For example, some of us were there in 1996 when IBM's program Deep Blue beat chess grandmaster Garry Kasparov.

例えば、1996年にIBMのプログラム『ディープ・ブルー』がチェスのグランドマスター、ガルリ・カスパロフに勝ったとき、私たちの何人かはその場にいた。

Some of you remember that?

覚えている人もいるだろうか？

In 1998, when Google launched its search engine.

グーグルが検索エンジンを立ち上げた1998年。

Most of this audience was there in 2011, when Watson the computer won Jeopardy and Siri became a pocket virtual assistant.

ジェパディでコンピュータのワトソンが優勝し、Siriがポケットのバーチャル・アシスタントになった2011年には、この観客のほとんどがそこにいた。

And we definitely all were there in 2023, when ChatGPT passed the bar exam in the top 10%.

そして2023年、ChatGPTが上位10％で司法試験に合格したとき、私たちは間違いなくそこにいた。

You may have realized that these dates are all milestones associated with AI, artificial intelligence, the ability of machines to learn from experience.

これらの日付はすべて、AI（人工知能）、つまり機械が経験から学習する能力に関連するマイルストーンであることにお気づきだろうか。

Over that time, AI and machine learning have disrupted just about every industry, including my own, education.

この間、AIと機械学習は、私の専門である教育業界を含め、あらゆる業界を破壊してきた。

Teachers, students, and parents are wondering, what is learning when software can answer every question?

教師も、生徒も、親も、ソフトウェアがあらゆる質問に答えてくれるのに、学習とは何だろうと考えている。

Winston Churchill said, never let a good crisis go to waste.

ウィンストン・チャーチルは言った、「良い危機を決して無駄にするな」と。

Teachers would call this a learning moment.

教師たちはこれを "学びの瞬間 "と呼ぶだろう。

I see it as an ideal opportunity for us to reimagine the future of education.

私は、教育の未来を再構築する理想的な機会だと考えている。

Unfortunately, my industry's response to change is often flight or fight.

残念ながら、変化に対する私の業界の反応は、しばしば逃げるか戦うかだ。

When a new disruptor becomes overwhelming, like students with cell phones in the classroom, we're tempted to throw in the towel and say, I'm just going to teach the way I always have.

教室で携帯電話を持つ生徒のように、新たな破壊者が圧倒的な存在になると、私たちはタオルを投げ出して、今まで通りのやり方で教えようと言いたくなる。

That's flight.

それがフライトだ。

Or we try to fight.

あるいは戦おうとする。

We're told to combat artificial intelligence by using software that promises to detect AI-generated products.

私たちは、AIが生成した製品を検出することを約束するソフトウェアを使って、人工知能に対抗するように言われている。

But technology evolves way too fast for any technical solution to keep pace.

しかし、テクノロジーの進化はあまりにも速く、技術的な解決策では追いつけない。

Teachers are also advised to monitor their students more closely to prevent high-tech cheating.

また、教師はハイテクを使ったカンニングを防止するため、生徒をより注意深く監視するよう勧告されている。

Big brother and big sister watching over every student's shoulder every minute is not only impossible, it goes against our mission of building trust, responsibility, independence, and a passion for learning.

お兄さん、お姉さんが生徒全員の肩を毎分見守ることは不可能であるだけでなく、信頼、責任、自立、学習への情熱を育むという私たちの使命に反する。

There are other reasons fight or flight won't work.

闘争や逃走がうまくいかない理由は他にもある。

There's flight.

フライトがある。

There's fight.

戦いがある。

For one, AI is everywhere.

ひとつは、AIがいたるところに存在していることだ。

AI-powered apps are making resources increasingly more accessible, removing barriers like cost and language.

AIを搭載したアプリは、費用や言語などの障壁を取り除き、リソースをますます利用しやすくしている。

And overall, AI has improved efficiency and productivity, which obviously doesn't count the hours we use recording AI-enhanced TikToks.

そして、全体的にAIは効率性と生産性を向上させたが、これは明らかにAIを活用したTikToksの録画時間をカウントしていない。

And AI is growing.

