AIは、集めた情報の中から特徴や規則を見つけ、予測や分類、文章の作成などを行う仕組みです。たとえば、たくさんの犬と猫の写真を見せると、耳の形や顔つきなどの違いを手がかりに、新しい写真が犬か猫かを予想します。ただし、AIが犬や猫と暮らした経験を持っているわけではありません。与えられたデータをもとに、もっともらしい答えを計算しています。

ロボットは、センサーで周りの様子を知り、コンピューターで次の動きを決め、モーターなどで実際に動く機械です。カメラは「目」、マイクは「耳」、距離センサーは「物までの長さを測る道具」、モーターは「筋肉」にたとえられます。AIを使わず、決められた順番どおりに動くロボットもあります。一方、AIを組み合わせると、物の位置が少し変わったときに見つけ直すなど、状況に合わせた動きができる場合があります。

子供には、ロボットを「体」、AIを「考え方を選ぶ仕組み」と説明すると違いが伝わりやすくなります。ただし、人間の体と心をそのまま機械に置き換えたものではありません。人は痛みや不安を感じ、過去の経験や相手との関係を考えて判断します。機械は、設計された範囲と集めた情報の中で動きます。この違いを知ることが、技術を正しく見る最初の一歩です。

学校の工作で車が一度走れば、「できた」と喜べます。ところが、工場で使う機械は、朝から晩まで同じ精度で動き、少し形の違う部品にも対応し、人が近づいたら安全に止まらなければなりません。暑い日、寒い日、ほこりがある場所でも働けるか。停電や通信の不具合が起きたとき、危険な動きをしないか。故障した部品を交換できるか。導入費だけでなく、電気代や点検費まで含めて続けられるか。こうした確認を重ねて、初めて仕事の道具になります。

米国の国立標準技術研究所（NIST）は、工場でAIを使う方法として、カメラによる検査、ロボット、物流、デジタルツインなどを挙げています。「デジタルツインって何？」と聞かれたら、「本物の工場をすぐに動かす前に、コンピューターの中にそっくりな模型をつくって試す方法だよ」と伝えてみてください。学校の行事で、いきなり本番を始めず、先に教室で動きを確かめる練習に似ています。機械の速さや置き場所を画面の中で変え、危なくないか、仕事が滞らないかを先に調べます。

ただし、工場ごとに機械や記録の方法が違い、AIの答えの理由を説明しにくいという課題もあります。子供には、「テストで99点でも、できなかった1問が人の安全に関わる問題なら、見過ごせないよね」と話すと伝わりやすくなります。「精度99％」という数字だけで安心せず、何を何回試したのか、間違えたときに誰が困るのかまで確かめることが大切です。

工場では、製品の小さな傷や形の乱れを見つける仕事があります。同じ場所を長時間見続けるのは、人にとって大きな負担です。そこで、カメラで撮った画像をAIが調べ、「いつもと違うところがあります」と候補を示します。担当者は、最初からすべてを見るのではなく、注意が必要な場所から確かめられます。AIは人の代わりに責任を負うのではなく、人が見落としやすい変化に気づくための補助役です。

ここで子供に伝えたいのは、AIが見つけるのは「違い」であり、すぐに「悪い物」と決めているわけではないことです。たとえば、同じ形のクッキーの中に一枚だけ色の濃いものがあれば、違いは簡単に見つかります。しかし、それが焼きすぎなのか、チョコレート味なのか、照明の影なのかは、写真だけでは決められません。違いを見つけることと、理由を判断することは別の仕事です。

米国国立科学財団（NSF）が紹介したMaVilaは、工場の画像と言葉を一緒に扱う研究です。3Dプリンターで作った部品の割れや、細い糸のような乱れを画像から探し、機械の調整方法を言葉で提案します。子供には、「焼き上がったパンを見て、焦げている場所を知らせ、次は温度を少し下げようと提案する助手のようなものだよ」と説明できます。ただし、提案することと、正しいと決めることは別です。最後は、人が実物と記録を見て確かめます。

それでも、提案をそのまま正解にはできません。カメラについた汚れを製品の傷と間違えることがあります。学んでいない新しい材料では、見慣れない模様を不良品だと判断するかもしれません。撮影する場所の明るさや角度が変わっただけで、同じ製品が違って見える場合もあります。だから現場では、製品そのもの、撮影条件、過去の記録を人が見比べます。

