Siobahn Day Grady、AI教育における資金格差に立ち向かう

Siobahn Day Gradyは、これらの教育機関に配分される資金が1％未満にとどまる制度のなかで、HBCU初のAI研究所を設立した。IEEE Spectrumの特集は、人工知能をNorth Carolina Central University全体で利用可能にするための意欲的な取り組みとして、彼女の活動を紹介している。より本質的な問題は、そのモデルが克服しようとする財政的不均衡のなかで存続できるかどうかだ。

Gradyは2025年1月、NCCUのInstitute for Artificial Intelligence and Emerging Research（IAIER）を立ち上げた。AIリテラシーに関する特集によれば、以来、2,800人を超える学生、教職員、地域住民が同研究所の活動に参加している。そのプログラムはコンピュータサイエンスにとどまらず、ソーシャルワーク、医療、デジタルアーカイブなど幅広い分野に及ぶ。

研究所が早期から広い層に到達していることは、AIリテラシーを一般教育として扱うべきだという主張を裏付ける。一方で、助成金やテクノロジー企業への依存は、より厳しい制約も浮き彫りにする。研究資金の少ない大学は、より充実した教員、計算資源、資金調達能力を持つ機関と競いながら、AIに形づくられる労働市場に向けて学生を育成しなければならない。

これがGradyの活動の根底にある中心的な対立だ。大学は教室内でAI教育を普遍化できても、それを支えるインフラへのアクセスは依然として大きく不平等である。

GradyはAIラボを全学規模の研究所へと発展させた

IAIERは、NCCUのAI戦略を専門的な研究プロジェクトから、全学規模の人材育成・教育プログラムへと転換した。

Gradyの構想は研究所から始まったわけではない。彼女は2020年にNCCUでLaboratory for Artificial Intelligence and Emerging Researchを設立した。このラボは、機械学習、ヒューマン・コンピュータ・インタラクション、医療、自律システムに関わるプロジェクトに学生が取り組む機会を提供した。

ただし、この仕組みは依然として研究グループを中心とするものだった。参加学生への支援や特定プロジェクトの実施は可能でも、すべての学部に届くものではなかった。2024年にGoogleの助成機会が生まれた際、Gradyはより広いモデルを検討し始めた。

その結果として設立された研究所は、Google.orgから100万ドルを受け取った。NCCUはIAIERを、学際的な教育、研究、責任あるAI開発のための拠点と位置付けている。同大学の研究所概要では、同研究所を米国初のHBCUを拠点とするAI研究所とも説明している。

大学の理事会は、組織的な審査を経て2025年12月17日にIAIERを正式承認した。この承認により、同組織は当初の教員主導ラボを超える恒常的な位置付けを得た。また、学術プログラム、提携、研究助成金、地域向け研修を調整する役割も担うことになった。

この違いは、AIリテラシーがコンピュータサイエンティストの育成と同じではないため重要である。AIリテラシーとは、AIシステムに何ができるのか、どこで失敗するのか、その出力が意思決定にどう影響するのかを理解することだ。さらに、データソースを問い直し、リスクを特定し、特定の専門分野に適したツールを使う能力も含まれる。

看護学生と情報科学の学生が、同じ方法でAIを使うことはない。ソーシャルワーカー、アーキビスト、教員、ビジネスアナリストも同様だ。全学規模の研究所は、共通する基礎と各分野の職業基準を結び付けることができる。

IAIERのシード助成プログラムは、そのアプローチを示している。研究所は、最初に報告された採択グループで11件のプロジェクトに最大1万ドルの助成を行った。これらのプロジェクトは、ソーシャルワーク、医療、デジタルアーカイブ、情報科学などを対象としている。

あるプロジェクトでは、ソーシャルワークの学生向けにAI支援型シミュレーションラボを開発している。学生は、同システムを指導付きの現場実習の代替と見なすことなく、クライアントとのやり取りを練習できる。この取り組みはAI教育を、単なるプロンプト作成ではなく、専門職としての判断を問う課題へと変える。

これは、学生にチャットボットの操作方法を示すだけよりも要求水準の高い目標だ。AIが学習を改善する場面、許容できない不確実性をもたらす場面、学生が利用をどのように記録すべきかを、教員が判断する必要がある。

IAIERは、Deloitte、FICO、Anthropic、IBM、Googleなどの企業が参加するイベントも開催している。こうしたつながりは、学生に現在の職場で求められる水準を示し、教員には学術界の外で変化する実務を知る視点を与える。

