目次
背景
- 対立する2つの意見をAIに「統合してほしい」と頼むと、しばしば単なる折衷案が返ってくる
- 例えば「カレーが食べたい」vs「ラーメンが食べたい」に対して「カレーラーメンにする」という答えは、一見アウフヘーベン（止揚）っぽいが、実際には単なる表面的な足し合わせに過ぎない
- 本来のアウフヘーベンは、対立そのものの前提を問い直し、両者を貫く新しい視点を見つけることを指す
- ここでは、AIに表面的な折衷案ではなく、本来の意味でのアウフヘーベンを起こさせるための考え方を整理する
アウフヘーベンとは何か
- アウフヘーベン（Aufhebung、止揚）は、ヘーゲルの弁証法の中心概念
- Thesis（正）とAntithesis（反）という対立する立場があるとき、両者を単に否定したり妥協したりするのではなく、両者を「否定しつつ保存する」形でより高い次元のSynthesis（合）へと統合することを指す
- ポイントは、Thesisにあった正しさも、Antithesisにあった正しさも、どちらも失われずに新しい視点の中に活かされていること
- 新しい視点が本物のSynthesisかどうかは、「なぜThesisとAntithesisが対立していたのか」という理由そのものを説明できるかどうかで判定できる
偽物の例: カレーラーメン
- 「カレーが食べたい」vs「ラーメンが食べたい」という対立に対して、「カレーラーメンにする」と答えるのは、一見アウフヘーベンっぽいが、偽物のアウフヘーベンの典型例
- LLMに「2つの意見を統合して」と指示すると、多くの場合この「カレーラーメン型」、つまり両方の特徴を字面通りに混ぜ合わせた答えを返す
- 「カレー味のラーメン」は両方の特徴を持ってはいるが、「なぜカレー派とラーメン派が対立していたのか」という本質的な問いには何も答えていない
- これは、対立の原因（例えば、温かい一杯もので満足したいのか、スパイスの刺激が欲しいのか、といった背後にある欲求の違い）を分析せずに、表面的な属性だけを足し合わせた結果
- 本当のアウフヘーベンを起こすには、まず対立の背後にある前提・欲求・暗黙の軸を言語化する必要がある
- 以降、この記事では「カレーラーメン型」を、表面的なブレンドにとどまる偽物の統合を指す言葉として使う
AIにアウフヘーベンを起こさせるプロンプト設計
対立の構造を明示的に書き出させる
- いきなり「統合して」と頼むのではなく、まずThesisとAntithesisをそれぞれ独立に深掘りさせる
- 「なぜその立場を取るのか」「その立場が満たそうとしている本質的な欲求・価値は何か」を、両方について別々に言語化させる
- 例: 「カレー派の本質的な欲求は何か」「ラーメン派の本質的な欲求は何か」を先に聞く
共有された前提（偽の二分法）を探らせる
- 対立する2つの立場は、しばしば「どちらかしか選べない」という暗黙の前提を共有している
- その前提自体が本当に正しいのかを問い直させることが、アウフヘーベンの核心
- 例えば「カレーかラーメンか」という対立は、「1食に1つの料理しか選べない」という前提の上に成り立っているが、その前提自体を疑うと、「別の日にそれぞれ食べる」「スパイスの効いたスープ料理を新しく探す」のような、どちらの欲求も個別に満たす選択肢が見えてくる
- これは2×2の中に潜む部分と全体の構造で触れた、2つの立場が実は直交する別の軸（新しい次元）を導入することで両立できる、という話と同じ構造
- プロンプトとしては、「この2つの立場が両立しないと考えている前提は何か」「その前提を外すとどんな選択肢が生まれるか」と明示的に問う必要がある
新しい軸・新しい概念を探させる
- 共有された前提が見つかったら、その前提を外した上で、両方の本質的な欲求を同時に満たせる新しい軸・新しい概念を提案させる
- ここでAIに求めているのは、Thesis・Antithesisの単語レベルの混合ではなく、両者の欲求を満たす、より抽象度の高い新しい切り口
