「考えるエンジン」と「知のデータベース」——流動性知能と結晶性知能から、AI時代の教育で教師が手放してはいけないこと
「頭がいい」と言うとき、私たちは何を指しているのでしょうか。公式をたくさん覚えていることでしょうか。それとも、見たことのない問題に初めて向き合ったとき、自分で筋道を立てて考えられることでしょうか。実は、認知心理学では「頭のよさ」を説明するときに、流動性知能と結晶性知能という二つの力に分けて考えることがあります。この考え方は、Cattell（キャッテル）とHorn（ホーン）によって理論化され、いまも認知心理学や教育の場で広く使われています。そして生成AIが教室や家庭に浸透するいま、この二つの知能とAIの関係を理解しておくことが、教育の設計においてとても重要になってきています。本記事では、流動性知能と結晶性知能がそれぞれどんな力なのかを整理したうえで、AIの活用がこの二つにどう影響するか、そして教師が日々の授業で何を意識し、何をすべきかを、できるだけ具体的に描いていきます。
二つの知能——「その場で考えるエンジン」と「蓄えた知のデータベース」
まず、流動性知能と結晶性知能を、役割の違いで捉えてみましょう。
流動性知能は、初めて見る問題や、不確かな状況に対応する力です。たとえば、見たことのない図形の規則を見つける、条件が複雑な問題をその場で整理する、情報が足りないなかで筋道を立てて考える——そうした「はじめての場面で動き出す考えるエンジン」のような働きをします。学校で言い換えると、「公式を覚えているか」よりも、「この問題は何を問われているのかを見抜けるか」に近い力です。多くの研究で、流動性知能は作業記憶（ワーキングメモリ）や注意の制御と強く結びついていることが示されています。
一方、結晶性知能は、経験や学習によって蓄えられた知識を使う力です。語彙、読解の土台、常識、歴史や専門の知識、数学の定理や解法のパターンなどがここに入ります。学校で言えば、「知っている」「説明できる」「過去に学んだことを今回の場面に結びつけられる」という力です。つまり、流動性知能が「その場で考える力」だとすれば、結晶性知能は「これまで積み上げてきた知のデータベース」だと言えます。
たとえば、知らないタイプの文章題を前にしたとき。「何が条件で、何を求めるのか」を見抜くのは流動性知能、「これは連立方程式で処理できる」と思い出すのは結晶性知能です。どちらか一方だけでは解けません。両方がそろって、初めて問題に立ち向かえるのです。
AIは二つの知能に、それぞれどう関わるのか
では、AIを使うと、この二つの知能にどう影響するのでしょうか。結論から言うと、AIは結晶性知能の「外部化」には非常に強く働く一方、流動性知能には「補助にも依存にもなりうる」という整理がわかりやすいです。
AIは結晶性知能を強く支援する——ただし「見た」と「自分の知識になった」は別
生成AIは、知識の検索、要約、例示、言い換え、比較が得意です。そのため、「知っていることを呼び出して使う」という結晶性知能に近い働きを、強く支援してくれます。用語の意味をすぐ確認する、背景知識を補う、例を増やす、難しい説明をやさしく言い換える、既習事項とのつながりを可視化する——こうしたことは、AIがかなり助けてくれます。
ただし、ここに一つ大きな注意点があります。AIが答えを出してくれることと、その知識が本人のなかに定着することは別です。AIから説明を受けるだけでは、知識は「見た」だけで、「自分の結晶」としてはまだ固まっていないことがあります。生成AIと認知に関する最近のレビューでも、AIは理解や学習を支援しうる一方、安易な依存は知識の形成や主体的な思考を弱めるおそれがあると整理されています。つまり、AIは結晶性知能を増やす道具にもなりますが、使い方によっては、自分の中に結晶化させない道具にもなりうるのです。
AIは流動性知能を伸ばすことも、弱めることもある
流動性知能は、新しい問題に向き合って、自分で整理し、仮説を立て、検証する力です。ここでAIを使うと、二つの方向がありえます。
