皮尔士溯因推理的合理性研究
黄闪闪
（天津理工大学马克思主义学院，天津300384）
［摘 要］ 皮尔士认为溯因是引入新观念的唯一推理类型，也是一种广泛适用的科学方法论。生成性解释、辩护性解释和追求性解释是溯因推理的三种解释，凸显了它在科学探究中的重要作用。溯因存在一致性循环论证和推理非有效性等问题。说明功效在最佳说明推理（IBE）中的运用对溯因的启发，背景知识在溯因推理中的不可或缺，以及溯因推理在人工智能中的实际运用，为溯因推理的合理性提供了多视角的可能辩护。
［关键词］ 溯因推理；说明性假说；解释；一致性；背景知识
溯因推理在科学探究中发挥着重要作用。溯因是皮尔士（Charles Sanders Peirce）哲学的核心概念，溯因推理是一种重要的扩展性推理和科学方法论。溯因推理是一个形成说明性假说的程序，甚至是引入新观念的唯一推理类型。皮尔士对溯因推理的研究有前后期之分。前期的主要任务是澄清溯因概念，论证溯因是一种产生说明性假说的独立推理模式。后期将溯因置于一个更广泛的三阶段方法论，明确溯因、演绎和归纳在科学探究中的各自分工，将溯因上升到科学方法论层面。
关于溯因推理在科学探究中的作用，存在三种解释：生成性解释、辩护性解释和追求性解释。溯因的生成性解释把溯因视为一种导出新假说的发现推理程序。溯因的辩护性解释认为溯因是一个证明理论可能真的信念推理模式。而溯因的追求性解释，就是用溯因推理来建议相对值得追求的理论判断，结论能够与真值评价完全无关。区分这三种解释的标准在于溯因推理在科学探究中的作用时机，这些解释各有侧重，再次强调了溯因推理的方法论意义。
溯因推理的合理性问题主要体现在非理性因素的引入、推理模型的非有效性以及一致性的循环论证问题。从哲学、逻辑和人工智能三个视角对溯因推理进行辩护，表明：最佳说明推理（IBE）对说明功效的讨论，为溯因推理规避一致性循环问题提供了一种可能进路；作为广义归纳的溯因推理，其结论离不开背景知识的理性整合；溯因推理在人工智能中的运用，为其合理性提供了一个实用主义辩护。
一、溯因推理的科学探究框架
尽管辛提卡（Jaakko Hintikka）指出对溯因进行概念澄清是当代认识论的基本问题，但是许多学者认为对“皮尔士的溯因概念仍然知之甚少”[1]。在皮尔士文本中，除了“溯因”，“逆推法”和“假说”都表示一种有别于演绎和归纳的全新推理模式。它们既是扩展的，又能产生新观念。如何理解这些概念，以及同样作为或然的扩展性推理，溯因和归纳之间有何关系？梳理皮尔士前后期对溯因推理的研究脉络，有助于澄清溯因概念，以及理解它在科学探究中的重要方法论意义。
一方面，由于我国当前大多数建筑产业的现代化发展仍处于初级阶段，在发展转型方面仍存在诸多的不足和问题，我国相关政府部门应当制定出一系列切实可行的相关政策制度，有效推动我国互联网+时代下建筑产业现代化发展。通过制定相应的可行的实施细则和具体规划，明确每个人的职权，对现代化建设所需的措施进行有效的保障，从而搭建起高效的考核评价体系；另一方面，可以对建筑产业现代化建设项目建立专项资金，在适当的时机进行资金的拨付，或是对税费进行适当的减免，通过一系列相应的激励政策引导并帮助传统企业进行转型升级。同时建立互联网服务保障机制，净化互联网环境，有效加快建筑产业的现代化发展。
（一）前期：溯因概念之争
逆推法（reduction）是皮尔士溯因的直接概念来源。皮尔士受亚里士多德的启发，将推理分为三种类型：演绎、归纳和逆推法。由于对原文文本的误读，逆推法通常翻译成溯因（abduction）。在亚里士多德的《前分析篇》中，皮尔士发现了一种不同于演绎和归纳的推理模式。这个所谓apagō g ē的推理模式英译为“逆推法”。亚里士多德把apag ō gē形容如下：“我们具有逆推法（1）当首项适用于中项是显著的，
