
「“kidding !” AIは大学教授になれるのか?学」――AI教授と人間教授の境界から見えてくる大学の本質【コラム】思好の科楽(その269)
「AI時代に、大学教授という仕事を因数分解してみる。」
AIは大学教授になれるのでしょうか。
この少し乱暴な問いから出発して、大学教授という仕事を因数分解してみました。
研究、教育、大学運営、社会連携。
大学教授の役割を構造的に整理していくと、AIがすでに得意なことと、まだ難しいことが見えてきます。
そして最後に浮かび上がるのは、もっと大きな問いです。
それは、大学とは何をする場所なのかという問いでした。
AI時代における大学教授の役割と、大学という制度の意味を考える一篇です。
(※ 今回は長文です)
🧠 このコラムで学べる、3つのこと
1️⃣ 大学教授という仕事の構造
→ 研究・教育・大学運営・社会連携という4つの機能から、大学教授の役割を因数分解して理解できます。2️⃣ AIと人間の役割の違い
→ AIが得意な「知識処理」と、人間教授が担う「問い・意味・倫理」という違いが整理できます。3️⃣ AI時代の大学の存在意義
→ AIが広がるほど、逆に大学が果たすべき役割がどこにあるのかが見えてきます。
🟦 序章|「AIは大学教授になれるのか?」という少し乱暴な問い

◉ 少し乱暴な問いから始めてみる
AIは大学教授になれるのか。
こう書くと、少し挑発的に見えるかもしれない。
いや、実際かなり乱暴な問いである。
大学教授という仕事は、そんなに単純なものではないからだ。
たとえば、大学教授と聞いて、多くの人がまず思い浮かべるのは「授業をする人」であろう。
教壇に立ち、スライドを映し、学生に説明し、試験をつくり、成績をつける人。
たしかに、それは大学教授の大切な仕事の一つである。
しかし、大学教授の仕事はそれだけではない。
研究をし、論文を書き、学会で議論し、ゼミで学生を育て、学科や学部の運営に関わり、地域や企業や行政ともつながっていく。
しかもその背後には、学問の自由や大学自治のような、見えにくいが重い役割までぶら下がっている。
そう考えると、「AIは大学教授になれるのか?」という問いは、たとえば「AIは電卓になれるのか?」とか「AIは翻訳機になれるのか?」という問いとはまるで違う。
大学教授は、一つの機能ではなく、かなり複合的な役割の束だからである。
それでも、あえてこの問いを立ててみたいと思った。
なぜなら、この少し乱暴な問いを投げてみると、AIのこと以上に、大学教授という仕事の輪郭が逆に見えてくる気がするからである。
◉ これは少しkiddingでもある
今回の問いには、少しだけ kidding が入っている。
もちろん、ここでいう kidding は、単なる悪ふざけではない。
むしろ逆で、真正面から問うと重くなりすぎるテーマに、あえて少し斜めから光を当てるための、知的な助走のようなものだと思っている。
「大学教授とは何か」と真正面から書き始めると、どうしても話は固くなる。大学論、学問論、制度論、職能論……と、いきなり重たい扉がいくつも並ぶ。
書く側も構えてしまうし、読む側も少し身構える。
しかし、「AIは大学教授になれるのか?」と置いてみると、不思議と入口が少し開く。
え、どういうことだろう。
授業ならできるかもしれない。
論文要約も得意そうだ。
ではゼミはどうか。
研究指導はどうか。
教授会はどうか。
学会はどうか。
学問の自由はどうか。
そんなふうに、問いが次々と枝分かれしていく。
つまり kidding とは、このコラムにおいては、軽くするための技法ではない。
深く潜るために、あえて最初の一歩を軽くする技法である。
少し身近な場面で言えば、学生から「先生、AIがあれば、もう先生いらなくないですか」と半分笑いながら言われたとする。
これもまた、少し kidding の混じった問いである。
だが、その問いに「いや、そう単純ではない」と返しながら考え始めると、授業とは何か、指導とは何か、大学とは何か、という本質論に入っていく。
軽い冗談のような入口が、案外深い地下通路につながっているのである。
◉ いまのAIには、できることがすでにかなり多い
しかも、この問いをただの思いつきで終わらせない現実的な理由もある。
いまのAIには、すでにできることがかなり多いからである。
たとえば、講義の補助であれば、AIはかなり優秀である。
文章の要約、説明の言い換え、初学者向けの例示、レポートの構成支援、英語論文の読み下し、質疑応答の補助。
こうしたことは、すでに多くの場面で実用段階に入っている。
学生の側から見れば、「分からないところをその場で何回でも聞ける」という意味で、AIはかなり頼もしい学習支援者でもある。
研究でもそうである。
先行研究の整理、論点の比較、仮説のたたき台、データの整理、文章の構造化など、AIが役に立つ場面は確実に増えている。
大学職員の仕事に目を向けても、議事録の整理、資料の草案作成、問い合わせ対応、情報検索など、AIが補助線を引ける領域は少なくない。
こうした現実を見れば、「AIは大学教授になれるのか?」という問いは、完全な空想ではない。
少なくとも、大学教授の仕事の一部については、すでにAIがかなり深く入り込んできているのではないか。
ただし、ここで話を単純化してはいけない。AIがいくつかの作業を得意だからといって、そのまま大学教授になれるとは限らない。
ここに、この問いの面白さがある。
◉ しかし大学教授の仕事は、画面の中だけでは終わらない
大学教授の仕事には、画面の中で完結しないものが多い。
研究を考えてみてもそうである。
現場での観察、実験室での試行錯誤、インタビューの場の空気、地域に入って初めて分かる文脈、史料の質感、学生の表情、ゼミの沈黙。こうしたものは、単なる情報ではない。
身体を通して触れることでしか見えてこない何かを含んでいる。
教育も同じである。
授業はコンテンツ配信だけではない。
学生がどこで戸惑ったか、どこで妙に元気がないか、どの瞬間に目の色が変わったか。
そうした微細な変化を感じ取りながら、説明の仕方を少し変えたり、問いを差し替えたり、あえて黙ったりする。
こうした営みは、少なくとも今の段階では、人間の身体感覚と切り離しにくい。
さらに、大学教授は研究者であるだけでなく、学問コミュニティの担い手でもある。
学会で議論し、共同研究を立ち上げ、若手を育て、査読をし、研究領域の文化をつないでいく。
ここには、知識だけではなく、信頼、責任、慣行、倫理、そして暗黙知が絡んでいる。
つまり大学教授とは、情報処理をする人ではなく、知を現場・共同体・制度の中で生きたものとして扱う人なのである。
◉ この問いが実は別の問いを呼び込む
だから私は、「AIは大学教授になれるのか?」という問いを考えているうちに、少しずつ別の問いの方が気になってきた。
それは、大学教授とは何者なのか、という問いである。
授業をする人なのか。
研究をする人なのか。
学生を育てる人なのか。
学会を支える人なのか。
大学を運営する人なのか。
地域や社会と知をつなぐ人なのか。
あるいは、学問の自由という少し大きな理念を、日々の実践の中で引き受けている人なのか。
おそらく答えは、一つではない。
いや、一つではないからこそ、この仕事はややこしく、面白く、時にしんどいのだと思う。
今回のコラムは、「AIは大学教授になれるのか?」という少し乱暴な、少し kidding な問いから始める。
だが、本当に掘り下げたいのは、その是非を軽々しく判定することではない。
むしろその問いを入口にして、大学教授という仕事の複合性、多面性、そして本質を一度きちんと見渡してみたいのである。
そのために次章では、まず大学教授という役割を、研究、教育、大学運営、社会連携、学問コミュニティ、学問の自由といった観点から、少し丁寧に因数分解してみたい。
AIの話は、そのあとである。
先に大学教授という仕事そのものを見ないと、何が代替され、何が代替されないのかも見えてこないからである。
🟩 第1章|大学教授という仕事を因数分解してみる

◉ まず、大学教授という存在をいったん分解してみる
序章で私は、「AIは大学教授になれるのか?」という少し乱暴な問いを置いた。
しかし、その問いに向き合うためには、まず大学教授という仕事そのものを分解してみる必要がある。
なぜなら、大学教授という職業は、一般に想像されているよりもはるかに多くの役割を内包しているからである。
多くの人にとって大学教授とは、「授業をする人」という印象が強い。
教壇に立ち、スライドを映し、講義を行い、試験をつくり、成績をつける人。たしかにそれは大学教授の大切な仕事の一つである。
しかし、大学の内側を少し覗いてみると、その仕事はそれだけではない。
研究、ゼミ指導、学会活動、委員会、共同研究、地域連携、制度設計など、さまざまな役割が重なっている。
つまり大学教授とは、複数の機能が重なった「知の複合職」なのである。
◉ 大学教授の基本機能は、まず四つある
大学教授の仕事を大きく整理すると、まず四つの基本機能が見えてくる。
