ハクソク

世界を動かす技術を、日本語で。

私たちは心を鍛えるために必要な努力を回避することはできません

257日前原文(zettelkasten.de)

概要

  • 検索エンジンやAI は「記憶する努力は不要」と主張
  • 事前知識や批判的思考 の重要性を強調
  • 情報の表層的な利用 が思考力を弱める問題提起
  • 知識の内在化 が知的活動の本質であると主張
  • Zettelkasten法や深い学習 の意義を再確認

デジタル時代の「記憶不要」神話への警鐘

  • 検索エンジン・ノートアプリ・AI は「記憶の努力は時代遅れ」と宣伝
  • Manfred Spitzer の指摘：「ネットで有益な情報を得るには、 基礎教育 と 分野の事前知識 が不可欠」
  • 文化的変化 として、「まずネット検索」が学習の出発点となりつつある現状
  • この流れでは 事前知識の蓄積 が進まず、 情報の質を評価する力 が低下
  • Rowlandsらの研究 ：「デジタルネイティブ」は 批判的・分析的思考力 が不足

情報活用の落とし穴と「知識の地図」

  • 有益なネット検索には 十分な事前知識 と 心の中の地図 が必要
  • ツールの利便性 の裏には「 思考力の低下」という代償
  • デジタルネイティブ は、情報を 表層的な一致 で判断しがち
  • 感情的な関与の欠如 が、思考のエンジンを弱める
  • 表面的な情報処理 の習慣化で、 脆弱な知識基盤 に陥るリスク

知識の内在化と意味ある知的活動

  • 本質的な結論：「 知識を作るのは自分自身 であり、AIやツールではない」
  • ChatGPT によるトレーニングプラン例を挙げ、「 背景知識なしでは評価不可能」と指摘
  • 例題：「 筋力向上におけるボリュームと強度の関係」「 有酸素能力と有酸素パワーの違い」など
    • 十分な 背景知識 がなければ、回答の正否すら判断困難
  • AIに再質問しても、自分で評価できなければ意味がない

深い知識がもたらす認知の広がり

  • 専門家 は「 aerobic capacity」という単語だけで膨大な知識や議論が脳内で活性化
    • 例： Olaf Alexander Bu の議論、 有酸素代謝のマップ、 運動生理学の論文 など
  • 知的作業のボトルネック は「情報の外部的な入手」ではなく、「 頭脳の処理能力」と「 訓練度」

本当に必要なのは「すべてを覚える」こと

  • 「 何も覚えなくていい」は誤りで、 すべてを覚える努力 こそが重要
  • 記憶の訓練 が、意味ある知的活動の前提
  • Spaced Repetition などのシンプルなツールで基礎力、 Zettelkasten法 のような複雑なツールで高度な知的作業が可能
  • 「深い処理」 のマントラを「 深く学ぶ訓練」へと再定義
  • 知識労働の進歩 には、「頭脳を鍛える努力」を避けては通れないという認識の共有が不可欠

参考文献

  • Manfred Spitzer (2012): Digitale Demenz. Wie wir uns und unsere Kinder um den Verstand bringen, Munich: Droemer, S. 211.
  • Ian Rowlands, David Nicholas, Peter Williams, Paul Huntington, Maggie Fieldhouse, Barrie Gunter, Richard Withey, Hamid R. Jamali, Tom Dobrowolski, and Carol Tenopir (2008): The Google generation: the information behavior of the researcher of the future, Aslib Proceedings 4, 2008, Vol. 60, pp. 290-310.

Hackerたちの意見

数学も同じだよね。多くの人が、計算機を使えるから基本的な算数ができなくても大丈夫だって言うけど、実際には数字や算数についての直感を持っていると、世界をもっと良く、早く理解できると思う。他のことでも同じことが言えるよ。AIや検索エンジンはすごく助けになるけど、少なくとも何が可能でどうやってやるべきかを判断する力があれば、かなりのアドバンテージになるよ。

└

計算機があってもなくても、計算が苦手な人がいるのが問題だと思う。簡単な計算でどれだけの無駄を排除できるかは驚くべきことだよ。これに加えて、面積や体積、密度、エネルギーの測定に関する基本的な公式やルールを暗記していることが大事だね。ピザの直径がその典型的な例だよ。

└

直感的に確認できないデータでエクセルの数式を作る人が多いのが不思議だった。例えば「a8はa7から何パーセント増加しているか」とか、数式を入力しても正しいかどうかわからない。僕はいつも、理由を考えられる数字で数式を書いてた。もしa8が120で、a7が100なら、間違っているかどうかすぐにわかるからね。それから1,387と1,252に変えても、正確だってわかる。人々はAIでも同じことをして、あまり知らないことを聞いて正しいと思い込むんだ。既知の値や概念で自分の考えをチェックする代わりにね。

