概念
各概念は理解に至った一つの思考です。必須の順序はありません：どれからでも始められます。
システムの意味のある逸脱の発見としての驚き
驚きは、システムの現実の状態と予想される状態の間の意味のある逸脱に気づく能力と見なすことができます。その強さは、変化の大きさだけでなく、その変化がシステム自体にどのような影響を与えるかにも依存します。
既知の内容と文字コードの間の結びつきの再構築としての読書学習
検証中の読書学習理論：文字コードが、子どもにとってすでに既知の単語、イメージ、意味、音声、言語構造と体系的に結びつけられるとき、子どもはより容易に文字を習得する。
既知のもの — 未知を研究するためのツール
新しい理解は無から構築されるわけではありません。人間がすでに知っている要素、つながり、能力を、未知のものを復元・習得するためのツールとして活用することができます。
進歩は既知のつながりの再利用から生まれる
進歩とは、すでに知られているつながり、方法、システムが、本来のコンテキストを超えて移転、反転、組み合わせられ、新たな可能性を生み出すときに起こる。
システム思考
私たちの概念においてシステム思考とは、対象、知識、スキル、プロセスをシステムとして捉える方法です。すなわち、その内部構造、能力、ニーズ、適用限界、相互作用を理解し、特定の課題に対して十分な深さの分析を選択することです。
概念
概念とは、全体的な情報単位です。シンプルであることも複雑であることもありますが、常に1つの独立した内容を保持しており、必要に応じてよりシンプルな概念を通じて展開することができます。
まずどんな問題も解けるようになってから、速く解く方法を学ぼう
学習は多くの場合、名称、個別ケース、既製の公式から始まる。学習者は多くの効率的な解法を暗記するが、学んだものとは似ていない問題に直面すると無力になってしまう。それよりもまず、あらゆる対象のクラスに適用できる最小限の普遍的なツールキットを習得し、そこから規則性、短い公式、専門的な手法を「すでに理解された解決策を加速するための手段」として導き出す方が確実である。
多角形は一般的な方法から個別の名称へと学ぶべきである
学校の幾何学は多くの場合、図形の名称とその性質のリストから始まります。子どもは正方形、ひし形、台形を見分けることを学びますが、その名称がすでに知られている制約事項の短い記録に過ぎないことを理解していないかもしれません。任意の多角形から始め、辺や角度を測り、面積を求め、平行性を確認し、規則性を発見し、その後に初めて名称や特殊な公式を便利な省略形として導入することができます。
AI時代において最も重要なのは「正しい職業を選ぶこと」ではなく、「常に自分自身の新しい仕事を見つける方法を学ぶこと」である
私たちは、どこかに自分に合った場所が存在し、それを一度見つけて就職すればよいという前提で職業を選んできました。しかしAIは、学習、プロダクトの作成、アイデア検証のコストを劇的に下げ、経済的な機会自体がこれまで以上に速く生まれ、消えていくようになりました。おそらく最大の強みは、一度選んだ専門分野ではなく、自分がどこで役に立てるかを何度も見極め、足りない部分を素早く補い、次の機会へと移行していく能力そのものになりつつあります。
コミュニケーションにおける最大の誤りは、理解が早すぎると決めつけること
人間もAIも、自分が持つ経験から相手の発言の意味を常に補完しています。通常、これは役立ちます。そうでなければ、どんなコミュニケーションにも何時間もかかることでしょう。しかし、話し手間の共通の文脈が少なくなるほど、「相手は全く別の話をしているのに、自分はすべてを理解した」と一方が確信してしまう確率が高くなります。
他人の言葉を覚えるのではなく、自分の言葉で世界を理解する方法を学ぼう
正しい言葉を知っていながら何も理解していないということはあり得ます。あるいは、それが何と呼ばれるかすら知らなくても、物事をよく理解しているということもあります。現代のAIは、教科書や専門家、検索エンジンの言葉にあらかじめ自分の言語を合わせることなく学ぶことを、史上初めて可能にしました。まずは自分がすでに見えているもの、理解しているもの、そして知りたいと思うことから始めれば十分です。
人類は知識の作り方を学んだが、理解の伝え方はまだ学んでいない
人類の知識の量は、個々の人間がそれを習得する能力よりも速いスピードで増加しています。あらゆる分野が、複雑なモデルを独自の用語へと圧縮し、ますます多くの前提知識を要求するようになっています。その結果、情報はよりアクセスしやすくなった一方で、理解はむしろ困難になっています。AIの登場により、私たちは初めて「万人向けの画一的な説明」という手法を手放すことが可能になりました。同じアイデアであっても、特定の個人がすでに持っている概念を介して動的に再エンコードし、最小限必要なギャップのみを埋めていくことができるのです。