从溯因推理到探究的询问模型: 辛提卡的发展与解释

黄恺怡, 王 健

(西安交通大学 人文社会科学学院, 陕西 西安 710049)

当前的认识论研究不再围绕过去康德所总结的“认识起源、 范围和有效性”问题, 而是重点关注知识概念问题[1]。 随着“盖提尔问题”的提出, 对知识辩护的研究逐渐成为当代认识论的中心问题。 不同于传统认识论以信念的辩护为研究核心, 当代认识论关注辩护的概念和性质, 研究知识如何定义, 辩护的条件是什么。 这些研究在雅各·辛提卡(Jaakko Hintikka)看来是建立在错误的范式之上的, 这种范式认为发现语境无法进行理性认识和逻辑分析, 只有辩护语境才能理论化认识论。 基于这种误导性的范式, 当前大多数认识论理论更关心辩护情景, 研究如何对理论进行辩护, 忽略了新证据如何获得。 所应用的逻辑方法也以归纳演绎为主, 主张根据推理规则从给定前提中得出不会出错的推论。 这种纯辩护的逻辑割裂了知识辩护和发现的统一, 不适用于科学实践, 阻碍了科学发现的进程。 辛提卡提出了一种统一知识发现和辩护的科学探究方法, 即探究的询问模型。 询问模型某种意义上与苏格拉底的问答法这一哲学中最古老的明确推理方式相似。 问答法是一种纯粹的发现逻辑, 在这一逻辑中, 所有的新信息都是由询问者对适当的信息源提出问题后, 以后者给出的答案形式进入论证过程[2]5-21。 辛提卡参考皮尔士的溯因推理和策略性规则, 构建了探究的询问模型, 把知识的获得看作提问的过程, 提供了一种知识发现的方法, 并且可以应用到科学哲学中。

一、 辛提卡对皮尔士溯因推理的新发展

(一)溯因推理作为辛提卡的思想资源

皮尔士的溯因推理是辛提卡的探究的询问模型的重要思想来源。 皮尔士认为, 归纳只能确定量值, 演绎只能从纯粹的假说推理必然结论, 两者都不能推出新知识[3]。而溯因推理能够用演绎的方法推出可以被归纳验证的推断, 所以溯因推理是得到新知识的唯一途径[4]。皮尔士早期著作中把溯因推理等同于亚里士多德的归纳推理(epagoge), 并将其解释为三段论的逆式:

所有属于B的A 都是C(规则)

这个A是C(结果)

因此, A是B(案例)

但这种方案下, 溯因推理不一定为其结论提供概率支持, 并且不能作为产生新知识的唯一途径。 所以在后期他改变了想法, 认为溯因推理是对观察结果寻求假说的解释。 例如, 规定我的伞都是红色的, 现有一把红色的伞, 那么允许推理一个合理的解释, 即这把伞是我带来的, 作为结果的原因。 这不是演绎推理, 而是一种说明性推理, 所以皮尔士将推理形式改进为:

观察到令人惊讶的事实C,

如果A是真的, 那么C是A的结果,

所以, 有理由相信A是真的。

这里A作为C的解释, 我们通常描述为“A蕴含C”。 溯因推理需要满足两个条件: 可检验性和经济性。 前者是因为皮尔士认识到了归纳的作用, 可以通过归纳检验假说的正确性, 后者是验证假设时成本的需要和其他影响。 比如我们检验假说所需要的时间、 仪器材料等资源成本, 这种经济性也是溯因推理被大多数学者称作“最佳解释推理”的原因。 但辛提卡不认为溯因推理是一种最佳解释推理。

