任曉明, 林藝霏

(南開大學(xué) 哲學(xué)院，天津 300350)

信念有兩種含義，一種與信仰體系有關(guān)，另一種與知識體系有關(guān)。信仰體系中的信念是人們通過理性思維在情感上接受一種觀念，并以這種觀念指導(dǎo)實踐，這種信念有正確和錯誤之分，實踐可以檢驗信念正確與否。知識體系中的信念沒有明確的正、誤之分，因為人的認(rèn)知具有片面性，不可能以全知的視角獲得無誤的、完全的知識，所以我們得到的知識存在缺陷，因此知識體系也不會完美無缺，隨著人們對客觀世界的了解，知識體系也處于不斷修正的過程中，知識體系中的信念也是不確定的，處在不斷變化中。從人工智能的視角看,知識體系修正具體表現(xiàn)為信念修正。在人工智能中，知識體系常常處于一種動態(tài)調(diào)整的狀態(tài)中，這種認(rèn)知狀態(tài)的調(diào)整主要是信念修正。作為認(rèn)知狀態(tài)的信念常常處于一種平衡、一致的狀態(tài)中，但當(dāng)輸入與環(huán)境等因素破壞了這種平衡、一致的狀態(tài)時，就需要對信念進(jìn)行修正，從而恢復(fù)新的平衡、一致的狀態(tài)。因此，信念修正理論就是對主體知識體系信念的動態(tài)變化加以形式化的理論。信念修正概念源于人工智能，信念修正理論的發(fā)展與人工智能的發(fā)展密不可分。正是人工智能的發(fā)展需要，才促使人們更加關(guān)注知識體系信念修正理論(1)近年來，邏輯學(xué)界對信念修正的研究主要集中在以下幾方面：1.AGM理論研究，如《現(xiàn)代哲學(xué)》2005年第1期刊發(fā)的《信念修正的AGM理論》等。2.信念修正模型的構(gòu)建與比較，如《哲學(xué)動態(tài)》2017年第4期刊發(fā)的《信念修正的邏輯》和2015年第3期刊發(fā)的《社會網(wǎng)絡(luò)中信念修正的幾個問題》，《邏輯學(xué)研究》2014年第1期刊發(fā)的《信念修正中的一種新型評價算子研究》等。3.信念修正理論與模型的應(yīng)用，如《哲學(xué)分析》2019年第5期刊發(fā)的《邏輯心理主義：一種信念修正的視角》，《邏輯學(xué)研究》2019年第2期刊發(fā)的《信念修正視域下的悖論研究初探》，《哲學(xué)動態(tài)》2005年第3期刊發(fā)的《信念修正的理論與方法》等。。本文從人工智能的視角探討信念修正，是邏輯與認(rèn)知科學(xué)研究的應(yīng)有之義。

一、知識體系修正理論與人工智能的結(jié)合

人工智能自誕生之日起就被寄予了厚望，但經(jīng)過20年的努力，其成果遠(yuǎn)未達(dá)到最初的預(yù)期，這引起人工智能學(xué)科內(nèi)部的質(zhì)疑和辯論。在20世紀(jì)70年代末和80年代初，研究者對人工智能系統(tǒng)基礎(chǔ)穩(wěn)定性的質(zhì)疑引起了他們對數(shù)據(jù)庫的關(guān)注。

1983年，費京(Fagin)等人指出數(shù)據(jù)庫更新是所有數(shù)據(jù)庫管理系統(tǒng)的基礎(chǔ)。由于很多用戶并不直接更新數(shù)據(jù)庫，而只更新數(shù)據(jù)庫中的一個視圖，然后再由視圖的更新轉(zhuǎn)化為數(shù)據(jù)庫的更新，可是這種轉(zhuǎn)化本身就存在著模糊性，所以數(shù)據(jù)庫更新問題仍然需要進(jìn)一步解決。為此，他們構(gòu)建了一個模型，即把數(shù)據(jù)庫看作是一階邏輯中陳述的一致集。當(dāng)有人試圖改變數(shù)據(jù)庫的陳述時，便有多個新數(shù)據(jù)庫可以同時實現(xiàn)這種更新，所以必須在這些新數(shù)據(jù)庫中進(jìn)行選擇，尤其是選擇對原數(shù)據(jù)庫改變最小的新數(shù)據(jù)庫。[1]353對此，他們就完成數(shù)據(jù)庫更新提出了兩條建議：一是采用“數(shù)據(jù)庫優(yōu)先”概念，在所有可能的數(shù)據(jù)庫中挑選出最小改變的子集；二是用被挑選的數(shù)據(jù)庫的交集更新數(shù)據(jù)庫。[1]357這些觀點與AGM理論不謀而合。