- 新しい概念が本物かどうかは、「Thesisを支持していた人も、Antithesisを支持していた人も、どちらも納得できる説明になっているか」で判定できる
Multi-Agent Debateとの接続
- 1つのLLMに最初から統合を頼むのではなく、複数のLLMインスタンスにそれぞれThesis・Antithesisの立場を主張させ、別のLLMにその議論を踏まえて統合させる、というマルチエージェント構成も有効
- 複数のLLMが互いの主張に反論し合う過程で、暗黙の前提や論理の穴が自然と言語化されやすくなる
- Du et al. (2023)のMultiagent Debateは、複数のLLMインスタンスに議論をさせることで、単体のLLMより事実性・推論の質が向上することを示している
人間はメッセンジャーになる
- Multi-Agent Debateを実際に運用する際、人間が取れる最も賢い戦略の一つは、自分で議論の内容を考えるのではなく、別々のAI同士のメッセンジャーになることかもしれない
- 一方のAIがThesisを主張し、もう一方のAIがAntithesisを主張する。人間はその主張を相手のAIに伝え、反論を引き出し、また伝え返すという往復を担う
- これは、素の推論力ではAIに勝てないと悟った人間にとって、合理的な立ち回りと言える
- 自分の頭で統合案をひねり出そうとするより、能力の高いAI同士を戦わせ、その仲介役に徹する方が、結果的に質の高いSynthesisに早くたどり着ける
- この役割分担のもとで、人間の仕事は議論の「内容」を生み出すことから、「どのAIに何を伝えるか」「いつ議論を打ち切るか」「どの論点を重点的に掘り下げさせるか」という、プロセスの設計・進行管理（オーケストレーション）に移る
- 同じモデルに2つの役割を演じさせるより、本当に異なる学習データ・異なる癖を持つ複数のAI（異なるモデル・異なるベンダー）同士を戦わせる方が、より多様な視点がぶつかり合いやすい
- 全自動のMulti-Agent Debateにせず、あえて人間をメッセンジャーとして間に挟む理由は、どの論点を重点的に掘り下げさせるか、どこで議論を切り上げるかという判断に、人間の文脈理解を活かせるから
真の統合と偽の統合を見分けるチェック
- 新しい概念が、Thesis・Antithesisそれぞれの「なぜその立場を取っていたのか」という理由を、両方ともきちんと説明できているか
- 単に両方の表面的な特徴（単語・属性）を混ぜ合わせただけ（カレーラーメン型）になっていないか
- 新しい概念を導入する前の対立が、その概念のもとでは「そもそも対立する必要がなかった」と腑に落ちる形で説明できているか
- これらを満たさない場合、それは折衷案であって、アウフヘーベンではない
まとめ
- アウフヘーベンは、対立する2つの立場を単に妥協・平均するのではなく、両者の本質的な正しさを保存したまま、より高い視点に統合すること
- LLMに素朴に「統合して」と頼むと、表面的な属性を混ぜただけの偽の統合（カレーラーメン型）になりやすい
- 本来のアウフヘーベンを起こすには、Thesis・Antithesisそれぞれの本質的な欲求を言語化し、両者が共有している暗黙の前提（偽の二分法）を疑い、その前提を外した新しい軸・概念を探す、という手順が有効
- Multi-Agent Debateのように、複数のLLMに議論させてから統合させる構成も、この前提の言語化を助ける
- 人間が自ら議論の内容を考えるのではなく、別々のAI同士のメッセンジャーに徹し、プロセスの進行管理だけを担うのも、現実的で賢い戦略になりうる
- 真の統合かどうかは、新しい概念が両方の立場の存在理由をきちんと説明できているかで判定できる
参考文献
- Hegel, G. W. F. “Wissenschaft der Logik”
- Du, Y. et al. (2023). “Improving Factuality and Reasoning in Language Models through Multiagent Debate”
- 2×2の中に潜む部分と全体の構造