面對復雜現象，怎樣找個靠譜的解釋？

對一個復雜現象能詮釋得嚴絲合縫的，往往反而是那些陰謀論或訴諸超天然身分的理論。

“為什么” 是最常見的問題類之一了。和“是不是”（判定、評價） “是什么”（識別、分類） “什么是”（舉例、搜尋）等類問題比擬，對這種 “求詮釋” 問題的回覆所涉及到的推理過程更為復雜。這不僅是因為謎底難以找到（所有問題類都有這種環境），更經常是因為“謎底” 太多并且互相矛盾，是以難以抉擇。列位讀者若是檢核當前的輿情熱點則不難發現，非論是對汗青事務仍是實際現象，貌似有理的詮釋俯拾皆是，但顯然不克不及同時都被接管，而有些更是匪夷所思到令你服氣人們的想象力。此處還有邏輯可言嗎？

詮釋和歸因

對詮釋性問題的回覆不是傳統意義下的 “演繹” 推理，這就是說沒有一套嚴酷的法則可覺得一個給心猿意馬的現象A找到一個準確的詮釋B。一種常見的說法是，把所有不是演繹的推理統稱為 “歸納”，但這樣一來不免難免勾消了此中分歧推理類型的主要不同。

在推理分類上做出奠定性進獻的是皮爾斯（Charles Sanders Peirce）。他最早提出詮釋性推理是和演繹、歸納均分歧的根基推理形式。皮爾斯起頭稱這種推理為hypothesis（假設），后改稱abduction。后面這個詞在中文中有 “溯因” “歸因” “逆推” 等譯法，我感覺 “歸因” 和 “歸納” 對應，更得當些，是以一般用這個詞。在Deduction, Induction, and Hypothesis 一文[1]中，皮爾斯給出的例子是：

演繹(deduction)：從“這些豆子是從這個袋子里掏出來的” 和 “這個袋子里的豆子都是白的” 推出 “這些豆子是白的”；

歸納(induction)：從“這些豆子是從這個袋子里掏出來的” 和 “這些豆子是白的” 推出 “這個袋子里的豆子都是白的”；

歸因(hypothesis/abduction)：從“這些豆子是白的” 和 “這個袋子里的豆子都是白的” 推出 “這些豆子是從這個袋子里掏出來的”。

這可以歸納綜合當作下面的一般格局：

演繹：從“S是M” 和 “M是P” 推出 “S是P”

歸納：從“S是M” 和 “S是P” 推出 “M是P”

歸因：從“S是P” 和 “M是P” 推出 “S是M”

這樣一來，歸納和歸因別離可以經由過程將演繹的一個前提與其結論換位而獲得，是以均可以被算作是 “逆演繹”，而這二者仍有分歧。

皮爾斯指出，盡管歸納和歸因都不具有演繹的 “保真性”，它們仍供給主要的推理功能。歸納的功能是 “歸納綜合” （也稱 “泛化” 或 “一般化”），這就是說盡管 “S是M” 和 “S是P” 不克不及包管 “M是P” 的準確性，但若是這樣的S有良多，其累積結果簡直會使得我們接管 “是M的也都是P”，那也就是 “M是P” 了。另一方面，歸因的功能是 “詮釋”，這就是說盡管 “S是P” 和 “M是P” 不克不及包管 “S是M” 的準確性，但“S是M” （作為假說）和 “M是P” （作為布景常識）可以詮釋 “S是P” （作為不雅察成果）為什么會發生。這樣一來，這兩種推理形式各安閑思維勾當中的進獻就清晰了，并且它們和演繹所供給的論證功能是互補的，彼此并無矛盾。對上面那個例子來說，若是人們知道一個袋子里的豆子都是白的，簡直經常會覺得看到的白豆子是從袋里掏出來的，盡管這顯然只是浩繁可能性中的一種。

