1. 結論：本は魔法ではない。脳に何をさせるかが大事
「最近、本を読まなくなった。これ、頭に悪いのでは？」
まず結論から言うと、本を読むという行為そのものに、経験値が自動で入る魔法はない。大事なのは、読んでいる途中で脳が何をしているかだ。
本を読むと、新しい知識が入る。前の知識とつながる。長い説明を追う。知らなかった考えに出会う。言葉をたくさん見る。小説なら、人の気持ちや別の人生を想像する。こうした仕事が学習につながる。
では、AIと何度も「なんで？」「ほんと？」「研究では？」「じゃあこれは？」と話すのはどうか。これはかなり同じ仕事をしている。しかもAIは、分からない所で止めて聞ける。反対意見を出せる。元の論文まで探せる。自分の体験とつなげられる。
だから、「本を読んでいない＝知的活動をしていない」ではない。むしろ、使い方によっては、受け身の読書よりAI壁打ちの方が頭を動かすこともある。
ただし、AIには弱点もある。答えをすぐ出してくれるので、「自分で思い出す」「自分で解く」「長い文章を最後まで追う」といった仕事まで外注しやすい。ここを分けて考えるのがこの記事の中心だ。
2. 読書の効果を「機能」に分解する
「読書はいい」と一言で言うと雑すぎる。読書にはいくつもの機能がある。
1つ目は知識を入れること。歴史、科学、経済、心理などの情報を知る。
2つ目は知識同士をつなぐこと。「金利」と「インフレ」、「雨の匂い」と「土の微生物」のように、別々だった知識が一本の線になる。
3つ目は長い論理を追うこと。著者がA→B→C→Dと積み上げた説明を、途中で投げずに追う。
4つ目は自分では選ばなかった情報に出会うこと。検索では「知りたいもの」を探すが、本では「そこ興味なかったけど、重要だったのか」という事故が起きる。この事故はかなり大事だ。
5つ目は言葉への長時間の接触。語彙、言い回し、文章の形に触れる。
6つ目は、特に小説で大きい人間のシミュレーションだ。登場人物が何を考えているかを想像する。2024年のメタ分析では、小説を読む実験の認知効果は平均すると小さかったが、共感や「他人の心を考える力」ではプラスが見つかった。平均効果量は g = 0.14 で、巨大な効果ではない。
つまり、本の強さは「情報」だけではない。長い道を歩くこと、知らない道に連れていかれること、言葉の世界に長くいることにもある。
3. AI壁打ちは何を代替できるのか
AI壁打ちは、ただ「答えを聞く」のとは違う。
たとえば「雨の匂いは何？」と聞いて終わるなら、単なる検索に近い。ところが、
- なんで雨で匂うの？
- 土の何が原因？
- 微生物？
- 人間はなぜそんなに敏感？
- 雨が降る前にも匂うのはなぜ？
- ほかの動物は？
- 研究では？
と続けると、話はどんどんつながる。
これは学習研究でいう自己説明や精緻化に近い。自己説明とは、「なぜそうなるのか」「何と何がつながるのか」を自分で作ること。64件の研究報告から69効果量をまとめた2018年のメタ分析では、自己説明を促す方法に平均 g = 0.55 の学習効果があった。
AI壁打ちが強い理由は、質問のたびに知識の地図を更新できることだ。
本は「著者が作った道を歩く」。 AI壁打ちは「自分で道を作りながら、AIに材料を運ばせる」。
両方とも学びだが、脳の使い方が少し違う。
4. スキーマとは？ 脳内の「知識の地図」
スキーマという言葉は難しそうだが、中身は簡単だ。
スキーマ＝頭の中にある『こういう世界だよね』という知識の地図。
最初は「金利」という点しかない。
そこに「預金」「ローン」「インフレ」「中央銀行」「投資」がつながる。すると「政策金利が上がった」というニュースを見ただけで、「預金金利は？」「住宅ローンは？」「株は？」「通貨は？」と関連する問いが出てくる。
研究では、スキーマは複数の経験から共通点をまとめた知識構造として考えられている。スキーマは新しい情報を理解し、覚える助けになる一方、強すぎる先入観は記憶をゆがめることもある。
だから「ニューラルネットワークがつながりそう」という感覚は、たとえとしてはかなり近い。ただし、一回質問した瞬間に脳内の配線が物理的に一本生えると考えるのは単純すぎる。より正確には、すでにある知識の地図に、新しい情報を置き、関係を作っている。