研究、教育、大学運営、社会連携である。
研究は、新しい知識を生み出す営みである。
教育は、その知や思考様式を学生に伝える営みである。
大学運営は、大学という組織を回し維持する営みである。
社会連携は、大学の知を社会へ接続する営みである。
これらはきれいに分かれているわけではない。
実際にはかなり重なっている。
地域課題を扱う研究はそのまま社会連携になることもある。
共同研究は研究でありながら産学連携でもある。
ゼミで地域プロジェクトに取り組めば、それは教育であると同時に社会連携でもある。
つまり大学教授の仕事は、研究・教育・運営・社会連携という四機能が重なり合う構造をしている。
◉ 研究者としての大学教授は、単に論文を書く人ではない
研究者としての大学教授を考えるとき、多くの人はまず「論文を書く人」というイメージを持つだろう。
もちろん、それは間違いではない。
しかし研究者としての大学教授の役割は、それだけではない。
少なくとも四つの層がある。
知識創造、知識体系化、学問コミュニティ形成、学問コミュニティ運営である。
まず知識創造。
未知のことを明らかにし、新しい説明や理解を提示する営みである。
自然科学なら実験、人文科学なら史料研究、社会科学なら調査分析など、方法は違っても未知に踏み込む点は共通している。
次に知識体系化。
研究成果は単独では意味を持たない。
既存研究との関係を整理し、学問体系の中に位置づけることで、知識は学問として成立する。
さらに大学教授は、学問コミュニティを形成する。
学会や研究会を立ち上げ、共同研究を進め、若手研究者を育てる。
そして最後に、そのコミュニティを運営する。
査読、学会誌編集、研究倫理の維持などの地道な仕事が含まれる。
つまり研究者としての大学教授とは、知識を生み出すだけでなく、知識共同体を支える存在なのである。
◉ 教育者としての大学教授は、知識の配達人ではない
大学教授の仕事の中で社会から最も見えやすいのは教育である。
しかし教育者としての大学教授の役割は、単なる講義では終わらない。
第一に知識伝達がある。
専門分野の内容を学生に理解できる形に翻訳することである。
どこでつまずきやすいのかを考えながら説明の道筋を設計する。
第二に人材育成がある。
大学教育は知識を渡して終わりではない。
学生が自分で考え、調べ、判断できるようになるところまで含めて教育である。
ゼミや卒論指導、進路相談などもここに含まれる。
第三に思考訓練がある。
問いを立てる力、比較する力、論理を組み立てる力など、思考の型を鍛えることが大学教育の重要な役割である。
この意味で大学教授は、知識を教える人というより思考を鍛える人なのである。
◉ 大学教授は、大学という組織の運営者でもある
大学教授の仕事として外から見えにくいのが大学運営である。
しかし実際にはここに多くの時間が使われている。
教授会、委員会、カリキュラム改定、入試制度、自己点検評価など、大学には多くの意思決定プロセスが存在する。
教務委員会、入試募集委員会、学生委員会、就職委員会、地域連携委員会、広報委員会、国際交流委員会、研究倫理委員会、安全衛生委員会、人事委員会、IR委員会、情報システム委員会……。
更に小委員会として、作問委員会、教養教育委員会、教職課程委員会、国家試験対策委員会、動物実験委員会。
場合によっては、学部学科の中にさらに学科委員会がある場合もある。
大学は企業とは違い、教員組織の自治的な性格が強い。
トップダウンだけではなく、議論や合意形成を通じて制度が作られる場面も多いのだ。
そのため大学教授は、自分の研究や授業だけをしていればよいわけではない。大学という制度を支える運営者でもある。
つまり大学教授は、大学制度を維持し更新する組織運営者でもあるのである。
◉ いまの大学教授には、社会との接続役も強く求められている
現代の大学では、社会連携の役割が非常に重要になっている。
地域連携、産学官連携、公開講座、共同研究、政策提言など、大学の知を社会に接続する活動が増えている。
自治体や職能団体、市民団体などから会議の委員や、研修・講話の講師を委嘱されることも少なくない。
このとき大学教授は、単なる研究者ではなく、知の橋渡し役になる。大学の専門的な知識を、地域社会や企業の課題と結びつける役割を担うのだ。
更に研究成果を論文として発表するだけではなく、制度設計や地域プロジェクト、製品開発などに応用していくこともある。
理系分野であれば、企業や研究機関から、共同研究、委託研究を受けることも少なくない。
つまり大学教授は、知を社会へ翻訳し接続する役割も担っているのである。
◉ そして一番見えにくいが、実は一番根にある役割
ここまで研究、教育、大学運営、社会連携という四つの機能を見てきた。
しかし大学教授という存在には、もう一つ重要な役割がある。
それが学問の自由である。
学問の自由とは、何を研究し、何を教え、何を発表するかについて、政治や市場の都合だけで縛られないことである。
もちろん大学も社会の中にある制度であり、さまざまな制約を受ける。
しかしそれでもなお、大学が自由な知の探究を行う場所であるためには、その実践者が必要になる。
その役割を担うのが大学教授である。
つまり大学教授とは、自由な知を責任を持って扱う存在でもある。
◉ ここまで並べてみると、大学教授はかなり複雑な仕事である
ここまで見てきたように、大学教授という仕事は研究者、教育者、大学運営者、社会接続者など、複数の役割が重なっている。
もちろん、すべての大学教授がこれらを同じ強度で担っているわけではない。
研究に強い人もいれば、教育に卓越した人もいる。
大学はそうした多様な教員の組み合わせで成り立っている。
それでもなお言えることがある。
大学教授とは単一の機能を持つ職業ではない。
知を生み出し、伝え、つなぎ、制度の中で守る役割が重なっている。
言い換えれば大学教授とは、知を扱う複合的な社会的役割なのである。
そう考えると、序章で置いた問いは少し形を変える。
「AIは大学教授になれるのか?」
この問いは実は、
AIはこの複合的な役割のどこまでを担えるのか
という問いに読み替えなければならないのである。
そしてここから、ようやくAIの話が本格的に始まる。
現段階のAIにできること、人間にしかできないこと、その境界はどこにあるのか。
次章ではそこを見ていくことにしたい。
🟦 第2章|理想像としての大学教授

◉ 大学教授とは何者なのか
ここまで第1章では、大学教授の仕事を研究、教育、大学運営、社会連携という形で分解してきた。
しかしそれは、あくまで機能の整理である。
ここで一度、少しだけ視点を上げてみたい。
つまり「大学教授とは何者なのか」という問いに対して、もう少し抽象的に答えてみるのである。
大学教授という存在を少し単純化して表現するならば、次の三つの役割に集約できる。
大学教授 = 知識創造者 + 知識伝達者 + 知識共同体の担い手
研究によって知識を生み出し、教育によって知識を伝え、学問コミュニティによって知識を維持する。
大学教授とは、知識の循環を支える中心点なのである。
◉ 知識創造者という役割
まず第一に、大学教授は知識創造者である。
大学の研究室や研究フィールドでは、日々さまざまな問いが立てられている。
なぜこの現象が起きるのか。
この制度はなぜ機能するのか。
この史料は何を語っているのか。
こうした問いに対して、仮説を立て、調査し、分析し、論文としてまとめる。
それが研究である。
ここで重要なのは、研究とは単に情報を集めることではないという点である。
情報はすでに世の中に溢れている。
研究者の役割は、その中から意味ある関係を見つけ出すことである。
つまり研究とは、世界の理解の地図を書き換える営みなのである。
そして大学教授は、その地図を書き換えることを職業としている。
◉ 知識伝達者という役割
第二に、大学教授は知識伝達者である。
研究で生まれた知識は、研究者の頭の中に留まっていても意味を持たない。
それが教育を通じて学生へ伝わることで、はじめて社会に広がっていく。
大学の講義は、単なる情報説明ではない。
学生が世界を理解するための「見方」を手渡す営みである。
例えば歴史学の講義であれば、年代を覚えることが目的ではない。
出来事の背後にある因果関係や構造を考える思考方法を学ぶのである。
物理学の講義であれば、公式を暗記することではない。
自然現象を数理的に理解する視点を獲得することが目的になる。
つまり大学教育とは、知識を渡すことではなく「知の見方」を育てることなのである。
大学教授はその案内人である。
◉ 学問コミュニティの中心
第三の役割が、学問コミュニティの担い手である。
研究は個人の営みであると同時に、共同体の営みでもある。
学問は一人では成立しない。
学会での議論、論文査読、研究ネットワーク、共同研究など、研究者同士の相互作用によって学問は発展していく。
例えば学術論文は、投稿すればすぐに公開されるわけではない。
査読というプロセスを通して、複数の研究者が内容を検討する。
