以下の文章（約7,000字）は、6/19（土）の「ELPAオンラインセミナー2021：英語教育は『道具としてのAI』をうまく活用できるのか？ 」のためにまとめた前の記事の文章（約3万4千文字）の内容を縮約したものです。（PDF版はここからダウンロード）
ELPAセミナーでは、これらの文章を再編集し、わかりやすくお話するつもりです。セミナー当日に投影するスライドも後日、このブログで公開する予定です。
セミナーの詳細およびお申込み（先着100名・無料）については下のページならびにチラシをお読みください。
■ テーマ
英語教育は「道具としてのAI」をうまく活用できるのか？
■ 日時
2021年6月19日（土） 14:30～16:00 （ログイン 14:15～）
■ 会場
Zoom Webinarにて開催
■ 概要
ビッグデータと深層学習に基づく最近の AI（人工知能）の進展は近年めざましく、DeepLやGoogleTranslateの機械翻訳、Chromeブラウザーの英語自動字幕起こしの結果はほぼ完璧なこともあります。
こういった状況を受けて、「英語教育は大幅に削減できるのではないか」 という声もちらほら聞こえてきます。
しかし、現在主流のAIには構造的および機能的な限界があり、人間の知能を補助し拡張することはできても、それに取って代わることはできません。
本セミナーでは、AIの限界を明らかにしたうえで、 AI時代に大学英語教育が遂げるべき質的転換について論じます。
加えて、AIで生産性が高まるにつれ、 実はこれまでよりも高いレベルの英語力の学習が必要になることも示します。
https://elpa.or.jp/seminar/seminar_20210619/
なお、私としては当日に教育用AIサービス設計者の岡田健志さんと対談できることをとても楽しみにしております。また、未来のことについて考えるためには多様な意見が必要ですから、当日は質疑応答を充実させようと思っています。
*****
AIの発展を踏まえた上での
これからの大学英語教育についての一考察
相似例
多くの計算が必要な場合、大人は電卓や表計算ソフトを使う。
しかし、子どもに最初から電卓や表計算ソフトを使わせる大人は少ない。
子どもは、便利な道具を使う前に、数の感覚を身につけるべきだからだ。
仮想的な問い
もし電卓や表計算ソフトが95%しか正しくなかったら・・・
0 要約
本稿は、AIに関する原理的考察を踏まえた上で、今後あるべき大学英語教育（研究志向の大学でのacademic Englishを対象とした教育）の姿についての私案を提示する。こういった案は、今後とも、英語教育関係者（利益享受者、授業提供者、政策決定者など）の衆知でもって、妥当性や実行可能性について検討され、大胆かつ細心の英語教育改革がなされるべきだと筆者は考える。
1 AIに関する原理的考察
1.1 AIと人間の関係性に関する3つの原則
本稿は、以下に説明するAIの構造的・機能的限界から、AIについては次の原則で利用するべきであると考える。
第1原則：AIは人間の知能を補助・拡張するが、それの完全な代替とはならない。
第2原則：AI出力に対しては人間の判断と修正が必要である。
第3原則：AIの利用に関しては人間が主導権と責任を取らなければならない。
1.2 AIの構造的・機能的限界
構造的限界
(1) 情動をもった身体を有しない：AIには生命の維持と繁栄のために「情動」(emotion) を発出する生物学的身体がないので、AIの行動は、生命を優先する人間の行動とは根本的に異なる。
(2) 世界モデルを十分にもっていない：AIは進化と淘汰の過程を経ていないため、生存のために有用な世界に関するモデルを内在化していない。したがってAIは、プログラマーが設定する基本構造と供給するデータによってしか学習する他ない。ゆえに人間のように、世界モデルを使って、少数のデータから学習と推論を成功させることができない。
(3) 意味や物語の理解ができない：AIの認識はきわめて限定的な区別だけであり、人間の意味理解のように、ある対象の認識から、その対象の他の多様な側面（意味の「現実性」）や、その対象がもちうる数多くの潜在的つながり（意味の「可能性」）を推論することができない。また、AIは複数の対象を同時に認識するとしても、それらがもちうる関係性を理解するわけではない。つまり、AIは数多くの意味を整合的に配置する「物語」という形式での理解もできない。
(4) 新たな価値や仮説を創造することができない：AIは定められた課題の学習・推論を行うだけであり、その課題とは異なる新たで重要な見解（価値）や着想（仮説）を作りだすことができない。