AGM理論是信念修正的經(jīng)典理論，它是以3位創(chuàng)始人卡洛斯·阿爾羅若(Carlos Alchourrón)、皮特·加登福斯(Peter G?rdenfors)和大衛(wèi)·梅金森(David Makinson)的姓名命名的理論。(2)參見：C.E.Alchourrón, P.G?denfors and D.Makinson.On Logic of Theory of Change: Partial Meet Functions for Contraction and Revision.Journal of Symbolic Logic, 1985, 50(2), pp.510-530.加登福斯等人對主體信念的動態(tài)變化加以形式化，用句子表示信念，用邏輯上封閉的句子集合(或信念集合)表示信念狀態(tài)。他們認(rèn)為信念改變有擴張、收縮和修正3種基本類型，而這些都可以看作是從信念集合與句子的對子到信念集合的函數(shù)。人工主體(agent)使用這種函數(shù)可以實現(xiàn)數(shù)據(jù)庫的改變。但這種函數(shù)并不是任意的，它需要滿足一些合理化條件。加登福斯等人設(shè)置了擴張函數(shù)的6個公設(shè)、收縮函數(shù)的8個公設(shè)以及修正函數(shù)的8個公設(shè)，滿足這些公設(shè)的函數(shù)就可以合理地實現(xiàn)信念的改變。他們認(rèn)為，信念集合中的任何信息都不是憑空得到的，所以當(dāng)信念改變時應(yīng)當(dāng)盡可能地減少信息損失，這就是信息經(jīng)濟性原則或最小改變原則，尤其是當(dāng)信念收縮時，在信念集合中不僅要刪除不一致的信念，還要刪除蘊含該信念的其他信念，最終使信念集合不再推導(dǎo)出不一致的信念，這就需要本著最小改變原則進(jìn)行適當(dāng)?shù)氖湛s。為了實現(xiàn)這種收縮，加登福斯等人通過認(rèn)知牢固性的假設(shè)，挑選出一些認(rèn)知牢固性更強的不包含已出現(xiàn)不一致信念的信念集合，取它們的交集作為收縮之后的信念集合。AGM理論這種最小改變原則和取交集的方法與人工智能解決數(shù)據(jù)庫更新問題的思想是異曲同工的。

費京等人在解決數(shù)據(jù)庫問題的過程中，也認(rèn)識到這既是數(shù)據(jù)庫的更新問題，也是知識庫的管理問題。從人工智能的角度看，這正是信念修正的邏輯問題。[1]352-365此后，很多學(xué)者對出現(xiàn)不一致的數(shù)據(jù)庫更新問題進(jìn)行了研究，但沒有提出合適的解決途徑。