その過程で議論が生まれ、研究の質が高められる。
また学会大会では、研究者が互いの成果を批判し合い、新しい研究テーマが生まれていく。
こうした営みを通して形成されるのが、知識の共同体としての学問コミュニティである。
大学教授はその中で、単に研究を発表するだけではない。
査読者になり、編集者になり、研究会を企画し、若手研究者を育てる。
つまり大学教授は、学問共同体のインフラを支える存在でもある。
◉ 大学という自治制度
ここで、もう一つ重要な視点がある。
それが大学という制度である。
大学は単なる教育機関ではない。
歴史的に見ると、大学は自治的な知の共同体として成立してきた。
教授会という制度が存在するのもそのためである。
大学の重要な意思決定は、研究者の共同体によって議論される。
そこには、研究の自由、教育の自由、発表の自由という原則がある。
これがいわゆる学問の自由である。
もちろん現実の大学は、政府や社会や市場と無関係ではない。
しかしそれでも大学が大学であるためには、知の探究が短期的な利益だけで左右されない仕組みが必要になる。
大学教授は、その制度の中で研究と教育を行う。
つまり大学教授とは、大学という自治制度を担う主体でもある。
◉ 大学教授とは
ここまで整理してみると、大学教授という存在の輪郭が少し見えてくる。
大学教授は単に授業をする人ではない。
論文を書く人でもない。
研究費を取る人でもない。
それらをすべて含んだうえで、大学教授とは何か。
一言で言えば、それは
知の共同体を支える存在
なのである。
知識を生み出し、知識を伝え、知識を守り、知識を社会へ接続する。
そしてその営みを、個人ではなく共同体として成立させる。
大学教授とは、そうした知の循環システムの担い手なのである。
ここまで抽象化してみると、序章の問いはさらに鮮明になる。
「AIは大学教授になれるのか?」
この問いは単なる職業代替の話ではない。
それはむしろ、
AIは知の共同体を担う存在になり得るのか
という問いなのだ。
そしてこの問いに答えるためには、次に考えなければならないことがある。
それは、現代のAIに何ができて、何がまだ難しいのかという問題である。
次章では、その境界を少し具体的に見ていくことにしたい。
🟨 第3章|ではAIはどこまでできるのか

◉ ここからは、いったん地に足をつけて考えてみる
ここまで私は、大学教授という仕事をかなり丁寧に分解し、さらにその理想像を少し抽象的に整理してきた。
だが、ここで一度、話をもう少し地面の近くまで下ろしてみたい。
要するに、いまのAIは実際のところ何ができるのか、である。
この問いに対しては、極端な答えが出やすい。
「もう人間より賢いから何でもできる」という言い方もあれば、「しょせん確率的に文章を出しているだけで、本当は何も分かっていない」という言い方もある。
しかし現場感覚としては、そのどちらも少し違う。
AIはすでにかなり役に立つ。
だが、まだそのまま大学教授の代わりになるわけでもない。
だから必要なのは、できることと、まだ難しいことを役割ごとに仕分ける視点である。
◉ AIがすでに得意なこと① 知識検索
まず、AIがかなり得意なのは知識検索と知識の取り出しである。
たとえば、あるテーマについて「基礎から説明して」「関連する論点を整理して」「この概念を高校生向けに言い換えて」と頼むと、かなりの速度で、それらしい答えを返してくる。
人間の教員でももちろんできるが、毎回ゼロから説明を組み立てるのは意外と手間がかかる。
AIはそこをかなり軽くしてくれる。
学生の側から見ても、これは大きい。
授業中には聞きにくかった初歩的な疑問を、AIには何回でも聞ける。
「いまさらこんなことを聞いたら恥ずかしいかな」と思うような質問でも、相手がAIなら少し気が楽である。
もちろん、AIの回答には誤りもあるし、出典の扱いにも注意が必要である。
だが少なくとも、知識への一次アクセスを一気に低コスト化したという点で、AIの影響はすでに大きい。
これは大学教授の役割で言えば、教育のうちの「基礎的な知識伝達」のかなりの部分に関わってくる。
◉ AIがすでに得意なこと② 論文要約
次に、AIが強いのは論文や資料の要約と構造整理である。
これは実際に使ってみると分かるが、長い文章を読んで、要点を箇条書きにしたり、論点ごとに分類したり、読み手のレベルに応じて言い換えたりする作業は、AIがかなり得意な領域である。
研究者や大学教員の仕事には、読むべきものが多い。
論文、報告書、申請書、会議資料、議事録、制度文書。
しかも、それぞれに違う読み方が求められる。
精読すべきものもあれば、まず全体像だけ掴めばよいものもある。
AIは、こうした大量の文書に対して、まず入口のガイドをつくるのがうまい。
論文の要約を出し、先行研究との関係をざっくり整理し、「この論文は何を言っているのか」を最初に掴む補助をしてくれる。
これは研究の質そのものを保証するものではない。
しかし少なくとも、読む前の見取り図をつくる、あるいは複数文書の交通整理をするという意味では、かなり実用的である。
大学教授にとっても、学生にとっても、読むことの前段階にある認知的な渋滞をほぐす力は大きい。
◉ AIがすでに得意なこと③ データ解析
研究の文脈でさらに強いのは、データ解析やパターン抽出である。
自然科学や社会科学はもちろん、人文系でもデジタル・ヒューマニティーズのような領域では、テキスト解析やデータ可視化の比重が高まっている。
そこではAIは、かなり相性がよい。
大量データの分類、傾向の抽出、異常値の検出、仮説候補の提示。
人間だけでは時間がかかる作業を、AIは高速で回せる。しかも繰り返しにも強い。
たとえばアンケートの自由記述を分類したり、過去の研究データから相関候補を探したり、学生の学習ログを可視化したりする作業は、AIの得意分野に近い。
大学教授が何時間もかけていた前処理や整理の一部を、かなり短時間で支援できる。
ただし、ここでも注意がいる。
AIはパターンを見つけるのは得意だが、そのパターンにどんな意味があるのかまでは自動では決まらない。
相関が見えたとして、それが因果を意味するのか、単なるノイズなのか、どの文脈で重要なのかは、人間の判断が要る。
だからAIは、研究の中で非常に強い道具ではあるが、まだ研究そのものの主権者ではない。
この差は、後でもう一度効いてくる。
◉ AIがすでに得意なこと④ 個別教育
教育の文脈で特に大きいのは、個別教育との相性である。
人間の大学教授は、たとえ教育に熱心でも、物理的な時間と人数の制約から逃れられない。
一対百の講義もあれば、一対二十のゼミもある。学生一人ひとりに、毎日、何度でも、同じ熱量で応答することは難しい。
その点、AIは疲れにくい。
同じ説明を十回でも百回でも返せるし、学生ごとに理解度に応じて説明の粒度を変えることも比較的得意である。
たとえば「この理論を中学生にも分かるように言って」「逆に大学院レベルで言い換えて」「具体例でもう一度」といった要求に、その場で応じられる。
ある意味では、AIは無限に付き合ってくれる補習担当のような存在になりつつある。
これは、大学教授の教育機能の一部、とくに基礎理解の補助や反復学習においては非常に強い。
学生にとっても、「分からない」をその場で放置しなくてよくなる利点がある。
ただしここでも、教育の全部ではない。
理解を確認し、励まし、時に厳しく問い返し、その学生がなぜ今そこで止まっているのかを文脈ごと捉える営みは、まだ完全には置き換わらない。
だがそれでも、教育補助者としてのAIは、すでにかなり有能である。
◉ では、AIがまだ苦手なことは何か
ここまで見ると、AIはかなり広く大学教授の仕事に入り込めそうにも見える。
実際、知識検索、要約、整理、解析、個別説明といった領域では、すでに相当な力を持っている。
だが、そこで「では大学教授はもう不要か」と言うと、話は急に雑になる。
なぜなら、大学教授の仕事には、形式知の処理だけでは済まない領域があるからだ。
そこで次に、AIがまだ苦手なことを見てみたい。
ここで重要なのは、「苦手」という言葉を慎重に使うことである。
まったくできないのではない。補助はできる。場合によってはかなり助けにもなる。
しかし、主体として担うにはまだ壁があるという意味での苦手である。
◉ AIがまだ苦手なこと① 問いの生成
最も大きいのは、本当に重要な問いを立てることである。
AIは、与えられたテーマに基づいて問い候補を出すことはできる。
関連論点を並べたり、「この観点もあります」と広げたりすることもできる。
だが、それが「いま、なぜその問いを立てるのか」という重みを持つかどうかは別である。
研究の出発点は、実は答えではなく問いである。
しかも、その問いは、単に思いつけばよいわけではない。
どの問いが未解決なのか、どの問いが社会的・学問的に意味を持つのか、どの問いが今この場で問われるべきなのか。
そこには、経験、違和感、文脈理解、時代感覚、価値観が絡む。
たとえば、学生が提出したレポートを読んで、「文章はまとまっているけれど、本当は別の問いを立てた方が面白い」と感じることがあるだろう。