切當地說，皮爾斯關于演繹-歸納-歸因的不雅點包含兩個方面：

1. 這三者的形式及其換位關系，

2. 這三者在思維勾當中的功能。

因為前一個方面的工作是在 “詞項邏輯” （以亞里士多德三段論為代表）的形式框架中表述的，而跟著數理邏輯的鼓起，詞項邏輯的優勢地位被謂詞邏輯所代替（這是另一個話題了，在此不睜開），皮爾斯在推理類型劃分上的思惟遺產本家兒如果在第二個方面被后人擔當了。在近年的研究[2]中，演繹-歸納-歸因根基上是遵照它們的功能（論證-歸納綜合-詮釋）來區分的，而其形式化界說則是在謂詞邏輯的框架中給出的，好比說若是P(a) 和 Q(a) 別離暗示對象a 具有性質P和Q，并且P(x) → Q(x) 暗示 “凡有性質P的也有性質Q”，那么這三種推理可以歸納綜合當作下面的格局：

演繹：從P(a) 和 P(x) → Q(x) 推出 Q(a)

歸納：從P(a) 和 Q(a) 推出 P(x) → Q(x)

歸因：從Q(a) 和 P(x) → Q(x) 推出 P(a)

固然歸納和歸因仍可以經由過程換位從演繹中獲得，這種暗示已經不再有詞項邏輯中那種標致的同一性。出于多種考慮，在我本身的推理模子[3]中仍是用了皮爾斯最初的詞項邏輯形式，但將其從二值邏輯革新當作多值邏輯，即把 “真假” 算作水平之別，而分歧的推理形式則是以分歧的體例和強度為結論供給證據。這方面我在《證實、證偽、證實、證據：何故為“證”?》（見王培“AI那廝”專欄）之中已有介紹，這里就不再反復了。

詮釋“詮釋”

以前面的介紹為根本，我們可以詮釋一下 “詮釋” 之中為什么有那么多問題。作為難兄難弟，歸因的麻煩不比歸納的少（見《科學的名譽，哲學的丑聞：怎么對于“歸納”帶來的麻煩？》）并且二者不乏 “同病” 之處，好比其結論只能獲得相對較低的可托度，而無論前提若何可托。

當會商從界說相對嚴酷的 “歸因” 轉到相對迷糊的 “詮釋”，問題就更多了。按照今朝一般的理解，給心猿意馬現象A，假說B只要不是較著為假，并且可以或許和布景常識K一路（演繹地）推導出A，就算是個可能的詮釋。這樣一來，對統一個A，詮釋B可以有良多個，以至于似乎可以用任何B去詮釋A。好比說或人做了一件功德，有人天然會以此作為此人是大好人的證據，而往往也有人會說這事恰好申明了此人的偽善和專心邪惡；若是或人做了一件壞事，有人會以此證實此人是壞人，而同時還有人會為其找出不得已的來由，甚至說其成果 “現實上從久遠看來不掉為一樁功德”。

若是你決心不吝一切價格來捍衛某種崇奉，那么不管發生什么都可以據此供給詮釋，并進一步撐持這個崇奉。好比說有人認為我們是糊口在外星人構建的一個模擬情況之中。不管發生什么現象，這個詮釋老是當作立的。更有人用此類方式顯示本身崇奉的某種理論相對于科學理論的優勝性：每個科學理論都有今朝尚不克不及詮釋的現象，而這些理論卻可以詮釋一切。

對于這種事我們能說什么呢？

起首，即使某個詮釋聽上去匪夷所思，這也未必申明它 “不合適邏輯”。按照前面的申明不難看到，按照對詮釋的寬泛界說，在不限制什么可以算作 “布景常識” 的環境下，人們幾乎可以用肆意的理論去 “詮釋” 肆意的現象，所以說這里最常見的錯誤不是推理違規，而是肆意引入 “特設性” 前提。好比說在 “外星人具有超出我們理解的能力” 的前提假設下，我們簡直可能是糊口在它們設置的一個模擬情況中。按照近似的思緒，我甚至可以對峙認為只有我本人是真實存在的，而宿世界（包羅所有其他人）都不外是一個模擬情況中的幻象罷了。這個結論固然聽起來瘋狂，倒是完全 “合適邏輯” 的，這就是說你不克不及期望經由過程辯說說服一個抱有這種信念的人，因為你的談吐也會被詮釋當作模擬的一部門。