(5) 社会的なコミュニケーションを行っていない：AIは基本的に個体で学ぶだけであり、人間のように対等だが異質の存在と偶発的な対応（＝コミュニケーション）を続けて、予想外の質的変容をすることができない。
機能的限界
(6) ロングテール現象に弱い：AIは非定型的で例外的な現象（＝それぞれは少数だが、現実世界には多くの種類で存在する現象）の学習が弱く、専門的知識などのビッグデータからすれば珍しい項目についてしばしば誤る。
(7) 人間では考えがたいミスをする：AIの「理解」は、人間の理解と根本的に異なるため、AIは人間が予想し難いミスを犯す。
(8) 領域固有の学習・推論しかできず応用がきかない：AIが限定的な課題で驚くべき能力を示したとしても、その能力に関連する領域でそれ相応の能力を示すことはない。AIは柔軟性や応用力を欠く。
2 今後の大学英語教育
2.1 総論
以上述べた、構造的限界と機能的限界に基づいて、今後の大学英語教育に対する指針を立てるなら次のようになる。
(1) 英語を通じての情動的体験を重視する：英語学習を単なる記号の形式的操作にしてしまわず、英語を通じて生じた情動、そしてその情動から生じた反応を大切にした授業をする。なぜなら情動こそが人間の認知と行動の源泉だからである。
(2) 英語を通じて世界を学ぶ：英語学習が世界についてのさまざまな事象についての学びであることを再認識し、現実世界との連関が強い英語教材・学習課題を選択する。なぜなら言語と世界の結びつきこそが、AIが苦手としている領域の一つだからである（AIは言語を単に記号としてしか処理していない）。
(3) 英語表現の可能性について学ぶ：英語表現が、文字通りの意味（客観式テストでも判定できる限定的な意味）以外にもちうる意味の可能性の範囲について適切に理解し、かつ、さまざまな意味を大まかに統合させる物語形式での理解と表現にも習熟する。なぜならAIは、多種多様な意味を相互に関連させることを不得意にしているからである。
(4) 英語を理解してからの創造的反応を重視する：授業は、英語を「読んで・聞いて終わり」にするのではなく、「読んで・聞いてから始まる」ものにする。直前の4つの方針に重なるが、理解そのものを授業の目的とせず、その理解から生じ得る適切な反応を創造するところまでを指導の対象とする。なぜならAIは、定められた処理をするだけで、その処理から創造的な対応をすることができないからである。
(5) 英語について複数の人間で協働できる能力を開発する：英語を、それぞれに背景や理解が異なる複数の人間との間で、適切に使用できる能力を重視する。個人ベースで学習させた結果を画一的な基準で評価することだけを授業の基盤とすることを止める。なぜなら、さまざまな違いや矛盾にもかかわらず複数の個体の間で関係を調整する社会的なコミュニケーションを行うことは、AIができず、人間がなさざるをえないことだからである。
(6) 非定型的・例外的な事項に関しての表現を重視する：AIが誤りを犯しがちな、ビッグデータからすれば珍しい表現（たとえば専門用語や日本語文化に基づいた表現など）の学習を充実する。なぜならAIは、そういったロングテール現象についてしばしば誤るからである。
(7) AIが犯しうる間違いについて学ぶ：AIが犯しうる思わぬミスを見出し、それを修正できる力を培う。なぜなら「AIは機械だから正確で公正」といった俗見が人間の間に強いからである。
(8) 類推的・便宜的な対応を学ぶ：英語の正確な表現を使えない場合に、人間同士ならなんとか通じる類似的・一時的な表現を利用できる能力を開発し、英語でも臨機応変に対応できる力を身につけさせる。なぜなら、そのような類比的で柔軟な推論をAIは不得手としているからである。
2.2 ライティング
Academic Englishのライティングにおいては、以下のプロセスを経ることにより、英語使用者は自らのライティング力を、AIによって大幅に補助・拡張することができると考えられる。したがって、大学英語教育においても以下のプロセスでのライティングを指導するべきではないだろうか。ただし指導者には、日本語と英語の両方での高度な知識と技能が必要となる。（追記2021/05/24：とはいえ、ほとんどの大学生には、AIを使わせる前に、機械翻訳なしのライティング力をつけさせる必要があるだろう。大学でのライティングが以下の3段階での指導に限るべきとは筆者は考えていない）。
(1) 日本語執筆：原稿は、学習者が長時間にわたってもっとも精確に思考を整理し表現できる日本語で書かせる。ただし、日本語を母語としない学習者に対しては別途の指導が必要であろう。
(2) プリ・エディティング（前編集）：日本語と英語の違いを踏まえた上で、日本語原稿をAIが英語に翻訳しやすいような日本語に修正し、機械翻訳の誤りをできるだけ事前に防ぐ。ただし、このように日本語を英語に即して修正することに関しては、言語文化多様性やそれを抑圧する英語支配などの観点から批判的考察が必要かもしれない。