多伊爾(Doyle)是在人工智能中融入信念修正概念的先驅(qū)。他在很早的時候就已經(jīng)意識到數(shù)據(jù)庫更新的問題。結(jié)合信念修正理論，他在1979年構(gòu)建了一個真維持系統(tǒng)(Truth Maintenance System，TMS)。該系統(tǒng)的目標(biāo)是，當(dāng)一個數(shù)據(jù)的新證立出現(xiàn)時，系統(tǒng)在添加這個數(shù)據(jù)之后，依然可以維持這個系統(tǒng)的一致性。一方面，多伊爾把選擇添加數(shù)據(jù)的行動過程表示為推理形式，將推理機的期望和意圖表示為相關(guān)的信念，將推理規(guī)則表示為推理機信念集合的自我修改規(guī)則，而選擇行動的控制過程就是把自己看作是一個信念集合，然后選擇自己想成為什么樣的一個新信念集合的過程。[2]233-234另一方面，他對信念系統(tǒng)和非單調(diào)邏輯進(jìn)行了形式研究。在傳統(tǒng)觀念中，推理過程是從舊知識推導(dǎo)出新知識的過程，這個過程具有單調(diào)性，但人們在實際推理過程中常常會遇到不一致的情況，也就是說舊結(jié)論不會因為新證據(jù)的增加而被鞏固，反而有可能會被拋棄，這種改變是非單調(diào)的。為了修正當(dāng)前信念集合，多伊爾提出一種機制，這種機制也是為非單調(diào)假定提供的一種方法。[2]232-233人工智能研究者早就意識到人工智能必須做出這種非單調(diào)的假定，但相關(guān)研究較少，有關(guān)信念修正的大多數(shù)工作似乎被限制在與狀態(tài)和行動有關(guān)的更為簡單的系統(tǒng)上操作的回溯算法的研究。[2]231-2721980年，多伊爾和倫敦(London)將與信念修正相關(guān)的236個文獻(xiàn)進(jìn)行了主題分類，這些文獻(xiàn)涉及人工智能、哲學(xué)、邏輯學(xué)和心理學(xué)等領(lǐng)域。[3]7-22這些研究拓寬了信念修正理論所覆蓋的研究領(lǐng)域。

與此同時，作為人工智能創(chuàng)始人之一的紐厄爾(Newell)，在1980年的美國人工智能協(xié)會會議的報告中提出，在計算機系統(tǒng)的符號層次上還有一個知識層次。這一知識層次的主體以合理性原則處理知識，在一定范圍內(nèi)決定執(zhí)行哪些行動，最后實現(xiàn)系統(tǒng)目標(biāo)。他認(rèn)為邏輯是知識層次的分析工具，可以用來分析主體所知。[4]125在他看來，人工智能領(lǐng)域的研究者應(yīng)該優(yōu)先考察知識表示和推理的議題。[4]87-127受該議題的影響，第一屆關(guān)于知識推理理論(Theoretical Aspects of Reasoning about Knowledge，TARK)會議于1986年3月召開。在這次會議上，哈爾彭(Halpern)提出，知識推理研究的大部分模型都或明或暗地假定了主體接收的信息會有一致性，但在設(shè)計知識庫時，用戶遇到不一致信息的可能性還是存在的。但由于問題太復(fù)雜，他沒有嘗試涉足該領(lǐng)域。[5]12-13

正是由于數(shù)據(jù)庫問題研究的推動、多伊爾工作的示范作用以及知識表示和在推理中對邏輯工具的強調(diào)，使得人工智能領(lǐng)域開始關(guān)注信念修正問題。

1986年，萊韋斯克(Levesque)在《知識表示與推理》[6]255-287一文的參考書目中提到了AGM理論，這是人工智能研究領(lǐng)域第一次提到AGM理論，但并沒有帶來多大的影響[7]18。直到1988年第二次關(guān)于知識推理理論的會議，加登福斯(G?rdenfors)等人在《使用認(rèn)知牢固性的知識系統(tǒng)的修正》的報告[8]83-95中，才將AGM理論正式介紹給人工智能學(xué)術(shù)共同體。此后，信念修正理論開始被人工智能領(lǐng)域的研究者所關(guān)注。同年，達(dá)拉爾(Dalal)在美國人工智能協(xié)會會議的報告中，較為詳細(xì)地探討了AGM理論。他首先提出用等價描述符號層次(equivalent symbol level description)的語法方法來修正知識庫，從而使知識庫在面對矛盾時能維持一致性；其次他為這種修正制定了一系列非形式化原則；最后他將自己的工作方法與其他方法，特別是AGM理論的方法進(jìn)行了比較，認(rèn)為自己的修正滿足AGM理論的所有公設(shè)。[9]475-479