在辛提卡的论述中, 某个解释E是从假设的理论背景T和与E相关的事实A中推导出的, 所以成功的解释既要找到事实A, 又要结合理论背景T, 此时的A可以被概念化为询问者问题的自然答案[5]41。 首先, 如果解释的事实是新的事实, 即在溯因推理前是未知的全新的事实, 那么解释事实需要的辅助资料也是未知的, 但未知的解释不能作为溯因推理的前提。 因为皮尔士明确指出溯因推理是在已知的基础上推导新知识, 而且溯因推理是有意识的操作, 早期的知识前提在推理时必须明确。 其次, 溯因推理不可能从已知数据直接到最能解释假设的一步, 因为假设提出时, 相关理论事实可能还没有出现。 例如, 爱因斯坦在布朗实际观察到布朗运动之前就开始思考这种运动的可能性。 与“最佳解释推理”相关的解释必须是进行溯因推理的科学家知道的数据, 但显然推理者并不总有可支配的解释, 所以溯因推理并不是一种最佳解释推理。

溯因推理具有扩展的性质, 在一个论证中, 新步骤所包含的信息要么存在于之前的步骤中, 要么是全新的。 前者意味着演绎逻辑, 后者则说明在溯因中出现重要的新假设。 辛提卡把溯因推理理解为询问者明确知道问题的答案来源, 并且在询问过程中表达了答案来源的论证。 这样的扩展性推理需要明确四个情况。 第一, 信息的来源是什么, 因为答案的可靠性源于信息来源, 所以必须明确信息来源。 第二, 理性的行动者要有意识地、 自愿地选择信息来源。 第三, 信息来源提供的信息是询问者溯因之前不知道的, 但询问者知道询问信息来源可能会导致别的信息可能。 第四, 询问者明确如果诉诸其他信息来源的后果[6]102。 在满足这四点的基础上, 溯因推理被辛提卡解释为对询问者向某些确定答案的来源(信息)提出的显性或隐形问题的回答。 在辛提卡看来, 所有进入论证的新信息都可以是询问者问题的众多答案, 并且溯因推理是引入新假设的唯一方法, 可以被概念化为问答步骤, 这正是探究模型的重点。

皮尔士把溯因推理不同于其他推理的原则总结为四个方面。 第一, 推理是理性者施行控制的有意识的自愿行为。 第二, 推理的目的是从已知的考虑中发现获得新的知识。 第三, 从前提p中推出结论c的人, 接受c作为同时接受p和支持一种一般推理方法的结果。 根据这种推理, 如果任何类p命题为真, 那么相关的类c命题也为真。 第四, 推理可以是有效的, 也可以是无效的, 这取决于它是否遵循宣称的推理方法, 并且这种方法有助于满足推理目的, 即获得真理。 辛提卡认为第四种概念是皮尔士对传统观念的超越, 隐含了溯因推理的有效性应该由策略原则来判断, 也是我们下文将要论述的部分[6]97。

(二)统一知识发现和辩护的策略性规则

溯因是一种解释已知事件过程的推理, 在询问模型中, 询问的作用类似皮尔士的溯因推理。 假设每一步引入新信息的问答步骤都明确知道信息来源, 并且知道信息来源携带的其他信息, 那么新信息实际上是对信息来源也就是答案来源所提问题的回答。 但溯因推理没有告诉我们如何有意识地选择信息来源, 这也是皮尔士没有明确表述的部分。 辛提卡的处理方法是引入定义性规则(definitory rules)和策略性规则(strategic rules)来完善溯因推理。 定义性规则是许可性的, 它告诉我们在特定情况下可以采取什么样的行动, 也就是规定在游戏中被允许的内容, 但不能说明如何更好地通关, 没有告诉我们哪些行动是好的、 坏的或者不必要的。 策略性规则则会提供这种更好选择的机会。 定义性探究规则用来被验证, 赋予特定结论以真理, 策略性探究规则可以引导询问者倾向新的真理。