(3) ポスト・エディティング（後編集）：機械翻訳が出力した英語を修正する。この際には、出力された英語を第三者的に冷静に読解し、それを文体的にも吟味できる高度な英語力が必要となる。
2.3 リーディング
高度なリーディング力は、上記のようにAIを活用したライティングにおいても必須だし、リスニングやスピーキングに必要な語彙力の獲得（＝単語の丸暗記では得られない、語彙の表現可能性に関する詳細な知識の体得）のためにも重要である。これからのリーディング指導は、機械翻訳によって達成できる大意を理解するための大雑把な訳読を超えたものとなる必要がある。具体的には以下の4つの方針などが考えられる。
(1) 文体論的精読：読む英文を、他に可能な類義表現と比較しながら文体論的に精読し、その英文の含意を的確に理解する。その際は、英語を英語として理解すること（＝ある英語表現の意味を、他の英語表現との差異から感知すること）が必要となるので、そのための基本的技能として英英辞典を使いこなすことも必要となる。AIは意味の微妙な可能性を理解できないため、この文体論的精読に関しては人間が能力開発をする必要がある。またこの種の精読は、ライティングのポスト・エディティングの際に必要となる。
(2) 身体的朗読：学習者は、朗読された英文の音の響きを身体で感じ取り、そこから生じる情動を味わうこと、および自らも英文を自らの情動と直結した音の響きとして読み上げる朗読を行うことが必要である。このような身体的な朗読能力は、聞き手・読み手に心地よい英文を作成するスピーキング・ライティング能力の基盤となるし、リスニングの理解力を深めることにもつながる。AIおよびロボットは、人間のような生物学的身体をもたず、情動的な表現をすることができないので、身体的朗読の訓練は人間にとって重要である。
(3) 翻訳執筆： 厳選された質の高い英語の意味理解を、丁寧な日本語翻訳で実際に書かせて表現させることは、日英両語に対する深く精確な理解をもたらす教育となる。AI翻訳の誤りを見いだし修正するためにも、英文を精確に日本語で表現させる翻訳執筆は重要であろう。
(4) タスクやプロジェクトを使った授業：現実世界における英文の理解は、その理解から読者がどのような行動を起こしうるかによってその真価が問われる。リーディング指導を「読んで終わり」にするのではなく、「読んでから始まる」ようにするため、指導者が英文読解をその他の有意義なタスクやプロジェクトの中に組み込むことが重要である。タスクやプロジェクトを成功させるために言語を使用することは、記号を記号としてしか処理できないAIではできない、記号理解を現実世界での行動につなげる人間の能力開発のために必要である。
2.4 スピーキング
人間のスピーキングは、単なる記号出力ではなく、全身の情動を使っての表現である。人間は、産出する言語記号だけでなく、それと同時に現れる言語随伴的表現（リズム・イントネーションなどのプロソディ）と非言語的表現（眼差し・表情・身振り・動作など）のすべてをもって互いに表現し理解し合う。この統合的な営みを、人間のような情動的な身体をもたないAI・ロボットが行うことはきわめて困難である。したがって、スピーキングは、AIからの補助・拡張をあまり期待できない領域として、今後重点的に指導してゆかねばならない。
また、情動的な表現や理解をあまり必要としない情報伝達のためにAIを使うにしても、academic Englishは専門用語などのロングテール事項が多く含まれているので、AIだけでは正確な伝達ができない。大学英語教育でのスピーキング指導は、AIの力を借りずに人間が生身で語れることを目指すべきである。
2.5 リスニング
AIは、日本人の多くが不得意とするが英語話者の間では頻繁に起こる現象である超分節的
(suprasegmental) な音の変化（連結 (linking)・脱落(reduction)・同化(assimilation)など）はきわめて正しく認識する。だが、専門知識をもつ者には自明であるがビッグデータからすればロングテール事項に属する専門的な表現の認識は不得手である。したがって、AIを日本の英語学習者が不得手とする超分節的音変化のための指導に使うことはできても、AIが人間のリスニング力を完全に代替することはできない。
またそもそもリスニングとは記号受信にとどまるものではなく、それと共に人間の身体に生じる情動的反応を含むものである。話し手は、聞き手の情動的反応を見て、聞き手が適切に聞き取っているかを判断する。リスニング指導においても聞き手の情動的反応を重視しなければならない。
