​溯因推理与科学认知的适应性表征

溯因推理

与科学认知的适应性表征

魏屹东

作者简介：魏屹东，山西大学科学技术哲学研究中心暨哲学社会学学院教授、博导。 太原 030006

人大复印：《科学技术哲学》2020 年 12 期

原发期刊：《南京社会科学》2020 年第 20207 期 第 34-43，67 页

关键词： 溯因/ 科学认知/ 适应性表征/ abduction/ scientific cognition/ adaptive representation/

摘要：在科学探索中，从已知结果或现象通过假设寻求其发生原因的推理，比之归纳和演绎是一种更常见的认知方式，但逻辑上对这种推理形式并没有给出形式刻画。从表征的视角看，溯因是一种适应性表征过程，其中蕴含的逻辑规则也不复杂，特别是在逻辑上无效的推理，却在实际探寻中增强了信任度，使得结论变得更为可信，深层的原因值得深思和研究。这就是科学认知的适应性表征。这就是说，溯因所蕴含的适应性表征特征，表面上使得这种认知推理有时并不那么合乎已有的逻辑规则，却反映了认知思维的实际情形。总之，适应性表征才是溯因发生的根本原因所在。

溯因(abduction)作为一种推理方法，是美国实用主义创始人皮尔士提出的有别于归纳和演绎的第三种方法①。作为这种逻辑形式的首创者，其目的是解释认知过程中大量存在的从一个已知事实或现象推知其发生原因而产生的假设选择的逻辑问题。也就是说，溯因作为一种认知方式，是从已知数据或事实推出能够解释那些数据或事实的假设，也因此被称为假设推理。由于这种推理方式包括对所做假设的检验过程，因而常常出现在科学发现的过程中，即假设形成和检验的阶段，在科学哲学中也被称为“最佳说明”的推理②。从思维的角度看，任何推理都是认知，推理过程就是认知表征形成的过程，必须与要达到的目标相适应。所谓适应，就是看推理是否合乎逻辑，是否达到目标，其实质就是适应性表征问题。在我看来，与归纳、演绎相比，“溯因推理类似于数学上的倒推法或反证法，即从结论开始，把结论当作已知条件，一步步往前探索。溯因的实质也是如此，从要解释的事实出发，结合背景知识和前提条件，去发现最佳的假设，寻找最合适的原因”③。因此，溯因更体现了认知的适应性表征。然而，溯因与归纳、演绎是什么关系?其含义、特征、推理机制是什么?如何成为最佳说明?为什么是适应性表征?这些问题需要一一澄清。

一、归纳和演绎形成之谜

面对纷繁复杂的自然现象，人们从个别事实自发感应或诱发出某些一般结论，或从特殊情形得出一般假定，从具体事实推出抽象结论，这种认知方法就是我们习以为常的归纳。归纳可以说是最早的一种认知方式，科学中的许多经验定律就是归纳的结果。由于归纳出的结论是从特殊事实推出的，其结论超出了其前提所蕴涵的范围，皮尔士将这种推理称为扩展论证。由于这种特征，归纳的结论往往是非充分决定的。“说一个结论是非充分决定的就是说关于初始条件和规则或原则的一些信息不能保证一个唯一的结论。”④尽管休谟从经验主义出发论证了归纳原理的非因果性，认为它是一个独立的逻辑原理，是从经验或从其他逻辑原理都推论不出来的，没有这个原理，便不会有科学⑤，但罗素则证明“归纳作为逻辑原理是无效的”⑥，并认为要使一般所接受的科学推理具有不可动摇的根据，我们还需要其他原理来补充归纳法，如果不是完全代替的话。这就为后人留下了归纳之谜和进一步解谜的机会。

我们知道，归纳在哲学和逻辑中有多种，诸如简单枚举、完全枚举、淘汰归纳、直观归纳等，不论是哪种，都会面临一个从个别事实产生一般结论的不对称推论问题。这就是著名的“归纳问题”，由哲学家休谟首先发现，被康德称为“休谟问题”。按照波普尔的看法，归纳问题是指归纳推理是否是确证的，或在什么条件下是确证的，也可被描述为如何建立基于经验的普遍陈述的真理问题⑦。自这个问题被揭示以来，人们对归纳结果的确定性和可靠性提出质疑。人们不明白，为什么有些情况下从一些有限的事实能够推出普遍陈述(全称命题)，比如由“某些人会死”推出“所有人都会死”。这种跳跃式推理预设了“自然的齐一性”，即未来的实例类似于过去，可以从已观察事实概括出适用于未来观察的情形。坚持这种主张必然导致归纳主义，即认为知识按照归纳原理能够从积累的事实推出一般原理，比如经验科学的假设和理论体系。然而，从有限事实推出的结论不是必然的，因此人们普遍承认归纳的结论往往带有偶然性或概率性，因而不可避免地存在不准确性和不可靠性。但在认知实践中，人们又常常使用归纳，尽管“归纳问题”依然存在。这种理论与实践之间的矛盾是如何形成的?迄今仍然令人不解。