産業界の関与には、固有の緊張も伴う。企業は、大学がカリキュラムを改訂し、プログラムを承認し、教員を研修するより速くAI製品を開発する。そのため大学には外部の知見が必要だが、ベンダーが自社プラットフォームを中心にAIリテラシーを全面的に定義することは許されない。

Gradyの研究所は、まさにこの緊張のなかにある。企業支援を活用して参加を広げる一方、AI教育を学際的な学術責任として位置付けている。プログラムと需要が拡大するなかで、この均衡を維持できるかが次の試金石となる。

IEEE Spectrumは、AIリテラシーが一般教育になりつつある理由を示す

IEEE Spectrumの記事は、AIリテラシーが一つの技術系学部に閉じるものではなく、カリキュラム全体に属するべきだという明確な根拠を示している。

NCCUにはまだ独立したコンピュータサイエンス学部がないが、同大学はコンピュータサイエンス専攻とAI副専攻を開発している。この欠如は不利に見えるかもしれない。しかし同時に、コンピュータサイエンスの履修を入口にしないモデルへIAIERを向かわせる要因にもなった。

現在、NCCUのすべての新入生は、必修の大学教育科目であるUNIV 1100を通じて、入門的なAI研修に触れている。NCCUの必修AIモジュールによれば、このプログラムは2025年秋に約1,700人の1年生を対象として始まった。

このモジュールでは、基礎的なテクノロジー研修と認定資格を提供するオンライン学習プラットフォーム、IBM SkillsBuildを利用する。学生は専攻予定にかかわらず教材を修了する。NCCUによれば、IBMおよび他のパートナーに関わるメンタリングやインターンシップのパイプラインにもアクセスできる。

このモジュールを必修科目に組み込むことで、研修を受ける人の範囲が変わる。任意のワークショップには、すでにテクノロジーに親しみを感じる学生が集まりやすい。全員必修にすれば、AIは自分の仕事と無関係だと考えていたかもしれない学生にも届く。

この設計は、デジタルシステムを日常の職業生活から切り離すことはもはやできない、というGradyの主張を反映している。採用担当者はますます、AI支援による成果物を評価し、自動化システムとやり取りし、信頼できない出力を見極められる卒業生を求めている。こうした期待は、現在ではソフトウェア開発をはるかに超えて広がっている。

ただし、基礎的なプロンプト作成で終わってはならない。要約を依頼できる学生が、ハルシネーション、プライバシー、著作権、埋め込まれたバイアスを自動的に理解するわけではない。ハルシネーションとは、生成モデルがもっともらしいが根拠のない情報を生成することを指す。

したがってAIリテラシーには、検証も含まれなければならない。学生は出力を原資料と照合し、重要なAI支援があった場合は開示し、機密情報を第三者システムの外に置くべき場面を理解する必要がある。

この取り組みには、ナレッジマネジメントの側面もある。学生や研究者は、AIに解釈を求める前に、ソース資料を信頼できる方法で整理する必要がある。引用を保持し、主張を証拠と結び付け続けるAIナレッジベースは、このプロセスを支援できる。

教員開発も同様に重要になる。教員が評価方法を再設計するための時間や指針を得られない場合、機関は共通のAIに関する期待を確立できない。IAIERは、教育者が自らの授業にAIを統合できるよう、教員開発チームと協力してきた。

統合とは、すべての教室で同じツールを使うことではない。歴史の教員はソース検証に重点を置くかもしれない。ソーシャルワークの教員は、同意と専門職上の境界を検討するかもしれない。医療研究者は、プライバシー、検証、誤った予測がもたらす結果に焦点を当てるかもしれない。

この分野別アプローチは、IAIERに一般的なテクノロジーセンターより強い根拠を与える。AIを多様な仕事を横断する層として扱いながら、各専門職には異なるリスクがあることを認識している。

このモデルは、他大学にも圧力を生む。AI教育を技術系の選択科目に限定する機関は、準備にばらつきのある学生を卒業させるリスクがある。より裕福な大学は教員を採用し、専門センターを設立して対応できるが、小規模な機関はより難しい選択を迫られる。

NCCUはまず幅広さを選んだ。すべての新入生に基礎を提供しつつ、その土台の上に高度な研究と学位取得の選択肢を構築している。このアプローチは実践的だが、その質は継続的な教員支援と定期的なカリキュラム更新に左右される。