麦考汉认为辩护性解释混淆了两类推理的关系——IBE和溯因推理；溯因推理和归纳推理。首先，IBE概念上可以证明假说，但是溯因推理只能猜想假说，并且溯因推理的结论可以无关于真值评价，二者概念上不能等同。其次，皮尔士的科学方法论中，溯因推理和归纳推理各有分工。证明假说的环节由归纳完成，皮尔士用归纳表示理论确证中的推理，它将假说演绎得到的后件与实验结果进行对比，要么确证或证明假说，要么抛弃假说和尝试另一个假说。因此，辩护性解释将溯因置于科学探究中的阶段过晚，曲解了皮尔士以溯因为起点、归纳为终点的三阶段方法论。
［基金项目］ 教育部人文社会科学基金青年资助项目：18YJC72040001
［作者简介］ 黄闪闪（1986-），女，湖北黄石人，天津理工大学马克思主义学院副教授，南京大学哲学系博士后流动站研究人员，哲学博士，主要从事归纳逻辑研究。而中项适用于尾项是不显著的，尽管如此，它还是比结论更为可能或者不低于其可能性。”举例说明，假设P表示“被教育”或“可教的”；M表示“知识”，S表示“美德”。亚里士多德认为“知识是可教的”明显为真，即M是P；同时假设“美德是知识”，即S是M。以此作为两个前提，可知{S是M；M是P；所以S是P}。换言之，{美德是知识；知识是可教的；所以美德是可教的}。在此之前我们对S是P一无所知，这个AAA式通过附加词项M，并且假设S是M完成，其中M是基于说明性考量引入的。
溯因推理的合理性问题一直存在，甚至被质疑不是一种逻辑推理模式。通过对皮尔士溯因的形式化处理，可以发现溯因推理的结构是非常复杂的。通常可以把皮尔士的溯因推理表示为：
溯因是皮尔士认为唯一能够产生科学发现的说明性推理。具体而言，皮尔士用溯因推理来保留假说这种假设性推理。溯因继承了假说的两个主要特征：第一，指导溯因作为一个推理的说明性算子；第二，溯因是提供新观点的唯一推理类型，在此意义上是唯一综合的。同时溯因又具有两个假说所没有的个性：一是溯因不受限于三段论形式；二是说明性是溯因接受一个假说的根据。在假说的三段论推理模式中，新观点或新内容必须在推理结论接受前存在，即它已经被包含在大前提中。这样的推理不可能产生新内容，前提和结论必须分享词项，最后只是前提的某些内容被分离并被肯定。可见假说受到三段论形式的约束，它不能发挥作为新内容创造者的预期作用。与假说不同，皮尔士认为溯因是一种能够真正产生新观点的扩展性推理。为此他在《实用主义和溯因》中描述了溯因推理的基本模型（CC），即
CT辐射剂量和对比剂用量 记录患者CT容积剂量指数、扫描长度、剂量长度乘积。有效射线剂量等于剂量长度乘积乘以转换系数，胸部的转换系数k=0.014 mSv×mGy-1×cm-1[5]。碘的总量等于对比剂浓度乘以对比剂用量。
已经观察到令人惊讶的事实C；
但如果A为真，那么C将是必然的结果，
在不同播种量下，小麦的出苗期完全相同，均为4月16日出苗。但抽穗期偶有不同，其中以播量为180 kg/hm2时抽穗最早，为6月7日；播量为150 kg/hm2、210 kg/hm2、240 kg/hm2 时次之，均为6月8日，播量为 270 kg/hm2、300kg/hm2时最迟，为6月9日。在成熟期上，播量为150～240kg/hm2时均在7月23日成熟，而播量为 270kg/hm2、300kg/hm2时成熟较晚，为7月24日。总整体来看，随着播种密度的增大，小麦的抽穗期和成熟期均有一定的推迟。生育期也在播量较小的情况下较短，均为98 d，播量较大时，延长了生育期，为99 d。