さらに、リスニングにおいては音声的特徴を把握しておくことが重要だが、音声的特徴を把握するだけでなく、自らもそれを体得し（創造的に）再現できるようになると、それはスピーキングの表現力などに直結する。
以上のようなことから、以下の2つの指導方針が導かれる。
(1) 英語の音声的特徴が身体化するまでのリスニング指導：リスニング指導の目標を、正確な記号受信に留めるのではなく、適切な情動的反応、ひいては英語の音声的特徴の体得におくべきであろう。特に後者は、日本語とは異なる特徴であるため、分析的で意識的な訓練が必要である。英語の音声的特徴が身体化していれば、スピーキングの際は、その特徴に即した発話をすれば、スピーキングの表現力は上がる。また、リーディング（黙読）の際に、活字が音声的特徴と共に読者の心の中で音声化されれば、そのリーディング（＝目で行っているリスニング）の理解度も向上する。ライティングも、要は、読み手が心の中で心地よく音声化できる文章を書くことであるから、音声的特徴の体得は英語を書く際の大きな助けとなる。リスニング指導は、単なる情報受信（およびその正しさを判定する多肢選択的テスト）に留めてはいけない。
(2) 個々の学習者の興味・関心に基づいたリスニング教材の選択：ウェブに上がっている英語音声を自動的に認識し文字化するChromeブラウザーの英語字幕生成機能は、学習者が、自らの知的関心・意欲をもっともかきたてる英語動画を、字幕付きのリスニング教材に転換することができる（ただし字幕の不完全性に対する対応は必要である）。字幕生成機能は簡単に停止することができるので、学習者は字幕を付けたり消したりすることで、リスニングの難易度を変えてリスニング力を向上させることができる。学習者は教材に対する動機づけがなされているので、その音声的特徴に込められた微妙な意味のニュアンスについて鋭敏に察知することができる。このように意味深いリスニングは、何度も繰り返すことができるので、音声的特徴の身体化も促進される。
3 終わりに
以上述べた方向の大学英語教育は、当然のことながら大学入学までに学習者がある程度の英語力を獲得していることを前提としている。これからAIの発展を受けて、小中高の英語教育がどのように変容してゆくかは大学英語教師の筆者には予想し難いが、この報告での考察に基づくなら、小中高の英語教育は、「機械を使わずに発揮できる身体化された能力を指導し評価する」こと、および、「『人間らしい能力』を育成することの方針を保つべきだと考えられる。AIと共存しながら知性を発達させることが、これからの教育の課題と考えるからである。ともあれ、大学英語教育とそれ以前の英語教育は当然のことながら、相互影響関係にあるので、大学英語教育関係者は、今後も小中高の英語教育のあり方に対して関心をもち続けなければならない。
本稿は、AIについての原理的考察に基づき、これからの大学英語教育のあるべき姿についての提案を行い、小中高の英語教育についてもきわめて短く触れた。冒頭にも述べたように、これは一個人の一考察に過ぎない。これを一つの起点として、未来の英語教育のあり方についての議論が深まることを筆者としては望んでいる。
参考文献
瀧田寧・西島佑（編著）
(2019) 『機械翻訳と未来社会』 社会評論社
藤本浩司・柴原一友
(2019a) 『AIにできること、できないこと』 日本評論社
藤本浩司・柴原一友
(2019b) 『続 AIにできること、できないこと』 日本評論社
松尾豊 (2015) 『人工知能は人間を超えるか
ディープラーニングの先にあるもの』角川書店
松尾豊・塩野誠 (2016)
『人工知能はなぜ未来を変えるのか』角川書店
松尾豊 (2019) 「深層学習と人工物工学」
https://www.jstage.jst.go.jp/article/oukan/2019/0/2019_F-5-2/_pdf
松尾豊 (2020) 「人工知能 ディープラーニングの新展開」、西山圭太・松尾豊・小林慶一郎 (2020) 『相対化する知性』日本評論社 (pp. 1-103)
丸山宏 (2019) 「高次元科学への誘い」https://japan.cnet.com/blog/maruyama/2019/05/01/entry_30022958/
丸山宏 (2019) 「人工知能研究者として私たちがすべきこと」https://japan.cnet.com/blog/maruyama/2019/12/31/entry_30022985/
ミッチェル, M. 著、尼丁千津子訳 (2021) 『教養としてのAI講義』日経BP (Mitchell, M. (2020) Artificial Intelligence: A Guide for
Thinking Humans. Pelican.)
