AIって何？小学生・中学生に伝える仕組みと、できること・できないこと

AIは、データやルールを使って予測・分類・生成などを行う技術で、得意な仕事を手伝える一方、答えの正しさや人の気持ちまで保証してくれるものではありません。

「AIって、人間みたいに考えているの？」「どうして、質問するとすぐ答えられるの？」。子どもに聞かれて、どこから説明しようか迷うことはないでしょうか。ニュースでよく聞く言葉でも、仕組みを短く伝えるのは意外と難しいものです。

小学生には、身近なものを分けたり、言葉の続きを考えたりする例から。中学生には、その裏側にある「データ」「モデル」「予測」まで。一緒に読む大人も、すべての専門用語を覚える必要はありません。

この記事では、AI全体と生成AIの違い、学習と推論の仕組み、任せられることと人が考えることを、家庭で話せる言葉で整理します。途中の会話とカード遊びは、説明のために作った架空の例です。特定のサービスを使わなくても取り組めます。

1．AIをひとことで言うと、どんな技術？

小学生には「見分けたり、予想したりするコンピューターの仕組み」

AIは「人工知能」と呼ばれます。まずは、「写真に何が写っているかを見分けたり、次に何が起こりそうかを予想したりする、コンピューターの仕組み」と伝えると入口になります。

たとえば、たくさんの写真の中から動物の写真を探す、話した声を文字にする、文章を別の言語に訳す。こうした働きを支える技術としてAIが使われます。画面の中に、人間と同じような小さな頭が入っているわけではありません。

AIの定義にはいくつかの考え方があり、ひとつに決まっているわけではありません。文部科学省の白書も、知的に見える情報処理や技術を含む、広い概念として説明しています。文部科学省「新時代を迎えたAI」

中学生には「AI・機械学習・深層学習」を分けて説明する

AIの仕組みはひとつではありません。人が知識やルールを用意する方法もあれば、データから特徴や関係を学ばせる方法もあります。後者が「機械学習」です。

機械学習の一部に、多層のニューラルネットワークを使う「深層学習」があります。名前は難しそうですが、ここでは「計算を何段階も重ね、複雑な特徴を扱う方法のひとつ」と考えてください。AIのすべてが深層学習というわけではありません。文部科学省の白書では、ルールを使う手法から機械学習、深層学習へと発展してきた流れを確認できます。

また、ニューラルネットワークは脳の仕組みを参考にした技術ですが、人間の脳をそのまま再現したものではありません。「脳に似た着想」と「人間と同じ心がある」は、別の話です。

AIとロボットは同じ？

ロボットは、動いたり作業したりする機械として考えると分かりやすくなります。AIは、その中で周囲を見分けたり、動きを選んだりする仕組みに使われることがあります。

ただし、AIは体を持たず、スマートフォンやコンピューター上で働くこともできます。逆に、決められた手順で動く機械のすべてを、AIと呼ぶわけでもありません。

親子で身近な製品を見たときは、「自動で動くからAIだ」と決めるより、「何を入力して、何を判断しているのかな」と話すほうが、仕組みに目を向けられます。見た目だけで分からない場合は、「まだ分からない」で大丈夫です。

2．AIはどうやって学ぶ？「学習」と「推論」の違い

小学生向けの例：葉っぱを分ける係を作ってみる

ここからは、機械学習の一例を、架空の「葉っぱを二つの種類に分けるAI」で考えます。

最初に、種類が分かっている葉っぱの写真をたくさん用意します。AIが出した予測と正解を比べ、間違いが減るように内部の計算を調整します。このように、データから予測の仕方を作っていく段階が「学習」です。

学習が終わったら、今度は別の葉っぱの写真を見せます。すでに作った仕組みを使って、「こちらの種類に近そうだ」と結果を出します。この段階を「推論」と呼びます。

これは「教師あり学習」という方法を単純化した例です。すべての機械学習で、人が一つずつ正解を付けるわけではありません。正解ラベルのないデータを扱う方法や、行動の結果を手がかりに学ぶ方法もあります。東京大学「機械学習」教材