AGM理論的研究者提出的構(gòu)造信念改變的有效方法、信念改變的三種基本形式以及信念修正的合理性條件能夠克服人工智能領(lǐng)域中信念修正理論的符號層面的特設(shè)性問題、單純的描述性問題以及純粹的公理化問題，從而既可以在知識層面處理不一致的新信息，也可以應(yīng)用于知識的表示和推理，同時它還能夠滿足最小改變原則，在一定程度上能夠解決數(shù)據(jù)庫的更新問題。所以AGM理論成為人工智能用形式的方式處理不一致信息問題的操作范式。

二、知識體系修正研究推動人工智能的發(fā)展

自從信念修正理論登上人工智能的舞臺以來就發(fā)揮著重要作用。人工智能研究者借助信念修正理論來解決人工智能領(lǐng)域中的問題，這突出表現(xiàn)在數(shù)據(jù)更新和自動修正兩個領(lǐng)域。

其一，數(shù)據(jù)更新。機器學(xué)習(xí)涉及數(shù)據(jù)更新。機器學(xué)習(xí)模仿的是人類學(xué)習(xí)的方法。一方面，人類在學(xué)習(xí)新事物的過程中會記住最關(guān)鍵的部分，而逐漸忘記次要部分；另一方面，人類知識會被不斷地修改，以把握事物的規(guī)律性。[10]166-168在機器學(xué)習(xí)中，主干系統(tǒng)會留下直接數(shù)據(jù)，而過去的數(shù)據(jù)記錄則會被定期淘汰；而在機器學(xué)習(xí)之前，為了創(chuàng)建訓(xùn)練數(shù)據(jù)，研究者會考慮這個數(shù)據(jù)對數(shù)據(jù)分布或預(yù)測結(jié)果的影響，然后進(jìn)行數(shù)據(jù)凈化或數(shù)據(jù)變換的工作以提高數(shù)據(jù)質(zhì)量，從而被整合成適合學(xué)習(xí)的數(shù)據(jù)。信念修正理論可以被用于新的訓(xùn)練數(shù)據(jù)的創(chuàng)建過程，在對訓(xùn)練數(shù)據(jù)進(jìn)行變換時，研究者要找出異常值或誤記錄進(jìn)行修正，而信念修正理論有助于他們處理這種不一致信息的問題，而在淘汰舊數(shù)據(jù)記錄的過程中，研究者可以借助信念修正理論，根據(jù)淘汰數(shù)據(jù)可能帶來的結(jié)果，考慮數(shù)據(jù)庫的收縮問題。

其二，自動修正。機器的自動修正與檢測系統(tǒng)正確性的自動驗證(automated verification)技術(shù)密切相關(guān)。自動驗證中最具有代表性的方法是模型檢測(model checking)技術(shù)。這個技術(shù)被應(yīng)用于通信協(xié)議、電路設(shè)計和數(shù)字控制器等復(fù)雜的工業(yè)設(shè)計中，研究者可以通過這一技術(shù)檢測出設(shè)計中的細(xì)微錯誤，并且定位錯誤。[11]37-38目前，模型檢測技術(shù)已經(jīng)比較成熟，其中的符號模型檢測(symbolic model checking)技術(shù)已經(jīng)被英特爾、摩托羅拉和富士康等公司使用。[12]57-104但是模型檢測技術(shù)只能發(fā)現(xiàn)系統(tǒng)描述的錯誤，而改正系統(tǒng)工作則要由設(shè)計者完成，所以為了突破這種局限性，研究者把模型檢測工具與更正系統(tǒng)能力結(jié)合起來，形成自動系統(tǒng)修正技術(shù)。這種自動修正技術(shù)主要包括描述、驗證、模型修正和系統(tǒng)修正4個步驟。前兩步可以由模型檢測完成，其中最重要的步驟就是模型修正，即如果M|≠φ，那么在滿足φ的模型中找出一個與M最接近的模型M′，其中M是由系統(tǒng)S建模成的一個語義結(jié)構(gòu)，公式φ描述了需要檢測的屬性P。從這一定義中，我們可以看到，模型修正要盡可能地保持系統(tǒng)的原有屬性，對原系統(tǒng)做出最小的改動，從而找出最接近原模型的新模型。所以，研究者需要定義系統(tǒng)更正中可接受的操作類型集，然后定義模型之間的近似性，從而找出與原系統(tǒng)最接近的模型。[11]37-38而這正是運用了AGM理論的最小改變原則，盡可能少地減少原有模型的損失。