そしてAIは成長している。

In 2022, another milestone year, Forbes reported 2 million images generated in DALI each day. 145 million Americans, 45% of us, use a voice assistant on a regular basis on over 4 billion devices and the global AI market reached $140 billion, expected to grow by 20% per year.

もうひとつの節目となる2022年、フォーブスはDALIで毎日200万枚の画像が生成されていると報告した。1億4500万人のアメリカ人、45％が40億台以上のデバイスで音声アシスタントを常用しており、世界のAI市場は1400億ドルに達し、年間20％の成長が見込まれている。

So it's pretty clear AI technology is popular, it works, and it's making money, all of which means it's not going anywhere soon.

つまり、AI技術は人気があり、うまく機能し、お金を稼いでいる。

So what's the problem?

では、何が問題なのか？

Well, we probably shouldn't ignore issues with privacy, intellectual property rights, accuracy, bias, even propaganda, and the difficulty of regulating these technologies.

まあ、プライバシー、知的財産権、正確性、偏見、さらにはプロパガンダの問題や、こうした技術を規制することの難しさを無視すべきではないだろう。

On top of these problems, as AI gets better at generating all kinds of output, educators and parents are concerned with issues of academic integrity.

こうした問題に加え、AIがあらゆる種類のアウトプットを生成する能力が向上するにつれ、教育者や保護者は学問的誠実さの問題を懸念している。

We're worrying it could cause students to miss important context, amplify prejudices and misconceptions, even bypass the learning process altogether.

私たちは、生徒たちが重要な文脈を見逃したり、偏見や誤解を増幅させたり、さらには学習プロセスを完全に回避してしまうのではないかと心配している。

Now, I was there to experience when many in my profession feared how thesauruses, calculators, video, and spellcheck might ruin our students' abilities to read, write, and do math.

今でこそ、類語辞典、電卓、ビデオ、スペルチェックが、生徒の読み、書き、数学の能力を台無しにしてしまうのではないかと心配する同業者が大勢いる時代に、私はその場に居合わせたのだ。

Today, obviously, we find these in just about every classroom.

今日、どの教室にもある。

In that spirit, some educators have discovered a third choice to flight or fight, adapt.

その精神に基づき、一部の教育者たちは、逃げるか戦うかに加えて、適応するという第三の選択肢を発見した。

They're making artificial intelligence their co-teacher by using it to brainstorm lessons, evaluate assignments, even serve as a 24-7 student help desk and fact checker.

彼らは、人工知能を授業のブレーンストーミングや課題の評価、さらには24時間365日の学生ヘルプデスクやファクトチェッカーとして利用することで、人工知能を共同教師にしているのだ。

Others are teaching students about AI technology so they can use its benefits more productively and ethically, understand its limitations, and even consider it as a career.

また、学生たちにAI技術について教えることで、その利点をより生産的かつ倫理的に活用し、その限界を理解し、さらにはAIを職業として考えることができるようにしようとしている者もいる。

Now, these steps may go a long way towards making AI work in our classrooms, but they don't address the fundamental question of how we measure learning when machines and devices can write essays, generate charts and images, code software, and ace tests.

しかし、機械やデバイスがエッセイを書いたり、図表や画像を生成したり、ソフトウェアをコーディングしたり、テストに合格したりできるようになったときに、学習をどのように評価するかという根本的な問題には対処できない。

I suggest that the real threat to our children's education is not machine learning and artificial intelligence.

私は、子供たちの教育に対する真の脅威は、機械学習や人工知能ではないと提言する。

It's how we've come to measure and value human learning and human intelligence.

それが、私たちが人間の学習や知性を測定し、評価するようになった理由だ。

A basic definition of learning is the process of gaining understanding through study and experience.

学習の基本的な定義は、学習と経験を通じて理解を得るプロセスである。

Since the 1950s, computer programmers have been developing algorithms that train machines to process information and make decisions that improve with each success or failure.

1950年代以来、コンピューター・プログラマーたちは、機械が情報を処理し、成功や失敗のたびに改善される決定を下すよう訓練するアルゴリズムを開発してきた。

Now, that should sound familiar because machine learning is modeled on the human brain.