为了追求所得推论的必然真理性，人们发明了演绎。演绎是从一个普遍命题推出个别结论，或是从必然命题推出偶然结果或特殊事例的推理。由于其结论已蕴含在前提中，因而是必然的，或者说，演绎得出的结论是前提的逻辑后承，比如“凡人必死”必然推出“某某会死”。正如罗素曾经说过的，在演绎中，一个命题被证明对于一类的每个成员都成立，于是可以推断它对于该类的一个特殊成员也成立。人们普遍承认这种推理的结论在逻辑上是必然的。

然而，演绎的普遍前提来自哪里以及如何确定其真理性?来自先天直觉?来自后天经验?或是二者的结合?若是先天的，则产生了先验论，会导致神秘主义；若是后天的，则产生了建构论或经验论；若是二者的混合，则会有折中的嫌疑，会导致折中主义。我将这个问题称为“演绎前提来源之谜”或“演绎问题”。当然，人们可以给出种种答案，比如来自先天(直觉、灵感)，如笛卡尔的“我思故我在”；来自后天(经验、实践)，如“实践出真知”，等等，这必然会引起怀疑与争论。

在我看来，这个问题有两个可能的答案：一个是演绎的前提来自归纳。归纳和演绎构成了一个推理环。如果是这样，演绎问题是消解了，但归纳问题依然存在。这就像“鸡—蛋问题”，若问“何者先有”则无解，若将它们构成一个循环，问题就解决了。但是，“先有鸡还是先有蛋”是个伪问题，并不能解决“鸡”如何产生的问题。这就涉及推理的思路或方法论的重大问题。另一个是来自溯因，就是从一个已知事实通过假设—验证推出一个普遍结论。这是一种假设主义的进路。正如恩格斯正确指出的，“只要自然科学在思维着，它的发展形式就是假说”，而且“进一步的观察材料会使这些假设纯化，取消一些，修正一些，直到最后纯粹地构成定律。”⑧因此，基于假设的溯因推理的出现，有望解决归纳与演绎之谜。

二、溯因、归纳和演绎的三段论结构及其相互关系

在传统哲学与经典逻辑领域，归纳与演绎是两个公认的推理方法，并在科学探究中一直发挥着重要作用。在科学哲学、人工智能与认知科学领域，一种还不为人们广泛接受的推理方法在其中发挥着重要作用，这就是溯因。溯因这种更为重要的推理甚至在皮尔士提出后并没有引起人们的足够重视，甚至以为假设方法就是溯因推理。事实上，假设方法与溯因推理有着本质上的区别，前者着重于方法论功能，后者着重于逻辑机制。溯因之所以重要，那是因为在探寻过程中，人们面对的往往是某种已观察到的现象或结果。当面对这些现象或结果时，人们自然会问，为什么会产生那种现象或结果呢?具体原因是什么?这种寻找原因的过程就是溯因的过程。医疗诊断就是典型的溯因，也就是从某种病(结果)诊断出病因(原因)。解决问题的实质就是寻找产生问题的原因。因此，溯因作为一种推理方法，比归纳和演绎更为常见。

皮尔士通过如下例子给出了三种推理的三段论形式及其相互关系(13)：

假设我们从一个装满豆子的袋子里随机抓一把豆子。我们不知道白豆子的比例是多少，但知道手中的豆子有三分之二是白的，由此我们会猜测：袋子里有三分之二的豆子可能是白的，这描述了一个简单的情形——手中所有的豆子被发现是白的，其推理形式是：

归纳：

前提1：这些豆子是这个袋子里的(特殊事例PC1)。

前提2：这些豆子是白的(特殊事例PC2)。

结论：这个袋子里的所有豆子都是白的(普遍规则GR)。

根据皮尔士的描述，这是一个从事例(前提1)和结果(前提2)到规则(结论)的归纳推理，因为这是对袋子里所有豆子的概括。将这个推理倒过来就是如下推理：

演绎：

前提1：这个袋子里的所有豆子都是白的(普遍规则GR)。

前提2：这些豆子是这个袋子里的(特殊事例PC1)。

结论：这些豆子是白的(特殊事例PC2)。

在皮尔士看来，所有演绎只不过是将普遍规则用于特殊事例。这个例子说明，归纳与演绎是互逆的，闭合起来就构成一个推理循环，可解决演绎的大前提(普遍规则)如何产生的问题(源于对事实的概括总结)。

同样是这个例子，如果情形发生变化，归纳与演绎就失效了。假设有许多袋子，里面装着不同颜色的豆子，地上只有一些白豆子，搜索一番后你发现只有一袋是白豆子。此时你会假设这些白豆子是这个袋子里的。这个推理过程就是做假设然后选择再验证，推理形式为：

