高学歴社会の問題へＡＩ対応
現在の日本は、大学への進学率が過半数を超えて、昭和の時代から比べると
高学歴社会
となっています。
そこで、今回は
高学歴社会の弊害
について考え、その解決策について、提案します。
さて、多くの人は
勉強をした方がよい
と考えているでしょう。しかし
勉強による弊害
について、向き合うというか、正面から議論している人は、少ないように思います。その理由は
議論の方法や文章での発信力は
大学などで身につくものが多い
からです。さらに言えば
大学の先生たちの土俵で勝負
となれば
大学や学問の悪口を言えばつぶされる
という恐れが多いのです。
しかしながら、現在の日本社会のトラブルの一つは
高学歴化しすぎた
(学問的議論に偏りすぎた)
ことが一因と考えます。
そこで、この問題について、まじめに考えて議論することが大切だと思います。なお、誤解されては困りますが
学問的な知識や大学などで身に着ける
知的スキルの有効性
は高く、実際に多くの問題を解決しています。しかしながら
学問的な方法論の限界と弊害
について、もう少し、学問社会だけでなく、大衆も含めて理解するべきではと思います。
一例をあげると、今回の新型コロナウイルスに関する報道でも
コンピュータシミュレーション結果
平均値や中央値などの統計的数値
等が、皆が知っているように出てきます。このような言葉は、いわゆる『高等教育』で学び、その使い方を身に着けるものです。
このような『高等教育』で学ぶ『言葉』は、とても便利です。それを使った、コミュニケーションは、とても効率的になります。その典型的な事例はMBA(経営学修士)達が
会社の業績評価
を伝える方法です。MBA取得者たちは、ROA(総資本利益率)、ROIC(投下資本利益率)などの数値で、会社の良さが議論できます。
さらに、このような数値で見ると、微妙な差もよくわかります。こうした微細な違いが判ると、成長の様子も見えるようになります。これが、数値化のメリットです。一方、アメリカの起業家は、色々な投資家から資金を受け入れます。そこで評価するのは、MBA取得者たちです。彼らの言葉で、説明できないと相手にされないので、MBA取得者に依存するようになります。
こうした、利点はありますが、このような理論的検討から
外れたものがある
ということを、認識していない人が出てきます。例えば、金銭的な尺度だけで、給与を見ていると、それをもらった人の満足感などについての、配慮が欠ける場合があります。一例を挙げれば、人によっては
給与は自分の力を評価
と考える場合があります。その時には
給与の金額より相対的な値が重要
例えば
「同期のXX より10円高くて満足」
という事態もあります。確かに、MBAの教材には
動機づけのコース
があるので、この事例はそこで学ぶという反論があるでしょう。
しかしながら、この問題の本質は
学問的知識はある種の理想化の上で成立
つまり
見逃すモノがある
ということです。これは、私たちが学ぶ西洋文明の特質です。西洋文明は、古代ギリシャの哲学、特にプラトンの影響を深く受けています。プラトンが『洞窟の比喩』で示した
人間の知恵は限られたものしか見えない
理想化したモノで考えることで本質に近づく
という発想は、現在の科学的思考にまで受け継がれています。例えば、物理学では『理想気体』で考えますし、社会学ではマックス・ヴェーバーの『理念型』も
現実を抽象化し理想化
したものです。
こうした
理想化したモノで厳密に考える
力は、『本質的要素』を見いだし、色々な問題を解決してきました。しかし、そこから落ちているものがあります。これを忘れてしまうと、現実の多様性・複雑性に足を救われるようになります。
昭和の時代なら、ここまで『高学歴化』が進んでいないので、大学卒業してから
現場の人が判るように説明
現場の多様性を学ぶ
機会が多くありました。例えば、電子回路を設計しても、部品がばらつくために、現場でのベテラン作業者が、色々な部品を調整し、合わせ込んで動くようにしました。
しかしながら、平成の時代も後期になると、ＩＣ技術が高度化し、演算増幅器が容易に使えるようになります。そこでは、半導体部品の性能のバラツキは、フィードバック回路で押さえ込まれ、抵抗やコンデンサの、精密部品の定数だけで、性能が決まります。つまり
設計者の机上検討どおりでモノが動く
のが現在の電子回路の製作です。そこでは、現場の知恵の助けは必要ありません。
このような、現場の助けを求める機会が、なくなったことが
高学歴社会の弊害
です。
そこで、こうした
学問的議論からの見落とし
対策として
物語的な記述の活用
を提案します。
前の事例の、給与の問題でも
具体的な同期の二人
の物語を考えると
生活に必要な給与を入手
その上で
同期との比較での一喜一憂
等の場面が見えてきます。更に、個人事情に対する気配りと、それに対する感謝などが描かれます。
こうした
物語の記述を生成系ＡＩが支援
というのは、現在技術では可能だと思います。
なお、物語を描く、と言うと
派手な場面だけ！
と言う危険性があります。昔、某放送であった
プロジェクトＸ
等がその一例です。しかしながら
現実の物語は平凡
な話が多いのです。
平凡な話の中で細部を観察する。こうした話を多く作れるのも、ＡＩ等の支援を、上手く使うからできるのです。
大先生の手から、物語作成力を大衆に移す、これも一つの成果だと思います。
さて、このような発想を、もう一歩進めると
社会科学の実験化
ができるようになります。社会についての理論を、物語やゲームでシミュレーションする。こうした
実験手法
が、生成系ＡＩの助けで可能になるでしょう。