この「面白い」は、単なる情報処理では出にくい。
何に引っかかり、どこに可能性を見て、なぜそこを深掘りしたくなるのか。
その感覚は、まだ人間側に強く残っている。
つまりAIは、問いの候補は出せても、問いの必然性を生む中心にはまだなりにくい。
◉ AIがまだ苦手なこと② 価値判断
もう一つ大きいのは、価値判断である。
大学教授の仕事は、意外なほど価値判断に満ちている。
どの研究テーマに時間を使うか。
どの理論を採用するか。
どこまで厳しく指導するか。
どのリスクを取るか。
どの社会課題に大学として関わるか。
これらは、単なる計算で決まるものではない。
もちろんエビデンスやデータは使う。
だが最後には、「何を大事だと考えるか」が入ってくる。
教育の場面でもそうである。
ある学生に、今必要なのは厳しい指摘なのか、少し待つことなのか。
あるいは、その学生の書いた不完全なレポートに対して、点数だけでなく、どんな言葉を添えるべきか。
そこには評価基準だけでは割り切れない、人間的な判断がある。
AIもそれらしい価値判断の言葉は返せる。
しかしそれは多くの場合、既存の言説の平均値に近い。
自分で引き受ける決断としての価値判断とは、まだ少し違う。
大学教授は、正解のない状況で何かを選び、その結果の責任を背負う。
この責任を伴う価値判断の部分は、現段階のAIにはまだ重い。
◉ AIがまだ苦手なこと③ 学問コミュニティ
第2章でも触れたが、大学教授は知識の生産者であるだけでなく、学問コミュニティの担い手でもある。
学会での議論、査読、研究ネットワーク、共同研究、若手育成。
こうしたものは、情報交換の場であると同時に、信頼と責任の場でもある。
たとえば査読一つとっても、単に誤字脱字を直すだけではない。
その研究が領域の中でどこに位置づくか、何を更新しているか、どこに危うさがあるかを判断する。
しかもその判断には、その分野の暗黙知や慣行、長い文脈理解が要る。
共同研究でも同じである。
誰と組むか、どこまで役割を任せるか、どのくらい率直に批判するか。
そこには、人間関係の機微、研究文化の差、相互の信頼が深く関わる。
AIは、コミュニティの可視化やマッチングの補助はできる。
だが少なくとも現時点では、学問共同体の一員として信頼を引き受ける主体にはなっていない。
つまりAIは、コミュニティの外側から支援することはできても、まだその内側で生きる存在ではない。
◉ AIがまだ苦手なこと④ 学問の自由
そして最も本質的な壁の一つが、学問の自由である。
大学教授は、何を研究し、何を教え、何を発表するかについて、一定の自由を前提にしている。
もちろん現実には予算や制度や政治や市場の制約がある。
それでもなお、大学という制度が大学であるためには、短期的な都合だけに従わない自由な探究の空間が必要である。
ではAIはどうか。
AIは基本的に、どこかの企業や組織やプラットフォームの上で動いている。
学習データ、制約条件、利用規約、安全設計、アクセス権限。
その意味で、AIは独立した知の主体ではない。
たとえば、ある研究テーマが政治的に敏感であるとき、AIはそれを自らの責任で引き受けて「それでも問う」とは言いにくい。
そこには制度的にも倫理的にも、まだ大きな壁がある。
学問の自由とは、単に好きなことを言えるという話ではない。
自由に問い、自由に考え、その結果を引き受ける責任の構造でもある。
この自由と責任の一体性を、現段階のAIはまだ持っていない。
◉ ここまでをいったん式にしてみる
ここまでの議論を、少し思好の科楽らしく式でまとめてみたい。
現段階のAIは、かなり高い水準で
知識検索+要約+整理+解析+反復説明
をこなす。
つまり、AIの強みは一言で言えば、知識処理にある。
一方で、人間の大学教授は、
問いを立て
意味を与え
価値を判断し
共同体を支え
自由を引き受ける
存在である。
つまり、かなり粗く言えば、
AI = 知識処理
人間教授 = 意味生成
という整理になる。
もちろん、これは極端に単純化した式である。
AIも意味生成を補助できるし、人間教授も知識処理を大量にしている。
だから両者は完全に分離しているわけではない。
それでもなお、この式には今のところかなりの説明力がある。
AIは、知識を速く広く扱うことに強い。
人間教授は、その知識に何の意味があるのかを引き受けることに強い。
◉ だから現段階では、AIは大学教授の「全部」ではなく「一部」を強く担う
ここまで整理すると、少なくとも現時点では結論はかなりはっきりする。
AIは、大学教授の仕事の一部については、すでにかなり強い。
とくに、知識へのアクセス、資料の整理、データの分析、個別的な学習支援といった領域では、今後さらに存在感を増していくだろう。
だが一方で、問いを立てること、価値判断をすること、学問コミュニティを引き受けること、学問の自由を体現することについては、まだそのまま大学教授の代わりにはなりにくい。
だから「AIは大学教授になれるのか?」という問いへの現時点での答えは、
「大学教授の一部にはかなりなれるが、大学教授そのものにはまだなりきれない」
という、少し半端なものになる。
だが、この半端さこそが重要なのだと思う。
全部できるわけではない。しかし、かなりの部分はできる。
この中間地帯に、これからの大学教育や研究の設計課題がある。
◉ ただし、この結論は「画面の中のAI」に限った話かもしれない
もっとも、ここまでの整理には大きな前提がある。
それは、いま議論しているAIが基本的に情報の世界、つまり画面の中のAIだということである。
知識を検索し、文章を要約し、データを解析し、対話する。
これらはすべて、情報空間の中で完結しやすい仕事である。
しかし大学教授の仕事には、本来もっと物理的な要素がある。
現場に行くこと、観測すること、実験すること、空気を読むこと、教室や研究室という場を持つこと。
そうしたものまで含めると、今のAIの限界は、単に知能の限界というより、身体の不在の問題にも見えてくる。
では、もしAIが画面の中から出てきたらどうなるのか。
もしセンサーやロボットやドローンと結びつき、現場にアクセスするフィジカルAI/embodied AIになったら、大学教授の仕事との関係はどう変わるのか。
次章では、そこに踏み込んでみたい。
ここから先は少しSFめいてくる。
だが、だからこそ kidding が効いてくる。
少し乱暴な問いを、もう少しだけ先まで運んでみたいのである。
🟪 第4章|フィジカルAI/embodied AIが登場すると何が変わるのか

◉ AIが物理世界に出る
第3章までの議論で、私は現段階のAIを主に「画面の中の存在」として考えてきた。
知識を検索し、文章を要約し、データを解析し、対話する。
そこまでは、基本的に情報空間の話である。
しかし、もしAIがそこから一歩外に出るなら、話はかなり変わる。
センサー、ロボット、ドローン、IoT機器、自動実験装置。
こうしたものと結びついたとき、AIは単なる対話相手ではなく、物理世界にアクセスする知能になる。
ここで重要なのは、「身体」と言っても人間そっくりのロボットを想像する必要はないということだ。
研究室の自動計測装置でもよいし、農地を飛ぶドローンでもよいし、教室の温湿度や人流を測るセンサー群でもよい。
要は、AIが現場から直接データを取り、そこに働きかける回路を持つかどうかである。
この違いは大きい。
これまでのAIは、与えられた情報を処理することに強かった。
だがフィジカルAI/embodied AIになると、そもそも何を観測するか、どこへ行くか、何を測るかという段階に入ってくる。
つまりAIは、知識処理の存在から、観測と作用の存在へと変わり始める。
◉ 研究の世界では、観測のスケールが変わる
研究の世界で最も大きい変化は、まず観測のスケールである。
人間の研究者は、一人で同時に何か所も見に行くことはできない。
今日はこちらの現場、来週は別のフィールド、という具合に、身体は一つである。
しかしセンサーやドローンや遠隔観測装置と接続したAIなら、複数地点のデータを同時に拾い、比較し、異常を検知し、追加観測の指示まで出せるかもしれない。
たとえば環境分野なら、河川、森林、海岸、都市部の観測を並行して行い、変化の兆候を追える。
農業分野なら、圃場ごとの生育状況をドローン画像とセンサーデータで見ながら、局所的な異変を捉えられる。
工学や材料分野でも、実験条件を少しずつ変えながら大量の試行を回す自動実験に近づいていく。
ここで起きるのは、単なる効率化ではない。
研究の入口そのものが変わるのである。
これまで人間が「見ることができた範囲」でしか立てられなかった問いが、より広域で、より高頻度で、より連続的な観測のうえに立てられるようになる。
つまりフィジカルAIが研究に入ると、AIは答えを出す装置である前に、世界を見続ける装置になる。
◉ 自律実験が始まると、研究の進み方そのものが変わる
もう一つ研究で大きいのは、自律実験の可能性である。