溯因：

前提1：这个袋子里所有豆子都是白的(普遍规则GR)。

前提2：这些豆子是白的(特殊事例PC2)。

结论：这些豆子是这个袋子里的(特殊事例PC1)。

这个推理是根据所发现的经验事实来推测可能的结果。用什么来解释这些经验事实呢?答案是假设。在这个例子中，我们可根据发现的一些白豆子和只有一袋白豆子这些事实推测——这些白豆子是哪个袋子里的。也就是依据所知道的和所不知道的做假设给出解释，这是一个最佳说明过程。显然，这个推理过程既不是归纳的也不是演绎的，而是概率性的。因为其他袋子里也可能有白豆子，只有检验后才能确证所猜测的结论的正确性。

在这三种推理形式中，皮尔士区分了两个概念：普遍规则和特殊事例。在演绎推理中，所有演绎只是将普遍规则(前提1)用于特殊事例(前提2和结论)，其中没有例外发生。在归纳推理中，演绎中的前提2和结论变为了两个前提(特殊事例)，而前提1成为了结论(普遍规则)，说明普遍规则是由归纳得出的。在溯因推理中，前提1与演绎中的相同(普遍规则)，其前提2是演绎中的结论(特殊事例)，结论(特殊事例)与演绎中的前提2(特殊事例)相同。就这个例子而言，三种推理形式的不同只不过是“普遍规则”和“特殊事例”之间的顺序变换的结果。

如果按照“普遍规则”和“特殊事例”(又分为例子和结果)的分类，归纳、演绎和溯因的结构为：

归纳：GR←PC1∧PC2(从例子和结果到规则的推理)

演绎：GR∧PC1→PC2(从规则和例子到结果的推理)

溯因：GR∧PC2→PC1(从规则和结果到例子的推理)

如果将普遍规则作为推理的始点，溯因与演绎显然是同向的，区别在于特殊事例的顺序不同；溯因与归纳是反向的，而且普遍规则与特殊事例是混合的；归纳与演绎也是反向的。在归纳推理中，结论作为普遍规则；在演绎和溯因推理中，普遍规则都是作为特殊事例1(前提1)，溯因因此可被理解为一种回溯性的演绎推理，它既不是由规则推出结论，也不是由结论推出规则，而是由规则和结果推出事例。从解决问题的视角看，演绎要回答的是特殊(个别)问题(一些豆子是白的?)，归纳要回答的是普遍(一般)问题(所有豆子是白的?)；溯因要回答的也是特殊问题(豆子在哪里?)，但不同于演绎的问题。

从事实和知识角度看，上述三段论的语句均是命题，都包含事实和知识，前提和结论在不同类的推理中是可互换的，推理形式都是合取。然而，我们并不能从归纳和演绎的合取推出溯因，因此溯因是不同于前两者的一个推理方式，其推理过程是假设性的，其结论是概率性的，只有经过经验检验才能确定其真假。这意味着，在科学探索中，从观察结果和假设的规则猜测该结果的原因，是要冒风险的，只有假定规则和结果都是真的，溯因推理才有意义。然而，以三段论形式处理溯因的方式并不能完全保证推理的有效性，因为三段论的推理能力是有限的，其结论不是必然从前提得到的(14)。

然而，正是由于溯因的猜测性和试探性特征，才被广泛使用于科学探索中，因为科学认知中常常遇到偶然性和不确定性。正如亨普尔所说的：“科学知识不是通过把某种归纳推理程序用于先前收集的资料而得到的，相反，它们是通过通常所谓的‘假说方法’即通过发明假说作为对所研究问题的试探性解答，然后将这些假说付诸经验而得到的。”而且“在判定一个被提出的假说是否有经验含义时，我们必须自问，在给定的语境中，有哪些辅助假说已被明确地或暗含地预设了，而给定的假说是否与后者相结合时产生检验蕴涵(而不是单单从辅助假定中导出这个检验蕴涵)。”(15)因此，溯因中的猜测性假设不是任意的，它们必须具有经验意义，也就是必须得到经验检验才能成为合格的假设。

三、溯因推理的逻辑结构

可以看出，溯因作为一种假设性推理，直观地看是逆向运行的(由结果推出原因)，而不是标准因果推理的前向运行(由原因推出结果)。出于适应性的目的，它显示出非标准的非单调性特征，即溯因的结论必须根据进一步的证据回溯得到，而数学推理和经典逻辑推理是确定性(certainty)和单调性(monotonicity)的。确定性是指从前提推出的结论是必然的，如演绎。单调性是说从演绎得出的结论其有效性是不容置疑的。按照皮尔士的看法，“演绎证明必定为真；归纳说明是可操作的；溯因仅表明那可能是什么样的”(16)。这就是说，演绎是完全确定的，归纳和溯因则不是必然性的，而是可被证据推翻的。例如归纳推理必须经过实验或经验检验才能证明其有效性，而溯因推理仅仅主观地提供了一些假设，而且这些假设能够由于新的附加信息而遭到反驳。

在皮尔士看来，一个假设是否可能，它必须满足解释性、可检测性和经济性三个条件。也就是说，一个假设，如果说明事实就是一种解释，直到被证实，也就满足了可检测性的要求。皮尔士给出溯因推理的逻辑结构为(17)：

观测到惊奇的事实C，

如果A是真的，C就是必然的结果，

因此，有理由猜测A是真的。

在这个推理中，C是描述事实的陈述或陈述集，A是假设地说明那些事实的另一个陈述(一个假设命题)。其形式表达为：

A→C

其中A→C是逻辑的蕴含规则，即“如果A是真的，C必然为真”。这个推理在逻辑上称为假言命题，包含了演绎的必然性，归纳的或然性和溯因的预测性。这是科学实践中常常遇到的情形。这是为什么呢?