普遍的なAIアクセスと不平等な研究制度が交錯する

Gradyのモデルは、HBCUが研究投資の公平な配分を受けないままAI人材の育成を期待されているという構造的な不整合に挑んでいる。

歴史的黒人大学（HBCU）は、4年制学位授与機関の3.2％を占める。しかし、2023会計年度における連邦政府の高等教育研究開発支出のうち、HBCUが受け取ったのはわずか0.91％だった。

この格差は1年に限ったものではない。公表された連邦R&Dデータによれば、2018年以降、HBCUが受け取った連邦の学術研究資金は平均0.87％にとどまる。

政府機関ごとの配分には、さらに別の問題がある。2023年に大学研究資金を提供した43の連邦機関のうち17機関は、HBCUに何も配分しなかった。つまり、参加機関の40％がHBCU向けの研究配分を設けなかったことになる。

主要な資金源の二つも、不釣り合いに小さい割合を配分した。Department of Health and Human Servicesは、学術研究資金の0.54％をHBCUに振り向けた。Department of Defenseは0.40％だった。

これらの数字がAIにとって重要なのは、研究能力が複利的に積み上がるためだ。連邦助成を受ければ、大学院研究者、計算資源、管理スタッフ、パイロット研究に資金を充てられる。こうした資産は、機関が次の助成金を競い、追加のパートナーを引き付ける助けとなる。

限られた資金は逆の影響を生む。教員は、より少ない管理支援で提案書作成により多くの時間を費やす。機関は助成金と助成金の間にラボを維持するのに苦労する。学生は、大学院進学や技術職への就職につながり得る有給研究機会を得にくくなる。

問題は、関連する人材が不足していることではない。HBCUは長年にわたり、科学・工学分野で十分に代表されてこなかった学生を支援してきた。AIシステムが、歴史的にテクノロジー設計から排除されてきたコミュニティに影響を与える場合、その関与は特に重要である。

研究者の背景が公正なテクノロジーを保証するわけではない。しかし、研究から機関やコミュニティを排除すれば、問われる問題の幅は狭まる。また、疑わしい前提に異議を唱えられる立場に立つ人々の層も狭める。

IAIERの学際的助成は、より幅広い参加が研究課題をどのように変え得るかを示している。ソーシャルワークの教員は、モデル開発者とは異なる視点でAIに向き合う。アーキビストは、商用製品チームが見落としかねない保存、来歴、表象に関する問題を見る。

同研究所はまた、学生が就職前にこうした問いを探究できる場を提供している。研究経験を通じて、問題を設定し、証拠を扱い、主張を検証し、不確実性を伝える力を身につけられる。個別のAIツールが変化しても、これらの能力は価値を保ち続ける。

企業助成は当面の不足を補う助けにはなるが、継続的な公的投資に取って代わるものではない。企業は慈善活動の優先事項を変更し、プログラムを再編し、提携を終了することができる。大学は、より長いサイクルで学生と教職員を支えなければならない。

政府資金も変動し得る。連邦研究予算は政治的交渉に左右され、多様性を重視するプログラムにはさらに厳しい監視が向けられる。単発の配分によって活動を生み出すことはできても、助成終了後の人員や運営を保証するものではない。

連邦政府は2025年9月、HBCUおよびネイティブ・アメリカンの部族政府によって認可された教育機関に対し、5億ドルの一度限りの投資を発表した。この取り組みは短期的な支援をもたらしたが、単発という性質上、恒常的な研究格差を解消するものではなかった。

IAIERにとって、この資金格差は成長そのものをリスクに変える。成功は、より多くの学生、教員によるプロジェクト、地域からの要望、そして潜在的な提携先を呼び込む。新たなプログラムが加わるたびに、臨時助成では賄えないかもしれない調整と支援の必要性も増す。

Gradyは、資金調達を同研究所にとって最大の持続可能性の障壁と位置づけている。この評価は、高い参加率が生み出す明るい物語を複雑にする。数千人に届いたことは需要を示すが、運営モデルが自立して資金を確保できることを示すものではない。

したがって主な障害は、別の大学やAI研究所ではない。普遍的なアクセスという約束と、現実に存在する不平等な研究能力との隔たりである。

産業界との提携はアクセスを広げるが、カリキュラムを決めることはできない

テクノロジー企業との提携はNCCUに貴重な資源をもたらす一方、責任あるAI教育の意味を定める主導権は大学が保持しなければならない。

IAIERはGoogleおよびIBMと、研修や認定資格の面で協力してきた。また、雇用主やAI企業が関与するセッションも開催している。こうした関係は、学生をツール、研究者、専門家ネットワーク、そして将来のキャリアにつながる可能性と結び付ける。