對統一個現象的詮釋不是獨一的，這不申明每個詮釋都有同樣的合理性，而恰好是要求我們對它們進行比力，而選擇那些相對而言較好的。在這里， “好” 不僅僅意味著能自圓其說。對一個復雜現象能詮釋得嚴絲合縫的，往往反而是那些陰謀論或訴諸超天然身分的理論。一個常見的曲解就是，能詮釋的現象越多的理論就越好，越 “科學”，其實盡可能多地詮釋各類現象只是對一個理論的期望之一，而不是獨一的期望。對步履的指導性和概念簡單性也都是主要的。當一個理論以犧牲指導性或簡單性為價格來增添詮釋力的時辰，在和其它理論的競爭中未必能占廉價。若是一個理論既可以詮釋某個事務的發生也可以詮釋其未發生，那就對我們的行為缺乏指導意義（我們到底要若何籌辦應對？），這種詮釋力（或者說 “準確性”）也就不具有現實價值了。這也就是波普爾的 “證偽本家兒義” 中的合理當作分，只是指導性所導致的查驗對一個理論一般不會有 “立判存亡” 之效，而僅是在必然水平上加強或削弱這個理論的競爭力。

簡單性也是影響一個理論的競爭力的主要身分。好比說 “我們是糊口在外星人構建的一個模擬情況之中” 這個假說，我們簡直沒法子證實它是錯的，但和認為 “我們是糊口在一個真實宿世界中” 比擬，這個更復雜的假說并未帶來詮釋力和指導性上的任何益處，是以不值得當真看待。據說拉普拉斯在回覆拿破侖為什么他的書中不提天主的質問時回覆 “陛下，我不需要那個假設”，也是這種立場。我在《意識是腦中涌現的嗎？》之中提到還原論的問題也和這一點有關。為一個心理層面上的現象供給神經元層面（甚至原子層面）的詮釋盡管在原則上仍有可能，也并非一無可取，但和一個心理層面上的詮釋比擬往往缺乏競爭力。

在人工智能系統中實現詮釋性推理的關頭，就是把相關結論的真實性、簡單性、有用性等都得當地量化處置，并遵照當前環境在各類詮釋中進行合理選擇。這也就是說，僅僅在 “是否可能” 的程度上評價分歧的詮釋是不敷的，而必需能看出哪個詮釋證據更多，更簡單，對將來行為更有指導性。這樣一來，那些貌同實異的詮釋就會逐漸在系統中被更靠譜的裁減失落。當然，實現這種功能的根基前提就是系統有包羅演繹、歸納、歸因等形式在內的推理功能。今朝對機械進修系統缺乏 “詮釋功能” 的攻訐，很大水平上也是因為用函數迫近的方式 “進修”，當然可以識別出一個照片中的物體是只貓，但卻不會像我們那樣說 “我認為那是只貓，因為……” ——不管你的來由是什么，必然不是統計較法獲得這個結論的來由。這也就是說現有的本家兒流進修算法不是不克不及供給詮釋，而是不克不及供給我們期望的那種詮釋，因為其結論的生當作過程和我們有底子性分歧。在這種環境下，用死記硬背或過后重構的法子供給詮釋是不敷的。只有像人那樣思慮才能供給人能理解的詮釋。

因果性詮釋

詮釋可以進一步分當作分歧的種類，此中主要的一種就是為某個事務找原因。因果常識的成立本家兒要靠歸納，而我關于歸納的根基不雅點在《怎么對于“歸納”帶來的麻煩？》一文中已經介紹了，就是不把這種常識看尷尬刁難 “客不雅紀律” 的反映，而看尷尬刁難 “本家兒不雅經驗” 的總結。歸因則是用這種常識來 “找原因”。

前面關于詮釋的一般結論完全合用于因果性詮釋這種特別環境。這就是說，對一個特心猿意馬的事務，原則上是沒有 “真正的原因” 這種工具的，這就和牛頓-拉普拉斯式的因果不雅底子分歧了。但盡管如斯，在若干候選原因之間進行比力仍然是需要而且可能的，這就是說扣問某事務的原因仍是個有意義的問題，而在良多環境下大大都人仍是會贊成某個謎底是 “準確的”。

和其它類型的詮釋分歧，在因果詮釋中一般要求 “因” 發生在 “果” 之前，所以這種詮釋會給展望將來事務供給依據。如前所述，對一個因果詮釋的評價也基于其準確性、指導性和簡單性。

