを固定した学習スタイルに分類することではなく、既に知っていることや学ぶ速さ、利用のしやすさへの配慮です。魅力的な画像が、必ずしも優れた説明とは限りません。大切なのは、その考え方を自分で使えるようになるかどうかです。

教員は、教材の準備や例の調整、定型的な事務の一部にAIを使えるかもしれません。節約できた時間は対話や個別の助言に回せますが、生成された内容の確認にも手間がかかります。学習データは困難の発見に役立つ可能性がある一方、クリック数や画面を見る時間を理解と同一視してはいけません。予測は教員が問いを深める手がかりであり、生徒の将来をプロフィールの中に固定するものではないはずです。

VRやAR、対話的なモデルによって、構造を探ったり、実験条件を変えたり、歴史の再構成を調べたりできるでしょう。語学では、言葉と場面、文化的な背景を結びつけることも考えられます。ただし、根拠と解釈、創作を明確に区別する必要があります。没入感のある場面は正確でなくても記憶に残りますし、文化を見慣れた画像の集まりに還元することはできません。

図書館や画像資料の検索は、言語や分野をまたいで行いやすくなるかもしれません。同じ考えを異なる共同体がどう表すかを比較し、科学と歴史、美術を結びつけられるでしょう。翻訳や生成された例は参加の幅を広げる一方、主流の表現を繰り返す可能性もあります。出典や地域固有の視点、別の解釈を、一様な視覚の語彙に溶かし込まず、見える形で残す必要があります。

視覚作品への助言も、一つの可能性です。システムが読みにくい文字を指摘したり、構図を見直すよう促したりするかもしれません。しかし、創造性の最終的な審判になるべきではありません。類似度の点数も、盗用の証明とはいえません。下描きや出典、判断の理由を話し合うことで、学ぶ人は自分の制作過程を説明し、道具の支援と自らの創作を区別できるでしょう。

字幕や音声による解説、調整できるレイアウト、別の操作方法は、生涯学習を含めて利用の幅を広げる可能性があります。ゲーム的な練習も、単に利用時間を延ばす報酬ではなく、学ぶ内容に役立つなら練習を促せるでしょう。こうした設計は、さまざまな学習者と試す必要があります。機器の費用、教員に相談できる環境、学習データのプライバシーも、デザインの課題として残ります。

私が最も価値を感じるのは、画像をつくるだけでなく、画像に問いかける力を育てる可能性です。誰がこの表現をつくり、何が省かれ、別の見せ方はあるのか。AIは、受け継がれてきた視覚文化の言語を、分野を超えて使いやすくするかもしれません。それでも教育には、その言語を選び、読み解き、問い直す判断力を育てる役割があります。