这个形式结构可看作是逻辑中的肯定前件式(modus ponens)的逆推理：

如果A是真的，C就是必然的结果，

A是真的，

因此，有理由猜测观测到惊奇的事实C是真的。

其形式表达为：

A→C

这种逆推理是一种探究式推理，在人工智能的逻辑编程、知识获得、目标搜索、决策和自然语言程序中得到广泛应用。比如逻辑程序语言Prolog的应用，这种程序语言由一阶逻辑激发并由逻辑程序、问题和一个作为适应性的“修理机制”构成。阿丽色达(A.Aliseda)以下雨—草坪湿的例子说明Prolog的溯因推理过程(18)：

程序P：

草坪—湿←下雨

草坪—湿←洒水器工作

问题q：草坪—湿

已知程序P，问题q(草坪为什么湿?)并不随后发生，因为它不是从该程序中导出的。为了使q随后发生，“下雨”“洒水器工作”“草坪—湿”这些事实会被添加到程序中。这意味着溯因发生在追问的过程中，通过此过程这些添加的事实产生了。这一过程的完成经过一个解决机制的适应和延伸，当原路返回机制失效时，该机制开始起作用。在这个例子中，当两种事实在程序中找不到时，不是宣称它们失效，而是被标示为“假设”，也就是溯因解释，并被当作形式规则，如果添加到程序中，形式规则将使问题随后发生。

上述的参数一旦设定，就会产生多种可能的溯因过程：

程序P：

草坪—湿←下雨(?)

草坪—湿←洒水器工作(?)

草坪—湿←(?)

问题q：草坪—湿

法因(K.T.Faan)认为，皮尔士的溯因推理可被还原为一个相应的演绎有效推理，演绎因此成为归纳和溯因要遵循的基本原理(19)。溯因不仅与“肯定前件式”对应，也与“否定后件式”(modus tollens)对应：

如果A蕴含C成立

C为假

则A为假

形式表达为：

A→C

同样，从肯定的视角看也会给我们以启发推理：

如果A蕴含C成立

C为真

则A更可信

形式表达为(20)：

A→C

A更可信

这意味着，C的真实性强化了人们对A的信任度，尽管肯定后件在逻辑上无效。为什么逻辑上无效的推理却在科学实践中有用呢?我认为这不仅仅是理论与实践之间存在解释鸿沟的问题，而是适应性表征的问题。一种推理，只要能适应性地表征目标客体，而且是经得起检验的，它就是合理的，正如肯定后件带来的信任度的增加。

在科学哲学中，汉斯(N.R.Hanson)是最早使用皮尔士溯因推理的人。他把溯因推理表达为如下形式(21)：

前提1：某些惊奇的现象P被观察到。

前提2：P被解释为必然的结果，如果假设H为真的话。

结论：因此，有理由认为H为真。其形式表达为：

H→P

这是从可观察现象出发，通过给出假设再检验假设的方法来理解已知现象的推理。汉斯将这个过程称为“反证法”(retroduction)，一种回溯推理。在汉斯看来，达尔文的自然选择假设、牛顿的万有引力假设和开普勒的行星椭圆轨道假设，都是采用这种方法给出的。显然，汉斯的这种从观察开始再返回对所观察现象的解释，将溯因与解释联系起来，将解释与理解联系起来，某种程度上超越了皮尔士的溯因逻辑。

当然，也有人怀疑发现的逻辑的存在，比如科学哲学家波普就严格区分了“构想新观点的过程”与“逻辑地检验它的方法和结果”(22)，认为两者是完全不同的过程，前者属于心理过程，后者属于逻辑和实验过程。由于哲学家对溯因推理普遍持怀疑态度，汉斯的工作并未受到太多的关注。正如尼克勒斯(Nickles)总结的那样：一方面，人们对皮尔士—汉斯的溯因推理概念与用于分析科学说明的亨普尔假设—演绎推理模型之间的区别不明确；另一方面，溯因推理的逻辑形式的皮尔士—汉斯模型不能说明许多涉及给定观察的语境因素，诸如“先前的理论结果、理性期望、启示法、目标和一起指引探究的标准”(23)。在我看来，尼克勒斯的确点中了溯因推理不足的要害：一方面，假设在推理中的作用在两个模式中并没有严格的区别；另一方面，忽视语境因素的确是溯因推理的缺陷，事实上，溯因更依赖于语境，因为提出假设是语境敏感的。