よい影響としては、AIを「考える相手」として使うと、流動性知能を支えやすくなります。別解を出させて比較する、自分の考えの穴を指摘させる、仮説を複数出して評価する、反論役をさせる、条件を変えて再考する——こうした使い方では、考える主体は人間のままで、AIは足場や触媒になります。研究でも、AI支援は条件次第でパフォーマンスを高める一方、時間に余裕がある場面で最初からAIに頼ると、批判的思考が弱まる可能性が示されています。
よくない影響としては、問題の分解、比較、吟味、検証までAIに任せてしまうと、流動性知能を使う機会そのものが減ってしまいます。知識労働者を対象とした調査では、生成AIを使うことで認知的努力を減らしやすく、とくにAIへの信頼が高いと批判的思考が減る傾向が自己報告ベースで見られたという結果もあります。流動性知能は、筋トレのように「使う場面」が必要です。AIが便利すぎるために、毎回「まず答えを見てから考える」習慣になると、未知の課題に対して自力で構造化する力は育ちにくくなります。流動性知能そのものが長期で低下するとまで断言できる証拠が十分にあるわけではありませんが、注意制御、仮説生成、批判的検討、認知的努力といった、流動性知能に近い過程が減りやすいことは、近年の研究でかなり示唆されています。
一言でまとめると、AIは結晶性知能にはプラスに働きやすいが「調べた知識」が「自分の知識」になるとは限らない。流動性知能には使い方次第で、考える補助にすれば伸びやすいが、思考の代行にすると弱りやすい——という整理になります。
具体例で見る——どこが結晶性で、どこが流動性か
教室の場面でイメージしやすい例を三つ挙げます。
英語の長文読解では、AIに単語の意味、背景知識、要約を聞くのは、結晶性知能の補強に近いです。一方で、「筆者の主張は何か」「反対意見は成り立つか」を自分で考えるのは流動性知能に近いです。要約だけ読んで終わると、前者だけが働き、後者は鍛えられません。
数学の文章題では、AIに「この問題は何の単元か」「似た問題は何か」と聞くのは結晶性知能の支援です。でも、「この条件は式にどう落とすか」「別の見方はあるか」を自分で考える過程は流動性知能です。最初から完全解答を見ると、流動性知能を使う前に終わってしまいます。
仕事での資料作成でも、AIにたたき台を作らせるのは有効です。ただし、「誰に向けた資料か」「この論点の抜けは何か」「反対意見への備えはあるか」を人間が考えないと、見た目は整っていても質の低い資料になります。ここは流動性知能の領域です。
AI時代に本当に大事なのは、結晶性知能をAIで拡張しながら、流動性知能は人間が手放さないことです。そのためには、AIに任せてよいこと（定義確認、要約、整理、例示、たたき台作成、観点出し）と、人間が手放してはいけないこと（問いの設定、妥当性判断、反証、優先順位づけ、文脈理解、責任ある決定）を、授業のなかではっきり分けて設計していく必要があります。
教育の重心はどう変わるか——「覚える」から「知識を足場に考える」へ
以前は、学校はしばしば「知識を覚えること」に大きな比重を置いてきました。もちろん知識は今でも必要です。ただ、AIがすぐに説明し、要約し、例を出し、比較までしてくれる時代になると、単なる暗記だけでは差がつきにくくなります。一方で、何を問うか、AIの答えのどこを疑うか、文脈に照らしてどう判断するかは、むしろ以前より重要になります。UNESCOは、生成AI時代の教育において、人間中心・批判的・倫理的な活用能力を育てる必要を強調しています（UNESCO: Generative AI in education参照）。
ここで誤解しやすいのは、「では知識は不要で、思考力だけ育てればよいのか」という考えです。そうではありません。流動性知能は、背景知識が少ないと十分に働きません。問いを立てることも、AIの誤りに気づくことも、複数案を比較することも、ある程度の事前知識が土台にないと難しくなります。研究でも、生成AIを使った学習は、もともとの批判的思考や事前知識が高い学習者ほど、深い学びにつながりやすいことが示されています。
