Python学習を始めてから、
かなり長い期間ChatGPTを使っています。
ただ、
今回の学習で特徴的だったのは、
「AIにコードを書かせる」
ことより、
「AIを“学習伴走環境”として使っていた」
ことかもしれません。
最初は、
・エラーを聞く
・コードの意味を確認する
・文法を質問する
くらいの使い方でした。
でも、
学習を続けていくうちに、
AIの役割が少しずつ変わっていきました。
結果として、
Python学習そのものも、
「文法学習」
から、
「分析・ロジック研究」
へ変化していきました。
今回は、
これまで自分がどうAIを学習伴走として使ってきたかを整理してみます。
※ Python学習100日間の全体像については、こちらの記事でまとめています。
「ほぼスマホでPython独学100日続けたら、予想ツールのプロト版ができた話」
最初は、普通のAI活用だった
Python学習初期は、
本当に基本的な使い方でした。
例えば、
- 文法の意味確認
- エラー原因分析
- コード解説
- 「なぜそう動くのか」の確認
など。
この頃は、
まだAIを、
「分からないことを聞く相手」
として使っていた感覚が強いです。
ただ、
この頃から意識していたのが、
「完成コードだけをもらわない」
ことでした。
“コピペ完成”を避けていた
個人的にかなり重視していたのが、
「なぜそう動くのか」
を理解することでした。
例えば、
- for文がどう回っているのか
- どこで値が変化しているのか
- なぜこの順番で処理されるのか
をかなり細かく確認していました。
特にクラス学習では、
趣味のボートレースを題材に、
選手データを持つクラスを作りながら、
- 属性
- メソッド
- インスタンス
を理解していました。
さらに、
print(type(racer1))
などを実際に試しながら、
「オブジェクトが実体として存在している感覚」
を掴もうとしていました。
この頃のAIは、
「先生」
というより、
「隣で一緒に考えてくれる人」
に近い感覚だった気がします。
Pythonistaを使い始めて、“実験習慣”ができた
学習の流れが大きく変わったのが、
Pythonistaを導入してからでした。
iPhone上で、
思いついたらすぐコードを書いて試せるようになったことで、
学習がかなり日常化しました。
※ iPhoneだけでPython学習環境を作った流れについては、こちらの記事でもまとめています。
“理解”から、“実験”へ変わっていった
この頃から、
AIの使い方も少し変わっていきます。
単純に、
「これ何？」
を聞くより、
「この値どう変わる？」
「このfor文どう回る？」
を確認しながら、
小さいコードを大量に試すようになりました。
特に多かったのが、
printデバッグです。
例えば、
- ranking loop
- dense ranking
- score sorting
などを実験しながら、
「コード内部で何が起きているか」
を観察していました。
途中から、
「エラー＝失敗」
というより、
「状態観測データ」
みたいな感覚になっていった気がします（笑）
この頃のAIは、
「コード生成AI」
というより、
「デバッグ観察補助」
として使われることが増えていました。
CSV分析から、“設計”を考えるようになった
その後、
競艇データをCSV化し始めたあたりから、
学習内容がかなり変わっていきました。
ここからは、
「文法を覚える」
より、
「データをどう扱うか」
が中心になっていきます。
例えば、
- 選手別成績
- コース別成績
- ST
- 連対率
- 複勝率
などを集計。
さらに、
- DB構造
- カラム追加
- スコア式
- ランキング生成
- 関数分割
など、
“設計”
をかなり考えるようになりました。
ここで面白かったのが、
AIへの質問も、
「このコード作って」
ではなく、
「どういう構造が自然？」
へ変わっていったことです。
この頃から、
AIはかなり、
「共同設計パートナー」
に近い存在になっていました。
AIが“共同研究相手”みたいになっていった
現在は、
競艇分析ロジックを構築しながら、
- コース補正
- ST補正
- gap分析
- 頭予想
- 買い目生成
- 回収率検証
などを進めています。
ここまで来ると、
かなり“研究”に近い感覚です。
特に今のAI活用で特徴的なのは、
「AIに正解を求めていない」
ことだと思います。
むしろ今は、
- 仮説整理
- 思考言語化
- モデル分析
- 構造整理
- 検証設計
など、
「考える補助」
として使っている感覚が強いです。
一番大きかったのは、“24時間相談できる環境”だった
今回の学習で、
個人的に一番大きかったのは、
「24時間いつでも相談できる講師がいるような環境」
を作れたことでした。
独学って、
- 次何やればいい？
- 今どこ詰まってる？
- この理解で合ってる？
- 何が分からないか分からない
みたいな瞬間がかなりあります。
でも今回、
AIを使うことで、
- 学習整理
- 詰まり整理
- 次やること相談
- 毎日の要約
- 思考整理
をかなり頻繁にできました。
特に大きかったのが、
「止まりにくくなった」
ことです。
独学って、
完全停止すると、
再開コストがかなり高い。
でも、
AIへ少し相談するだけでも、
「じゃあ次これやってみよう」
へ戻りやすかった。
これはかなり大きかったと思っています。
ただし、危険性もあると思っている
一方で、
AI活用には危険性もあると思っています。
例えば、
- 完成コード丸投げ
- 思考停止
- AI依存
は、
かなり起きやすい。
実際、
AIはかなり便利です。
だからこそ、
「AIに任せる」
ではなく、
「AIを使って、自分で観察・実験する」
意識はかなり大事だと思っています。
まとめ
今回のPython学習は、
「AIでラクをした」
というより、
「AIを“対話型の学習伴走環境”として使いながら、独学を止まりにくくしていた」
という感覚に近かったです。
しかも、
学習を続けていくうちに、
AIの役割も、
- 文法質問
- エラー確認
- デバッグ補助
- 設計相談
- 研究整理
へ少しずつ変化していきました。
最初は単なるPython学習だったのに、
気づけば、
「競艇をどう構造化するか」
みたいな研究寄りのことまで始まっています（笑）
AI時代の学習って、
単純に“効率化”だけではなく、
「独学環境そのものをどう変えるか」
もかなり大きいのかもしれません。
※ AIとの長期ログから、自分の思考傾向や運用特性を分析した話は、こちらの記事にまとめています。