そしてAIは、この「穴を見つけたらすぐ埋める」をものすごい速さで回せる。
5. 精緻化（せいちか）：覚えたいなら点より線を増やせ
精緻化（せいちか）。漢字はボスキャラっぽいが、やることは単純だ。
「知識を細かくして、ほかの知識とつなげること」。
たとえば、
「ゲオスミン＝雨の匂い」
だけなら、記憶の入口はほぼ1本しかない。
しかし、
「土の微生物が作る」 →「雨粒で空気中に飛ぶ」 →「人は少量でも感じる」 →「だから雨の前後に気づく」
とつなげると、思い出す道が増える。
Aだけを覚えるより、
B ← A → C ↓ D
のように線を増やした方が、どこかからAへ戻ってこられる。
AIに「なんで？」「例は？」「前の○○と同じ？」「逆は？」「自分の場合なら？」と聞くのは、この線を増やす作業だ。
ただし、何でも精緻化すればいいわけではない。「このATMは手数料220円」みたいな一時情報に壮大な知識ネットワークを建設しても、脳内再開発事業になってしまう。
覚えたい仕組みは線を増やす。今だけ必要な数字は外に置く。この分業がいい。
6. 検索練習：人との雑談が勝手に抜き打ちテストになる
検索練習とは、Google検索のことではない。
頭の中から、いったん覚えた情報を自力で取り出す練習だ。
たとえば数日前にAIで調べた話を、人と話しているときに、
「そういえば、あれって確か……」
と思い出す。ここで脳は、画面を見ずに記憶を検索している。
2021年の学校・教室研究の系統的レビューでは、50実験、合計5,374人を調べ、49効果量の57%が中〜大きな検索練習の利益を示した。対象の年齢や教科、テストまでの時間が違っても、かなり広く効果が見つかった。
雑談にはさらにオマケがある。
AIで知る → 人に話す → 「それなんで？」と聞かれる → 説明できない → 穴が見つかる → またAIで調べる
これで入力→取り出し→穴の発見→再入力のループになる。
毎晩「今日の学びを3つ復習しましょう」と修行僧になる必要はない。人と話す機会があるなら、雑談そのものが抜き打ちテストになる。
7. 記事を作る側に回ると「長い論理を作る」訓練になる
読書の強みとして「長い論理を追う」がある。
では、記事を作る側は何をしているのか。
読者は、著者が作ったA→B→C→Dを追う。 書き手や編集者は、A、B、C、Dを並べて「この順番なら分かる」を作る。
つまり、論理を追う代わりに、論理を組む仕事が発生する。
学校の理科・社会・数学で「学んだ内容について書く」活動を調べた2020年のメタ分析では、56実験をまとめ、学習への平均効果量は0.30だった。文章を書くことは、情報を選び、つなぎ、説明し直すので、学習になりうる。
ただし注意。AIに、
「全部調べて、構成して、記事を書いて」
と丸投げし、完成品を一文字も見ないなら、長い論理を実際に組んだのはAIだ。
一方、記事になる前の壁打ちで、「それ違う」「この研究も入れて」「この話とつながる」「反論は？」と材料を選んでいるなら、企画・編集の部分ではかなり頭を使っている。
要するに、本を読んでいないのに、大量の『本を書く前工程』をやっている人は存在する。
8. AIの罠：わかった気になる／考える苦労を奪う
ここが最大の注意点だ。
AIは「正しい答えを出せる」と「自分ができるようになる」を簡単に混ぜる。
2025年の高校数学の大規模な実験では、通常のChatGPTに近い「GPT Base」を使った生徒は、AIを使える練習中には成績が48%上がった。学習用の安全策を入れた「GPT Tutor」では127%上がった。ところがAIを外して自力試験をすると、GPT Base群はAIを最初から使わなかった群より17%低かった。Tutor群ではこの悪影響はほぼ消えたが、AIなし対照群を上回るところまではいかなかった。
つまり、
AIあり：「俺、数学できるやん」 AIなし：「……誰？」
が起こりうる。
2026年8月改訂のチェス研究でも似た話が出ている。200人超が12週間AI付きで訓練し、必要な場面でシステム側からヒントが出る群は技能が64%改善した一方、好きなときに追加でAIへ聞ける群は30%だった。著者らは、すぐ助けを求めることで「自分でギリギリ考える時間」が減ったことを主な理由としている。これはワーキングペーパーなので、今後の査読や追試は必要だ。