除了經(jīng)典的AGM理論，信念修正理論還引入了新的操作類型。1992年，勝野(Katsuno)等人區(qū)分了修改知識庫的兩種概念，即更新和修正。所謂更新是指，當(dāng)被表征的世界發(fā)生變化時，知識庫也要根據(jù)這種變化進(jìn)行更新。而修正則是指，當(dāng)知識庫獲得了關(guān)于靜態(tài)世界的新信息時，主體就需要對知識庫進(jìn)行修改。他們對這兩種概念的區(qū)別進(jìn)行了形式化處理，借鑒AGM理論的方法對更新進(jìn)行了公理化處理，并提出了信念更新的8條公設(shè)。他們假定這些公設(shè)定義了一種偏序關(guān)系，然后把握信念更新的最小改變原則。[13]183-203正是基于勝野等人對更新和修正的區(qū)別，研究者在研究自動修正系統(tǒng)時也關(guān)注了這兩個問題。

一是更新問題。張巖等人將知識更新與計算樹邏輯(Computational Tree Logic，CTL)、模型檢測相結(jié)合，嘗試找到表示自動修正系統(tǒng)的通用方法。首先，他們提出計算樹邏輯模型更新的形式框架，并在這個框架中定義了5種原始的更新操作，即增加一個關(guān)系元素，刪除一個關(guān)系元素，改變標(biāo)記函數(shù)上的一個狀態(tài)的取值，增加一個狀態(tài)和刪除一個狀態(tài)，并基于這些更新操作，規(guī)定了計算樹邏輯模型更新的最小改變原則。他們證明這種計算樹邏輯模型更新遵守了勝野等人定義的8條更新公設(shè)，并探討了計算樹邏輯模型更新與傳統(tǒng)信念更新的關(guān)系。其次，他們提出計算樹邏輯模型更新的一種形式算法，這種算法可以對給定的計算樹邏輯模型進(jìn)行一組最小的修改，以滿足任意給定的計算樹邏輯公式，并產(chǎn)生一個滿足該公式的新的計算樹邏輯模型，這一模型與原始模型的差異最小。最后，他們研究這種計算樹邏輯模型更新方法的應(yīng)用問題，并提出最大可達(dá)(reachable)狀態(tài)的最小改變的更新原則，這一原則可以顯著改善復(fù)雜系統(tǒng)修改場景下的更新結(jié)果。[14]113-155

二是修正問題。圭拉(Guerra)等人在張巖等人的模型更新方法的基礎(chǔ)上，用信念修正理論處理靜態(tài)語境中的系統(tǒng)不一致問題。一方面，根據(jù)信念修正理論，他們借助這種模型修正方法對計算樹邏輯的改正提出建議，但由于信念修正理論的一些假設(shè)不適合計算樹邏輯，所以他們研究了把信念修正理論應(yīng)用于計算樹邏輯的正確方式。另一方面，模型修正要求全局觀，以保證其中一個修正是最好的選擇，但是張巖等人的函數(shù)無法滿足這一要求，所以這個函數(shù)可以用于模型更新，而不能直接用于模型修正。對此，他們提出了一種新的修改函數(shù)集合和計算樹邏輯修正的算法，為每個輸入模型生成一組可能的修改模型，然后對它們進(jìn)行細(xì)化，再根據(jù)定義的排序標(biāo)準(zhǔn)，消除所有非最小的模型，最后根據(jù)他們的模型修正原則得出一組表示最小修改的模型。[15]2810-2811

