公開日: 2026年01月27日 / 更新日: 2026年01月27日

コラム

生成AIを理解したくて、ChatGPTに家庭教師を頼んだ話

最近、とてももどかしいことがある。
生成AIの中身がブラックボックスすぎることだ。

理解しようと思っていろいろ読んでみるものの、技術的なところは結局専門的すぎてよくわからない。
「生成AIというのはどうやら、めちゃくちゃ性能がいい入力補完マシンで、それをさらに応用して会話したり、推論っぽいことができるようにしたものだ……」程度の理解からなかなか前に進めない。

専門的なことを一歩踏み込んで理解しようと思っても、そこには高度な数学の壁があって全然乗り越えられない。

もちろん、そうした技術的詳細を理解しなくても生成AIを使いこなすことはできるだろう。ただ、私は生成AIのポテンシャルについて誤った期待を持ったまま業務に導入したくないという強い気持ちを持っている。

生成AIの特性を十分に理解していないと、本来任せるべきでないタスクを生成AIに任せてしまって痛い目を見ることになりかねない。実際、過去一年で小規模ながらそういった局面に何回か遭遇していて、生成AIの使い方の見極めの精度を上げていく必要を痛感している。

この部分の解像度を上げていくのに必要なのは、まずはたくさん使ってみる、たくさん失敗する、ということに尽きると思っている。
肌感覚で生成AIの癖を覚えることだ。失敗の影響が少ないタスクでたくさん使ってみることで

「この場面では生成AIの結果には留保をつけたほうがいい」
「この場面ではむしろ積極的に使ったほうがいい」

という判断が見えてくる。これは言葉を覚えることに似ている。つまり量がものをいう。

一方で、ある程度ユースケースに関わる責任や影響が大きくなる局面では、「なぜ」の部分をしっかり押さえておくことも重要だ。

「どうしてこの場面で生成AIは信頼できないのか？」
「どうしてこの場面では生成AIは使えるのか？」

こうしたことに自信を持って答えられるようになりたい。

生成AIを理解したくて、ChatGPTに「家庭教師」を頼んだ

去年の年末に、こうした悩みをChatGPTに打ち明けて、どうすればいいかの戦略を一緒に練っていた。そのとき、ふと思いついたことがある。

ChatGPTに教えてもらえばいいんじゃないか。

ということで私はそのまま、ChatGPTに生成AIと、その基盤になっている機械学習について学習するためのカリキュラムを作ってもらった。

設計自体はものすごくシンプルだ。

・新しく専用GPTsを作る

・カリキュラムをマークダウン形式で保存し、「知識」にアップロードする

・ベースプロンプトに、進め方の基本方針を書く

プロンプト部分に記述する進め方の基本方針もChatGPTに作ってもらったので、こちらの労力はほとんどかかっていない。

数学は得意なほうなので、必要に応じて数学にも踏み込むアプローチをとってもらった。ただ、細かい計算や証明は飛ばして、コンセプトをしっかり理解できるように設計してもらった。

進捗保存ができないので、学習レポートで状態を引き継ぐ

ChatGPTのGPTsには「学習進捗を保存する機能」みたいな機能がない。つまり、前回どこまで理解して、どこで詰まって、次に何をするべきか、という状態がそのままだと引き継げない。