AIは学習を壊す悪魔ではない。答えの受け取り方によって、家庭教師にもカンニングマシンにもなる。
9. 数学は丸投げでいい？ 「学ぶ数学」と「使う数学」
ここで重要なのが、「何のために数学をするのか」だ。
もし目的が「数学そのものを身につける」なら、答えを毎回AIに出させるのは弱い。式を考え、失敗し、修正するところが練習だからだ。
でも目的が、
「100万円を0.2%と0.6%の銀行に10年置いた差を知りたい」
なら話が違う。
ここで必要なのは、複利を手計算する筋肉ではない。
必要なのは、
- 金利差が実際いくらになるか
- 税引後ではどうか
- 手数料はどうか
- インフレを考えるとどうか
- 銀行を変える手間に見合うか
を判断することだ。
銀行金利を比較するたびに、紙と鉛筆で複利公式を展開する必要はない。
「銀行金利を手計算して脳を鍛える宗派」には入らなくていい。いや電卓使え。
これは「数学が不要」という意味ではない。概念と判断は必要だ。だが、正確な計算を外部ツールに任せられ、しかも自力技能が目的ではないなら、外注は合理的だ。
10. 麻雀は？ AIだけ段位が上がる問題
麻雀のような技能ゲームも同じだ。
毎局、
「何切る？」 AI「5萬」 「ほーん」
を繰り返せば、盤面を見て候補を作り、比べ、決める練習が減る。
AIだけ段位が上がり、人間は横で『なるほど』と言う係になりやすい。
ただし、ここで「だからAIを使うな」とはならない。
麻雀は多くの人にとって趣味だ。目的が「自分で最善手を出せるようになること」なら練習する価値がある。でも目的が「遊びたい」「AIと一緒に考えるのが楽しい」「数%の勝率差のために何百局も修行したくない」なら、技能最大化を義務にする理由はない。
趣味なのに、
「勝率を2%上げるために今日も反復練習！」
となって、楽しくなくなったら、
俺、なんで宿題してるんだ？
になる。
技能を自分の脳に持つ価値は、「できること自体が楽しい」「外注できない」「非常時に必要」などがあるときに高い。そうでなければ、外に置いてもいい。
11. 小説アレルギー：「映画でええやん」はどこまで正しい？
「小説しんどい。映画でええやん。」
かなり分かる理屈だ。そして半分は正しい。
物語、人物、感情、社会の疑似体験という目的なら、映画でもかなりできる。映画は表情、声、背景、音楽までまとめて届けてくれる。
ただし、小説ではその一部を脳が作る。
文章：「薄暗い部屋に男が立っていた」
脳：「部屋どんな感じ？ 顔は？ 声は？ 空気は？」
映画なら、映像会社が脳内レンダリングを外注で済ませてくれる。
2024年のメタ分析では、小説読書の実験効果は平均 g = 0.14 と小さく、特に共感や他者の心を推測する力でプラスが見つかった。だから「小説を読まないと人間力が終わる」みたいな話ではない。
小説の強みは、長い文章への接触、自分で場面を作ること、作者の言葉を時間をかけて追うこと。映画の強みは、短時間で大量の視覚・音・演技情報を受け取れること。
目的が「物語を楽しむ」なら映画でもよい。目的が「文章読解や脳内生成も含めて鍛える」なら小説に独自の仕事が残る。
12. 認知的オフロード：脳の仕事を外に逃がすのは悪なのか
認知的オフロードとは、頭の中だけでやらず、道具や行動に仕事を逃がして、脳の負担を減らすことだ。
スマホのリマインダー。 メモ。 電卓。 地図アプリ。 AI。
全部この仲間だ。
昔から人間は外注している。「電話番号を全部暗記しなくなったから人類は終わり」にはならなかった。
大切なのは、外注すると困るものまで外注していないか。
たとえば、
- 金利の掛け算 → 外注しやすい
- 何を比較するか決める → 自分で持つ
- 文章の誤字チェック → 外注しやすい
- この主張は怪しくないか → 自分でも疑う
- 麻雀の最善手 → 趣味の目的次第
- 車の非常時操作 → 必要なら自分でもできる方がよい
という具合だ。
AI時代の問いは「AIを使うな」ではない。
「どの仕事を脳から出して、空いた脳を何に使う？」
こっちだ。