其实，皮尔士—汉斯模型中的假设更依赖于心理学的“格式塔感知隐喻”，使得人们认为发现就是心理学的研究范围，远离理性的逻辑学。人工智能的发展让溯因推理有了用武之地，弥补了其缺乏逻辑规则的不足。约瑟夫森(J.R.Josephson.& S.G.Josephson)给出了溯因推理的如下更新的形式(24)：

D是一个数据集。

假设H解释D。

除H外没有其他假设能够解释D。

因此，H可能为真。

可以看出，这一模式通过构想假设解释已知数据，对皮尔士的溯因逻辑做了进一步拓展。根据化石推测生物的形状以及考古中根据骨骼复原人体是这种溯因的典型领域。比如我国考古工作者根据“妇好”的骨骼再结合历史记载复原她的面容，就是根据已有事实和资料推测历史真相的过程。

接下来的问题是，如何评估这种溯因推理的可能性呢?在约瑟夫森看来，这涉及6个因素：(1)如何决定H超越了其他选项；(2)不考虑其他选项，H本身有多好；(3)数据可靠性的判断；(4)对于所有似真解释被考虑有多大信心；(5)效用考虑，包括犯错误的代价和选择正确的优点；(6)得出结论需求有多强烈，特别是考虑在决定前寻找进一步证据的可能性。

我发现，约瑟夫森的模式似乎蕴含了一个最佳说明，即只有假设H能够解释D，排除了其他假设的可能性。这与科学认知的实践不太符合。在科学认知中，一种或一组数据或事实可能由两种或两种以上的假设来解释，有时很难选择哪个最佳，比如光的粒子假设和波动假设，生命的自然发生说、酶学说和化学说。马格纳尼(L.Magnani)认为，“溯因”这个词有两个意义(25)：一是创造性，二是最优性(选择性)，这必然会产生两种溯因发生——创造性溯因和选择性溯因。在创造性溯因中，认知任务是产生似真的假设；在选择性溯因中，认知任务是评价假设。在我看来，马格纳尼对溯因的分类实际上是对溯因阶段的划分，因为提出假设是创造性阶段，检验就是评价检验阶段。这两个含义或阶段在溯因推理中是统一的，不能截然分开，而且创造性和选择性在溯因中都是适应性的。波普尔指出：“科学理论并不是观察的汇总，而是我们的发明——大胆提出来准备加以试探的猜想，如果和观察不合就消除掉；而观察很少是随便的观察，观察通常按一定目的进行，旨在尽可能获得明确的反驳证据以检验理论”(26)。猜想—反驳的过程体现了科学认知的证伪性和逼真性。如果把观察到的现象或数据转换为问题(为什么出现那些现象)，给出的假设与检验就是猜想与反驳。因此，溯因的过程本质上就是试探性和适应性过程，通过试探和适应达到目标获得知识。显然，皮尔士的溯因推理与波普尔的从问题开始试探错误的猜想—反驳模式基本上是一致的。

四、溯因推理作为最佳说明模型

溯因推理通常被视为最佳说明的推理。哈曼(G.Harman)认为“最佳说明的推理近似对应于其他人称之为的溯因”(27)。在哈曼看来，不同形式的推理可被看作是最佳说明推理的例示，比如科学家推断原子和亚原子粒子存在的情形，医生诊断病因的情形(28)。因此，“溯因法实质上是从有待解释的事实开始，分析它们，然后发明并选择最佳的假设，使之从这个被选定的最佳假设出发，再加上其他背景知识和前提条件，能够演绎出有关待解释事实的特称命题来。”(29)如果是这样的话，溯因就是某种程度上的假设演绎推理。在这个过程中，用于解释事实所做的假设不止一个，这就存在如何选择最佳或最合适假设的问题，也就是溯因如何成为最佳说明的问题，接下来我们分析这个过程。

按照溯因的逻辑，在面对一种新事实或现象的情形下，我们首先猜想其各自可能的原因，比如发现自家的窗户玻璃破碎了，我们脑海中会立刻浮现几种可能性——人为?猫?刮风?地震?这些可能性如果表达为陈述性命题，就形成了各种不同的说明或解释，而新事实就会形成问题，比如“窗户玻璃为什么破碎了?”这意味着由新事实产生的问题会引起一系列假设性陈述命题，对这些假设性命题一一进行评估(确定或否定)和验证，以便检验所做的猜测的正确性。如果其中一个假设得到证实，那么它就是新事实或现象发生的原因。这个过程就是诱因的过程，其中包含了试探性、猜测性、选择性、可能性和适应性等特征。就对假设的选择性而言，其中包含了最优性，即哪个假设能给出那个新事实的最佳解释，哪个假设就是最佳说明。这就是马格纳尼所说的“选择性溯因”，它是溯因推理的起点，因为就医疗诊断过程而言，“选择性溯因是做出初始猜测，引入一组可信的诊断假说，接下来通过演绎获得它们的后承，并通过归纳用现有的病人的资料来检验它们，如果发现可以被某个假说解释的证据，其他竞争假说却不能解释，那么(1)增加了此假说的可能性；或者(2)反驳了其余的假设。”(30)而选择假设的过程是依赖语境的，也就是说，新事实或现象产生的问题是语境敏感的，比如上述例子，如果是刚刮过大风，我们就会推出大风最有可能是导致窗户玻璃破碎的原因，排除了其他可能性。这是语境的聚焦或过滤作用。