同研究所は、HBCUで初めて開催されたOpenAI Academy Summitを主催した。IEEE Spectrumの記事によれば、このイベントには40を超える教育機関から444人がNCCUに集まった。公式のHBCU summitでは、教育、人材育成、起業、責任ある導入について議論が行われた。

このネットワークがもたらす価値は大きい。資金に恵まれた大学の学生は、客員研究者、卒業生、採用担当者と非公式につながる機会を得やすい。NCCUで開催されるイベントは、HBCUの学生とAI分野の雇用を形作る組織との距離を縮め得る。

認定資格は、新たに得たスキルを可視化する役割も果たす。技術系の専攻ではない学生にとって、基礎的な訓練を示す公認の証明書は有益となり得る。ただし、雇用主がその測定対象を理解している場合に限られる。

AIリテラシーがベンダーのバッジの寄せ集めになるリスクがある。バッジはコース修了を証明できても、学生が出力に疑問を呈し、機密データを保護し、不適切な用途を見極められるかまでは示さない。

ベンダー中心の教育は、急速に古くなる可能性もある。製品インターフェース、モデル名、サブスクリプション条件は変化する。学生には、利用するツールが変わっても役立ち続ける移転可能な概念が必要だ。

したがって大学は、製品への習熟と持続的なリテラシーを区別しなければならない。製品への習熟は、学生が現在のシステムを使って生産性を高める助けとなる。持続的なリテラシーは、将来のシステムを評価し、繰り返し現れる問題を認識する助けとなる。

同じ原則は教員の研究にも当てはまる。企業支援は実験への資金提供や技術的アクセスの提供に役立つが、研究課題が企業の商業ロードマップに全面的に依存してはならない。研究者がバイアス、労働への影響、プライバシー、システム障害を研究する際には、独立した探究が不可欠である。

IAIERの学際的な構造は、狭いベンダー思考からある程度保護している。同研究所のプロジェクトは、ソーシャルワークやアーカイブズといった分野に内在する課題から始まる。技術が研究課題に奉仕するのであり、技術が研究課題を定義するのではない。

それでも、同研究所が外部提携に依存していることは、もっともな不確実性を生む。公表されている参加者数は、継続的な研修を修了する学生が何人いるかを明らかにしない。また、卒業生がNCCUを離れた後、これらのスキルを効果的に活用しているかも示さない。

雇用成果、研究生産性、教員の実践の変化については、公表された長期的な証拠がほとんどない。若い研究所であることを考えれば、この不在は理解できるが、モデルの有効性について広範な主張を行うには制約となる。

問うべきなのは、IAIERがすでに不平等なAIアクセスを解決したかどうかではない。その結論を支えるだけの時間、資金、公表済みの成果データはまだない。重要なのは、その初期設計が、他機関でも再現できる測定可能な進展を生み出しているかどうかである。

有用な評価では、イベント参加とより深い関与を分けて捉えるべきだ。コース修了、研究参加、インターンシップ、認定資格、大学院進学・就職先、AI出力を検証することへの学生の自信を追跡する必要がある。

また、大学内で誰が恩恵を受けているかも検証すべきである。全新入生向けの研修は幅広い出発点をつくるが、高度な機会は、より多くの時間、事前経験、あるいは教員とのつながりを持つ学生に依然として集中し得る。

教員の能力もまた別の制約となる。シード助成は有望なプロジェクトを立ち上げられるが、研究者には時間、技術支援、後続資金が必要だ。そうでなければ、パイロットプログラムは最初の実証を生んだだけで消えてしまう。

こうした懸念のいずれも、Gradyの戦略を否定するものではない。これらは、なお必要とされる証拠が何かを定義している。同研究所は、HBCUが目に見える全学的AIイニシアチブを組織できることを示した。だが、初期助成が終了した後もモデルが安定して維持されるかは、まだ示されていない。

モデルが持続するかを示す三つのシグナル

IAIERの将来は、継続的なインフラ、測定可能な学生の成果、そして一つのキャンパスを超えた再現にかかっている。

第一のシグナルは、NCCUが同研究所のために設ける専用の物理的施設である。GradyはIEEE Spectrumに対し、IAIERが2026年秋に初の専用キャンパス施設を開設する計画だと語った。NCCUは、学習と研究のために延べ約5,000平方フィートの建物を説明している。