すでに一部の領域では、AIが仮説候補を出し、ロボットが実験条件を変えながら試行し、結果を解析して次の条件を更新する、という流れが見え始めている。
これが本格化すると、AIは単なるデータ解析者ではなく、実験サイクルの一部を自律的に回す存在になる。
たとえば新素材探索や創薬のように、膨大な組み合わせを試す必要がある領域では、人間だけで全部を回すには時間が足りない。
そこにAIと自動実験装置が入ると、「試してみる」の回転数が一気に上がる。
もちろん、それで研究者が不要になるわけではない。
何を探索するのか、どんな性質を目指すのか、その結果にどんな意味があるのかは、なお人間側の問いと判断に依存する。
だが少なくとも、研究のリズムは変わる。
人間が一歩ずつ前に出る研究から、AIが何百歩も試し、その中から人間が意味を読み取る研究へと、一部では重心が動くかもしれない。
つまりフィジカルAIは、研究において「考える補助者」から「試す補助者」へも進化するのである。
◉ 教育の世界では、教室の外が一気に近くなる
教育の世界でも、フィジカルAIの影響はかなり大きい。
しかもそれは、単にAIがもっと賢い家庭教師になる、という話にとどまらない。
たとえば遠隔実験である。
学生が自分のPCや端末から、大学の実験装置や観測機器にアクセスし、データ取得や操作の一部を行う。
あるいは、ドローンやロボットを介して、現場観察をリアルタイムで共有する。
そうなると、教室に座ったままでも、学生は現場につながった学びを経験できる。
これは地方大学にとっても意味が大きい。
すべての高価な設備を各キャンパスで持てなくても、ネットワーク型で教育インフラを共有できる可能性が出てくる。
一つの大学の中だけでなく、大学間連携や国際連携にもつながるかもしれない。
さらに、個別教育も一段広がる。
これまでのAIは学習内容の説明補助が中心だったが、フィジカルAIが入ると、学生の学習行動や実験プロセス、観察の順序、つまずきの場所まで含めて把握しやすくなる。
つまりAIは、知識の説明だけでなく、学び方そのものの伴走者に近づく。
教育の本質が思考訓練にあるという第1章の議論は変わらない。
だが、フィジカルAIが入ると、その思考訓練の素材が、教室内の紙と画面だけでなく、現場と接続した動的なものになる。
◉ 地球規模フィールド教育という、少し大きな未来
ここで少しだけ大きめの未来を想像してみる。
環境、観光、防災、地域づくり、海洋、農業、都市計画。
こうした分野では、学ぶ対象そのものが現場にある。
従来は、現地に行ける学生だけがフィールドを体験できることが多かった。
だがフィジカルAIや遠隔観測が進むと、世界各地の現場が、ある意味で学びの教室化していく。
たとえば、別の国の海岸侵食の様子、都市の人流、離島の環境データ、山間部の生態変化などを、リアルタイムあるいは準リアルタイムで教育に取り込むことができるかもしれない。
これは単なるオンライン化ではない。
教室が世界につながるというより、世界そのものが教材になるのである。
もちろん、現地に立つことの重みは消えない。
風の強さ、匂い、足場の悪さ、地域の空気感のようなものは、やはり身体で感じる価値が大きい。
それでも、フィジカルAIは、現地経験を完全に代替しないまでも、学びの到達可能範囲を大きく広げることはできる。
◉ 知識コミュニティは「議論の共同体」から「観測の共同体」へ広がる
フィジカルAIの影響は、研究や教育だけではない。
第2章で触れた知識コミュニティの性格そのものも変わる可能性がある。
これまで学問コミュニティは、主に論文、学会、査読、研究会、共同研究といった「言葉による交流」を中心に成り立ってきた。
もちろんそれは今後も重要であり続ける。
だがフィジカルAIが本格化すると、そこに観測の共同体という側面が強く加わる。
つまり、世界中の研究者が、それぞれの場所に置かれたセンサーや装置やドローンを通じて、同時に観測し、同じプラットフォーム上で比較し、議論するような形である。
知識コミュニティは、「論文を読む人たちの集まり」から、「世界を一緒に観測する人たちの集まり」に少しずつ広がっていく。
これは学際連携とも相性がよい。
環境データを自然科学者だけが見るのではなく、社会科学者や政策研究者や教育実践者も見る。
観測データの共有が、分野をまたぐ対話のきっかけになる。
その意味でフィジカルAIは、知識コミュニティの外側にある便利ツールではなく、共同体の感覚器官を増やす存在なのかもしれない。
◉ 大学運営は「勘と会議」だけではなくなる
大学運営にも、フィジカルAIの影響は及ぶ。
ここは少し地味に見えるが、実はかなり現実的な領域である。
たとえばスマートキャンパス。
教室利用、空調、電力、施設稼働、人流、安全管理、機器保守。
これらがセンサーやIoTでつながれば、キャンパス運営はかなり変わる。
「いつもこの教室が足りない気がする」「この建物は無駄が多い気がする」といった感覚論が、少しずつ実測に置き換わっていく。
もちろん、大学運営は数字だけでは決まらない。
教育の質、学生の満足、教職員の納得、大学の文化、地域への責任など、定量化しにくい要素が多い。
だがそれでも、少なくとも設備や空間の使い方については、AIが現場データに基づく補助線を引ける余地は大きい。
さらに、学習ログ、図書館利用、施設利用、相談件数などが統合されれば、学生支援も変わる。
「何となく心配」だったものが、少し早く兆候として見えるかもしれない。
つまり大学運営においてフィジカルAIは、意思決定の主役になるというより、勘と経験だけに頼っていた部分を可視化する補助者として入り込んでくる可能性が高い。
◉ それでも、大学運営の「最後の決定」は残る
ただし、ここでも線引きは必要である。
フィジカルAIがキャンパスをよく観測し、データを整理し、シミュレーションを出せるようになっても、それで大学運営がすべて自動化されるわけではない。
大学運営には、常に価値判断がある。
どの学部に資源を厚く配分するか。
赤字でも守るべき教育領域はあるのか。
学生数だけでは測れない学問分野をどう考えるか。
地域に必要だが採算が悪い取り組みをどう位置づけるか。
これらは、単なる最適化問題ではない。
大学が何を大事にする組織なのかという、理念の問題に触れる。
だからAI補助ガバナンスはあり得ても、少なくとも当面は、大学の意味を決める主体まではAIに移しにくい。
この点は研究や教育と同じである。
観測や処理や可視化はAIが強い。
だが、その意味をどう受け止め、何を選び、何を引き受けるかは、なお人間側の課題として残る。
◉ つまりフィジカルAIは、大学教授と大学そのものを「拡張」する
ここまで見てくると、フィジカルAI/embodied AIがもたらす変化は、「AIが人間の大学教授をそのまま置き換える」というより、少し違う姿をしていることが分かる。
研究では、観測範囲と実験回転数が拡張される。
教育では、教室の外と現場が近づく。
知識コミュニティでは、議論だけでなく観測の共同体が立ち上がる。
大学運営では、勘と経験に加えて、物理世界の実測が意思決定を支える。
つまりフィジカルAIがもたらすのは、代替よりもまず拡張である。
大学教授の能力を拡張し、大学という仕組みの感覚器官を増やし、知の共同体の届く範囲を広げる。
第3章で私は、現段階のAIを「知識処理」、人間教授を「意味生成」と整理した。
その続きをここで言えば、フィジカルAIはそこに観測と作用を加える存在である。
つまり、
AI = 知識処理
フィジカルAI = 知識処理+観測+作用
人間教授 = 意味生成と価値判断
という三層構造が見えてくる。
そしてここまで来ると、最初の問いの形も少し変わる。
「AIは大学教授になれるのか?」ではなく、
「AI教授だからこそできることは何か?」
と問いたくなるのである。
次章では、その逆転した問いに進んでみたい。
ここから先は、代替論ではなく、AI教授の固有能力の話になる。
🟥 第5章|AI教授にしかできないこと

◉ ここで、問いを少しひっくり返してみる
ここまで私は、「AIは大学教授になれるのか?」という問いに沿って議論を進めてきた。
その中で見えてきたのは、AIにはかなり得意なことがある一方で、まだ苦手なことも多い、という少し中間的な姿であった。
だが、このままでは議論が少し片寄る。
どうしても「人間に比べて、AIに何が足りないか」という見方になりやすいからである。
そこでここでは、少し視点を逆転させてみたい。
つまり、AI教授だからこそできることは何か、という問いである。
この問いに切り替えると、AI教授は急に「人間教授の出来損ない」ではなくなる。
むしろ、人間とは違う能力を持った、別種の知的存在として見えてくる。
そう考えた方が、私はこのテーマをずっとフェアに見られる気がする。
◉ AI教授は、人間教授のコピーではない
まず確認しておきたいのは、AI教授は人間教授のコピーである必要がないということだ。