我将这个语境敏感的溯因机制描述为：语境→新事实或现象→问题→假设集→检验→结论，结论就是所选择的最佳说明。其中的“语境”并不是可有可无的因素，它是所发现新事实或现象的背景支撑物或基底，是事实、观察、相关知识等的集合体，其功能相当于人工智能中的数据库。我们知道，没有数据库，人工智能中的智能体是无法进行搜索的，也就不能解决问题。语境作为“数据库”不是一成不变的，它随着使用者的知识增长和认识的提升会不断更新，因此语境也是变化的、扩充的。使用者能否给新事实或现象以最佳说明，其语境起着潜在的支撑作用。这可以回答为什么是牛顿发现了万有引力，爱因斯坦提出了相对论而不是别的什么人的问题。原因在于，牛顿和爱因斯坦的语境(包括天赋)与他人截然不同。在实际行动中，我们往往将语境看作理所当然的东西，或者根本就忽视它的存在。这种最基本的、潜在的东西，恰恰就是最重要的。比如我们的意识，之所以产生意识，是因为有大量的潜意识的存在作为支撑物，这就是意识的“冰山之角”隐喻所要说明的现象。

从适应性表征的角度看，在科学研究中，寻求最佳说明的过程，实质上是进行适应性表征的过程。最佳说明事实上应该是适应性说明(没有最好只有更好更适应)。为什么这样说呢?我们知道，表征就是使用某个表征工具(语言的、数学的、模型的)描述目标系统(自然的或社会的)的过程，溯因推理是其中的一个重要部分(还有归纳、演绎等)，而且选择假设的过程就是为了不断与目标系统相适应、相符合的过程。不适应不符合的就会被抛弃。可以说，成熟的科学理论，如牛顿力学、爱因斯坦的相对论，都是最佳说明，也是适应性表征，这是经过千锤百炼验证过的。需要指出的是，最佳说明不是最终真理，它只是一种更好的解释而已。如果有新的信息补充，最佳说明是可更新的，是一个不断逼近真理的适应性表征过程。

五、溯因的适应性表征特征

鉴于溯因推理表现出的试探性和选择性，其表征必然是适应性的，理由如下：

第一，溯因作为科学发现的逻辑，是在不断尝试中逐渐实现所假设目标的过程。相比于归纳和演绎，溯因推理更适合于科学发现。原因在于，归纳更多的是侧重于分析，演绎则是侧重于综合，而且这两种推理是互逆的。当然，分析和综合不是孤立的，没有分析，就难有综合，它们只有在结合中使用才能产生意义。溯因是从已知事实或结果推测所做假设的过程，即寻求结果发生原因的过程，从而为我们预测性理解我们所生活的世界建立了一种解释模式。按照阿丽色达的看法，溯因是一种用于解释困惑性观察的推理过程(31)。例如早上醒来透过窗户发现地面是湿的，你推测可能是下雨了，或者是有人洒水了。这是日常生活中我们不自觉地使用溯因推理的事例。前面已谈及，医疗诊断是溯因推理最典型的情形。可以说，医生看病的过程就是从结果(疾病)推断病因的过程——医生首先观察病人的症状，根据其所掌握的疾病和症状之间的因果关联知识对可能的病因做出假设，即给出可能的诊断结果，然后对症下药。

第二，溯因假设的选择是使用者的信念修正的结果，而信念修正过程就是适应性表征得以展现的过程。在科学认知活动中，溯因作为一种从结果找原因的推理，是一种重要的科学方法论。比如开普勒发现火星椭圆形轨道就采用了溯因推理，最终建立行星运行定律。事实上，在他猜测到最佳解释应该是用椭圆轨道代替圆形轨道之前，还尝试了多种假设来解释。因此，溯因本质上是一种假设推理，是从证据到说明猜测的过程，一种以不完整信息为特征的推理类型。显然，在溯因推理中，除了背景知识外，猜想和信念发挥了重要作用。开普勒的例子说明，他掌握了相当多的天文学知识，并发现其中的问题，也就是说开普勒处于问题语境中才能做猜测和判断。这是溯因推理的一个总特征，即溯因中的假设通常是一种涉及当事者信念以及信念修正的解释，需要在几个假设中做选择，以便适应解释目标。这个过程显然是适应性表征过程。因为假设的形成与选择过程就是使用者的信念形成与修正的过程，这是一个信息变化的动力学过程，一种动态行为。现代逻辑就是使用信念修正来说明溯因的这种动态过程的(32)，因为说到底，假设的选择过程必然涉及信念状态的改变，这正是逻辑中的信念修正理论(33)要研究的问题——认知主体是如何理性地改变其信念状态的。因此，信念状态的改变是适应性表征的心理根源，信念修正理论则成为适应性表征说明的逻辑基础。