中学生には「モデル」と「パラメータ」まで

学習によって作られる、入力を結果につなげる仕組みを「モデル」と呼びます。多くの機械学習では、モデル内部の数値である「パラメータ」を、データに合うように調整します。

音量のつまみを動かすと聞こえ方が変わるように、数値が変わると計算の結果も変わります。ただし、この「つまみ」は理解のための例えです。実際には多数の数値が関わり、人が一つずつ手で調整するとは限りません。

推論では、学習したモデルに入力を渡して結果を得ます。ここでの「推論」は、必ずしも人間のように理由を順番に考えることだけを指しません。写真の分類や数値の予測も含む技術用語です。愛媛大学の講義資料「機械学習における学習と推論」

たくさん覚えれば、必ずうまくいく？

葉っぱの例で、学習用の写真が全部、白い机の上で撮られていたらどうでしょう。屋外の暗い写真や、虫食いのある葉っぱでは、うまく分けられないかもしれません。

あるいは、一方の種類は白い机、もう一方は黒い机で撮っていた場合。葉っぱではなく背景の違いが予測の手がかりになってしまう可能性も考えられます。これは仕組みを理解するための想定例で、特定のAIの実験結果ではありません。

ここで気づきたいのは、「練習した写真で当たること」と「初めての写真でも当たること」の違いです。人間が本当に見分けてほしい特徴を、AIが手がかりにしているとは限りません。データの数だけでなく、どんな例が含まれているかにも意味があります。

3．生成AIは「新しい文章や画像を作るAI」

AIの中には、見分けるものと作るものがある

「AI」と「生成AI」は、まったく別の技術の名前ではありません。生成AIは、AIの中でも文章や画像などを生成するものを指します。

写真を見て「花が写っている」と分類することと、「青い花が咲く庭の絵」を作ることでは、出てくる結果が違います。文部科学省のガイドラインも、文章・画像・プログラムなどを生成できるAIを、生成AIとして整理しています。文部科学省「生成AIの利活用に関するガイドライン Ver.2.0」

これは整理のための分類です。一つのサービスが複数の働きを組み合わせることもあり、きれいに三つに分かれるとは限りません。

小学生には「言葉の続きを考える」例から

次の文を読んで、続きを考えてみてください。

「雨が降ってきたので、かばんから……」

「傘を出した」と続けたくなるかもしれません。けれど、前に「かばんの中には雨が苦手な紙の作品がある」と書いてあれば、別の続きも考えられます。

文章を作るAIの代表的な仕組みも、前にある言葉や指示を手がかりに、続く言葉を予測するものです。大量の文章から学んだ関係を使うため、さまざまな質問に沿う文章を作れます。

ただし、これは入口の例えです。人が生活の経験を思い出すことと、AIが計算で続きを選ぶことは同じではありません。また、単に直前の一語だけを見たり、決まった文章を取り出したりしている、と考えるのも不十分です。

中学生には「トークン」と「確率」を加える

多くの大規模言語モデルは、文章を「トークン」という単位で扱います。トークンは必ず一文字、一単語になるわけではなく、使うモデルによって区切り方が違います。

モデルは、入力とそれまでの文脈をもとに、次のトークンの候補と、その出やすさを計算します。候補を選び、続きを足して、また計算する。この繰り返しが文章生成の基本です。常に最も出やすい候補だけを選ぶとは限らず、出力の決め方にも工夫があります。NTT「トークン共通化」技術の解説・背景

この仕組みを知ると、「自然に読める文章」と「事実として正しい文章」が一致するとは限らない理由が見えてきます。もっともらしい続きを作れても、現実の出来事を確認したことにはならないからです。

なお、画像を作るAIまで、すべて同じ方法で動くわけではありません。ここで説明したのは、主に文章を生成する代表的な仕組みです。

4．AIが手伝えることは、意外と身近にある

大量の情報を扱う、表現を変える、候補を増やす

IPAは、AIの機能として画像の認識、言語・音声の処理、生成、データの分析や予測などを紹介しています。IPA「AIの利活用、AIによるDXの推進」

家庭で理解するなら、たとえば次のような場面を思い浮かべるとよいでしょう。いずれも用途を説明するための例で、すべてのAIが同じことをできるという意味ではありません。