辛提卡认为皮尔士认识到了这种差异, 但没有详细表述。 比如皮尔士认为溯因推理依赖的是完全不同于其他推理原则的原则, 这种原则区分了论证的有效性和强度, 如 “一个论证可以是合乎逻辑的, 但却是薄弱的”[6]98。 辛提卡认为这样的陈述表明皮尔士的有效性本质上是策略性的。 但皮尔士没有充分认识到定义性规则和策略性规则的区别, 更别说对区别做出陈述, 所以面对推论有效性的特征时犹豫不决, 用例子掩盖模糊性。 一个定义性规则的前提真实性保证结论的真实性, 那就是有效的。 策略性规则不需要这种保证, 策略上正确的问题的答案不会提供最终所需要的信息, 而是服务于问题的最终目的的信息, 它们有助于发现真理。 这种策略性规则解释了溯因推理中的问答步骤能在策略上有意识地被选择。 例如, 向询问者提供一个问题的前提, 如果没有这个前提, 询问者就不可能问这个问题, 这将推动询问者的下一步选择。 对于策略观点的强调, 让我们更认可溯因推理是理性的程序, 而非盲目的猜测, 对信息来源的选择是有机可循的。

所以, 辛提卡认为探究的询问模型也需要一种策略选择。 在询问模型中, 我们将探究视为问答步骤, 从而理论化整个询问过程, 而不是规定特定情况下该做什么, 其中最重要的方面就是策略方面。 苏格拉底的问答法就已经有了策略意识, 这可以看作一种博弈论的观点, 它把问答化为游戏, 把获得知识的提问过程理解为询问者和被询问者间的博弈。 辛提卡认为策略性规则的引入彻底改变了哲学家对认识论的任务和实现方法的认识。 在所有预设的答案都是已知的情况下, 选择最佳问题和演绎情况下选择最佳前提是一样的, 而策略性规则解释了发现逻辑的可能。 该规则在询问模型中表现为回答问题的方式。 例如, 在探究中我们有一份命题清单, 我们应该选择哪一个命题作为预设, 哪一个命题作为下一个问题的预设, 我们还需要解释一个说明要如何从理论中推导出来, 这都需要策略的参与, 策略指导我们导向目标。

策略性规则还可以为我们解释一个辩护难题。 在探究中, 我们如何确信自己在朝着正确结论推进, 那既要忽略可疑的结果, 又要进一步探究正确的论证, 也就是说询问模型不能只是简单地发现, 还要进行辩护。 辛提卡使用了一种加括号的规则, 通过加括号省略一些扩展推理, 又通过策略判断哪些答案可以加括号。 询问模型需要括号规则暂时拒绝探究中的某些答案, 这是一种能处理不确定答案或假的答案的能力。 询问者可以不考虑被括起来的可疑答案, 并且依赖于括号内答案的后续问答也被括号限制。 但进一步的问答可以取消先前的括号, 也就是自我纠正的过程。 定义性规则只能允许为了获得知识可以做什么, 比如删除某个答案, 但策略性规则的加括号保留了所有信息。 加括号的规则统一了发现知识和辩护知识, 并且对不确定答案的处理能力也有助于询问模型的普遍适用。

二、 探究的询问模型建构及其解释

(一)探究的询问模型原则及其限制

辛提卡认同苏格拉底的观点, 所有理性的知识寻求都可以被概念化为一个询问的过程, 在问题-回答的步骤中穿插着逻辑推理。 科林伍德(R.G.Collingwood)也是呼应问答逻辑的一员, 但他走得更远, 他断言“所有人做的每一个陈述都是为了回答一个问题而作出的”, 并且“每个问题都包含一个预设”, 一个问题只有在它的预设可行时才能被有意义地提出[7]。 因此, 对预设的需要限制了我们的问题。 但是预设从何而来, 问题的预设可以是对先行问题的答案。 先行问题要有自己的预设, 科林伍德认为在预设结构的远端存在一个终极预设。 但辛提卡认为, 实际上预设不会是像其所假设的那样形成一个简单的层次结构, 在探究中起到作用的问题的预设不能组合成一个超级预设, 因为预设不仅取决于先前问题的预设, 还取决于对先前问题的回答, 以及初始前提。 如果我们尝试提出一个没有预设的问题, 例如“根据函数y=f(x),y是否依赖于x”这种是或否的问题。 辛提卡认为, 在这个看似没有预设的问题例子中, 如果我们没有事先获得它作为实验问题的答案, 我们就不会知道问这个是或否问题, 也就是说, 预设是必然存在的。

