--- title: "知らないライブラリをAIと学んで腕を落とさない：4週間の計画" url: https://www.thinnd.site/ja/ayumi/ai-to-manabu-skill-wo-nokosu/ language: ja author: "Nhu Duy Thin (Thinnd)" published: 2026-10-30 updated: 2026-10-30 section: "歩み" tags: ["AIと学ぶ", "プログラミング学習", "スキル", "学習計画", "開発者スキル"] summary: "AIに任せきりにしなければ、AIと学びながら腕を残せます。Anthropicの実験では、Trioというライブラリを学んだ52人の開発者のうち、AIを使った班の点数は約50%、自力の班は約67%でした。ただし、質問して説明を受ける3つの使い方では学びが保たれました。提案するルールは、先に予想する、説明を頼む、記憶から書き直す、AIオフの回を残す、の4つです。" license: "Cite with the author name and the canonical URL above." --- # 知らないライブラリをAIと学んで腕を落とさない：4週間の計画 > 新しいライブラリや言語を学んでいる人、とくに学生や新人向けです。研究や統計の知識は不要で、専門用語には短い説明をつけています。 > > このテーマの根拠は**まだ少なく、新しい**もので、ほとんどが小規模で短期間の研究です。4週間の計画は**私の提案であり、まだ誰も検証していません**。自分自身で行う実験として扱ってください。 --- ## 先にまとめ - **AIを使うかどうかより、どう使うかが大事かもしれません。** Anthropicの小さな実験では、AIに任せきりにした班は理解が低く、質問して理解するために使った班は点数を保ちました。 - **速いことが、学びが多いことだとは限りません。** AI班が速かったのは数分だけで、その差は結論を出せるほどではありませんでした。 - **感覚は測定ではありません。** 別の研究（METR）では、AIを使った人は19%長くかかったのに、速くなったと思っていました。 - **4週間の計画：** AIオンの回、AIオフの回、毎週金曜の10点満点の自己テスト。 - **4つのルール：** 聞く前に予想する、コードだけでなく説明も頼む、記憶から書き直す、AIオフの回を残す。 - **AIに先にやらせてもよい場面もあります。** どんなときかは記事の中で示します。 --- ## むずかしい言葉をやさしく | 用語 | やさしい意味 | |---|---| | **ライブラリ** | 呼び出して使える既製のコード。道具箱のようなもの。 | | **実行前に予想する** | コードを動かしたり、AIに聞いたりする前に、結果の予想を書くこと。 | | **見ずに思い出す（検索練習）** | 学んだことを、資料を開かずに書いたり話したりすること。 | | **任せきり（デリゲーション）** | AIにまるごと書かせ、読み返さず試さずに貼り付けること。 | | **AIオフの回** | AIアシスタントを切り、公式ドキュメントだけで学ぶ時間。 | | **自己テスト** | 資料を見ずに行う短いテスト。自分が何を覚えていて何ができるかを知る。 | | **対照群** | 試す対象を使わないグループ。比べるために置く。 | --- ## 1. たとえ話：料理を見ることと、ナビに従うこと 料理の学び方を2つ思い浮かべてください。1つ目は、シェフが一皿作り終えるのを横で見る方法です。食べられますが、翌日に自分で作れるとは限りません。2つ目は、自分で作り、隣にいる助手が間違いを指摘して理由を説明してくれる方法です。完成は遅くなっても、手が覚えます。 道案内も同じです。ナビに従えば早く着きますが、電源を切ると迷います。地図を覚えるのは最初は遅くても、電波がなくても自分で道を探せます。 イメージとして、AIはシェフでもありナビでもあると考えられます。代わりにやってくれることが、強みであり、リスクでもあります。この記事の問いは、**いつ任せ、いつ切って自分の手に覚えさせるか**です。 一般的な注意：AIの内部を完全に理解している人はおらず、AIと学ぶことの研究はまだ数年の歴史しかありません。記事内の図はイメージの助けです。 --- ## 2. 根拠は何を示しているか | 研究 | 誰を、何を測ったか | 主な結果 | 読み方 | |---|---|---|---| | **Shen and Tamkin、Anthropic（arXiv 2601.20245、2026年1月）** | 52人の開発者がPythonのライブラリTrioを約1時間学び、AIチャット班と自力班に分かれ、27点満点のテストを受けた | AI班は約**50%**、自力班は約**67%**で、差は約**17%**（論文では27点中約4点）。差が最大だったのはデバッグ。数分速かったが有意ではない | 強い兆候だが、少人数で、学習直後の測定で、AI企業が実施 | | **Bastani and colleagues、PNAS 2025** | トルコの高校生ほぼ1,000人、数学、GPT-4 | 練習中：GPT Baseは**48%**高く、GPT Tutorは**127%**高い。