機械学習は人間の脳をモデルにしているのだから。

Intelligence has been defined as the ability to acquire and apply that knowledge and skills.

知性とは、その知識や技術を習得し、応用する能力と定義されてきた。

We say a program is artificially intelligent when it can use the information it's received and learned to answer customized inquiries like, what's the best Bluetooth speaker to buy or write me a heartfelt speech for my friend's wedding.

私たちは、プログラムが受信し学習した情報を使って、ブルートゥース・スピーカーを購入するのに最適なものは何か、友人の結婚式のために心のこもったスピーチを書いてほしい、といったカスタマイズされた問い合わせに答えることができるとき、そのプログラムは人工知能であると言う。

The problem with these traditional definitions of learning and intelligence is that they excel at.

このような従来の学習と知能の定義の問題点は、それらが得意とするところにある。

Machines can beat chess masters, win games of trivia, even predict power failures better than human experts because for these kinds of tasks, they can access and analyze more information far faster than we can.

機械はチェスの名人に勝ったり、雑学ゲームに勝ったり、停電を人間の専門家よりも予測したりすることができる。

These definitions also don't reflect the neurodiversity of our students, each of whom thinks differently and brings different understandings and experiences to our classrooms.

このような定義はまた、生徒の神経多様性を反映していない。生徒の考え方はそれぞれ異なり、教室に持ち込む理解や経験も異なる。

And when we assign too high a value to the accumulation of knowledge, the memorization of procedures, and the recall of facts, it's no wonder students turn to technology for answers.

そして、知識の蓄積、手順の暗記、事実の想起に高い価値を与えすぎると、生徒たちが答えを求めてテクノロジーに頼るのも無理はない。

I propose that we redefine and revalue what we consider intelligence.

私は、私たちが考えるインテリジェンスを再定義し、再評価することを提案する。

The good news is the means to that end are probably already in our teacher toolkit.

良い知らせは、そのための手段はおそらくすでに教師のツールキットの中にあるということだ。

They're just buried in there somewhere under a pile of Scantron forms.

スキャントロン用紙の山の下のどこかに埋もれているだけだ。

Let's design more lessons and ask more questions with these five characteristics.

この5つの特徴を生かして、より多くのレッスンをデザインし、より多くの質問をしよう。

First, emphasize live hands-on experiences.

まず、生の実体験を重視する。

Then ask, what did you notice when this happened?

そのとき、何に気づきましたか？

How might your actions have affected the outcome?

あなたの行動は結果にどのような影響を与えただろうか？

How did your team collaborate on this task?

このタスクでチームはどのように協力しましたか？

Problem solving through discovery, exploration, and reflection is part of what we call active learning, which we know to be more effective than old school models like lectures, worksheets, and book reports.

発見、探求、内省を通じた問題解決は、私たちがアクティブ・ラーニングと呼ぶものの一部であり、講義やワークシート、読書感想文のような旧態依然としたモデルよりも効果的であることがわかっている。

Second, ask questions about meaning.

第二に、意味について質問する。

Encourage students to identify their beliefs.

生徒たちに自分の信念を確認するよう促す。

See the bigger picture, generalize concepts from one area to the other.

全体像を把握し、ある分野から他の分野へと概念を一般化する。

Make learning personal by asking, what does this information mean to you?

この情報はあなたにとってどんな意味があるのか？

What might it mean to our community or another community?

私たちのコミュニティや他のコミュニティにとって、それはどのような意味を持つのだろうか？

Why is this relevant to anyone?

なぜこれが誰にとっても関係あることなのか？

And when children ask us, why do I need to learn this?

そして、子どもたちが私たちに、なぜこれを学ばなければならないのかと尋ねてくる。

Adults should have a good answer.

大人はいい答えを持っているはずだ。

Third, ask students to make connections to the real world, to integrate the pieces of what they know.

第三に、生徒たちに実社会とのつながりを持たせ、自分たちが知っていることの断片を統合させる。

Studies show students are more engaged when they understand context.

研究によれば、生徒たちは文脈を理解することで、より積極的に取り組むようになる。

For example, how does this relate to last week's lesson or to what you're learning in social studies or art class?