つまり、AI時代の教育では、結晶性知能は減らすべきものではなく、AIを使いこなすための前提条件である。そして、流動性知能は、AIがあるからこそ意識して育てないと弱まりやすい——という考え方が重要です。OECDも、AIは多くの定型業務を自動化できても、教育は判断・関係性・責任・信頼の上に成り立つため、教師そのものを代替するものではないと述べています（OECD - Artificial Intelligence関連プロジェクト等を参照）。
教師が意識すべき三つの問い——「この活動は、どちらの知能に触れているか」
AI時代の教師の役割は、知識をただ渡す人から、知識と思考の往復を設計する人へと、重心が移っていくと言われています。そのとき、教師が日々の授業で意識したいのは、次の三つの問いです。
「この活動は結晶性知能を育てているか」
「この活動は流動性知能を働かせているか」
「AIは今、生徒の思考を支えているか、奪っているか」
たとえば、AIに要約させて終わるなら、知識の外部化にとどまる可能性が高いです。一方で、AIの要約を読んだうえで、「どこが大事か」「何が抜けているか」「別の見方はあるか」を問えば、流動性知能まで動き始めます。同じAI活用でも、授業設計で意味が大きく変わるわけです。
結晶性知能の育て方——「知った」を「使える」に変える設計
結晶性知能は、授業で説明を聞くだけでは十分には育ちません。「知った」から「使える」に変える場面を、意図的に仕込む必要があります。
有効なのは、知識を別の形で再表現させることです。ある単元を学んだあとに、「その内容を小学生に説明する文章に書き換える」「図で整理する」「似た概念との違いを比較表にする」「よくある誤解を挙げて訂正する」といった活動をさせると、知識が自分の中で結晶化しやすくなります。AIはここで、説明例や比較観点の提示役として有効です。ただし、最終的な整理は生徒自身にさせる必要があります。AIにまとめさせて終わると、外部化された知識のままで、自分の結晶にはなりにくいからです。
また、知識は反復だけでなく、文脈を変えた想起で強くなります。理科であれば、教科書の定義を覚えるだけでなく、「この考え方は別の現象にも当てはまるか」を問う。国語であれば、語句の意味だけでなく、「この言葉がこの文脈でどう響くか」を問う。そうすると、知識が場面依存の暗記ではなく、転移可能な結晶性知能に近づいていきます。
流動性知能の育て方——「すぐ答えを与えない」と「正解が一つでない課題」を組み込む
流動性知能を育てるには、すぐ答えを与えないことが重要です。AI時代はここが特に難しくなります。生徒は、わからないとすぐAIに聞けます。だからこそ授業では、最初の数分間は「自力で構造化する時間」を守る設計が必要です。
たとえば、授業で最初からAIを使わせるのではなく、次の順にすると、AIが思考の代行者ではなく、思考の相手になります。
まず自分で問題を読み、条件を分ける
予想を立てる
どこがわからないかを言語化する
その後でAIに相談する
AIの答えをそのまま採用せず、比較・修正する
また、流動性知能は、正解が一つに定まらない課題で育ちやすいです。「この出来事を別の立場から説明するとどう見えるか」「同じデータから異なる結論は導けるか」「AIの説明で、もっとも危ない省略はどこか」「この答えを採用すると誰が困るか」——こうした課題は、既習知識だけでは解ききれず、整理・比較・判断が必要になります。これが流動性知能を働かせる場です。
授業設計の三つの原則——禁止でも放任でもなく「使いどころを分ける」
AI時代の授業では、次の三つの原則が特に重要です。
①「AI禁止」ではなく「AIの使いどころを分ける」
全面禁止では、社会に出たあとの現実とずれます。全面自由でも、思考の外注が起きやすくなります。したがって、授業ごとに「ここはAIを使ってよい」「ここは使わず自力で考える」「ここからはAIの答えを批判的に検討する」と段階を分ける必要があります。UNESCOのガイダンスも、年齢・目的・リスクに応じた人間中心の導入を求めています。
②「成果物の美しさ」ではなく「思考の過程」を評価する