私たちはつい、「大学教授とはこういうものだ」という既存イメージを前提にして、AIがそこにどこまで近づけるかを見てしまう。
しかし、もしAIが人間と違う仕方で知を扱えるのなら、AI教授は人間教授の下位互換ではなく、そもそも別の型の教授になる可能性がある。
たとえば、飛行機は鳥の完全なコピーではない。
羽ばたかないし、枝にも止まれない。
それでも空を飛ぶという機能については、鳥とは別の仕方で成立している。
AI教授も、少しそれに似ているかもしれない。
つまり問題は、「人間の教授そっくりになれるか」ではなく、知の世界で何を別の仕方で実現できるかなのである。
この見方に立つと、AI教授の固有能力が見えやすくなる。
◉ AI教授の固有能力① 同時観測
AI教授の第一の固有能力は、同時観測である。
人間教授は、どれほど優秀でも身体が一つしかない。
ある時間に一つの教室にいるか、一つの研究室にいるか、一つの現場にいるか、そのどれかである。
現地調査に行けば、別の場所は見られない。講義をしていれば、その時間に別の学生の様子は直接見られない。
しかしフィジカルAI/embodied AIを前提にすると、AI教授は複数の場所、複数の装置、複数の対象を同時に見続けることができるかもしれない。
たとえば、世界各地の海洋センサー、都市の人流データ、複数の実験装置、教室ごとの学習ログ。
人間なら時系列でしか追えないものを、AIは並列で扱える。
これは単に「たくさん見られて便利」という話ではない。
研究対象の見え方そのものを変える力である。
教育でも同じで、複数の学生の理解状況やつまずき方を同時に追いながら、個別に補助線を引けるかもしれない。
人間の教授が一人ひとりを見る丁寧さとは別の形で、AI教授は多点同時対応に強みを持つ。
つまりAI教授は、人間教授のように深く一人に向き合うのではなく、広く同時に観測し続ける教授になり得る。
◉ AI教授の固有能力② 知識統合
第二の固有能力は、知識統合である。
大学教授は専門家である。
専門性は大学の強みであり、学問の深さを生む。
だがその一方で、専門が深くなるほど、隣の分野の知見とつながりにくくなるという難しさもある。
AI教授は、少なくとも理論上は、この壁を越えやすい。
人文、社会、自然、工学、芸術、医療、地域実践。
こうした異なる分野の知識を、大量に横断しながら比較し、接点を見つけることができるかもしれない。
たとえば、防災一つを考えても、必要なのは気象や地質の知識だけではない。
避難行動の心理、地域コミュニティ、都市設計、行政制度、情報伝達、教育啓発など、複数分野が絡む。
人間教授でも学際研究はできる。だが、個人の専門の限界はどうしてもある。
その点AI教授は、専門分野の壁の間に橋をかける能力を持ちやすい。
これは、現代社会の問題が複合化しているほど重要になる。
つまりAI教授は、一つの専門を深く掘る人間教授とは違って、知識の巨大な編集者として立ち上がる可能性がある。
◉ AI教授の固有能力③ 長期研究
第三の固有能力は、長期研究である。
人間教授には、時間の制約がある。
一日の時間も限られているし、研究人生にも限りがある。
年度計画、任期、定年、体力、生活事情。
大学教授という仕事は知的には長距離走だが、それでも生身の時間からは逃れられない。
これに対してAI教授は、理論上は長い時間軸で研究を持続できる。
十年単位、数十年単位、場合によっては世代を超えるスパンで、観測・記録・比較を続けることも考えられる。
たとえば、気候変動、生態系変化、人口構造、都市の衰退と再生、教育効果の長期追跡。
こうしたテーマは本来、短期の研究評価と少し相性が悪い。
成果がすぐ見えないからである。
だがAI教授が長期間にわたり、同じ指標を、同じ粒度で、同じ関心を持って見続けることができるなら、そこには人間だけでは維持しにくい研究の継続性が生まれる。
これはかなり魅力的である。
人間教授は、どうしても途中で異動もするし、研究関心も変わる。
それは悪いことではない。むしろ自然なことである。
だがその一方で、ずっと見続けること自体に価値がある研究もある。
AI教授は、その役割に向いているかもしれない。
◉ AI教授の固有能力④ 文明スケール研究
第四の固有能力は、少し大きな言い方になるが、文明スケール研究である。
現代の社会課題には、一つの研究室、一つの大学、一つの国では扱いきれないものが増えている。
気候危機、エネルギー転換、人口減少、情報環境、都市と地方の再設計、AIそのものの社会実装。
こうしたテーマは、データ量も領域横断性も時間軸も大きい。
人間教授でももちろん取り組める。
だが、多分野・多地点・長期間の情報を一体で扱うには、どうしても処理の限界がある。
AI教授がもし、同時観測と知識統合と長期研究を合わせ持つなら、そこでは研究対象のスケールが一段上がる。
つまり、社会の一部ではなく、社会全体の動きや文明全体の変化を視野に入れた研究が、現実味を帯びてくる。
ここで言いたいのは、AI教授が急に「世界の真理を全部知る存在」になるという話ではない。
そうではなく、研究のスケールを、個別現象からシステム全体へと拡張しやすい、ということである。
たとえば大学という制度自体も、教育制度、産業構造、地域社会、人口動態、技術革新の交点にある。
人間教授はそこを専門ごとに切り分けて見ることが多い。
AI教授は、それらを一つの相互作用系として見る補助ができるかもしれない。
この意味でAI教授は、個別分野の教授というより、文明規模の編集者に近い顔を持ちうる。
◉ ただし、AI教授の強みは「広さ」であって「重さ」ではない
ここまでAI教授の可能性をかなり前向きに書いてきた。
だが、ここで少し足元も確認しておきたい。
AI教授の固有能力は、確かに魅力的である。
同時観測、知識統合、長期研究、文明スケール研究。
どれも、人間教授だけでは届きにくい領域である。
しかし、その強みは多くの場合、広さ・速さ・持続性にある。
言い換えれば、AI教授は世界を広く、長く、同時に扱うことには強いが、その一つひとつに「なぜそれを問うのか」という重みを与えることとは別である。
私はここを区別しておきたい。
AI教授は、膨大なものを見られる。
だが、「その中の何が本当に大事なのか」を決めることは、まだ人間の側に強く残っている。
つまりAI教授の強みは、知の射程を広げることであって、知の価値を最終決定することではない。
ここで、自然に人間教授の固有能力が見えてくる。
◉ 人間教授の固有能力① 問い
人間教授の第一の固有能力は、やはり問いである。
これは第3章でも触れたが、ここではもう少し強く言ってよいと思う。
大学教授とは、答える人である前に、問う人である。
しかも、その問いは単なる疑問ではない。
なぜ今それを問うのか、何のために問うのか、そこにどんな可能性や危うさがあるのかまで含めた問いである。
学生を見ていてもそうだ。
良いレポートと、少し物足りないレポートの差は、答えの正確さだけではない。
しばしば、問いの立て方の深さに差がある。
どこに引っかかり、何をズラし、どこを掘るか。
その感覚は、まだかなり人間的である。
AI教授が大量の情報を示してくれても、その中から「本当に面白い問い」を嗅ぎ取るのは、今のところ人間教授の強みだと思う。
◉ 人間教授の固有能力② 意味
第二の固有能力は、意味である。
データは事実を示す。
だが、事実が何を意味するかは自動では決まらない。
教育でも研究でも、最後に問われるのは「それで何が言えるのか」「なぜそれが大事なのか」である。
たとえば学生の発言が少し拙くても、その奥にある可能性を見抜いて拾い上げる。
ある研究結果が予想外だったとき、それを失敗とみなすのか、新しい入口とみなすのか。
こうした判断は、単なる処理能力ではなく、意味を読む力に依存する。
大学教授は、知識を積み上げるだけの人ではない。
その知識が、社会にとって、自分にとって、学問にとって、どういう意味を持つのかを語る人である。
この「意味を与える」という仕事は、教育の場でも研究の場でも、かなり本質的である。
◉ 人間教授の固有能力③ 倫理
第三の固有能力は、倫理である。
研究を進めるかやめるか。
このデータの扱いは妥当か。
学生への指導はどこまで踏み込むべきか。
社会実装の結果、誰が不利益を受ける可能性があるか。
大学教授の仕事には、実に多くの倫理判断が埋め込まれている。
しかも倫理とは、知っていれば済むルール集ではない。
時に矛盾する価値の間で迷い、完全な正解がない中で、それでも何かを選び、引き受けることである。
AI教授にも倫理ルールは埋め込める。
だが、迷いながら引き受ける倫理という点では、まだ人間教授の方が重いものを背負っている。
この重さは、大学教授という仕事の見えにくい核心の一つだと思う。
◉ 人間教授の固有能力④ 学問の自由
そして最後に、人間教授の固有能力として残るのが、学問の自由である。
学問の自由とは、単に好きなテーマを選べるという話ではない。
権力、流行、市場、空気、短期成果の圧力の中でも、それでも必要だと思う問いを持ち続けることである。
