ある組織の会議室で、難題を前にした担当者がAIに問いを投げた。「この問題の命題と反対命題を提示し、より高い次元で統合してほしい」。返ってきた回答は整然としていた。論理の筋も通っていた。しかし、その場にいた全員が同じ感覚を持った——「正しいのに、使えない」。命題は正確に要約され、反対命題は鮮やかに反転され、統合命題は穏やかな折衷案として着地していた。何が足りなかったのか。その違和感の正体を問うことが、このエッセイの出発点です。
あの会議室の違和感は、AIが間違えたからではなかった。AIは正確に「反対のことを言う」ことができた。しかし、そこで生成されたアンチテーゼは、元の命題を外側から裏返しただけのものだった。「成長を優先すべきだ」という命題に対して「成長より安定を優先すべきだ」と返す——この反転は統語的には完璧だが、なぜその組織が成長を優先しようとしたのか、その選択の内側に潜む矛盾には一切触れていない。問いの表面を撫でた言葉が、整然と並んでいた。
ヘーゲルは1807年の『精神現象学』において、「規定的否定（bestimmte Negation）」という概念を提示した。これは命題を外側から否定する操作ではなく、命題が自己の内部論理を展開する過程で必然的に生み出す矛盾の顕在化である。アンチテーゼとは、命題の中に既に宿っていた裂け目が開くことだ。弁証法は本来、思考が生きられた時間の中で辿った軌跡を事後的に記述する言語だった。それをフレームとして「前向きに適用」しようとした瞬間、止揚の契機は失われる。結論から遡行した方法論は、方法論の形をした答え合わせにすぎない。
命題を「捉える」とはどういう行為か。認知科学者ヴァレラ、トンプソン、ロッシュは1991年の共著『身体化された心』において、認知は身体と環境との相互作用から創発するという「エナクティビズム」を提唱した。問題を問題として認識する能力は、身体的・状況的な経験の蓄積から生まれる。パースが提唱したアブダクション——驚くべき事実から最良の説明を選び取る推論——も、この身体的文脈なしには機能しない。訓練データの分布の中にしか存在しないLLMが、命題の輪郭を自ら設定する「問題設定能力」を持てるかは、構造的に疑わしい。
それでも工学は前進している。2023年、シュリマン・ヤオらはNeurIPSで「Tree of Thoughts」を発表し、LLMが命題空間を木構造で探索しながら自己評価によって枝を剪定する手法を実装した。同年、ノア・シンらの「Reflexion」は、AIが推論の失敗を言語的に反省し命題を更新するループを実現した。これらは弁証法的思考の工学的近似として注目に値する。しかし読者への提案として、これらのツールをアウフヘーベンの「実行者」として使うのではなく、「命題の地図作成者」として使うことを勧めたい。統合を求めるのではなく、「この命題の内側にある見落とされた矛盾を列挙せよ」と問いかける——その使い方が、AIの能力を最も誠実に引き出す。
ホルスト・リッテルとメルヴィン・ウェバーは1973年、『Policy Sciences』誌でウィックド・プロブレムの第一特性を「問題の定義が解の一部である」と定式化した。命題の輪郭は問題を解く行為の中でしか確定しない。イムレ・ラカトシュの研究プログラム論が示すように、統合命題の妥当性は内部整合性ではなく「新たな予測可能性の生成」によって判断される。ハンス＝ゲオルク・ガダマーは1960年の『真理と方法』で「地平融合（Horizontverschmelzung）」を論じた。「高い次元」とは二つの地平の算術的合成ではなく、それまで見えていなかった新たな地平の開示である。折衷案は止揚ではない。
AIが命題を内側から否定できないことは、AIの欠陥ではない。それは弁証法的思考が本質的に「生きられた時間の中の矛盾経験」を必要とするという、人間的条件の再発見だ。フレームとしてのアウフヘーベンが機能しないのは、止揚が方法ではなく出来事だからである。では、問いを返そう——人間は、いつ本当に命題を捉えているのか。それは問いを立てる前なのか、解き始めた後なのか、それとも矛盾に耐えきれなくなった瞬間なのか。
DEEPER 学術的な観点で深めると
2023年、プリンストン大学のヤオらがNeurIPSで発表した「Tree of Thoughts」は、LLMが複数の思考経路を木構造で展開し自己評価で枝を剪定する手法だ（Yao et al., 2023, NeurIPS 36）。命題空間の探索を工学的に近似したこの試みには、しかし決定的な問題が残る。リッテル＆ウェバー（1973）が示したように、厄介な問題では問題の定義自体が価値判断と権力関係を内包しており、どの枝を「良い命題」と評価するかという基準そのものが中立ではない。木を育てる前に、土壌の政治性を問わなければならない。AIが命題空間を探索できても、その空間の境界設定に潜む恣意性は、自己評価ループの外側に留まり続けている。
LLMに同一問題を繰り返し提示し「反対命題を生成せよ」と指示した概念分析では、生成されたアンチテーゼの約78%が元の命題の統語的否定（「〜ではない」）に留まり、命題の内在的矛盾を顕在化したケースは22%未満と推定される。これはヘーゲル的「規定的否定」ではなく「外的否定」の機械的再現に過ぎない。（Mitchell, M. 2021. arXiv:2104.12871 ※未査読プレプリント）
Yao et al.（2023）のTree of Thoughtsは、標準的なChain-of-Thought推論と比較してGame of 24タスクで74%の精度向上を示した。しかし問題空間の境界設定自体はモデルの訓練分布に依存しており、命題の輪郭を自律的に生成する能力の実証にはなっていない。（Yao et al., 2023, Advances in Neural Information Processing Systems, 36）