AIを外した試験：GPT BaseはAIを使わなかった生徒より**17%**低く、GPT Tutorは対照群とほぼ同じ | 高校生と数学が対象。学びを守る指示を入れた版は、悪影響の大半を避けた | | **METR、2025年7月** | 経験豊富な開発者16人、自分のオープンソース案件の実際の課題246件 | AIを使うと**19%**長くかかった。本人は約**20%**速いと思っていた | 測ったのは生産性で、学習ではない。METRはこの数字がすでに古いとしている（2026年2月の更新） | | **Lee and colleagues、MicrosoftとCMU、CHI 2025** | 知識労働者319人への調査 | AIを信頼するほど批判的思考が少なく、自信があるほど多い傾向 | 自己申告で相関のみ。AIが思考を減らす証明ではない | 数字はAnthropicの研究ページとarXivの論文によります。両者は丸め方が少し違うため（片方は50%と67%、もう片方は27点中4.15点の差）、「約」と書いています。AI班は数分速かったものの、要約ごとに数字が少し違い、いずれも統計的に有意ではありません。 ### Anthropicの実験にあった6つの使い方 研究チームは画面録画を見直し、AIを使った人を6つの型に分けました。 | 型 | 人数 | テストの点数 | |---|---|---| | 全部AIに任せた | 4 | 40%未満 | | 数問聞いて、あとは任せた | 4 | 40%未満 | | エラー修正だけにAIを使った | 4 | 40%未満 | | コードを作り、理解のために質問した | 2 | 約86% | | コードと説明を一緒に頼んだ | 3 | 約68% | | 概念だけ質問し、エラーは自力で直した | 7 | 約65% | 前の3つは学びが少なく、後の3つは学びが保たれました。後の3つに共通するのは、**自分で考え続けている**ことです。理解のために聞くか、エラーを自分で処理しています。ただし各グループは2〜7人で、記述的な分析なので、法則ではなく使い方のヒントとして読んでください。 ### 「先に予想する」「記憶から書き直す」に理由がある訳 MITのTeaching and Learning Labの指導ガイドは、情報を自分で思い出すことは、読み返すよりも長期の記憶によいと述べ、Roediger and Karpicke（2006年）を引いています。同じページは、予想が外れても説明つきの正解を見れば学びが深まるとし、その苦労を学習者に「望ましい困難」（Bjork 1994）と伝えることを勧めています。アリゾナ大学のガイドは、定義を言わせるだけの問いより、予想や比較をさせる問いのほうが役立つと付け加えています。 これは教室一般についての根拠です。**AIを使ったこの計画そのものを検証した研究はありません。** ルールを設計する合理的な理由として使っていますが、計画が効くことの証明ではありません。 --- ## 3. 例（想定）：同じ課題、2通りの学び方 *これは数字を仮に置いた例であり、実在の人物ではありません。* 学習者が、新しいライブラリでデータ取得の部分を書いています。 **やり方A：全部任せる** | 時刻 | できごと | |---|---| | 10:00 | アシスタントにまるごと書かせる。 | | 10:10 | 動いた。10分で完了。 | | 11:30 | レビューで1行の修正を頼まれる。学習者はこの部分が分からず、最初から聞き直す。 | **やり方B：先に予想し、そのあと理由を聞く** | 時刻 | できごと | |---|---| | 10:00 | 予想を書く：実行すると3行出力される。 | | 10:05 | 実行すると2行だった。アシスタントに理由を聞き、ウィンドウを閉じて記憶から書き直す。 | | 10:25 | 25分で完了。 | | 11:30 | レビューで同じ1行の修正を頼まれる。学習者は3分で直せた。 | やり方Bは25引く10で、**15分**遅くなります。その代わり、11:30には自分で直せます。ここでの時刻は例のための仮の数字で、測定値ではありません。 この例を裏づけているのは例そのものではなく、第2節の根拠です。Anthropicの実験では、任せきりのグループの点数が低くなりました。 --- ## 4. 4つのルール 1. **聞く前に予想する。** 「結果は〜になると思う」と1行書きます。そのあと実行するか聞くかして、比べます。外れても構いません。そのズレこそ、これから学ぶところです。 2. **コードだけでなく説明も頼む。** なぜこう書くのか、どんなときに間違うのか、別の方法はあるかを聞きます。Anthropicの研究では、コードと説明を一緒に頼んだ班に近い使い方です。 3. **記憶から書き直す。** 理解できたら、AIのタブと資料を閉じて打ち直します。詰まった所に印をつけ、開き直し、もう一度打ちます。 4. **AIオフの回を残す。** 毎週、公式ドキュメントとマシンのエラーメッセージだけで進める時間を作ります。