AIを使えば、見た目の整ったレポートや答案は容易に作れます。だから、最終成果物だけを見ても、どこまで本人の力か判断しにくくなります。今後は、途中のメモ、仮説の変化、AIへの質問履歴、採用しなかった案、修正理由など、思考の履歴を評価対象に入れると、流動性知能を使った痕跡が見えやすくなります。
③「すぐ答えるAI」より「考えさせるAI」として使う
AIへの指示の仕方も重要です。「答えを教えて」ではなく、「考える観点を3つ出して」「この意見への反論を2つ出して」「この説明の弱点を指摘して」「私の考えが飛躍している箇所を聞き返して」といった使い方に変えると、AIは結晶性知能の補助だけでなく、流動性知能を刺激する相手になります。
年齢段階ごとに——小中・高校・大学・社会人で何を大切にするか
小中学生では、結晶性知能の基礎づくりがとても重要です。語彙、数概念、読解の基本、因果関係、社会的常識など、AIを使いこなす以前の土台がまだ形成途中だからです。したがって、AI活用は「答えを出す道具」より、「対話しながら考えを言葉にする補助」「例を増やす補助」程度に抑えるのが安全です。UNESCOは未成年者への慎重な導入を求めています。
高校生になると、基礎知識の上に、比較・抽象化・批判的検討を乗せる段階に入ります。この時期は、AIを使わせる価値が高い一方で、依存も起きやすい時期です。だから、「まず自分で考える→AIで拡張する→再度自分で評価する」という往復運動を授業に組み込むのが有効です。
大学・社会人では、結晶性知能は専門性として深まり、流動性知能は複雑な現実課題への対応としてより重要になります。AIがあることで、基本情報へのアクセス格差は縮まっても、問いの質・判断の質・統合の質の差はむしろ拡大しやすいと考えられます。
まとめ——「覚える教育」から「知識を足場に考え、AIを使いながらも自分で判断する教育」へ
流動性知能と結晶性知能を、教育の文脈で言い換えるなら、流動性知能＝「未知に向き合う力」、結晶性知能＝「積み上げた知を使う力」です。生成AIは、後者を強く助けます。しかし前者は、AIに頼るだけでは育ちません。むしろ、AIを相手にして「自分が考える」使い方をしたときにだけ、育ちやすいのです。
AI時代の教育では、この二つの知能をどちらか一方だけ伸ばすという発想では不十分です。結晶性知能を土台として厚く育て、その上で流動性知能を働かせるという設計が、これからいっそう重要になります。結晶性知能は、AIがあるから不要になるのではなく、AIを正しく使うための土台になる。流動性知能は、AIが代行しやすいからこそ、意図的に守り、鍛えなければならない。そして教育の役割は、知識を蓄えさせることと、未知に向き合う力を育てることを、AIを介して再設計することにあります。
一言で言えば、これからの教育は、「覚える教育」から「知識を足場に考える教育」へ、さらに「AIを使いながらも自分で判断する教育」へ進んでいく——と考えるとわかりやすいです。教師は、日々の授業のなかで「この活動は結晶性知能を育てているか」「この活動は流動性知能を働かせているか」「AIは今、生徒の思考を支えているか、奪っているか」を見分け、使いどころと評価の焦点をずらしていく。その積み重ねが、AI時代を生きる子どもたちの「頭のよさ」を、二つの知能のバランスの上に築いていくことにつながっていくのではないでしょうか。
参考・出典
Cattell, R. B. および Horn, J. L. に代表される流動性知能・結晶性知能の理論（認知心理学・教育心理学で広く参照される枠組み）
UNESCO: Generative artificial intelligence in education（生成AIと教育に関するUNESCOの論考）
OECD - Artificial Intelligence（OECDのAI関連プロジェクト。教育における判断・責任・信頼に関する議論を含む）
生成AIと認知・学習に関する近年の研究レビュー（AIの安易な依存が知識形成や批判的思考に与える影響の示唆）
知識労働者と生成AI利用に関する調査（認知的努力・批判的思考とAI信頼の関係の自己報告データ）
作成日：2026年3月16日