• たくさんの画像から、似た特徴のものを探す。
• 話した内容を文字に変える。
• 長い文章の要点をまとめる。
• 難しい表現を、別の言い方で説明する。
• アイデアの候補をいくつか作る。

たとえば、子どもが読んでいる説明に知らない言葉が続くとき、短い説明の候補があると、読み始めやすくなるかもしれません。中学生なら、同じ内容の説明を二種類比べ、「こちらは具体例が多い」「こちらは大事な条件が抜けている」と気づくこともできます。

役立つかどうかは、出力をその場で確かめて判断します。短くする過程で大切な条件が落ちることも、分かりやすい言い換えで意味が変わることもあるためです。

「人より速い」と「任せてよい」は別に考える

速く候補が出るのは便利です。それでも、最後にどれを選ぶかは、目的や相手によって変わります。

架空の例として、地域の集まりの案内文を考えてみます。AIが楽しそうな文章を作れても、「その時間は小さな子が参加しづらい」「この表現では初めて来る人が不安になる」と気づくには、地域の事情や参加者の声が必要です。

AIの出力を使うときは、「できたから完成」ではなく、「目的に合うかな」と一度戻る。この問いが、人の出番を分かりやすくしてくれます。

同じ質問なのに、答えが違うこともある

AIへの入力は「プロンプト」と呼ばれます。質問だけでなく、「短く」「二つの案を比べて」「この文章の範囲で」といった条件も含められます。

入力や会話の前後関係、使うモデル、出力を選ぶ仕組みなどによって、結果は変わります。答えが変わることを、人間の気分の変化と同じように考える必要はありません。

また、会話の途中で伝えた条件を次の返答に使うことと、モデルそのものを新しく学習させることは区別しましょう。会話を続けるたびに、その場でAI全体が作り替えられているとは限りません。東京大学の教材でも、モデルを調整する学習と、入力で条件を伝える使い方は分けて説明されています。入力の保存や学習への利用については、サービスごとの説明を確認します。東京大学「機械学習」教材

5．AIにできないこと、任せきれないこと

もっともらしい間違いを、完全になくすことは難しい

文章の形が整っていると、内容も正しそうに見えます。生成AIでは、実在しない出来事や資料を、自然な文章で出すことがあります。こうした誤った出力は「ハルシネーション」と呼ばれます。

NICTは、日本語の大規模言語モデルを試作した際、事実と異なる内容や意味をなさない文章が生成されることも確認したと報告しています。NICT「日本語に特化した大規模言語モデルを試作」

そのため、「詳しい説明がついている」「自信ありそうに答えた」だけでは、正しいかどうかは分かりません。確かめ方の詳しい手順に進む前に、この一点を親子で共有しておきましょう。

自分の周りの出来事を、何でも知っているわけではない

今日、教室で誰がどんな表情をしていたか。友達との間で、昨日どんな話があったか。入力されていない状況まで、AIが自動的に知っていると考えてはいけません。

外部の情報を検索できる仕組みが組み合わされる場合もありますが、すべてのAIが常にインターネットを調べているわけではありません。新しい出来事を尋ねるときには、学習した情報と、今調べた情報の違いにも注意が必要です。

「何でも知っている先生」という例えだけで説明すると、この限界が見えにくくなります。「使える情報に範囲がある道具」と考えたほうが、期待を調整しやすくなります。

やさしい返事だけで、人間と同じ気持ちがあるとは決められない

AIから「それは大変だったね」と返ってくると、気持ちを分かってもらえたように感じることがあります。その言葉にほっとする気持ちは、否定しなくて大丈夫です。

一方で、その返事だけを根拠に、AIが人間と同じ感情や意識を持ち、こちらの事情をすべて理解しているとは判断できません。「人に寄り添うような言葉が出ること」と「人間のように体験して感じること」を混同しない説明が大切です。

人間関係の大事な判断や、つらい気持ちを抱えたときの相談まで、AIだけに任せる必要はありません。保護者や信頼できる大人など、現実の状況を一緒に考えてくれる人につながる道を残しておきましょう。