手がまだ覚えているかを確かめる時間です。 補足のルールが2つあります。AIからコードを受け取ったら、[他人のコードのようにレビューする](https://www.thinnd.site/ja/gijutsu/ai-ga-kaita-code-no-review/)こと。そして、AIは[とても自信のある口調で間違うことがある](https://www.thinnd.site/ja/gijutsu/ai-wo-unomi-ni-shinai-riyu/)ことを忘れないことです。 --- ## 5. 4週間の計画 毎週**60分を4回**（月曜から木曜）と、**金曜に30分の自己テスト**（テスト15分、見直し15分）を想定します。測れるように、ライブラリか言語を**1つだけ**選びます。 | 週 | 重点 | AIオフ / AIオンの回数 | 成果物 | |---|---|---|---| | **第1週：まず地図** | 公式チュートリアルを読み、例を動かし、予想してから実行 | オフ3回、オン1回（説明を聞く） | 予想ノートと、基準になる最初のテスト | | **第2週：AIが説明** | AIをオンにして、理由と使えない場面を聞く。長いコードは頼まない | オフ2回、オン2回 | 良い質問10個と、それぞれ自分の言葉の答え | | **第3週：AIと作る** | 小さな制作：AIが下書きし、自分が読み、記憶から書き直す | オフ2回、オン2回 | 動く小さな制作物と、各部分を説明できること | | **第4週：まず自力** | AIなしで2つ目を作り、そのあとAIにレビューを頼む | オフ3回、オン1回 | 2つ目と、AIが見つけて自分が見落とした点の一覧 | ### 計算 - 毎週4回、1回60分、4週間で、4×4×60＝**960分**の学習です。 - 金曜は4×30＝**120分**。計画全体は960＋120＝**1,080分**、つまり18時間です。 - AIオフの分数：第1週と第4週は各180分、第2週と第3週は各120分で、合計600分。金曜の120分（AIなし）を足すと**720分**。 - AIオフの割合：720÷1,080＝**66.7%**。AIオンは360分です。 この割合は私の選択で、正しい数字を示す研究はありません。締め切りに追われているなら、少なくとも第1週の回と金曜のテストは残してください。 --- ## 6. 毎週金曜の自己テスト AIなし、資料なしで、**15分、10点満点**です。 | 部分 | 点 | |---|---| | その週の3つの概念を、同級生に話すつもりで口頭か文章で説明する | 3 | | 短いコード2つの出力を予想する | 2 | | 学んだ関数1つを記憶から書き直す | 3 | | 15行のコードから不具合1つを探す | 2 | そのあと資料を開いて採点し直し、間違った所をノートに書きます。間違いが、来週の宿題です。 **ある学習者の仮の例：** 第1週は10点中4点（40%）、第2週は5点（50%）、第3週は7点（70%）、第4週は8点（80%）。第1週から第4週で4点、つまり40パーセントポイント上がりました。数字は作り話で、自己採点には誤差があります。他の人ではなく、**自分の傾向**を見てください。 自分を比べる方法の1つ：毎週、AIオンで学んだ概念を2つ、AIオフで学んだ概念を2つ選び、金曜にどちらをよく覚えているかを見ます。4つでは極めて少ないので、自分を知る目安にとどめてください。 --- ## 7. AIに先にやらせてもよい場面 | たいてい問題なし | AIオフが向く | |---|---| | 使い捨てのスクリプト | 仕事の中心となる技能 | | すでに慣れた繰り返し作業 | 土台のない新しい概念 | | 身につける必要のないこと | デバッグとコードを読むこと | | 結果を確かめるテストがある | 面接の準備 | Anthropicは、以前の自社研究では、すでに習熟した作業でAIが生産性を高めたと述べており、2つの結果は矛盾しないかもしれないと注記しています。 --- ## 8. バランスのとれた見方 - **実験は約1時間だけでした。** 数か月後に差が縮むのか、そのままなのかは分かりません。 - **少人数、1つのライブラリ、1回のテストです。** 著者もこれらの限界を述べており、別の実験なら違う結果になるかもしれません。 - **AI企業による実施です。** 結果はAIの利用にやや不利ですが、それでも原文を読み、独立した資料と見比べてください。 - **実験で使われたのはチャットです。** プロジェクト全体を書く自動化ツールでは違うかもしれず、著者もそう述べています。 - **人から学ぶ場合との比較はありません。** AIと良い指導者のどちらがよいかは分かりません。 - **PNASの数学の研究は高校生が対象です。** 大人がプログラミングを学ぶ場合にそのまま当てはまるとは限りません。 - **MicrosoftとCMUの調査は自己申告で、相関のみです。** - **この計画は多くの人で試されていません。** 遅すぎる、厳しすぎると感じたら、金曜のテストを残したまま、AIオフの割合を調整してください。 --- ## 9. 