由此可以看到，在這種自動系統(tǒng)修正技術(shù)中，模型檢測無論是與更新概念結(jié)合，還是與修正概念結(jié)合，都借鑒了AGM理論，尤其是AGM理論的最小改變原則。模型修正技術(shù)更是直接使用信念修正理論處理靜態(tài)語境問題。由此可見，信念修正理論對自動修正技術(shù)的支持和啟發(fā)作用是顯著的。

三、人工智能推動下知識體系修正研究的新方向

信念修正理論解決的是當(dāng)新信息與信念集合中的信念不一致時，應(yīng)該如何改變信念的問題。人工智能和邏輯學(xué)研究都提出了大量的替代AGM理論的框架，以各種方式概括或偏離AGM理論。但這樣發(fā)展起來的信念修正理論存在兩個問題：一是它們只涉及確定會被接受的新信息出現(xiàn)之后的情形，也就是說，當(dāng)主體開始相信新信息時，就已經(jīng)暗地里假定了它們是評估之后被挑選出來的信息，尤其是在AGM理論中新信息優(yōu)先的公設(shè)(Success公設(shè))使得輸入的新信息總是可以被接受的。但是為什么要接受這個信息而不是那個信息？如何評估信息是否被接受以及接受的原因，則是AGM理論無法處理的問題。二是AGM理論演繹后承封閉的假設(shè)太過理想化，在這樣的封閉框架中，信念是明確的，信念集合始終是一致的，由此推導(dǎo)出的結(jié)論也是確定的。但實際上，人們在從外部世界獲得新信息過程中，本身所擁有的知識集合并不完整，而且很多知識本身也是模糊的，隨著情境、知識和信息的變化，信念也會隨之變化，人們常常遇到信念出現(xiàn)不一致的情況，但在這樣一個不完整、不確定和不一致的情形中，人們?nèi)匀豢梢宰龀鐾评?，得到可接受的結(jié)論。在人工智能領(lǐng)域，人工主體所具有的數(shù)據(jù)也不可能是完整的，且數(shù)據(jù)更新頻繁，在海量數(shù)據(jù)中也常常出現(xiàn)不一致的情況。所以人工智能界尤其關(guān)注在不完整、不確定和不一致的環(huán)境中進(jìn)行合理推理和決策的問題。面對以上問題，我們在信念修正中引入了論辯(argumentation)。

古希臘時期哲學(xué)界就已經(jīng)有了對論辯的討論。所謂論辯就是主體提出一個觀點，然后給出論證，證立該觀點并說服別人接受。這個觀點對于別人來說就是新信息，論辯的重點是主體給出新信息的解釋或原因。論辯和信念修正是推理過程密不可分的兩個環(huán)節(jié)。

推理過程是從接收新信息到提出足夠似真的信念，然后據(jù)此做出決定的過程，大致分為接收新信息、評估新信息、信念改變和推論4個基本步驟。[16]39-40例如，某人想去某地滑雪。她知道下雪會封路，所以她從多個信息源收集信息，從而決定是否前往。她的推理過程如下：第一步，接收如下信息：(1)天氣預(yù)報顯示，由于暴風(fēng)雪，降雪可能較多；(2)當(dāng)?shù)芈糜尾块T通知，該路開放，因為有清雪機；(3)在新聞中，一位滑雪工說，路上積雪很多，機器太少不足以清路。[16]40第二步，對(1)(2)(3)進(jìn)行評估。這3個新信息分別來自天氣預(yù)報、旅游部門和新聞，因為不同信息源的時效性不同，天氣預(yù)報和新聞時效性更強，旅游部門的時效性滯后，所以(1)和(3)更可靠。因此，主體決定將(1)和(3)并入她的信念。第三步，根據(jù)接收的新信息改變信念。由于(1)和(3)與原有信念并不沖突，所以可直接進(jìn)行信念擴張，把它們添加到信念集合中。第四步，推斷自己是否前往。因為(1)和(3)與“下雪會封路”的信念會推導(dǎo)出“今天封路”的信念，這個信念指導(dǎo)了主體的行動，最終她沒有去滑雪。通過這個例子，我們可以看到，在推理過程中，論辯和信念修正分別在評估新信息和信念改變中發(fā)揮作用。主體在面對一系列新信息時，會對這些信息進(jìn)行評估，給出支持或反對該信息的論證，然后決定接受哪些信息，這樣的論證過程就是論辯。主體通過論辯得出接受某些信息的決定之后，再通過信念修正對信念集合進(jìn)行擴張、收縮或修正，從而容納新信息。由此可見，信念修正和論辯在推理過程中是密切聯(lián)系的。