③应急泄流是冰碛湖最可行的排险方法，开渠形成冲切泄流应结合冰碛湖的特征处理好一些关键问题，包括过流标准、过流流速的确定和泄流渠的布置以及施工方法的选取。
因此，存在理由猜想A是真的。
这个时段于罗兰金店来说，是最辉煌的时刻了。外面的世界越黑暗，金店的灯火越璀璨。玉敏早早开了灯，罗兰金店内顿时金光闪烁，金碧辉煌，与外面昏黄的街道形成鲜明的反差。镶在柜台内的灯带全都亮了起来，像一条条银蛇，闪着沉静而透明的光芒，衬得柜台内的珠宝首饰熠熠生辉，光泽鲜艳，如灯下美人般，款款楚楚动人，件件妖娆娇艳。灯下的美女们亦是毫不逊色，清一色青春年少春光明媚的店员们，优雅大方地站在柜台内外，衬得金店更加地流光溢彩，风华卓绝。精美的珠宝，灯火的殿堂，恬雅的美女，为罗兰金店增添了难以言尽的华丽色彩。
溯因是一个推理的二元过程。一方面，它包括某个含有额外内容的假说A，其解释基于待解释C，其中A和C的解释联系通过反事实条件“如果A为真，C将是必然的结果”来描绘。另一方面，它允许前件A从条件句中分离出来，由此接受A。
（二）后期：归纳在科学探究中的作用
溯因本质上是一种说明性推理，皮尔士的说明性推理观点已经经历了两个不同阶段。前期他把说明性推理作为一种独立存在的特殊推理模式，并且旨在获得说明性假说的形成和接受。后期他认为说明性推理隶属于一个更广泛的三阶段方法论模式。作为一套研究方法，说明性推理不再具有独立性。皮尔士关于说明性推理的前后期思想有许多相同的地方，例如说明性推理是新内容的唯一生成者；不同点在于，说明性推理产生的结论需要进一步的辩护，这是凭借演绎和归纳完成的。具体而言，皮尔士在后期思考中给予归纳一个完全不同的作用。在皮尔士早期观点到后期观点的转变中，真正改变的不是皮尔士的说明性推理概念，而是对于归纳的看法[2]145。
归纳重在分类，归纳推理产生不了新概念。在科学探究中，皮尔士认为归纳是一种所谓的“水平外推”（horizontal extrapolation），受相似性约束，其结论只是前提内容的一个概括。皮尔士认为，归纳永远不能产生任何概念。演绎也不能。所有的科学概念都是通过溯因推理形成的。由于皮尔士早期把溯因看作三段论模式的假说，通过区分归纳和假说的不同作用，皮尔士把归纳界定为一种分类的扩展性假说。具体而言，归纳是增产性推理，假说是说明性推理。归纳的本质在于它从一组事实推断出另一组事实，而假说则是从一类事实推断出另一类事实。假说通常推断一个不能直接观察的事实，不受相似性的约束，它是一种“垂直外推”（vertical extrapolation），其结论通常是一个新事实，或者有别于我们已经观察到的事实。
规划指标核实计算是对建设工程的各类技术及经济指标的计算，包含：核实建设用地红线、建筑位置、建筑间距、室外地面标高、建筑物退让用地界限、道路红线、绿线、河道蓝线、高压走廊等距离；核实各建筑单体的平面位置、层数及层高、建筑高度等；配套工程中的绿地面积、停车场规模和位置及配套的公共服务设施是否按照规划许可内容进行了建设。核实的主要指标是建筑面积、高度、容积率、绿地率、间距等。
麦考汉认为追求性解释将溯因置于科学探究中的阶段刚刚好，此时已经猜测提出若干竞争性假说，而归纳负责的科学确证还未开始，在此期间，溯因产生关于何种行动步骤值得追求的建议，包括我们的价值和研究中的信息资源[5]。具体而言，溯因基于经济原则消去大部分候选假说，引入某个理论是否值得调查的判断，进而“偶然发现”正确的那个理论。科学家据此作出值得追求的判断，有时候我们正好也能抓住它。例如，圈量子引力、弦或者非交换几何这类我们具有的尝试性理论都是值得追求但非常不完整的勇敢尝试。圈量子引力不追求成为万用理论：它只是一个背景独立的量子时空理论。在弦论中，一个背景独立的公式似乎遥不可及。更关键的是，这些推测性理论都没有得到实验的任何经验支持[10]。