从语义上讲, 问题是对信息的需求, 这种信息指定了提问者希望达到的认识论状态, 这个目的可以用第一人称的知识进行陈述, 这种与直接问题对应的知识陈述我们称为需求(desideratum)。 例如询问“谁住在这儿”这样的一个wh-问题, 省略的是预设“我知道某个人住在这儿”这一结果。 更通俗地说, 一个问题的前提条件是“知道x满足函数”, 问题的预设则是“知道存在某个x满足函数”。

因此, 与科林伍德不同, 辛提卡的询问模型则提出了另一种思路。 他在模型建构中, 把答案的预设称为结论性条件, 这种条件表达了“k-knowledge”和“know that”的区别, 以及后者是如何表达前者的。 我们可以问, “谁会赢得选举”, 那么这个问题的预设就是“我知道谁赢得选举”。 假设我们可以用策略性规则在已知前提中选择, 那么“我知道民主党人赢得选举”, 但这不能达到需求的认识状态, 最终要达到的结论性条件, 即答案的预设就是“我知道民主党候选人是谁”。

为了更进一步说明问答逻辑形式, 辛提卡引入认知算子“K”, “K”通常被认为表达“众所周知的(it is known that)”。 它的含义可以被视为一个通用量词, 范围涵盖已知事物可能留下的场景。 询问模型的问答步骤原则可以这样描述:

(1)每个初始预设a, 会被Kia取代。

(2)每个答案b, 会被Ki(b&C(b))取代,C(b)是关于b的所有结论性条件的合取[5]79。

辛提卡还新引入了一个独立符号“/”, 我们可以通过两个例子理解其含义。

K(∃x)S[x]

(1)

K(∃x/K)S[x]

(2)

这里, 斜线(/)所表示的K的(∃x)的独立性意味着, 满足S[x]的个体x的选择必须独立于与已知情况相适应的任何特定情景的选择。 因此, 对x的选择是在选择K所表示的情景之前进行。 换句话说, 有一些相同的个体x, 在所有这些情景中都满足S[x], (1)是知道存在满足S[x]的x集合, (2)意味着对于某个特定的个体x来说, 它知道S[x]。 也就是说加入斜线是知道谁或什么满足S[x]的意思。 简而言之, 如果变量x的范围是人, (2)说它知道谁是这样的S[x]。 例如, (1)可以表述为“众所周知, 有人杀了罗杰”, (2)可以表述为“众所周知, 谁杀了罗杰”, 表述为问题形式是“我知道谁杀了罗杰”。 在询问模型中, 一般来说, 问题的预设是(1), 问题需要的认识形式是(2)[5]88。

对于探究的询问模型, 其界限很大程度取决于问题和答案的可用预设。 询问模型类似演绎论证, 只不过可以在任何时候以对问题答案的形式引入新的前提, 并假设所讨论问题是可以回答的。 在探究中预设具有策略优势, 而问题的预设又可以限制探究策略。 探究还受到效用和答案可用性的影响。 在探究中会有一组潜在的答案集, 当提出一个问题后, 只要答案集中有答案, 被询问者就会提供这个答案。 这个答案集是固定的, 但可以扩大储存规模, 例如通过使用更昂贵的实验设备扩大科学家从自然中获得答案的范围。 这种询问者的策略选择受效用影响, 要求我们在询问模型中考虑非认知目标的作用。 答案的范围是一个事实问题, 也就是说, 基于实验结果的自然答案包含了科学实验的技术状态。 可用答案集部分地决定了询问者的预设集, 而答案集取决于科学研究的现状。

(二)预设的生成与选择

预设在询问模型中如此重要, 那么预设到底是如何生成的? 对于问题的预设来说, 问题的预设“K(∃x)S[x]”与问题的需求形式“K(∃x/K)S[x]”间的区别是前者省略“/K”。 辛提卡认为, 问题的预设保证了对象或者答案的存在, 例如, 如果罗杰没被杀, 那关于谁杀了罗杰的问题就没有合理答案, 讨论的存在实际上是问题答案的存在。 独立符号的应用能处理大多数不同类型的问题。 对于预设尚未成立的问题, 辛提卡认为其目的并非获得真实答案。 在回答这样的问题时, 回答者将同意预设的真实性, 特别是具有自我暗示性的时候, 可以作用于一些特殊情境。 例如, 询问“你会撒谎还是给我一万元”, 这种逻辑常用于法庭上诱导犯人回答那些直接询问就不会同意的预设。