過去人們對論辯的研究集中在非形式化領(lǐng)域，1995年，攀·明·杜恩(Phan Minh Dung)提出一種抽象論辯框架和基于外延的論辯語義，才構(gòu)成了論辯系統(tǒng)的形式體系，[17]1杜恩在論辯系統(tǒng)中既不討論論證的內(nèi)部結(jié)構(gòu)，也不討論論證是怎么來的，他把論證看作原子概念，對支持或反對新信息的論證進(jìn)行評估，從而測試這種新信息是否可以被接受。例如，主體基于新信息“約翰生活在陸地上”，根據(jù)推理和觀察可以得到兩個論證，即“因為約翰是一只哺乳動物，所以它生活在陸地上”和“因為約翰是一只虎鯨，所以它沒有生活在陸地上”。前者是支持論證，后者是反對論證，又因為后者更具體，它的優(yōu)先級必然高于前者，所以反對論證擊敗了支持論證，因此新信息被拒絕。根據(jù)這一思路，研究者在論辯系統(tǒng)中首先構(gòu)建由推理知識和觀察信息所組成的可廢止理論(Defeasible Theory)，然后根據(jù)該理論構(gòu)造論證，比較論證之間的攻擊關(guān)系和優(yōu)越性，評估這些論證是可接受的、應(yīng)該拒絕的還是未確定的狀態(tài)，[17]7最后決定新信息是否被接受。值得注意的是，可廢止理論的推理知識和觀察信息都是不確定的，例如，“在一般情況下，哺乳動物生活在陸地上，例外情況除外”，也就是說，這里描述的是大多數(shù)情況下的情形，不考慮少數(shù)特殊情況下的情形，所以可廢止理論中的知識不是確定不變的。借助可廢止理論和對新信息的論證，論辯系統(tǒng)在一定程度上可以應(yīng)對人工智能在不完整、不確定和不一致的動態(tài)環(huán)境中合理地進(jìn)行推理和決策的問題。事實上，論辯系統(tǒng)也的確在人工智能領(lǐng)域發(fā)揮著越來越重要的作用，并且受到人工智能共同體的重視。一方面，論辯的形式系統(tǒng)被應(yīng)用于人工智能領(lǐng)域，如邏輯程序的語義定義、說服醫(yī)療診斷系統(tǒng)和多主體對話系統(tǒng)等。另一方面，許多科學(xué)雜志和會議也討論了論辯的主題，如《國際智能系統(tǒng)雜志》，《人工智能》以及第17次人工智能邏輯歐洲會議(3)2021年5月17日至20日在線上舉行的第17次人工智能邏輯歐洲會議(The 17th European Conference on Logics in Artificial Intelligence)。等。