偏りのある答えや、人を傷つける表現にも注意する

学習に使われたデータや入力内容などの影響で、AIの出力に偏りが生じることがあります。文部科学省のガイドラインでも、偏見や差別につながる出力への注意が示されています。文部科学省「生成AIの利活用に関するガイドライン Ver.2.0」

たとえば職業や性格を、性別や出身だけで決めつける説明が出たとき。「AIが言ったから」と受け入れず、「その決めつけは必要かな」と立ち止まれます。

公平な答えかどうかは、文章がなめらかかどうかとは別です。速さや便利さだけでなく、誰かを一方的に決めつけていないかを見る視点も持っておきたいところです。

6．親子で試せる、AIの仕組みを理解するミニワーク

紙のカードで「見ていない例」を考える

アカウントを作る前に、紙とペンだけでできる遊びです。三角形と四角形を描いたカードを用意し、最初の三角形は赤、四角形は青にします。

1. 赤い三角形を「A」、青い四角形を「B」として数枚ずつ見せます。
2. 「AとBは、何で分かれていると思う？」と聞きます。
3. 次に、青い三角形のカードを見せます。
4. 「色で分けた人と、形で分けた人では、答えが違うね」と比べます。

正解を早く当てる競争にする必要はありません。「最初のカードだけでは、色のルールなのか、形のルールなのか分からなかった」と気づければ十分です。

これはAIそのものを再現する実験ではありません。人の考え方を使って、「同じ例から、違う見分け方が考えられる」ことを体験する遊びです。実際のAIが必ずこの順番で判断するという説明にはしないでください。

小学生には、「次はどんなカードを見せてもらえたら分かりそう？」。中学生には、「形で分類してほしいとき、学習用と確認用のカードをどう用意する？」。年齢や関心に合わせて、問いの深さを変えられます。

親子の会話は「分からない」を残してよい

次の会話は、家庭での説明のために作った架空の例です。

中学生となら、さらに「使ったデータはどんなものか」「どんな条件で確かめたか」「結果を使うと誰に影響するか」と問いを足せます。専門用語の暗記より、自分の言葉で一つ説明できることを目指しましょう。

実際に使う前に、家庭で確認すること

サービスを使う場合は、利用できる年齢、保護者の同意、入力内容の扱いなどを、そのサービスの最新の公式説明で確認します。子ども向けに見える画面でも、利用条件が同じとは限りません。

家族や友達の名前、住所、顔写真、学校や生活の詳しい情報などは、安易に入力しないようにします。困る答えや怖い内容が出たときは、画面を閉じて大人に話してよいことも、先に伝えておくと安心です。

東京大学メタバース工学部には、小学生向け生成AI入門講座の紹介と講義動画への案内があります。ページの講座は終了しており、現在の受講募集ではありません。親子で説明を聞く資料の一つとして参考にできます。東京大学「みんなで学ぼう！生成AIってなあに？」

AIの仕組みは、一度で全部分からなくてもかまいません。「これは何を手がかりにしているのかな」「この答えは、どこまで使えそうかな」。そんな短い会話から、使う人としての理解が育っていきます。

参考にした公式資料

• 文部科学省：令和6年版科学技術・イノベーション白書「新時代を迎えたAI」
• 東京大学：教育における生成AI活用推進リーダープログラム「動画・資料」
• 愛媛大学：機械学習に関する講義資料
• NTT：大規模言語モデルのトークンと次トークン予測に関する解説
• IPA：AIの利活用、AIによるDXの推進
• NICT：日本語に特化した大規模言語モデルを試作
• 文部科学省：初等中等教育段階における生成AIの利活用に関するガイドライン Ver.2.0
• 東京大学メタバース工学部：終了した生成AI入門講座と講義動画の案内

「どうして？」から始まる、放課後の学びへ

仕組みを知ると、AIをただ便利だと思うだけでなく、「どんな場面なら役立つだろう」と考えられます。その疑問を、誰かと話し、試し、振り返る時間につなげてみませんか。