そこで、次のような運用で進捗を管理することにした。

・その日の学習の終わりに、詳細な学習レポートを作成してもらい、PCに保存する

・次回再開時は、その学習レポートをコピペ（もしくはアップロード）して始める

これで、かなりスムーズに続きを開始できるようになった。

この仕組みをベースに、少しずつ学習していきながら、細かいところは後から調整していく、という進め方にしている。

わからないところはいくらでも脱線して深掘りできるのが何よりうれしい。

「自分にぴったりの家庭教師」の設計

ChatGPTの面白いところは、単に「知識を引き出す道具」ではなく、どう振る舞う存在であってほしいかを設計できる点だ。

そこで、自分が今回の家庭教師の求める条件を指定した。

・いきなり数式から始めない

・仕組みから一緒に考えてくれる

・具体例をあげて説明してくれる

「分からない」を否定せず、なぜ分からないのかを一緒に言語化してくれる存在だ。

そのためには、「どう教えてほしいか」をこちらが明確にする必要があった。

そこで私は、仕組みを先に理解し、数学は「必要になった瞬間」にだけ使う、という方針を取ってもらうことにした。

多くの機械学習の教科書だと、

・線形代数

・微分

・確率

といった基盤となる数学をまずはきちんとやらないといけない。
でもこの順番だと、「何のためにそれを勉強しているのか」が分からなくなって迷子になる。

だから理解を優先したカリキュラムにしてもらった。

1．まず「何をしようとしているのか」を言葉で理解する

2．「それを表すには何が必要か？」を考える

3．そこで初めて、必要最小限の数学を導入する

例えば、

・なぜ学習は最適化として書けるのか

・なぜ多くのモデルは重み付き和なのか

・なぜ分類で確率を出すのか

こうした問いに答えようとすると、線形代数や微分、確率が後から必然として登場する。

数学を避けるのではなく、意味を持たせて使うという感覚だ。

さらに一段効いたのが「学習者プロフィール」だった

こうやって家庭教師専用の設定をしたGPTsで学習を始めてみると、いろいろと細かいことが気になるようになる。

例えば、いきなり詳細な数式が出てきて訳がわからなくなる、とか。あるいは具体例が抽象的すぎてわかりにくい。もっと踏み込んで、数字を使った具体例のほうがわかりやすい、とか。

しかもこれは、ChatGPTの教え方に根本的な問題があるというより、相性の問題だ。人それぞれ考え方の特性や癖がある。

私の場合、数学的概念を抽象的に把握するのは得意なほうだ。
でも暗算はすごく苦手で、細かい数式を覚えるのも苦手だ。

しばらくやりとりした後に、私はこうお願いすることにした。

「これまでのやりとりを元に、私のプロフィールを作成してください」

そうすると、学習者としての詳細なプロフィールを作成してくれた。実際はもっと細くて長いが、ざっくりまとめるとこんな感じだ。

・学習スタイルの特徴

　・仕組み優先型（定義や公式よりも「何が起きているか」を先に理解したい）

　・理由が分からない数学やアルゴリズムには抵抗がある

　・数式は「仕組みを圧縮した表現」だと捉えている

・思考の強み

　・抽象化が得意で、最適化・情報の流れ・局所と全体として捉える傾向がある

　・本質を一言でまとめたがる（「要するに◯◯ですよね？」）

　・腹落ちすると長く定着する

・注意点・弱点

　・長い数式変形や、頭の中だけで追う計算は負荷が高い

　・「分かった気」になりやすく、検証を飛ばしがち

かなり自分の特性を言い当ててくれている。

これもマークダウン形式で保存して、GPTsの「知識」に添付した。

ベースプロンプトには

「知識に学習者プロフィールを添付した。これを考慮して進めてほしい」

と指示。

こうやって学習を再開したら、説明がものすごく理解しやすくなった。

自分の考え方の癖を考慮した上で説明を選んでくれているからだ。特に具体例の出し方が格段にわかりやすくなった。

ひとことでいうと「めっちゃ楽しい」

このGPTsを使って学習してみたら、半日くらいどっぷりとChatGPT漬けになってしまった。

わからないところはいくらでも質問できるのが本当にありがたい。

人間が相手じゃないから、恥ずかしがらずにいくらでも「わかりません」と言える。

こちらの理解度に応じた説明をしてくれる。
そうすると理解できていなかったもののも少しずつ理解できるようになるのでモチベーションがあがる。

さらに便利なのは、テストの作成もしてくれる点。

学習の区切りがいいところで

これまでの理解を試したいです。
記述式で問題をください。

などとお願いすると、復習テストを出してくれる。

記述式だと分かってるつもりだったものが、意外と分かっていなかったりする。

感想をひとことだけで表現するとしたら

めっちゃ楽しい

だ。

もちろんちゃんと理解できるまでにはかなり時間がかかると思う。
それだけに、こうして楽しみながらコツコツと進められる学習法が見つかったのはかなりありがたい。

まとめ：情報は増えたが、理解には時間がかかる

生成AIの時代に、情報はいくらでも手に入るようになった。情報は本当に瞬時に入手可能だ。

でも理解は、なかなかそのスピードに追いつかない。

生成AIを使えばプログラミングのスピードは圧倒的だ。
その分、理解していないコードを大量生成してしまう危険と隣り合わせになる。そうなるとメンテナンスできないコードの山になってしまい、業務効率化できたはずが逆効果になる。

プログラミングに限らず、これに似た現象は生成AIの活用が進むにつれて増えていくのではないか、と感じている。

結局、重たい判断になればなるほど、理解の深さが求められる時代になっていくのではないか。

意思決定に生成AIが関与することが確実に増えていくことを考えると、それに伴って自分の理解もどんどん深めていく必要がある。
もどかしいのは、深い理解には時間がかかるということだ。深い理解は深い思考に裏打ちされていなければならない。

しかも「狭く深く」ではなく「広く深く」が求められている気がしてならない。

人生、便利になればなるほど、ハードモードになっている気がする・・・。

書いた人：酒井 志郎

ITエンジニア。C++, VB, C#などを使ったプログラミングをシステム開発会社で10年間以上経験した後、
ロケットスタートに転職。kintoneのカスタマイズはじめロケスタのIT部分に幅広く携わる。

酒井個人Ｘアカウント

一覧へ戻る