製品を出荷してよいかを決める責任、安全装置を止めない仕組み、誰がいつ確認したかを残す記録も必要です。便利な助手が増えるほど、「AIが何を知らせるのか」「最後に人が何を確かめるのか」を先に決めておくことが大切になります。AIの性能だけでなく、間違いに気づき、止め、やり直せる流れまで含めて、初めて安全な仕組みになります。

人型ロボットが注目される理由の一つは、工場や建物が人の体に合わせて作られているからです。人と同じくらいの高さで、手を使い、通路を歩ければ、棚や工具を大きく作り直さずに済む可能性があります。ただし、二本足で倒れずに歩くこと、物を壊さない力で持つこと、長時間動ける電池を用意することは簡単ではありません。映像で一度成功した動きが、毎日続けられるとは限りません。

四足歩行ロボットは、段差や階段、配管の多い場所など、車輪では入りにくい場所を移動できます。カメラや温度センサー、ガスを調べる機器などを運び、人が近づく前に設備の状態を確認します。目的は、人を完全に不要にすることではありません。危険な場所へ先に入り、集めた情報を点検員へ届けることです。何を異常とみなすか、運転を止める必要があるかは、人が周囲の状況と合わせて判断します。

米国NSFは、製造、医療、農業、災害対応、宇宙や深海の探査など、ロボットが役立つ分野を紹介しています。共通するのは、重い物を運ぶ、細かい動きを繰り返す、人が入ると危険な場所を調べるといった仕事です。反対に、泣いている人の気持ちをくみ取る、初めて起きた事故で何を優先するか決める、失敗の責任を引き受けることは、機械だけに任せられません。

高性能なAIを研究するには、たくさんの計算ができる設備、電力、専門家が必要です。どの大学や小さな会社も、一つずつ大きな設備を持てるわけではありません。そこで欧州連合は、研究者や企業が設備と知識を分け合える「AI Factories」を整えています。子供には、「大きな理科室を、町のみんなで使うような仕組みだよ」と伝えると分かりやすいでしょう。欧州委員会の公表資料では、2026年時点で19のAI Factoriesと13の地域拠点が展開されています。

たとえば、学校に一台しかない高価な顕微鏡を、順番に使い、先生と一緒に観察する場面を思い浮かべてください。AI Factoriesも、必要な人が大きな計算設備を使い、専門家に相談しながら試す場所です。医療、ものづくり、気候、農業、宇宙などの課題に役立つかを確かめます。設備が大きく、計算が速ければ、複雑な研究は進めやすくなります。それでも、「速く答えられること」と「人の役に立つこと」は同じではありません。

どの情報を学習に使ったのか、個人情報は守られているか、間違った結果を直せるか、消費する電力に見合う効果があるかを考える必要があります。技術の競争では性能の数字が目立ちますが、使う人の立場では、費用、安全、説明のしやすさ、選ばない自由も大切です。子供に伝えるときも、「すごい機械ができた」で終わらず、「誰が使えて、誰が使いにくいだろう」と問いを広げます。

新しい技術の話では、「人の仕事がなくなる」という言葉がよく使われます。しかし、仕事は一つの動作だけでできているわけではありません。スーパーの仕事には、商品を運ぶ、棚に並べる、傷みを見つける、場所を尋ねられて案内する、困っている人の話を聞く、事故が起きたときに対応するなど、性質の違う作業があります。その一部を機械が担当すると、人の時間の使い方や必要な技能が変わります。

機械に任せやすいのは、条件がはっきりし、同じ手順を繰り返せる仕事です。決まった形の傷を探す、重い物を同じ場所へ運ぶ、危険な場所の温度を測るなどが例です。人が担い続けるのは、例外に気づく、相手の不安を聞く、何を優先するか決める、事故の責任を負うなど、状況や価値判断を伴う仕事です。現実には、人と機械の間をつなぐ仕事も増えます。使う前の設定、結果の確認、故障の対応、働く人への説明などです。

子供の将来を考えるとき、「AIに負けない子にしなければ」と焦る必要はありません。機械が得意なことと苦手なことを見分け、人と機械の役割を組み直せることが重要です。観察する、質問する、試す、失敗の理由を説明する、別の人の困りごとを聞く。こうした力は、使う道具が変わっても役立ちます。プログラミングを学ぶ場合も、正解のコードを早く書くことだけでなく、「何のために動かすのか」「うまくいかなければ誰が困るのか」を考えることが土台になります。