13. その質問、スキーマを育てる？ 「その時デコピンは？」問題
質問が多ければ、全部学習になるわけでもない。
SNSでは、大谷翔平選手が2024年12月に第1子妊娠を発表した写真に愛犬デコピンも写っていたことから、「その時デコピンは？」のような過剰に細部を聞くネタが広まった。ここでは元祖を断定せず、SNSで広まった言い回しとして扱う。
これは最高の例だ。
良い精緻化：
「AならBなの？」 「前に知ったCと同じ仕組み？」 「例外は？」 「因果関係なの？」
雑質問：
「いつ？」 「どこ？」 「何時何分？」 「その時デコピンは？」
後者は、情報欄に空きマスがあるから全部クリックしているだけになりうる。
もちろん雑学としては楽しい。学びは効率だけではない。デコピン担当が人生を退屈させない。
でも「覚えたい」「理解したい」が目的なら、質問の数より線が増える質問かを見るとよい。
14. AI時代に脳へ残すべきもの
ではAIが強くなったら、人間は何を覚えるべきか。
全部を自力で計算し、全部を暗記する必要はない。
残したいのは、次のようなものだ。
目的 何をしたいのか。AIは勝手に人生の目的を決めない。
基本概念 金利、確率、因果関係、リスクなど、結果を理解するための土台。
質問を作る力 「これ何？」「なぜ？」「何と比べる？」「反例は？」。
怪しさを感じる力 AIは自信満々に間違うことがある。少なくとも重要な判断では元資料を確認する。
つなぐ力 新しい話を、前の知識と結ぶ。
判断 計算結果が出たあと、「で、どうする？」を決める。
AIが計算担当、検索担当、下書き担当になっても、何を計算させるか、どの答えを採用するか、何に使うかは残る。
15. 実践：AI壁打ちを学習装置にする
難しい学習法を新しく始めなくてもいい。AIとの会話を少し変えるだけでよい。
覚えたい知識なら
「答えを教えて」で終わらず、
- 中学生向けに説明して
- なぜ？
- 具体例は？
- 逆の例は？
- 前に学んだ○○とどうつながる？
- 研究ではどこまで確か？
- 一次資料は？
- 俺の説明のどこが違う？
と掘る。
身につけたい技能なら
AIを運転手から教官に降格させる。
数学なら「答えは言わず、式を作るところまでヒント」。 麻雀なら「先に自分で一枚選ぶ。そのあとAIに採点させる」。
身につける必要がない計算なら
遠慮なく丸投げする。
銀行金利、長い集計、税引後比較など、目的が意思決定なら、手計算を神聖視しない。
最後に
人と話す機会があれば、覚えたことを雑談で出す。そこで言えなかったところが次の穴だ。
この流れは、
AIで入れる → 精緻化でつなぐ → 会話で取り出す → 穴を見つける → またAIで埋める
になる。
16. まとめ：「情報を増やすより、線を増やす」
本を読むことは今でも強い。
特に、
- 自分では選ばない情報に出会う
- 長い論理を追う
- 言葉に長時間触れる
- 小説で人物や世界を自分の頭に作る
という役割は残る。
一方、AI壁打ちは、
- 分からない所を即座に聞く
- 研究を探す
- 反論を出す
- 自分の経験とつなぐ
- スキーマの穴をすぐ埋める
のがとても強い。
ハーバードの物理授業の2025年RCTでは、研究知見に沿って設計されたAI tutorは、教室でのアクティブラーニングより大きな学習利得を示し、AI群の学習時間中央値は49分、対面授業は約60分、効果量は分析によって0.73〜1.3標準偏差と推定された。ただしこれは「AI vs 人間家庭教師」ではない。同じ学生が両条件を経験するクロスオーバー型で、比較相手はハーバードの参加型授業だ。
つまり、もう「AIで勉強＝浅い」とは言えない。
同時に、AIが答えを奪いすぎると、数学やチェスのような技能では「AI込みならできるが、外すとできない」が起きうる。
だから、答えは「本かAIか」ではない。
覚えたい仕組みは、AIでどんどん線を増やす。 自分でできるようになりたい技能は、自分で一度やる。 外注して困らない計算は、外注する。 そして、ときどき自分では選ばない本や作品に連れていってもらう。
脳に保存する価値があるのは、すべての数字ではない。
世界を見る地図と、地図の点を結ぶ線だ。
覚えたいなら、情報を増やすより、線を増やせ。