第三，溯因作为假设推理是通过判断、证据给出适应性说明的。既然溯因是通过假设寻找所发生事件的原因，它必然是一种解释性论证，即建构解释的过程。在上述开普勒的例子中，开普勒并没有观测到行星围绕太阳的运动是圆周还是椭圆运动，而是发现用圆周运动做解释与观测数据不符，改用椭圆运动(两个焦点)来解释则与观测数据基本符合。这也是对所观察现象的确证，并不涉及如何做出这种发现的溯因过程。这意味着溯因过程是通过假设、判断、验证给出适当解释的过程。解释构成溯因推理的一部分，其结论是解释过程的产物。而且在溯因过程中，既要建构意义又要做出选择。给出不同假设就是建构意义，假设是以命题形式给出的，比如“行星运行轨迹是椭圆”；假设不止一个而是有多个，选择其中最好的一个，也就是最符合事实的那个假设，就是最佳说明。所以，假设的选择不是一个简单的“是或否”的过程，它包含了复杂判断和检验的环节。比如儿童发烧了，是什么原因造成的，医生诊断后会有一个初步判断——或流感或受风寒或饮食不当，等等，有时通过观察和询问就可做出决定，如近期流感流行，当情形复杂时，医生会通过血液化验来确证。可以看出，溯因是从一个事实或结果推测原因的假设推理，而归纳是从不同事实概括结论的总结推理，“更准确地说，我们应将溯因理解为从单一观察到其溯因性解释的推理，将归纳理解为一种从个例到一般陈述的推理。归纳解释的是一组观察，溯因解释的是一个观察。归纳对进一步观察做出了预测，溯因并不直接涉及进一步的观察。归纳本身不需要背景理论，溯因则依赖背景理论建构，而且检验其溯因的解释”(34)。

第四，溯因通过诱导的、假定的、似真的适应性表征而成为最佳说明。皮尔士将溯因看作这样一个过程，“在那里我们发现一些非常好奇的环境，这种环境将由作为某一普遍规则的猜想说明，然后采用这种猜想。”(35)这意味着，溯因是一类基于猜想的推理，由建构一个假设进行。那个假设是临时性猜测，当有更多的实验证据出现时，可能被放弃。所以，正如沃尔顿(D.Walton)认为的，溯因推理本质上是假定性的(presumptive)，是从已知结论寻找该结论赖以依靠的前提的认知过程(36)。由于是假定性的，其结论可能是似真的(plausible)，即表面看似乎是真实的，也是概率性的或或然性的(probable)，也就是具有统计性特征。因此，溯因就是诱出原因，是一种发现的逻辑和创造性过程，一种从结果推出可能的原因，常常用于科学发现。

溯因作为一种认知和逻辑分析方法，是从观察数据到可能原因的推理模式。相比于归纳和演绎，其应用更为广泛，涉及日常生活、医疗活动、法律事务和科学认知等。在医疗诊断中，溯因推理是一种主要的诊断方法。在刑侦活动中，寻找嫌疑人也主要采用溯因推理。在科学活动中，溯因推理也不可避免地使得科学哲学中的经验进步与解释理论相结合，促使了人工智能中信念变化的计算理论的产生(37)。比如人工智能中的专家系统，它是一种基于知识的系统，这种系统是信念变化的基础。一句话，只要我们想对观察到的事实或现象给出说明，就离不开溯因推理，探究和发现原因的过程突出了其适应性表征，而其蕴含的认知功能还有待于进一步的研究。

注释：

①哈曼似乎独立地提出了与皮尔士的溯因极其相似的推理方法，那就是最佳说明推理。但哈曼并没有提及皮尔士关于溯因的工作，参见Gilbert Harman,“The inference to the best explanation”,Philosophical Review,Vol.74,No.1,1965,pp.88-95.

②Peter Lipton,Inference to the Best Explanation,London:Routledge,1991.

③④Peter Lipton,“Induction”,in Martin Curd and J.A.Cover(eds.),Philosophy of Science:The Central Issues,New York/London:W.W.Norton &Company,1998,p.412,p.412.

⑤【英】罗素：《西方哲学史》，马元德译，商务印书馆1981年版，第212页。

⑥【英】罗素：《人类的知识》，张金言译，商务印书馆2001年版，第483-487页。

⑦Karl Popper,“The Problem of Induction”,in Martin Curd and J.A.Cover(eds.),Philosophy of Science:The Central Issues,New York/London:W.W.Norton &Company,1998,p.426.

⑧【德】恩格斯：《自然辩证法》，人民出版社1971年版，第218页。

⑨张留华：《皮尔士哲学的逻辑面向》，上海人民出版社2012年版，第294页。

⑩Ernan McMullin,The Inference That Makes Science(Aquinas Lecture),Milwaukee WI:Marquette University Press,1992.