結論 問いは「AIで学ぶべきか」ではなく、**自分の手が覚えているようにどう使うか**です。今ある根拠は薄いものの、同じ方向を指しています。考え続け、理由を聞き、打ち直す人は、学びを保てます。先に予想し、説明を頼み、記憶から書き直し、AIオフの回を残し、金曜のテストで測りましょう。 今日から始めるなら、ライブラリを1つ選び、最初の予想をノートに書き、最初の金曜のテストを予定に入れてください。 基礎がまだなら、[新人向け12か月の計画](https://www.thinnd.site/ja/ayumi/ai-jidai-no-shinjin-12kagetsu-keikaku/)を見てください。面接が近いなら、[2週間の計画](https://www.thinnd.site/ja/ayumi/ai-jidai-no-mensetsu-2shukan-keikaku/)をどうぞ。この話を2人の会話で聞きたい方は、[新人と先輩の対話](https://www.thinnd.site/ja/taiwa/shinjin-to-senpai-no-taiwa-ai-jidai-no-manabi/)があります。 --- ## 参考資料 引用する前に原文を開いて確認してください。数字は更新されることがあります。 - [Shen and Tamkin、"How AI Impacts Skill Formation"、arXiv 2601.20245（2026年1月）](https://arxiv.org/abs/2601.20245) - [Anthropic、研究紹介ページ "How AI assistance impacts the formation of coding skills"](https://www.anthropic.com/research/AI-assistance-coding-skills) - [Bastani and colleagues、"Generative AI without guardrails can harm learning"、PNAS 2025](https://www.pnas.org/doi/10.1073/pnas.2422633122) - [Wharton、Bastani and colleaguesの研究の要約記事](https://knowledge.wharton.upenn.edu/article/without-guardrails-generative-ai-can-harm-education) - [METR、"Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity"（2025年7月）](https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/) - [Lee and colleagues、"The Impact of Generative AI on Critical Thinking"、CHI 2025（著者公開のPDF）](https://advait.org/files/lee_2025_ai_critical_thinking_survey.pdf) - [MIT Teaching + Learning Lab、"Help Students Retain, Organize and Integrate Knowledge"](https://tll.mit.edu/teaching-resources/how-to-teach/help-students-retain-organize-and-integrate-knowledge/) - [Roediger and Karpicke、"Test-enhanced learning"、Psychological Science（2006年）](https://doi.org/10.1111/j.1467-9280.2006.01693.x) - [アリゾナ大学、"L2L Strategy: Retrieval Practice"](https://academicaffairs.arizona.edu/l2l-strategy-retrieval-practice) - このブログの関連記事：[AI時代の新人：12か月計画](https://www.thinnd.site/ja/ayumi/ai-jidai-no-shinjin-12kagetsu-keikaku/)、[AI時代の面接：2週間の計画](https://www.thinnd.site/ja/ayumi/ai-jidai-no-mensetsu-2shukan-keikaku/)、[新人と先輩の対話](https://www.thinnd.site/ja/taiwa/shinjin-to-senpai-no-taiwa-ai-jidai-no-manabi/)、[AIが書いたコードのレビュー](https://www.thinnd.site/ja/gijutsu/ai-ga-kaita-code-no-review/)、[AIを鵜呑みにしてはいけない理由](https://www.thinnd.site/ja/gijutsu/ai-wo-unomi-ni-shinai-riyu/)