（三）发展：最佳说明推理（IBE）的不同观点
最佳说明推理（IBE）是一条科学命题的推理原理。科学家在科学发现和科学证明中都会运用IBE。科学家寻找这类命题来解释可观察现象，并且基于可观察现象的解释来论证它们。关于一个理论概念或实体、原理的真理性或实在性论证通常是IBE的实例。溯因和IBE的关系，存在三种观点。一是同一观：IBE是溯因推理的发展，侧重说明性假说的发现程序。例如，希洛斯（Psillos）等人使用术语“溯因”来表示IBE[3]605～625；利普顿（Lipton）讨论了作为IBE的溯因、贝叶斯确证理论和信念更新之间的关系[4]149。哈曼（Gilbert Harman）把溯因设想为一种在大量竞争假说中推断最佳说明真理性的方法，即IBE[2]148。他认为溯因是一种推理模式，其中假说的接受基于两个条件：它解释了证据；没有其他假说一样能解释证据。在某种意义上，IBE最终成为一个皮尔士溯因的自由化版本，其捍卫在于把假说演绎法和枚举归纳法视为特例的扩展性推理模式[2]148。二是对立观：IBE不同于溯因，它们在概念上有区别。例如麦考汉（McKaughan）认为，IBE是一种判定说明性假说的可能真理性的推理模式；而溯因推理的结论能够完全和真值评价分离[5]。三是统一观：IBE和溯因在概念上是相关的，在一定程度上有重叠。例如，麦克奥尼斯（Adolfas Mackonis）认为溯因的总目标是产生一个可能的说明性假说；而IBE的总目标是产生一个说明性假说，同时评估这个假说[6]。另外，IBE和溯因都讨论了说明力的功效问题，萨伽德（Paul R.Thagard）认为这些功效的鉴定没有比皮尔士提议的更为深远[7]。综观三种观点，它们都承认IBE和溯因是关于说明性假说的推理模式。特别是同一观和统一观强调了IBE和溯因之间的联系性。基于IBE在科学发现中的作用，它也是溯因的科学探索框架的基本构成和发展。
二、溯因推理在科学推理中的解释
麦考汉区分了溯因推理的三种解释：生成性解释（generative interpretation）、辩护性解释（justificatory interpretation）以及追求性解释（pursuitworthiness interpretation）。麦考汉认为生成性解释和辩护性解释是不恰当的，它们把溯因推理过早或者过晚地置于科学探究中，未能把握皮尔士溯因的重要特征。而追求性解释在科学发现中的作用时机刚刚好，这一时期的科学实践是在理论孵化之后，又在丑小鸭蜕变成天鹅前[5]。尽管这三种解释对溯因推理的理解不同，认为溯因作用于科学推理的阶段不同，但是这更加凸显了溯因推理在科学探究中的必要性和重要性。皮尔士的溯因不仅是一种推理模式，更是一套适用广泛的科学方法论。
（一）发现：溯因的生成性解释
实用主义问题就是溯因逻辑问题。溯因推理中，不是所有可能的说明性假说都被考虑的，从这个意义上，溯因是一种消去推理（eliminative inference）。如何消去其他竞争假说？这是一个经济（economy）问题。经济也是一种简单性，即依靠背景信念，消去若干牢靠程度不高的候选假说；并对可接受的候选假说在优先级上进行排序，或者直接推荐假说。优先排序并不依据假说的真理性判断，因为如果知道哪个假说是真的，我们就没有必要排序了。皮尔士认为溯因不是一个中立的推理模式，如果估计某个假说具有潜在利益且信息量大，那么我们应该赋予它一个高优先权。正是因为经济原则，溯因可以在一个几乎无穷的假说空间起作用。换言之，溯因推理不会也不大可能检验所有能猜想的假说，溯因推理的结论在性质上能够是完全非认识的，它们不是假说可能为真的评估。