(11)(16)(17)Charles Sanders Peirce,Collected Papers of Charles Sanders Peirce 1931-1935,Vol.5,in Charles Hartshorne and Paul Weiss(eds.),Pragmatism and Pragmaticism,Cambridge,Mass.:Harvard University Press,1965,p.106,p.171,p.117.

(12)Martin V.Curd,“The logic of discovery:An analysis of three approaches”,In Thomas Nickles(ed.),Scientific Discovery:Logic and Rationality,Dordrecht:Reidel,1980,pp.201-219.

(13)(35)Charles Sanders Peirce,Collected Papers of Charles Sanders Peirce 1931-1935,Vol.2,in Charles Hartshorne and Paul Weiss(eds.),Cambridge,Mass.:Harvard University Press,1965,pp.372-375,p.375.

(14)李煜：《论皮尔士的溯因逻辑》，《逻辑学研究》2018年第4期。

(15)【美】卡尔·G.亨普尔：《自然科学的哲学》，张华夏译，中国人民大学出版社2006年版，第26、48页。

(18)(31)(34)Atocha Aliseda,Abductive Reasoning:Logical Investigations into Discovery and Explanation,Netherlands:Springer,2006,pp.41-42,p.28,p.35.这本书已由本文作者翻译，由科学出版社2016年出版。

(19)K.T.Fann,Peirce’s Theory of Abdaction,The Hague:Martinus Nijhoff,1970,p.52.

(20)这种推理模式被称为“肯定后件的谬误”，在逻辑上是无效的。这就是说，即使它的前件是正确的，其结论也可能是错误的。然而，作为一种启示法，还是可以提供可信度的。

(21)Norwood Russell Hanson,Patterns of Discovery:An Inquiry into the Conceptual Foundations of Science,Cambridge:Cambridge University Press,1958,p.86.

(22)Karl Popper,The Logic of Scientific Discovery,New York:Basic Books,1959,pp.31-32.

(23)Thomas Nickles,“Introductory Essey:Scientific Discovery and the Future of Philosophy of Science”,In Thomas Nickles(ed.),Scientific Discovery:Logic and Rationality,Dordrecht:Reidel,1980,p.23.

(24)John R.Josephson & Susan G.Josephson,Abductive Inference:Computation,Philosophy,Technology,New York:Cambridge University Press,1994,p.14.

(25)Lorenzo Magnani,Abduction,Reason and Science:Processes of Discovery and Explantation,New York:Kluwer Academic/Plenum Publishers,2001,p.19.该书已由李大超、任远翻译为中文，由广东人民出版社2006年出版。

(26)【英】卡尔·波普尔：《猜想与反驳：科学知识的增长》，傅季重等译，中国美术学院出版社2003年版，第59-60页。

(27)Gilbert Harman,“The inference to the best explanation”,Philosophical Review,Vol.74,No.1,1965,pp.88-95.

(28)马格纳尼给出了治疗推理的认识论模型——一个溯因—演绎—归纳循环模式。根据这个模式，医疗推理分为两个阶段：一是对患者的资料进行抽象并用于选择假设，也就是对患者问题的试探性解决，这是选择溯因的阶段；二是根据假设来预测结果并与患者的资料进行对比，从而评估(确证或否认)那些假设，这是演绎—归纳循环阶段。

(29)章士嵘：《科学发现的逻辑》，人民出版社1986年版，第240页。

(30)【意】洛伦佐·马格纳尼：《发现和解释的过程：溯因、理由与科学》，李大超、任远译，广东人民出版社2006年版，第29页。

(32)Craig Boutilier & Veronica Becher,“Abduction as belief revision”,Artificial Intelligence,Vol.77,1995,pp.43-94.

(33)这是逻辑学中近30年来发展而成的一种新的逻辑理论，它运用符号逻辑的方法和理论来研究信念状态的理性改变和信念修正过程，给出了假设或理论更替背后的深层次心理状态的逻辑刻画，为科学地研究信念状态与心理表征的关系提供了逻辑表征方法。参见Carlos E.Alchourrón & David Makinson,“On the logic of theory change:Partial Meet Contraction and Revision Functions”,Journal of Symbolic Logic,Vol.50,No.2,1985,pp.510-530.

(36)Douglas Walton,Abductive Reasoning,Tuscaloosa:The University of Alabama Press,2004,pp.34-35.

(37)该理论描述了如何使数据库、科学理论或一组常识信念能接纳新信息，这些信念变化的类型包括“扩展”“缩减”“修正”的操作。根据这种理论，一个理论可通过增加新准则而得以扩展，通过删除现有的准则而得以缩减，或是先缩减再扩展最后实现修正。这样做的目的是保证理论或信念系统能在接纳新信息后保持一致或适度的封闭。参见Peter Grdenfors,Knowledge in Flux:Modeling the Dynamics of Epistemic States,MIT Press,1988,p.43.