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。