「質問を読んだ瞬間に自信を持って包括的な答えを出せないなら、十分なバックグラウンド知識がないってことだよ。」この記事は合理的なポイントもあるけど、ちょっと行き過ぎてると思う。合理的なワークアウトプランを作るために「柔軟性に費やす1分と有酸素能力や筋力に費やす1分を天秤にかける」必要はないよ。確かに、ワークアウトが最大限に最適化されているわけではないかもしれないけど、それはあんまり重要じゃない。プランが全くダメでなければ、定期的に続けることが一番大事だよ。この考え方はほとんどすべての分野に当てはまる。合理的な結果を得るために深い専門家である必要はないんだ。

└

アメリカは、合理性が方程式に含まれないとどうなるかを学んでいるところだね。これは「事実」とは何か、事実をどうつなげて推論モデルを作り、他の潜在的な事実を予測したり確認したりするかのダンスみたいなものだよ。結局、話しているのは違う人たちなんだ。特定の性格の人たちは、常に「理由を探す」モデルに引き寄せられる傾向があるんだよね。

「すべてを覚えておかなければならない。そうすれば、意味のある知識作業を行うために必要な認知タスクを実行できる。」全てを覚えておく必要はないよ。十分なエントリーポイントと、それに続くものの形を覚えておく必要があるんだ。経験を通じて、考えたり書いたりするプロセスを経て、意味のある知識作業を進めるためにね。

└

記憶の宮殿みたいな感じだね。一つの記憶が次の記憶につながる。ランダムアクセスじゃないんだ。

└

もちろん、すべてを覚えておく必要があるよ。脳はすべてを保存していて、忘れることで新しいことを追加するけど、それは消去するってことじゃない。脳は振動的で、すべてを違いの中にエンコードする波を使って働いているんだ。もしその obscure なアクションシンタックスを覚えなきゃならないときが来たら…結び目、グリップ、ピボットが死を逃れる手助けになるかもしれない。脳について知っておこう、みんな。

└

いつも人に言ってるのは、答えを全部覚えてるわけじゃなくて、どこで見つけられるかだけを覚えてるってこと。

└

実際、これはLLM（推論あり）がどう機能するかとも似てる。事前トレーニングは、人間の脳ができるだけ多くの情報でトレーニングされるのに似てる。「十分な事前トレーニングのための未知の閾値」があって、そこからモデルは推論を始めたり、ツールを使ったり、そのフィードバックを利用して人間の思考や推論に似たことをするようになる。だから、もし十分な情報で脳を事前トレーニングしなければ、弱いベースモデルになってしまう。もちろんこれは比喩的な話だけど、私たちの脳が本当にどう機能するかはまだ分からないけど、ますますこの仮説に驚くほど一致しているように見える。

└

「人は記憶したいことを特定の順序で整理する必要がある。そうすることで、一つから別のものにたどり着けるからだ。秩序は記憶のための一種の鎖である」 – トマス・アクィナス『神学大要』。皮肉ではなく、私はこの文章を自分のゼッテルカステンで見つけた。

└

これは特定のタスクに関することだよ。外国語で会話することを考えてみて。辞書を使う時間がないから、使える単語を覚えておかなきゃいけない。音楽を演奏するような他のライブパフォーマンスでも同じことが言えるね。書くときは、時間をかけることができるけど、知識が足りないと、すごく宿題が必要になるよ。

└

ちょっと確認したいんだけど、何かを知るためには、1- 初期状態だけを覚えて、あとは脳がやるってこと？それとも、2- 解決策への初期ステップだけを覚えて、仮定や数学的証明への一つか二つの洞察を知っているってこと？もし1の意味で言ってるなら、Zettelkastenを使ってる人は君に同意すると思うよ。

言ってることには賛成だよ、たとえ極端に言われてもね。すべてを覚えておく必要はないけど、少なくとも触れておく必要があると思う。自分が知らないことを知らないのは、知識作業において大きなハンデだよ。「すべてについて少し学び、何かについてすべてを学ぶようにしよう。」