在絕大大都應用情況下，說 “A的原因是B” 要求二者都是可反復的事務類型，而前者的發生會導致我們對后者的預期。這個因果信念的準確水平取決于響應預期被后來的不雅察證實的比例。和決議論因果不雅分歧，一次掉敗的預期凡是不會證偽一個因果信念，而是經常被詮釋為其它（B之外的）身分的影響，這是因為“A的原因是B” 這樣的結論根基上都是對現實環境的簡化，其實A的發生仍有賴于C、D、E等諸事務，盡管它們沒有都被一一列出。這就和簡單性要求相關了。從原則上甚至可以說一個事務的原因是在其之前發生的所有事務的總和，但這個無比準確的結論顯然不克不及用來幫忙我們進行展望，是以對 “原因” 的簡化描述及其由此發生的反例就當作為不成避免的了。人們凡是是在準確性和簡單性之間找一個均衡，即只列出那些會對結論的準確性發生重大影響的前提前提，而忽略那些只是偶然出問題的。

對一個不成反復的事務而言，確定其原因更是沒有同一的尺度。難怪對重大汗青事務的原因的爭論永遠不會終止。但不是說這種問題沒有意義。現實上，關于汗青中因果關系的會商都或明或暗地辦事于展望將來事務這一目標，也就是所謂的“以史為鑒”。是以，關于 “A的原因” 的探尋現實上都是關于 “近似于A的事務” 的原因的，而對這個事務類的分歧界心猿意馬往往是這類爭論的根源。

關于原因認心猿意馬的另一反復雜性在于，“原因” 的概念在分歧范疇中的切確寄義是有不同的。兒童心理學的研究表白，因果常識緣起于嬰兒對自身行為后果的熟悉，是以 “因” 老是 “我的行為”。跟著認知能力的成長，可以充任 “原因” 的事務逐漸被推廣到其他認知本家兒體（人或動物）的行為，以至于無本家兒體的天然事務。這申明 “因果” 在不雅念上不僅與 “展望” 有關，并且與 “節制” 有關。這里的 “可控” 不僅包羅 “可以使其現實發生或不發生”，也包羅 “可以設想其發生或不發生”。在分歧的范疇中，因為可控身分分歧，“因果” 的用法也分歧。列位不妨想想在物理學、醫學、汗青學、法學中所探尋的 “原因” 都是什么樣的。在相關會商中經常被說起的“因果性” 和 “相關性” 之別，也常因為前者隱含著 “可控” 爾后者無此要求。

回到人工智能上來，此刻風行的貝葉斯收集模子根基上只是在給心猿意馬的因果信念之上做推理，而無法提出或拋卻因果信念，是以仍是不敷的，更不必提那些連 “因果性” 和 “相關性” 都不區分的 “進修算法”。但這不申明人工智能在這方面必心猿意馬“低人一等”。前面會商到的各類身分并非不成能在計較機系統中呈現。這就是說，詮釋（包羅因果詮釋）的生當作和評價都是有邏輯可循，而且可以在計較機系統中實現的，盡管這不料味著系統對每個事務或現象都能找到獨一準確的詮釋。我們在這個偏向上的具體工作可見參考文獻[4]，就不在這里談手藝問題了。

撰文 | 王培（美國天普大學計較機與信息科學系）

參考文獻

[1] Charles Sanders Peirce, Deduction, Induction, and Hypothesis, in The Essential Peirce (Edited by Nathen Houser and Christian Kloesel）Volume 1 (1867-1893), Pages 186-199, Indiana University Press, 1992

[2] Peter A. Flach and Antonis C. Kakas (Editors), Abduction and Induction, Kluwer Academic Publishers, Dordrecht, 2000

[3] Pei Wang, Abduction in non-axiomatic logic, Working Notes of the IJCAI Workshop on Abductive Reasoning, Pages 56-63, Seattle, Washington, August 2001

[4] Pei Wang and Patrick Hammer, Issues in temporal and causal inference, Proceedings of the Eighth Conference on Artificial General Intelligence, Pages 208-217, Berlin, July 2015

特別提示

版權申明：接待小我轉發，任何形式的媒體或機構未經授權，不得轉載和摘編。轉載授權請在「返樸」公家號內聯系后臺。

《返樸》，科學家領航的好科普。國際聞名物理學家文小剛與生物學家顏寧配合出任總編纂，與數十位分歧范疇一流學者構成的編委會一路，與你配合求索。存眷《返樸》介入更多會商。二次轉載或合作請聯系fanpusci@163.com。