お知らせ

2026.10.09

19号 教養の風 ~ニューズレター~ Vol.4

  • LINEでシェア
  • Xでポスト
  • Facebookでシェア

『生成AIが大学のレポート課題を変える?!』  
情報学部システム数理学科 山田 誠二

1. はじめに

 現在日本の大学では、大学生が生成AI(特に、文章生成AI)を活用することの是非について、様々な立場から議論されている。中には、積極的に生成AIの活用を推進する、つまり生成AIの活用に関する授業を開講している大学から、主にレポート課題における生成AIの活用の部分的禁止、制限を設けている大学まで幅広く、まだコンピュータリテラシーのように「読み・書き・そろばん」に相当する基礎技術として扱われるには、時間がかかりそうである。また、2,3年後のAIを取り巻く状況は予測が難しく、AIがインターネットレベルで社会に広く浸透・定着するかはまだ未知数な部分も多い。
 一方、このような状況で、文章を生成する文章生成AIは、大学教育において直接的なインパクトを与え始めている。文章生成AIは、基本的に、QA(質問応答)システムであり、疑問に答える、小論文・レポート・スライドの作成、論文の要約など、学生・教員双方を支援できる。

 本稿では、生成AIが大学に与える影響について雑感を述べていく。ちなみに、筆者は、神奈川大学情報学部システム数理学科に着任して、まだ1年にも満たないため、誤解や理解不足があるかも知れないが、30年以上、人工知能AI、HAIヒューマンエージェントインタラクションを研究してきた研究者の視点から、できるだけ率直なところを書いていきたいと思う。

2. 生成AIのメカニズム

 まず、生成AIについて、簡潔に触れておこう。2012年ごろからのディープラーニングを中心とした第3次AIブームでは、認識系を実装していた4,5層以上の構造をもつ複雑なニューラルネットワークである CNN (Convolutional neural network) が主流であったが、2022年11月のOpenAIによるChatGPTのサービス開始から爆発的な生成AIのブームが始まって、画像・動画・音楽などの様々な新しいコンテンツを生成する生成AIも登場し、現在に至っている。ここでは、ChatGPTに代表される文章生成AIについて概観する。

 生成AIは一体どうやって、極めて自然な自然言語による質疑応答・対話を実現しているのだろうか。まず、インターネット(主に、Web)やその他のコーパスデータベースから収集した膨大な文章を入力(機械学習の訓練データ)として、Transformerと呼ばれる機械学習アルゴリズムが、単語の系列から次の出現単語を確率的に予測するためのN-gramと呼ばれる知識に類似した知識モデルであるLLM(大規模言語モデル)を学習する。

そして、そのLLMから入力文章の次に現れる単語を確率的に予測する。つまり、N-gramは、文章などのN個の単語系列を入力として、次の(N+1)番目の単語を予測する。この予測には、どの単語がどの確率で出現するのかという出現確率が付随している。例えば、[彼][は][テレビ][を]という単語系列が入力された場合に、次の出現単語は、”観る”<0.7>、”消した”<0.2>、” 買った”<0.1>という具合である(< >内が出現確率)。
 

 専門的には、Transformerは、自己注意(self-attention)と呼ばれる、次単語の出現確率に影響を与える可能性のある文脈を網羅的に探索・学習するメカニズムや単語が埋込ベクトル表現されているなどの単語予測の精度を上げるための様々な工夫が凝らされているが、基本的にはこのN-gramで生成AIのもつ知識であるLLMの仕組みを理解できるだろう。しかし、正直なところ、このシンプルなアルゴリズムであの極めてクオリティの高い対話・質疑応答システムが実現できているのは信じがたい印象を受けるが、訓練データの量がAI性能の質的向上の相転移を促しているように感じられる。

3. 生成AIの大学のレポート課題への影響

3.1 簡単な調べものには最適

 大学でレポート課題が与えられたとき、その典型的な形式は、「XXについて200字以内で説明せよ。」的なものだろう。例えば、下記のようなレポート課題の作成を依頼するプロンプト【Q1】(生成AIへの入力質問)に対し、ChatGPTの回答【A1】を以下に示す。

【Q1】ChatGPTへのプロンプト
「これは、関東の中堅私立大学での、教養の授業におけるレポート課題です。「フィジカルAI」について、200字以内でまとめて下さい。特に、あたかも大学生が書いた感じにして下さい。」

【A1】ChatGPTの答え

「フィジカルAIとは、AIがロボットや自動運転車などの実世界の機械に組み込まれ、周囲の状況を認識して判断し、実際に行動する技術のことである。生成AIが主に文章や画像を扱うのに対し、フィジカルAIは現実世界で人と関わりながら作業できる点が特徴である。今後は介護や物流など、さまざまな分野での活用が期待されている。」

このように、簡単に大学のレポート課題が作成できるわけである。ちなみに、この回答は、数秒で返ってくる。

3.2 Web検索と文章生成AIの関係

 一方、実際に文章生成AIを使っていると、回答生成時に、情報源 [WebページURL1] [WebページURL2]のような表示が出て、回答結果にもその回答がどのWebページを情報源として生成されたかが示されることが、頻繁に起こる。これは、回答生成に、元々あったLLMだけでは十分に対応できず、リアルタイムにWeb検索し、その結果とLLMの知識をRAG (Retrieval-Augmented Generation) という技術で統合して回答を生成している。つまり、その都度、Web検索して出てきた結果をまとめて提示しているわけである。