正是由于論辯與信念修正的密切關(guān)系以及論辯系統(tǒng)對不確定知識的處理和提供論證的能力，這兩者的結(jié)合才有助于解決信念修正理論所面對的問題。早在真維持系統(tǒng)中，信念修正理論就借助論辯展開推理維護工作。真維持系統(tǒng)是一個問題求解程序的子系統(tǒng)，它可以表示信念和信念之間的證立，具有恢復(fù)一致性的能力。[2]真維持系統(tǒng)用節(jié)點(node)表示信念和證立，這個證立就是支持信念的原因，在這個意義上，我們可以把證立看作是論辯。法拉帕(Falappa)等人將解釋的概念引入信念修正理論，同時將信念收縮放在論辯系統(tǒng)中進(jìn)行處理。他們認(rèn)為解釋的主要作用是使事實合理化，當(dāng)面對一個陳述時，主體并不信任它，但是如果給主體提供了關(guān)于該陳述的解釋A，那么她就會獲得關(guān)于這個陳述的信念。然而解釋使事實合理化的特征卻不能在AGM理論中建模，因為AGM理論只包含擴張和修正這兩種接受新信息的機制，這兩種機制都滿足新信息優(yōu)先的公設(shè)(Success公設(shè))，根據(jù)這個公設(shè)，輸入的信息總是會被接受的。因此，法拉帕等人構(gòu)建了非優(yōu)先化信念修正算子，可以更好地在信念修正中說明解釋。此外，信念收縮所刪除的信念并不是憑空而來的，為了減少收縮時信息的損失，他們提出可以將被刪除的信念作為可廢止的規(guī)則保留在信念集合中，而能處理這種可廢止規(guī)則的形式體系正是論辯系統(tǒng)。借助論辯系統(tǒng)，他們?yōu)樾拍钍湛s定義了新的認(rèn)識模型。[18]1-28法拉帕等人對解釋概念的引入在一定程度上為信念改變提供了依據(jù)，他們使用論辯系統(tǒng)保留不一致的信念，突破了AGM理論對一致性的理想假設(shè)，為在不完整、不確定、不一致的環(huán)境中進(jìn)行信念修正提供了可能?？唆斈放鍫柭?Krümpelmann)等人為避免新信息優(yōu)先的弱點，也提出了一種非優(yōu)先化的選擇性修正理論(Selective Revision)，該理論允許新信息中包含論證，主體可以根據(jù)這個信息及其論證來評估該信息是否被接受，或者接受該信息的哪一部分。[19]147-162研究者通過論證去評估信息的思想正是論辯思想的精華所在。

由此可見，由于人工智能的需要而發(fā)展起來的論辯為信念修正理論提供了新的發(fā)展方向。信念修正與論辯的結(jié)合為新信息提供了論證，為信息轉(zhuǎn)化為信念提供了理由；同時，論辯系統(tǒng)以可廢止理論為基礎(chǔ)，打破了AGM理論假設(shè)的封閉一致的理想環(huán)境，從而有助于人工智能實現(xiàn)在不完整、不確定和不一致的環(huán)境中進(jìn)行信念修正的操作。同時，這種結(jié)合也有助于對推理過程進(jìn)行更穩(wěn)健的建模，實現(xiàn)跨領(lǐng)域的更為多樣和復(fù)雜的應(yīng)用。

四、結(jié) 語

我們首先通過回顧人工智能和信念修正理論結(jié)合的歷史，探討了信念修正理論在人工智能研究中的演進(jìn)和發(fā)展。其次探討了信念修正對人工智能發(fā)展的推動作用，即在機器學(xué)習(xí)中，數(shù)據(jù)更新領(lǐng)域?qū)π拍钚拚碚摰膽?yīng)用，以及在模型檢測系統(tǒng)中，自動系統(tǒng)修正技術(shù)對信念修正理論的應(yīng)用；最后討論了信念修正與論辯的密切關(guān)系，以及在人工智能的推動下，論辯對信念修正問題的解決。

從人工智能的視角看信念修正理論，我們看到，第一，信念修正理論的發(fā)展史就是一部與人工智能分支融合共同進(jìn)步的歷史。第二，信念修正理論可以為人工智能提供思想方法，同時，人工智能方法也能為信念修正提供動力支持。這種跨域研究對人工智能和信念修正理論研究是相得益彰的。第三，人工智能不斷試錯的方法是推動信念修正理論發(fā)展的“推進(jìn)器”。人工智能方法在一定程度上是“實效主義”的，因為它沒有預(yù)設(shè)固定的理論模式，只要能解決問題，無論何種方法、路線都可以嘗試，這種不斷“試錯”的動態(tài)可修正方法促進(jìn)了信念修正理論的發(fā)展，使該理論不斷突破局限，為解決科學(xué)和哲學(xué)問題開辟了新的思路。