AnkiやZettelkastenみたいな記憶重視のツールには共感するけど（Zettelkastenは使ったことないけどね）、この投稿はちょっと単純化しすぎてる気がする。知識が必要な仕事には少なくとも2つのモデルがあると思う。1つ目は、すぐにすべてを参照できる必要がある仕事。ライブディベートや、超高品質な結果を瞬時に求められるようなハイパープロダクティビティのシナリオ以外では、これが本当に必要かは分からないな。（HNのコメントも面白い例だよね。深いコメントが数日後に来ても意味がないから、いろんな知識を参照するコメントをしたいなら、あらかじめ全部知っておく必要があると思う。）2つ目は、「全体を覚えていない小さな部分を知っている必要がある」仕事、つまり地図は知ってるけど、全体の領域は必ずしも知らなくてもいいってこと。これは基本的にほとんどの知識労働に当てはまる：研究や執筆、アウトプットを作る必要がある他のタスク。でも、そのアウトプットはディベートみたいに今すぐ必要ってわけじゃない。例えば、XさんがYトピックについて重要なことを言ったことは知ってるけど、具体的に何を言ったかは知らなくても大丈夫。後で調べればいいから。ただ、何を探しているのかは知っておく必要があるけどね、これは一種の参照知識だね。-- 最近の私の経験では、実際に新しいのは、AIツールが、タイプ1やタイプ2の知識がない状況で、探しているものに対して漠然とした感覚しか持っていないときに大きな助けになるってこと。Googleや従来の検索エンジンはこの点では機能的に無駄だけど、「XYZみたいなことを言った人を探している」とChatGPTに聞くことで、以前は誰かがRedditやフォーラムで同じ質問をしないといけなかったけど、今はAIからかなり良い答えが得られるようになった。

└

AIは「種類」の良い例をいくつか提供してくれるから、それを評価することができる。AIに「Xをやっている会社」を見つけさせて、その会社を使って自分が何を探しているのかを理解するのに役立てたことがある。最後にこれをやったときは、AIが提供した情報を結局使わなかったけど。隣のキュービクルの人と話して、彼らからいくつかの提案を聞いて、それを基に自分の意見を形成する感じだね。意見を形成する作業はやっぱり自分でやらないといけない。MLモデルは、異なる単語や特定のステートメントの特徴間の関係を認識するのがずっと得意で、私の場合は特定の分野の会社がウェブサイトでよく言うステートメントだった。

└

パイロットは、暗記せずに従えるチェックリストを持っているけど、条件が発生したときにほぼ本能的に実行しなければならない記憶項目もある。

└

ライブパフォーマンス（会話や音楽演奏みたいな）は、うまくやるために記憶に頼ることが多いんだ。だから、どれくらい覚えるべきかの基準として、「ライブでできるようになりたいか？」って考えるのがいいかもね。

最近、誰かと彼らの移住について話してて、AIがどう役立つかについて推測してたんだ。基本的に2つの道があった。- AIを使って答えを求める。何かを生成してくれる！それに、考えるつもりだったことを置き換えてくれるから、楽しい。 - AIを使って、カスタムテストスイートやそれらのテストを実行するための新しいインフラを自動化する。ほぼ確実に成功するし、自分よりも早い。そうすれば、すぐに次の難しい問題に移れる。面白いのは、この2つは全然違う雰囲気を持ってること。最初の方は、仕事がすごく楽になる。AIが仕事をしてくれるから。2つ目は、仕事が難しくなる。考える作業をすべて圧縮して、次々と難しいことをやってる感じ。簡単な作業はLLMによってバックグラウンドで行われてるから。競争がある状況（例えば仕事とか）では、2つ目のモードで動いてる人たちが、1つ目の人たちよりも質と量の両方で圧倒的に優位に立つのが想像しづらい。でも、やっぱり疲れるよね。考えることはいつも疲れると思う。

└

仕事で2つ目の道を試したことがあるけど、すごく大変だった。「ほぼ確実に成功する」っていうのは、実装をほとんど計画して、その後LLMを監視して、道を外れないようにする必要がある。そうしている間、他の仕事を進めるのは難しい。生産性が10%か20%上がる感じがする。

└

AIでは、アーキテクチャ、コードの整理、アルゴリズムレベルにとどまってる。そこまで計画して、エージェントにフル実装をやらせてる。テストもあって（手動とエージェント両方で監査済み）、複数のエージェントが実装コードを監査してる。パイプラインは100%自動化されてて、非常に良い結果を出してるし、確率的なワークフローダグをオーケストレーションしてるってことで、エンジニアリングの雰囲気も感じられるよ！

└

実際、最初の例ではもっと考える必要があると思う。出力が自分の求めているものと完全に一致しない、バグがある、または拡張が必要だと気づいた瞬間、進むためには自分が書いていないコードをたくさん読んで深く理解しなきゃいけなくなるからね。これはブレインストーミングの過程で生成されたものを見るためにやるのは全然アリだと思うけど、すぐにそのコードを全部削除する覚悟が必要だよ。もしAIが生成した何千行ものコードを読みながら、何をしているのか理解しようとしているなら、かなりの時間を無駄にしてる可能性が高い。最終的なプロンプトや仕様は、生成されたコードが自分で書いたかのように100%すぐに理解できるくらい明確で詳細であるべきだよ。それができてないなら、全部削除して計画モードに戻るべき。