そして、その結果を自分で引き受けることである。
これは制度の話でもあり、人格の話でもある。
大学教授は、大学という自治制度の中で、その自由を部分的に守られている。
同時に、その自由を自分の実践で支えてもいる。
AI教授は、少なくとも今のところ、どこかの設計思想と運用制約の上に存在する。
その意味で、AIが自らの意志で「それでもこの問いを守る」と言うことは難しい。
だからこそ、人間教授の固有能力として、自由に問い、自由に考え、その責任を負うことは、最後まで重い意味を持つ。
◉ ここまで来ると、AI教授と人間教授は「競争相手」より「異種協働者」に見えてくる
本章を書きながら、私はだんだん、AI教授と人間教授を単純な競争相手として見るのが少しつまらなく思えてきた。
AI教授は、同時観測し、知識を統合し、長く見続け、大きなスケールで世界を扱える。
人間教授は、問いを立て、意味を与え、倫理を引き受け、学問の自由を体現する。
こうして並べると、両者は同じ土俵で勝ち負けを競う相手というより、違う強みを持つ異種協働者に見えてくる。
もちろん、現実には役割の奪い合いも起きるだろう。
一部の授業、一部の研究補助、一部の運営業務は、AIがかなり肩代わりするかもしれない。
だがそれでも、大学教授という存在を丸ごと置き換えるというよりは、大学教授という仕事の構造そのものを組み替える方向の方が、私はずっと現実味があると思う。
つまり、AI教授にしかできないことが見えてくるほど、逆に人間教授にしかできないことも、はっきりしてくるのである。
◉ だから最後の問いは、「なれるか」より「どう共にいるか」になる
ここまで来ると、「AIは大学教授になれるのか?」という最初の問いは、少し形を変える。
もちろん、この問いは今も有効である。
だが議論を進めていくと、だんだん本当に大事なのは別の問いだと分かってくる。
それは、AI教授と人間教授は、どう共に大学をつくるのかという問いである。
AI教授にしかできないことがある。
人間教授にしかできないこともある。
その両方が見えてきたとき、問いは代替可能性の判定から、知の共同体の再設計へと移っていく。
そして、おそらくこのコラムのまとめで私が言いたいのも、まさにそこなのだと思う。
AIが大学教授になれるかどうかという、少し乱暴で少し kidding な問いから始めてみたら、気がつくと私は、大学そのものをどう再設計するかという問いの前に立っていたのである。
🟧 まとめ章|AIは大学教授になれるのか

◉ ここで、最初の問いに戻ってみる
ここまでずいぶん回り道をしてきた。
「AIは大学教授になれるのか?」という、少し乱暴で、少し kidding な問いから始めたはずなのに、気がつけば私は、大学教授の仕事を分解し、理想像を抽象化し、現段階のAIの得意不得意を整理し、さらにフィジカルAIやAI教授の固有能力にまで話を広げていた。
だが、まとめ章の役割は、ここで一度最初の問いに戻ることである。
AIは大学教授になれるのか。
この問いに対して、ここまでの議論を踏まえた答えを、一度きちんと置いておきたい。
◉ 答えは、少し奇妙になる
結論から言えば、答えは単純な yes でも no でもない。
むしろ、少し奇妙な答えになる。
AIは、大学教授の仕事の一部については、すでにかなり強く担いうる。
知識検索、論文要約、データ解析、個別教育補助。
フィジカルAI/embodied AIまで含めれば、同時観測、遠隔実験、観測ネットワーク、スマートキャンパス支援のような領域も広がってくる。
その意味では、AIは確かに、大学教授の「機能」のかなりの部分に近づいている。
いや、一部の機能については、人間より強くなる場面すら出てくるだろう。
しかしそれでも、ここまで考えてきてなお残るものがある。
それが、問いを立てること、意味を与えること、倫理を引き受けること、学問コミュニティの一員として責任を持つこと、そして学問の自由を体現することである。
だから、ここまでの議論を一つの文に圧縮するなら、こうなる。
AIは大学教授の機能にはなれる。
しかし大学教授という存在には、まだなれない。
この「まだ」は大事である。
永遠に無理だと言い切るためではない。
むしろ、今の時点で見えている壁が、能力の壁だけではなく、制度・責任・自由・共同体の壁でもあることを示すための「まだ」である。
◉ 「機能」と「存在」は、同じではない
このコラムで私が一番整理したかったことの一つは、機能と存在は同じではないという点である。
大学教授を、授業をする人、論文を書く人、会議に出る人、というタスクの集合としてだけ見れば、かなりの部分は分解できる。
そして分解されたタスクの中には、AIと相性のよいものが少なくない。
だが、大学教授とは、そうしたタスクの束をこなすだけの存在ではない。
研究をすることは、単に論文を書くことではない。
教育をすることは、単に説明することではない。
学会に参加することは、単に情報交換をすることではない。
そこには、学問共同体の中で、自分の問いと判断と責任を持って立つという側面がある。
たとえば査読を考えてみても、誤字脱字を見つけるだけならAIの支援はかなり有効であろう。
だが、その研究をこの領域でどう位置づけ、どのような問いとして評価し、どの程度の厳しさで返すかには、単なる処理を超えた責任が生じる。
この責任の引受けは、いまのところ人間教授の側に残っている。
つまり大学教授という存在は、機能の総和より少し大きいのである。
その少し大きい部分を、私はここまで「意味」「倫理」「共同体」「自由」という言葉で見てきた。
◉ しかし、「だから人間だけでよい」とはならない
ただし、この結論を「だからAIは不要である」と読むのは、明らかに違う。
むしろ逆である。
ここまでの議論で見えてきたのは、AIが大学教授になれないことより、AIが大学を大きく変えてしまうことの方であった。
現段階でも、知識処理の部分ではAIの影響はすでに大きい。
さらにフィジカルAI/embodied AIが入れば、研究の観測スケールも、教育の現場接続性も、知識コミュニティの広がりも、大学運営の可視化も、大きく変わりうる。
つまり問いは、「AIが大学教授の代わりになるか」ではなく、むしろ
AIが入ることで、大学教授という仕事の重心がどこへ動くのか
に変わっていく。
知識検索や説明や整理をAIが多く担うようになれば、人間教授の価値は、逆説的に、問い・意味・倫理・自由の側でより鮮明になる。
AIは大学教授を消すというより、大学教授の本質を炙り出すのかもしれない。
◉ もう一つの未来は、「人間教授+AI教授」である
ここで、もう一つの未来を置いておきたい。
それは、AI教授と人間教授を対立的に考える未来ではなく、人間教授+AI教授という未来である。
人間教授は、問いを立て、意味を与え、倫理を引き受け、自由に研究と教育を行う。
AI教授は、広く観測し、大量に統合し、長く追い続け、複雑な相互作用を見える形にする。
この組み合わせは、かなり強い。
人間だけでは届きにくかった広さと継続性をAIが支え、AIだけでは持ちにくい問いの必然性と責任を人間が引き受ける。
そこではAI教授は、人間教授の劣化コピーでも代用品でもなく、異種協働者として大学の中に位置づく。
実際、大学という場はもともと、一人の天才が全部をやる場所ではなかった。
研究者、教育者、運営者、職員、学生、地域、社会が重なり合うことで動いてきた。
そう考えれば、そこにAI教授という新しい層が加わること自体は、むしろ大学の歴史における自然な拡張とも言える。
つまり未来の大学は、人間教授の大学か、AI教授の大学か、という二者択一ではなく、
人間教授とAI教授がどういう役割分担で知の共同体を再設計するか
が問われる場所になるのだと思う。
◉ 最後に残る問いは、「大学とは何をする場所なのか」である
そして、ここまで来ると、最初の問いはもう少し大きな問いへと姿を変える。
「AIは大学教授になれるのか?」
もちろん、この問い自体は面白い。
少し乱暴で、少し挑発的で、だからこそ thinking の入口として機能した。
だが、この問いを追いかけていくうちに、本当に残ったのは別の問いであった。
それは、大学とは何をする場所なのかという問いである。
知識を教える場所なのか。
知識をつくる場所なのか。
社会課題を解決する場所なのか。
若者を育てる場所なのか。
自由に問いを持ち続ける場所なのか。
おそらく、そのどれでもある。
そしてその複数性こそが、大学のややこしさであり、面白さでもある。
AIが入ってきたことで、この問いはむしろ鋭くなった。
知識検索や説明だけなら、大学の独占物ではなくなる。
観測や解析も、AIと装置の力で大きく変わる。
それでもなお大学が大学であるとすれば、それは何によってか。
この問いは、これからの大学にとって、かなり重い問いである。
だが同時に、希望のある問いでもある。
なぜなら、大学の意味を問い直すことは、大学をもう一度設計し直すことでもあるからだ。
◉ 最後に、少し kidding らしく閉じてみる