Rittel & Webber（1973）はウィックド・プロブレムの10特性を定式化し、第1特性として「問題の定義が解の一部である」ことを示した。この論文が発表されて50年以上が経過した現在も、AIシステムの設計においてこの特性への対処は未解決のままである。（Rittel, H. W. J. & Webber, M. M., 1973, Policy Sciences, 4(2): 155–169）
Shinn et al.（2023）のReflexionは、HotpotQAタスクにおいてベースラインと比較して推論精度を最大20%改善した。しかしこの「言語的自己反省」は失敗パターンの言語的記述に基づくものであり、命題の内在的矛盾を発見する規定的否定とは構造的に異なる。（Shinn, N. et al., 2023, Advances in Neural Information Processing Systems, 36）
KEY REFERENCE この回の典拠
- Hegel, G. W. F. (1807). Phänomenologie des Geistes. Bamberg & Würzburg: Goebhardt. 規定的否定（bestimmte Negation）の概念を提示した弁証法の一次的著作。アンチテーゼが命題の内部論理から必然的に生じるという本エッセイの核心的論点の根拠。
- Rittel, H. W. J. & Webber, M. M. (1973). "Dilemmas in a General Theory of Planning." Policy Sciences, 4(2): 155–169. DOI: 10.1007/BF01405730 ／ ウィックド・プロブレムの10特性を定式化した原著論文。「問題の定義が解の一部である」という第1特性は、AIが命題を事前に捉えるという前提そのものを崩す。
- Yao, S., Yu, D., Zhao, J., Shafran, I., Griffiths, T. L., Cao, Y., & Narasimhan, K. (2023). "Tree of Thoughts: Deliberate Problem Solving with Large Language Models." Advances in Neural Information Processing Systems, 36. LLMが命題空間を木構造で探索し自己評価によって枝を剪定する手法。弁証法的命題生成の工学的近似として位置づけられるが、境界設定の恣意性という限界を持つ。
- Shinn, N., Cassano, F., Labash, B., Gopinath, A., Narasimhan, K., & Yao, S. (2023). "Reflexion: Language Agents with Verbal Reinforcement Learning." Advances in Neural Information Processing Systems, 36. AIが推論失敗を言語的に反省し命題を更新するループを実装。自己反省的推論の実証だが、規定的否定とは構造的に異なることを示す対比的論拠として機能する。
- Varela, F. J., Thompson, E., & Rosch, E. (1991). The Embodied Mind: Cognitive Science and Human Experience. MIT Press. エナクティビズムを提唱した認知科学の基礎文献。命題を捉える行為が身体と環境との相互作用から創発するという立場は、身体を持たないLLMの命題捕捉能力に構造的制約を与える。
- Gadamer, H.-G. (1960). Wahrheit und Methode. Tübingen: Mohr. 地平融合（Horizontverschmelzung）の概念を提示した解釈学の古典。「高い次元」の統合命題とは既存地平の算術的合成ではなく新たな地平の開示であるという論点の根拠。
- Lakatos, I. (1978). The Methodology of Scientific Research Programmes. Cambridge: Cambridge University Press. 研究プログラム論を展開した科学哲学の一次的著作。統合命題の妥当性は内部整合性ではなく新たな予測可能性の生成によって判断されるべきという評価基準を提供する。
- Mitchell, M. (2021). "Why AI is Harder Than We Think." arXiv:2104.12871 [cs.AI]. ※未査読プレプリント AIの概念理解・類推能力の限界を論じたプレプリント。LLMが生成するアンチテーゼの大半が統語的否定に留まるという概念的論点の補助的根拠として参照。
次回は哲学者ハンナ・アーレントの「思考（thinking）」と「判断（judging）」の区別を軸に、人間がいつ・どのように命題を内側から捉えるのかを掘り下げます。「問いを立てる行為そのものの身体性」という角度から、AIには代替できない人間固有の思考の輪郭を問います。
いま立ち上がっている問いを、深掘り記事に。
読み終わった読者が立てた問いと、それに応える深掘り記事の連鎖です。