我们说可用的答案集决定了预设, 那么如何在众多答案中进行选择。 在皮尔士的溯因推理中, 溯因过程被看作一种解释过程, 在发现令人惊讶的事实后, 如果能假设这一事实是某种规则的情况, 那么可以接受这一假设。 他用白色豆子的例子描述溯因过程, “桌上有一把白色的豆子, 在搜查之后, 发现只有一个袋子里有白色的豆子, 作为一个可能或公平的猜测, 推出豆子来源于这个袋子”[8]。 这一描述强调了猜测在溯因中的重要位置。 皮尔士始终坚持溯因是一种逻辑推理, 但溯因过程中面对众多假设不可能一一试错, 人需要依靠猜测本能发现和选择正确的假设, 这种本能是人的自然本性, 是人的某种洞察力。 “溯因推理像一束光来到我们心里, 它是洞察力的行为, 即使可能是容易错的动见。”[9]“溯因诉诸本能, 除了猜测外, 别无他物。”[10]

辛提卡认为我们可以接受皮尔士的观点, 即溯因推理中存在着猜想因素。 辛提卡参考皮尔士的观点, 总结了询问模型的一些主要特征。 第一, 溯因是一种推理。 第二, 溯因推理是引入新信息的唯一方式。 第三, 探究中的溯因步骤必须根据策略性规则判断。 第四, 溯因推理不同于归纳推理, 溯因是扩展推理(ampliative inference), 即引入新假设的唯一形式。 第五, 我们可以理解皮尔士溯因推理中的猜想元素(conjectural element)[5]51。 从策略性规则的角度来说, 溯因推理的关键是先问哪一个问题, 也就是在众多预设中选哪一个。 辛提卡认为, 正确答案的选择取决于一个人预测答案的能力。 在演绎推理中, 一个好的策略家能够预测推理的结果, 这需要逻辑学家预测连续的构造步骤的能力。 同样在询问式探究中, 考虑的关键是预测答案带来的认知情境, 相当于在实践中预测答案。 辛提卡认为这种预测除了猜测之外很难用别的术语描述[5]56。 他进一步指出, 探究的询问方法和溯因的猜测方法都是基于答案的各种可能来源, 这种来源不仅包括证据、 观察和实验, 还包括询问者记忆和知识背景。 但当所有来源都不能为一个问题提供答案时, 询问者所能做的最好的事情就是做出一个有根据的猜测。

(三)先验知识作为探究的结论性条件

辛提卡为了说明先验理论在认识论中的作用, 引入了蒯因关于数学在科学中的不可或缺性的论点, 但蒯因的理论不足以为他的论点进行有效辩护。 蒯因认为我们的知识系统像一张网, 网的不同节点通过逻辑蕴含关系相连接。 数学是让我们可以组织节点间的推理连接的最好的方式, 从而最好地组织我们的经验知识结构。 也就是说, 需要数学达到演绎系统化的目的。 但这不是结论, 而是一种预设, 无法解释为什么数学理论在科学中是有用的。 在辛提卡看来, 蒯因理论的问题首先是没有区分分析知识和综合知识。 分析知识也就是概念知识, 这是先验有效的知识, 例如数学知识; 综合知识也是事实知识, 例如“皮特在家”这种经验知识。 蒯因只是根据对象来区分数学命题和实验命题, 所解释的问题变成了数学对象在科学中不可或缺的问题。 其次对于问题的关注点不应该是本体论上的数学对象的作用, 而应该关注数学在知识获取中的作用。 辛提卡认为以前没有研究数学知识将新信息引入科学推理的过程是因为没有知识获取的逻辑, 而现在, 根据“探究的询问模型”, 我们可以揭示数学知识在科学探究中的作用[5]114。