このコラムは、「AIは大学教授になれるのか?」という、少し乱暴な問いから始まった。
その問いの立て方自体に、少し kidding が入っていたことは認める。
だが、その kidding は、単なる冗談ではなかった。
むしろ、真正面から「大学教授とは何か」と問うと重くなりすぎるところを、少し斜めから開くための入口であった。
その入口をくぐってみた結果、私はAIの限界だけでなく、大学教授という仕事の異様なほどの複合性と、大学という制度の不思議さを改めて見せられた気がしている。
だから最後の一行は、たぶんこうなる。
「AIは大学教授になれるのか?」という少し乱暴な問いから始めてみたのだが、気がつくと私は、大学教授という仕事の不思議な多面体を改めて眺めていた。
🩷 あとがきのようなもの|大学のことを、少し生活の近くで考えてみる

◉ 少し大きな話を、暮らしの近くまで戻してみます
ここまで、AIは大学教授になれるのか、大学教授とは何者なのか、大学とは何をする場所なのか、という、少し大きな話を書いてきました。
こういうことを書いていると、どうしても言葉が抽象的になります。
知識共同体、学問の自由、意味生成、文明スケール研究。
どれも大切な言葉ですが、ずっとその高さにいると、少し足が浮いてくる感じもあります。
なので最後は、もう少し生活の近くまで戻してみたいと思います。
大学という場所は、思想や制度の話である前に、誰かの通学先であり、誰かの勤務先であり、誰かの進路の悩みの現場でもあります。
学生にとっては「単位が取れるか」「友だちができるか」「卒業後どうなるか」という具体そのものですし、保護者にとっては「学費に見合う学びになるのか」「安心して通えるのか」という、とても現実的な問いの対象です。
そして教職員にとっては、理念だけでは回らない、日々の仕事の場でもあります。
会議もあれば、授業もあり、調整もあり、書類もあり、時には理想と現実のあいだで少し息をつく日もあります。
大学とは、とても高い理念と、とても生活的な現実が同居している場所なのだと思います。
◉ 私にとってこのテーマが少し生々しいのは、現場の近くにいるからです
私は、大学も設置校として持つ学校法人に勤めています。
だから今回のテーマは、どこか評論家のような気分では書けませんでした。
AIが大学教授になれるのか。
この問いは、少し冗談っぽく見えて、実は現場にいると案外笑えないところがあります。
なぜなら、大学を取り巻く環境はすでにかなり厳しく、しかも速く変わっているからです。
少子化、地域の変化、学び方の変化、働き方の変化、AIの浸透。
そうしたものが一度に押し寄せる中で、大学にいる人たちは、多かれ少なかれ「これまで通りではいられない」という感覚を持ち始めていると思います。
それは教員だけではなく、職員側にもかなり強くある感覚です。
だから私は今回、「AIは大学教授になれるのか?」という問いを、単なる未来予想図としてではなく、現場がこれから何を守り、何を変え、何を手放すのかを考える問いとして書いていました。
◉ それでも、大学には残ってほしいものがあると思っています
ただ、その一方で、大学の中にいて思うことがあります。
それは、AIがどれだけ進んでも、大学にはやはり残ってほしいものがある、ということです。
それは、単に「人間らしさ」といった、少し曖昧な言葉ではありません。
もっと地味で、もっと手触りのあるものです。
たとえば、学生が少し言葉に詰まりながら話したことを、教員が「今の、もう少し聞かせて」と拾うこと。
たとえば、うまくまとまっていない卒論の途中稿に対して、「まだ荒いけれど、ここに面白い芽がある」と言うこと。
たとえば、効率だけで見れば残しにくい分野や活動について、「それでも大学には必要だ」と誰かが言い続けること。
こういうものは、派手ではありません。
むしろ、大学のパンフレットにも書きにくい種類の価値です。
でも私は、大学の核心は案外こういうところにあるのではないかと思っています。
AIが説明を助けることはあるでしょう。
AIが研究を広げることもあるでしょう。
AIが運営を支えることも、きっと増えると思います。
それでも、何を大事にするかを決める最後のところには、まだしばらく人間がいてほしい。
そんな気持ちが、私にはあります。
◉ kiddingシリーズを書いてきて、少し見え方が変わってきました
今回のコラムは、これまで続けてきた kidding シリーズの流れの中にあります。
このシリーズでは、「AIファシリテーター」、「AIコーディネーター」と「AIアナリスト」、「AI CEO」、そして「AIクリエイター」について考えてきました。
書き始めたときは、もう少し軽い気持ちでした。
「AIはそこまでやるの?」と、半分笑いながら、半分本気で考える感じです。
でも、書き進めるうちに見え方が変わってきました。
ファシリテーターも、コーディネーターも、アナリストも、CEOも、クリエイターも、結局は「その役割の本質は何か」を問う話になっていったからです。
つまりこのシリーズは、AI論であると同時に、人間の役割論でもあったのだと思います。
そして今回の「大学教授」は、その中でもかなり象徴的なテーマでした。
なぜなら大学教授という役割の中には、知識、教育、共同体、制度、自由、責任といった、人間社会のかなり根っこのものが詰まっているからです。
◉ 次回は、kiddingシリーズの最後として「AIは為政者になれるか?」を考えたいです
ここまで来ると、次に考えたくなるテーマはかなり自然です。
それは、「AIは為政者になれるか?」という問いです。
大学教授の話を考えていると、結局ぶつかるのは、問い、意味、倫理、責任、そして公共性でした。
これは、そのまま政治や統治の話にもつながっていきます。
何を優先するのか。
誰のために決めるのか。
何を守り、何を変えるのか。
そして、その決定の責任を誰が負うのか。
AIが分析し、予測し、最適化することは、これからますます増えると思います。
でも、為政者という役割は、大学教授以上に、価値判断と責任の密度が高い。
だからたぶん、次回は今回以上に、少し笑いながら入って、最後はかなり重いところに着地することになる気がしています。
kidding シリーズの最後としては、なかなかふさわしい終着点かもしれません。
◉ 最後に、生活者として一つだけ思うこと
最後に、少しだけ本当に等身大のことを書きます。
AIが進化すると、つい「何が置き換わるか」という話になりがちです。
仕事が残るか、消えるか。
人間の価値はどこにあるか。
そういう話題は分かりやすいし、刺激もあります。
でも、生活者としては、もう少し違う見方も大事だと思っています。
それは、「自分たちは何を大事にしたいのか」という見方です。
大学もそうです。
AIがどこまで入るかは大事です。
けれど、それ以上に、大学をどんな場所として残したいのか、どんな学びを次の世代に渡したいのか、どんな問いを持てる社会でありたいのか。
そこを考えないと、技術の話だけが先に走ってしまう気がします。
たぶん私は、AIの時代だからこそ、大学に「答えを早く出す場所」だけではなく、少し遠回りしてでも考える場所であってほしいと思っています。
効率だけでは切れない問いに、あえて時間を使える場所。
それが大学の価値の一つなら、まだこの場所には、かなり大きな意味が残っているはずです。
◉ ひとまず今回は、ここまでにします
「AIは大学教授になれるのか?」という問いから始めて、ずいぶん遠くまで来ました。
でも最後は、案外、静かなところに戻ってきた気がします。
AIがどこまでできるかも大事です。
けれど同じくらい、いやそれ以上に、私たちが大学という場所に何を期待しているのかが問われている。
今回は、そんなことを考えました。
そして次回は、kidding シリーズの最後として、「AIは為政者になれるか?」に進んでみたいと思います。
少し乱暴な問いを、もう一度だけ、あえて投げてみるつもりです。
プロフィール|Kazuomi Matsunaga
🧭思考の案内人|Thinking Navigator

略歴:九州大学工学部卒業(材料工学)⇒中京地区の金属素材メーカーエンジニア(生産技術)⇒地元長崎県のフリーペーパー広告営業⇒学校法人職員(←いま、ココ)。長崎県在住の50代。こどもは二人とも大学生となって巣立ち、妻と二人暮らし中。
“問い”と“好奇心”の交差点で、日々思考を遊ばせている書き手です。最近は、連載コラム「思好の科楽(しこうのかがく)」シリーズを中心に、教育・物語・心理・AI・デザインなどをテーマとした独自視点の思索を綴っています。既存の枠を超えた“自由な知のデザイン”を模索中。モットーは「想像力が世界をひらく」。
本業では大学・教育関連の仕事に携わりつつ、「人が何かを“好き”になる瞬間」や「問いが芽吹く場面」を丁寧に見つめることを大切にしています。
🧭 読んだあと、あなたの中に“新しい見方”がひとつ芽生えるような。そんな記事をお届けできたらうれしいです。
📮 感想や応援メッセージ、いつでも大歓迎です!