└

そうだね、これが僕が人に伝えようとしていたことだと思う。「考える作業をすべて圧縮して、次々と難しいことをやっている」ってまとめてくれたのがいい感じ。システム設計のボトルネックは、難しいことや未知のこと、意図しない結果を伴うことがほとんどだからね。AIはそのあたりをあまり助けてくれない。自動化したくない定期的な作業もあるんだ、たとえできるとしても。それがあることで、難しい問題に対するひらめきが生まれるし、難しい問題の合間にやることができるんだよ。

すべてを覚えなければならない。そうすれば、意味のある知識労働を行うために必要な認知タスクを実行できる。もし人間が抽象化の能力を持っていなかったら、確かにそうだ。でも、「知識労働」は不可能になるだろう。知識労働には、いくつかの具体的な事実を覚える必要があるけど、それは必要だけど小さな要素に過ぎない。特定の事実の知識よりも、もっと重要なものが2つある：やっていることに対する強い概念モデルと暗黙の知識。強い概念モデルを構築するためにはいくつかの事実を知っておく必要があるけど、それを全部一度に覚えておく必要はないし、強い概念理解を構築したら、具体的な知識はさらに必要なくなる。暗黙の知識は、知識労働において直感やセンスとして現れるもので、経験とフィードバックを通じてしか構築できない。始めるためには特定の知識が必要だけど、実際の経験を持つようになったら、事実の知識はボトルネックにならなくなる。強固な基盤を築いたら、事実を学び保持する方法も変わる。暗記は始めるための強力なツールかもしれないけど、実際に進展があれば、もはや必要なくなるか、逆効果になることもある。情報を進めながら拾って、既存のメンタルフレームワークに組み込むことができる。私の理論では、暗記が嫌いな人は、何かを始める段階を鈍い反復暗記なしで乗り越えられた人たちで、その後は本当にもう必要なくなるということがあると思う。これが、暗記が重要かどうかについての激しい意見の相違がある理由の一部を説明するかもしれない。

インターネットがなかった頃は、周りの人に聞いてたよね。質問の答えを知りたかったら、聞いて、相手が答えて、それを信じて進んでた。そこにインターネットが登場して、今度はインターネットに聞くようになった。インターネットは正確ではなかったけど、近くのランダムな人に聞くよりは正確なことが多かった。今はAIがあるけど、これも正確ではないけど、近くのランダムな人に聞くよりはずっと正確だし、しばしばインターネットのランダムなブログページに聞くよりはマシだよね。これらが100%正確である必要があるという考え方は、僕には変に思える。僕は長い間、近くのランダムな人が言ったことをみんなが受け入れて信じていた時期があったから。

└

ランダムな人に聞いているなら、そのアプローチは間違ってるよ。専門家に聞くべきだ。ゲームのことを妻に聞くつもりはないし、プログラミングのことを父に聞くつもりもない。これで君の主張の幅をかなり狭めたよ。場合によっては、AIの価値を無意味にするほどかもしれないね。

最近、友達とこの話題について話していて、ほとんどのエンジニアリング作業、つまり質問から始まり明確な解決策がない作業には、前の抽象レイヤーの基礎的な理解がたくさん必要だという考えに戻ってきている。知識をピラミッドとして想像すると、基礎を理解していればピラミッドの頂上で作業できるけど、レベルを上げたり下げたりするには、その基礎を再構築する必要がある。コンピュータサイエンスはこのモデルにぴったりで、さまざまな抽象レイヤーで働く人々がいて、それぞれのレイヤーでうまく機能しているけど、他のレイヤーについてはあまり理解していないことがある。でも、ピラミッドのどこにいても、下のすべてのレイヤーを理解することが、自分のレイヤーの問題に対する直感をより良くすることにつながる。これらの理解を外注することは、全体的な批判的思考に悪影響を及ぼすだけでなく、世界の仕組みを直感的に理解する方法にも悪影響を与えることは明らかだよ。

実際の中心的なポイントは、脳は経験を通じて条件付けが必要だってこと。これが論争になることはないと思うし、ここでの一般的な返信が彼のポイントを皮肉的に詳しく説明しているのかどうかは分からない。もし何も覚えないけど、情報を探すのが得意なら、脳は物を探す方法だけを学んでいることになる。検索なしでやらなきゃいけない作業は、条件付けや経験が不足しているせいで妨げられるんだ。これが君に合うかもしれないし、今作られている世界ではうまくいくかもしれないけど、基本的な前提は全く変わらないよ。