实际上在前文的举例中, “我知道民主党候选人是谁”并非完全是事实, 它是因为满足结论性条件而产生的预设, 这种不完全真实的知识是包含部分概念知识的。 当我们问一个wh-问题时, 寻求的知识不是事实知识, 而为了得到问题的答案, 询问者需要一定的概念知识。 询问者提问“谁赢得了选举”, 如果经过一系列问答, 被询问者最终回答“威廉”, 那么除非询问者提前知道威廉是谁, 或者被询问者让询问者知道谁是威廉, 否则询问者仍不知道谁赢得选举。 此时关于“威廉”的知识是语义的或者概念的知识, 并不代表知道了事实, 而是知道赢得选举的人被专有名词“威廉”所指代, 是问题和答案涉及的事实知识的先验知识。 这时独立符号“/”可以形式化含有先验知识的结论性条件。 我知道“威廉”是谁, 即K我(∃x/K我)(威廉=x)),x是不了解场景下的选择,x独立于存在语境。 所以对wh-问题的回答的结论性条件本质上是概念性的, 不可避免地存在概念上的、 知识的先验部分作为结论性条件。

这种简单的wh-问题也可以扩展到实验研究上。 辛提卡以“观察变量y如何取决于受控变量x”为例, 即KI(∀x)(∃y/KI)S[x,y], 或者说, (∃f)KI(∀x)S[x,f(x)]。 在实践中, 这个问题的解答是在xy平面上绘制代表观测结果的点, 然后找到近似曲线。 但如果我们大胆假设一理想情况下的扩展函数g, 包含所有可能的参数值和函数值, 即K(∀x)S[x,g(x)], 这时除非科学家知道g(x)代表的函数, 也就是说和“我知道威廉是谁”一样, 提问者必须知道控制变量之间依赖关系的函数是什么, 否则仍是困惑的, 不能回答问题, 这个困境被辛提卡称为“罗蕾莱问题(the Lorelei problem)”(1)仅仅指定一个符合逻辑类型的正确实体的回答是不够的, 提问者还必须知道, 或者必须被告知, 这个实体是谁或是什么。 这种窘境可以被称为“罗蕾莱问题”。。 辛提卡认为这个问题的解决是数学分析的。 科学家试图建立的不是数据曲线, 而是控制变量依赖性的函数, 所以科学实验所需要的先验知识是由结论性条件所编纂的知识, 这种知识被认为由数学函数的知识组成。 因此, 实验产生的数学函数是回答实验问题的重要部分, 没有它的帮助, 我们根本无法完美地回答经验性的科学问题。

总体来说, 辛提卡的询问模型作为一种科学探究方法, 在应用上不同于皮尔士的探究方法。 皮尔士的科学探究过程是溯因、 演绎和归纳的结合。 辛提卡探究的询问模型是针对现代科学哲学提出的, 首先预设可寻求的答案中的必要命题, 然后在先验知识内通过策略进行答案的选择推进询问。 询问模型可以应用于解决科学实验问题, 是科学探究中获取知识的有效手段。

三、 探究的询问模型对知识发现的意义

探究的询问模型是一种溯因推理, 也是一种扩展性推理, 是可以进行知识发现的方法。 它运用了策略性规则, 相比于定义性规则下可允许的推理, 是一种策略上好的推理。 询问模型可以作用于科学实践, 具有实践价值, 同时作为第二代认知逻辑又推进了认识论的发展。 作为多学科交叉的产物, 它的影响范围还涉及逻辑学、 语义学和人工智能等多个领域。

询问模型推动了认知逻辑的发展。 第一代认知逻辑不能提供一个关于问题和答案的一般理论, 只能对问句和问题的预设以及结论性条件做出说明, 但不能应用于实验等更复杂的问题。 辛提卡认为认知逻辑实际上是一种问题和答案的逻辑, 以及寻找最佳问题的逻辑, 对问题的回答实质上是对知识、 信息或认识论的要求。 一个问题的认识论目标可以被表述为一个陈述, 指明答案将带来的认识论状态, 一个特定问题的需求。 基于这样的认识, 询问模型作为第二代认知逻辑使用了独立符号, 不仅为我们提供了通过提问获取信息的方法, 还会解决关于一个变量对另一个变量依赖性的实验问题, 加深了认知逻辑对科学知识发现的影响。