ロボットの安全は、「人にぶつからなければ大丈夫」だけではありません。子供には、自転車の安全を思い浮かべてもらいましょう。ブレーキだけでなく、ライト、ベル、ヘルメット、周りを見ることが必要です。ロボットも同じで、センサーが壊れたら止まるか、通信が切れたら安全な状態になるか、人が急に近づいたときに動きを遅くできるかを確かめます。一つの仕組みに任せず、速度制限、動ける範囲、非常停止など、いくつもの守りを重ねます。

AIの安全では、データの偏りも問題になります。ある照明や肌の色、体格、話し方だけを多く学んだ仕組みは、別の条件で間違えやすくなることがあります。「たくさん学んだから公平」とは限りません。誰のデータが少ないのか、間違えたときの影響が一部の人に集中しないか、使わない方法も選べるかを確かめます。

失敗しない機械を約束するのではなく、失敗を早く見つけ、小さなうちに止め、原因を調べ、直せる仕組みを作ることが大切です。これは子育てにも通じます。子供が新しい道具を使うとき、最初から完璧を求めるより、困ったときに相談できること、取り消せること、やめられることを一緒に確認すると安心につながります。

一つ目は、センサー探しです。 自動ドア、蛇口、照明、エアコン、ゲーム機などを見て、「何を感じ取って動いているのか」を予想します。人の動き、明るさ、温度、音、距離など、同じ家の中にもさまざまな情報があります。予想したら説明書やメーカーの情報で確かめます。

二つ目は、わざと条件を変える実験です。 明るい場所と暗い場所、静かな部屋と生活音のある部屋などで、音声入力や写真認識の結果が変わるかを比べます。個人情報を入力せず、保護者が安全を確認できる範囲で行います。結果が違ったら、「機械がだめ」と決めず、光、音、角度、言い方など、理由の候補を複数考えます。

三つ目は、役割分担を描くことです。 「洗濯物を片づけるロボット」を想像し、機械が行う部分と人が確認する部分を紙に書きます。色や素材を見分ける、家族ごとに分ける、壊れやすい服を扱う、置き場所が変わったら尋ねるなど、実際の暮らしには例外がたくさんあります。便利な機能を考えるだけでなく、間違えたときの戻し方も描きます。

四つ目は、ニュースを一枚にまとめることです。 ①誰の困りごとを減らす技術か、②いまどこまでできるか、③まだ何が難しいか、④失敗したら誰が止めるか、⑤使い続ける費用や資源はどれくらいか。この五つを書くだけで、派手な映像や見出しに流されず、技術を自分の言葉で説明できるようになります。

親がすべての答えを知っている必要はありません。「分からないから一緒に確かめよう」と言えること自体が、よい学びになります。大人がすぐに結論を出さず、子供の予想を聞き、確かめる方法を相談すると、技術の知識だけでなく、情報を扱う姿勢も育ちます。

子供が「ロボットは人より賢いの？」と聞いたら、すぐに「はい」「いいえ」で答えなくても構いません。「どの仕事なら得意そう？」「初めてのことが起きたらどうかな？」と場面を分けて考えます。計算の速さ、画像を比べる量、疲れずに繰り返す力では、機械が優れる場合があります。一方、目的を決め、相手の気持ちを考え、間違いの責任を引き受けることは、人の役割です。

新しい技術を学ぶ目的は、何でも使わせることでも、すべて遠ざけることでもありません。便利な場面と使わない方がよい場面を区別し、自分で選べるようにすることです。家庭でルールを決めるときは、「危ないから禁止」で終わらせず、何を守るための約束なのか、困ったときにどう相談するのかを具体的にします。親も間違えることがあり、ルールは使いながら見直せると伝えます。

技術は、突然どこからか現れて暮らしを変えるものではありません。研究者、技術者、現場で働く人、使う人、法律や安全を考える人が、試して直しながら形にします。子供も将来、作る側、使う側、困りごとを伝える側、危険を指摘する側として関わります。だからこそ、仕組みの名前を暗記する以上に、「誰のための技術か」「別の方法はないか」と問い続ける力が大切です。