例えば、これは先週の授業とどう関係があるのか、社会科や美術の授業で学んでいることとどう関係があるのか。

How do your personal, local, and global perspectives compare?

個人的な視点、地域的な視点、そしてグローバルな視点は、それぞれどのようなものだろうか？

How might this give you insight on the past, present, and future?

過去、現在、未来について、どのような見識が得られるだろうか？

Fourth, ask students about their feelings.

第四に、生徒の気持ちを聞く。

Imagine that.

想像してみてほしい。

Awareness, empathy, putting yourself in someone else's shoes, and playing nice with others are what we call emotional intelligence.

気づき、共感、他人の立場になって考えること、そして他人と仲良くすることが、私たちが感情的知性と呼ぶものだ。

As much as we're putting AI into devices that are always listening, maybe even watching, AI still can't read the room.

常に耳を傾け、もしかしたら監視さえしているデバイスにAIを入れるのと同じくらい、AIはまだ部屋を読むことができない。

A one-year-old child, even your cat or dog, can sense your mood better than any computer.

1歳の子供でも、飼い猫や飼い犬でも、どんなコンピューターよりもあなたの気分を察することができる。

Now, we don't normally ask students to flex these four muscles, so things may not go smoothly at first.

さて、私たちは通常、学生にこの4つの筋肉を鍛えさせるようなことはしないので、最初はスムーズにいかないかもしれない。

But let's keep in mind, struggle is a necessary prerequisite for learning.

しかし、闘うことは学ぶための必要条件であることを肝に銘じておこう。

Finally, let's have students direct their knowledge and skills towards novel applications.

最後に、生徒の知識と技術を斬新な応用に向けさせよう。

Ask them to apply their current understandings to a new situation or create a new way of looking at an old problem.

現在の理解を新しい状況に適用したり、古い問題に対する新しい見方を作り出したりするよう求める。

Only humans can think divergently like that, outside the box.

枠にとらわれず、発散的に考えることができるのは人間だけだ。

Computers are the box.

コンピューターは箱だ。

Artificial intelligence can only follow the rules they've been given.

人工知能は与えられたルールに従うことしかできない。

AI can't experience, generalize, reason, reflect, think abstractly, or understand relevance.

AIは経験することも、一般化することも、推論することも、内省することも、抽象的に考えることも、関連性を理解することもできない。

And it can't access a student's perceptions, interpretations, and feelings.

また、生徒の知覚、解釈、感情にアクセスすることもできない。

A good education should do all of these things.

良い教育とは、これらすべてを行うことである。

This is how we future-proof our classrooms.

こうして、教室の将来性を高めているのだ。

Make AI a co-teacher, work with the technology's strengths and weaknesses, but most importantly, let's value human intelligence as more than just computer-like processing.

AIを共同指導者にし、テクノロジーの長所と短所を考慮しながら、最も重要なことは、人間の知性を単なるコンピューターのような処理以上のものとして評価することだ。

Get students to use parts of their brains computers don't have.

コンピューターにはない脳の部分を使うように仕向ける。

Ask questions AI can't answer.

AIが答えられない質問をする

Devise problems chatbots can't solve.

チャットボットが解決できない問題を考案する。

We can do that by challenging students with authentic experiences that tap into the incredible capacity, diversity, and creativity of their human minds.

私たちは、生徒の心の驚くべき能力、多様性、創造性を引き出す本物の体験に挑戦することで、それを実現することができる。

Now, I can picture the day when I'll be able to say to my future self, imagined here, ironically, by artificial intelligence, that we were all there, and used this learning moment to influence the evolution of education for the better.

皮肉なことに、人工知能によってここに想像された未来の自分に、私たちは皆その場にいて、この学びの瞬間を教育の進化に良い影響を与えるために利用したのだ、と言える日が来ることを、今、私は思い描くことができる。

Then, we can all confidently say to our students, we helped you find your there, wherever and whenever it may be.

そうすれば、私たちは自信を持って生徒たちに、いつでもどこでも、君たちが自分の居場所を見つける手助けをした、と言うことができる。

Thank you.

ありがとう。