知识的发现离不开科学。 探究的询问模型, 推动了科学发展。 首先, 询问模型是切合科学实践的, 可以提供科学讨论的新角度。 例如, 辛提卡认为询问模型最大的优点是, 将科学探究视为一个过程, 这样才能应用策略性规则并区分不同类型的提问过程[5]222。 在科学实践规范问题中, 有关于数据遗漏或者说数据选择的讨论。 科学家会因为有选择地排除部分观察结果而遭受指控。 传统的科学方法对数据选择采取批判态度, 而探究的询问模型提供了不能全部批判的理由。 在询问模型中, 加括号的规则是一种省略数据的策略选择, 可以通过进一步的问题和答案检验询问者收到的答案的真实性, 这符合科学探究中重复相同实验验证答案的步骤。 其次, 询问模型具有发现逻辑, 更有利于科学发现。 辛提卡认为大多数的认识论理论都是对已有信息正当性的研究, 而不是发现新知识。 即使出现了信念修正理论, 也只是根据新证据修改已有信念, 这些理论都没有考虑新证据如何获得。 探究的询问模型回到了科学哲学中的发现语境, 是一种可以在实际科学中应用于知识发现的新方法。 例如, 这种观点影响了对贝叶斯方法的认识。 因为贝叶斯方法实际处理的是信息的改变而非生成, 它要求研究先验概率, 但有限的知识无法涵盖全部的先验概率选择[2]。 实际上, 先验概率能够根据新证据的出现改变, 那么贝叶斯方法就缺少相关的拓展性推理, 而询问模型关于预设、 策略性规则和先验知识的特性可以辅助贝叶斯推理完善先验概率修改的理论。

探究的询问模型作为一种溯因推理, 还可以推动人工智能领域的发展。 首先, 人工智能是为了推动知识发现的学科, 而询问模型可以帮助科学家更好地理解人的思维规律, 使人工智能进行更高级的模拟。 人类可以将溯因推理与归纳演绎相结合、 分析与综合结合, 采用多种模式认识世界, 这正是询问模型的核心内容。 人工智能想要探索更复杂的模拟思维领域, 就应该改变原有的以演绎为主的单调推理形式, 运用溯因等探究形式提高推理能力。 其次, 询问模型可以服务于程序的编写。 目前已有基于溯因推理创造的计算机描述语言, 如“Program in logic”[11]。 人工智能中大数据以及专家系统的使用要求知识集合和推理系统的完善, 按照目标要求在数据库中寻找相应知识, 并选择得出结论, 这是溯因的过程。 也就是说, 人工智能的算法和询问模型一样需要在已知数据中寻找支持假设的步骤, 而策略性规则可以完善决策系统, 概念化的推理过程有助于形式化为运算步骤, 括号的加入可以用于决策验证。 询问模型可以提高程序的运行效率, 完善决策和验证过程。 再次, 询问模型不仅可以帮助提高人工智能的逻辑推理能力和程序的完善度, 还可以作用于知识发现的再确认, 即评价理论的可行性[12]。 这是对理论能否解释已知现象及同类现象的解释力的评价。 询问模型统一了知识发现和知识辩护, 这种知识辩护可以用于人工智能逻辑, 优化知识发现。 人工智能推导病因要选择最能解释病人症状的理论, 这需要评价不同病因和病情的相符程度, 询问模型一定程度上可以判断可行性。

探究的询问模型是回归知识发现的新方法, 其中蕴含的策略性规则和对预设以及先验知识的解释极具启发性, 为我们展示了基于问答的探究模型。 辛提卡对发现语境的认识和分析对逻辑发展和科学进步具有重要意义, 对询问模型的学习可以让人更好地理解认知逻辑, 更广泛地应用询问模型为科学知识发现提供新角度, 还可以补充完善人工智能的开发。