物理的なセンターは、学生と教職員にプロジェクト、メンタリング、研修、協働のための一貫した場所を与える。また、大学がIAIERを一時的な助成プログラムとして扱うのではなく、運営に組み込んでいることも示すだろう。

ただし、施設だけで持続可能性が確立されるわけではない。重要な詳細には、人員、設備、コンピューティングへのアクセス、運営資金、支援可能なプログラム数が含まれる。継続的な資源を伴わない建物では、同研究所のより広範な主張は弱まる。

第二のシグナルは、NCCUが計画しているコンピュータサイエンス専攻とAI副専攻の開始および定着である。これらのプログラムは、全学生向けの入門研修と、より深い学術的進路をつなぐものとなる。

発表そのものより、履修者数と修了データの方が重要になる。強い需要は、幅広いAIへの接触が学生に高度な学習を促していることを示す。進展が弱ければ、入門研修にはより充実した履修指導、前提条件、または財政支援が必要であることを示すかもしれない。

成果は技術系専攻にとどまるべきではない。IAIERの特徴的な提案は、AIが学問分野全体に属するという点にある。したがって研究者は、AI関連の授業を設ける学部の数、教員によるシード助成の活用、学際的プロジェクトがパイロット段階を超えて継続するかを追うべきである。

第三のシグナルは、NCCUのアプローチが他の場所でも再利用可能になるかどうかだ。Gradyは、HBCUや他大学が同様のプログラムを設立する助けとなる枠組みをつくりたいと述べている。

再現は、IAIERが一人の成功したリーダーや単一の助成にとどまらないという根拠を強める。また、異なるカリキュラム、学生層、産業界との関係を持つ教育機関に、どの要素が移転できるかを試すことにもなる。

反復可能な枠組みには、明確な最低要件が必要となる。大学には、教員育成、責任ある利用の方針、学生評価、研究ガバナンス、雇用主の関与、持続可能な資金調達に関する指針が必要だ。

同時に、地域固有の優先事項を反映する余地も必要である。地方の教育機関は農業や医療アクセスに焦点を当てるかもしれない。都市部の大学は行政、交通、地域起業を重視する可能性がある。

今後数カ月で、これら三つのシグナルは同研究所の軌道を明らかにするはずだ。人員を備えた施設は制度的基盤を強化する。成長する学術的進路は、より深い学生需要を示す。他大学による採用は、モデルが広がり得るというGradyの主張を支える。

いずれか一つのシグナルが実現しなかったとしても、同研究所の初期の取り組みが消えるわけではない。しかし、施設の遅延、進路への移行の弱さ、あるいは再現の不在は、助成に支えられた熱意が組織的な限界に直面する地点を示すだろう。

IEEE Spectrumのプロファイルは、高等教育をより広いAI対応力の定義へと押し進めるリーダーを描いている。Gradyの最も重要な考えは、すべての学生がプログラマーになる必要があるということではない。すべての学生が、自動化システムに疑問を投げかけ、方向付け、検証するのに十分な理解を持つ必要がある、ということである。

この考えは、学生、雇用主、大学に実践的な帰結をもたらす。雇用主はツール固有のバッジだけでなく、候補者がAI支援による仕事をどのように評価するかを問うべきである。大学は出席数だけでなく、継続的な学習を測定すべきだ。学生は検証と領域に関する判断を中核スキルとして扱うべきである。

この物語は、資金提供者にも責任を課している。HBCUへの連邦学術R&D資金の配分を1％未満にとどめたまま、より代表性のあるAI人材を求めることは難しい。

読者は、初期の注目が薄れた後に何が起きるかを見守るべきだ。IAIERは継続的な支援を獲得し、有意義な成果を公表し、他のキャンパスが同等のプログラムを構築する助けとなるのか。こうした結果が、普遍的なAIリテラシーが制度的なコミットメントとなるのか、それとも一時的な資金を追いかける卓越したリーダーに依存し続けるのかを決める。

Gradyはすでに需要を示した。次の段階は、大学、雇用主、行政機関、テクノロジー企業に委ねられている。AIリテラシーを共有された教育上の優先事項と見なすのか、そしてそれに見合う資金を提供するのかを、彼らは決めなければならない。