【人工知能に学ぶ育児】子供は本当に褒めるだけで良いのか？

2022年8月26日考え事

※本記事の作成時点：長女（小3）、次女（年長）

昨今、子供の自己肯定感が育児・教育のキーワードになっています。

「『いかに子供の自己肯定感を高めるか』こそが育児・教育の最重要課題だ」という論調さえ見受けられます。

自己肯定感を高めるために

そして、その自己肯定感を高めるためには、「とにかく子供を褒めて育てるべし！」と言われます。

子供の悪いところを見つけて叱るのではなく、良いところを見つけて褒めてあげる。
そうすれば、子供は自己肯定感を高めることができる、ということ。

それは、確かにその通りだと思います。

でも、褒めるだけでよいのか？

ですが、本当に褒めるだけでよいのでしょうか？

これについて、人工知能（AI）を参考にして考えてみました。

ニューラルネットワーク

人工知能には色々なものがありますが、ここでは一般的な教師あり学習のニューラルネットワークを想定します。

このような人工知能では、「入力値」を「複雑な関数」に代入して、出てきた計算結果を「出力値」とします。

例えば……
「動物の絵を表す数値データ」を「入力値」とします。
この「入力値」を「複雑な関数」に代入して、その計算結果が「猫」を表す数値なら、その動物を「猫」と推定します。
一方、その計算結果が「犬」を表す数値なら、その動物を「犬」と推定します。

この「複雑な関数」に含まれる係数（など）を上手に決めてあげたものが人工知能です。
この「複雑な関数」はニューラルネットワークとも呼ばれ、人間の脳の仕組みを参考にして考えられたと言われています。

教師あり学習

この「複雑な関数」に含まれる係数（など）を上手に設定するために用いられるのが、たくさんの「教師データ」。

「教師データ」とは、「サンプル」と「その答え」がセットになったデータです。

上記の例で言えば、次のような教師データを使います。

これらの各サンプルの数値データを「入力値」として「複雑な関数」に代入します。
そして、その「出力値」が「答え」と一致するように、「複雑な関数」の係数（など）を調整します。

こういったプロセスを「学習」と呼び、学習をした「複雑な関数」を「学習済みモデル」などと呼んだりします。
答えが分かっている教師データを使って一度「学習済みモデル」を作ってしまえば、次からは答えが分からないサンプルであっても「学習済みモデル」を使って答えを推定することができます。

教師データには、正解と不正解が必要

ここで重要なのが、猫かどうかを推定する人工知能（学習済みモデル）を作るためには、猫の画像（正解）だけでなく、犬などの画像（不正解）も必要になるという点。

そうしないと、正解と不正解の境界線がわからないのです。

育児の場合は……

育児の場合も同じなのではないか？と思うのです。

褒めるだけの育児では、子供は「正解」の教師データしか与えられないことになります。

ですが、「正解」の教師データだけでは、「不正解」の情報が得られません。

子供は、やったら褒められる行動は学びますが、やったら叱られる行動を学ぶことができません。

つまり、褒めるだけの育児では、子供は正解と不正解の境界線がわからないのではないか？と思うのです。

ただし、自己肯定感とは別の話

ただし、これは子どもに「やってよいこと」と「やってはいけないこと」の境界線を教えるために叱ることが必要、という話。

自己肯定感を高めることとは全く別の話です。

にほんブログ村