これは、表面上は生成AIを使っているにも関わらず、実際は従来のWeb検索をやっているようなものである。確かに、複数のWebページの内容をまとめる技術はAIっぽくはあるが、AIとは一線を画す従来型のWeb検索の延長にあると考えるのが自然ではなかろうか。

以上のように、文章生成AIとWeb検索は分離できない程に綿密に絡み合っている。現在、「レポート作成には、生成AIを使わないように」という規制が検討されているが、これまでは「レポート作成には、Web検索を使わないように」という規制はされていないのではないだろうか。この辺りに、生成AIとWeb検索の区別に曖昧さが残ってしまう。なお、この議論は、規制する側の話であり、提供するビジネス側では問題にならない。

3.3 生成AIが作成したレポートは見破れるか

 次に、実際のところ、ChatGPTの生成したレポート課題は見破れるかを考えてみよう。

【Q2】ChatGPTへのプロンプト:【A1】が、生成AIが作ったものかどうか、判定して下さい。

【A2】ChatGPTの答え:

結論から言うと、**「生成AIが作成した」と判定することはできません。** また、**「人間が書いた」とも判定できません。**
この文章だけから分かるのは、「AIでも人でも十分に書ける文章」ということです。
ただし、教員の立場から見ると、次のような点から「AIらしい印象」はあります。
・定義→比較→将来展望という、非常に整った構成になっている。
・「周囲の状況を認識して判断し、実際に行動する」「さまざまな分野での活用が期待されている」など、教科書的・定型的な表現が多い。
・主観や具体例がなく、無難にまとまりすぎている。


一方で、** AIだと判断する決め手はありません。** 真面目な大学生なら十分に書けるレベルです。
もし大学生らしさをより自然に出したいなら、例えば次のような文章の方が人間らしく見えます。
「フィジカルAIとは、AIがロボットや自動運転車などに搭載され、現実世界で状況を判断しながら行動する技術である。生成AIは文章や画像を作ることが得意だが、フィジカルAIは実際に人や物と関わる点が大きく異なる。今後は介護や物流などでさらに活用が広がると考えられる。」
「〜だと思う」「〜と考えられる」といった少し控えめな表現や、「大きく異なる」のような自分なりの言い回しが入ると、大学生が自分の理解でまとめた印象が強くなります。
なお、現在のAI判定ツールは誤判定が多く、この程度の短い文章から「AIが書いた」と断定することは信頼性のある方法ではありません。

いろいろ言い訳をしているが、結局ChatGPTでも自分が作ったレポートかどうかは判定できないようである。このように、一般に、学生から提出されたレポートが生成AIの回答のコピー&ペーストかどうかの判定は、AIでも難しい。つまり、レポートを見て、AIを使っている場合には減点するということはできない。

3.3 どのようなレポート課題が必要か

 このように考察してくると、どうも新しい形のレポート課題が必要であると考えられる。では、具体的にどうすれば、いいのか。筆者の考える案は、下記に示して、本稿を締めくくりたい。【A案】は、解決策にならないかも知れないが、実現は一番簡単かも知れない。【B案】は、本来のレポート課題に近いのかも知れない。

【A案】レポート課題自体を廃止し、対面の試験だけにする。

【B案】生成AIでは回答が難しいレポート課題にする。:具体的には、対面授業を受けていないと答えられない、特化されたレポート課題にする。例えば、対面授業中に担当教員が口頭でしか伝えていない、教員独自のユニークな意見についてまとめて、それに対する自分なりの意見を述べる。

3.4 生成AI活用で失われるもの+本当に効率化してるのか

 当たり前であるが、学生が生成AIを使って課題を解くと、文章を書くスキルやコンピュータのプログラミングスキルは、培われない。これは、教育機関としての大学が本来果たすべき役割を十分に果たせなくなる恐れがある。また、情報収集やアイディア出しなどの一部のタスクで使うとしても、それらのタスク解決スキルは学習されない

 一方、元々スキルのある教員が効率化のために生成AIを使うのは意味があるかも知れないが、ハルシネーションやAIスロップ (AI slop)のチェックが必要であり、人間-AI系全体としてのパフォーマンス向上は容易ではないことが判明しつつある。また、そもそも生成AIを上手く使うには、プロンプトエンジニアリング、インコンテクストラーニング、CoT (Chain of Thought) などの初期スキルの習得コストがかかる。さらには、生成AIを使って人間-AI系のパフォーマンスを向上させることのできるユーザのスキルレベルはかなり制限されていると考えられる。以上のように、日本のメディアが騒ぐほど、生成AIを活用すれば、即時に業務効率化が図られるという夢のような技術ではないことが、様々な調査研究から明らかになりつつある。

4. まとめ

 本稿では、主に文章生成AIについて、そのメカニズムを概観し、大学のレポート課題との関係について考察した。今後、学生個々人での生成AIへの対応、また本学でも本格化する生成AIとの付き合い方に関するガイドライン策定について参考になれば、幸いである。