生成性解释致力于把发现归入理性模式，论证溯因推理是一种科学发现的逻辑。但是这种解释也表明，溯因是一种通过提出待检验的说明性假说的猜测形式。虽然皮尔士用“天生的洞察力”来合理化“猜测”这种非理性因素，但是“洞察力”是一种本能，而不是理性力量。尽管皮尔士反复强调溯因是一种与众不同的推理模式，但由于这些直觉和猜测的判断都似乎是非推理的，这样，科学创新者不能为他们的最佳猜测提供任何理性。
麦考汉认为生成性解释的问题在于将溯因置于科学发现的阶段过早。具体而言，科学发现既需要直觉或洞察力的非理性因素，也需要溯因的理性模型。二者之间有个先后顺序，不能把溯因和直觉等同，或者将溯因置于科学发现的直觉阶段。开普勒根据数据产生新奇假说的推理，似乎不符合皮尔士对溯因推理的标准表述。我们在进行溯因推理时，说明性假说已经出现在前提中，说明性假说可以不受观察数据的局限，所以我们通过非理性因素已经假定了一套需要进一步判断的可替换假说，这显然与开普勒推理不符。换言之，生成性解释注重的探究阶段太早而不能使用溯因推理。
（二）证明：溯因的辩护性解释
溯因的辩护性解释认为溯因是一个证明理论可能真的信念推理模式。其特点在于，溯因是一种扩展性推理模式，我们有理由认为结论是真的，或者近似真的，或者可能为真，至少比其他可得的替代性结论更有可能为真。
辩护性解释的基础是IBE和溯因的关系，这种解释持同一观，认为溯因就是IBE。例如米萨克（Misak）指出：“皮尔士是第一个辨识和讨论……最佳说明推理，或者皮尔士所谓的‘溯因’。”[9]336它把皮尔士溯因看作一种证明说明性假说可能真的非演绎推理模型。IBE可以表述如下：
已经观察到令人惊讶的事实C；
为满足不同层次的读者对图书的借阅需求，结合实际状况，我馆目前的采访工作模式分为两大类。中文采访方面，由于年购入数量巨大，图书采访工作多是由采访人员结合学校的学科设置与图书供应商对市场的把握进行选购书目的决策；西文采访方面，由于单本购入价格较高且目前我馆主要支持购入专业西文图书，这种价格特点和书目专业性导致西文采访工作融入了部分二级学院资深教师的意见，其能够更准确地把握所在学科的发展动态和图书需求。
但如果A为真，那么C将是必然的结果，
没有可得的竞争假说和A一样能够解释C。
因此，A是真的。
在现有价格下，联通和移动各自获得的支付都是50。当联通选择涨价时，如果移动采取跟随策略同时涨价，则两家公司的利润都会提高，都可以获得更大的支付70。联通涨价时如果移动采取不涨价策略，则会因为有部分联通宽带用户转而使用移动宽带获得额外支付变为90，移动则会损失市场份额导致获得的支付减少降为10。反之亦然。
这个推理的结构与溯因推理相同，但是通过附加一个前提“没有可得的竞争假说和A一样能够解释C”，进而证明了“A是真的”，规避了溯因推理结论中“猜想”这类非理性因素。因此，推理中的说明性假说A得到证明。
［收稿日期］ 2018-11-05
（三）建议：溯因的追求性解释
所谓溯因的追求性解释，就是用溯因推理来建议相对值得追求的（pursuitworthiness）理论判断，结论能够与真值评价完全无关。追求性解释的特点包括：一是它致力于假说的首次发现或提出与后期实验验证中间的科学探究阶段；二是它侧重于判断一个理论是否值得调查和进一步发展。
经过处理后，模型（Ⅲ）即为考虑风险厌恶因子和单个资产投资比例控制因素而建立的新模型（Ⅱ）的具体形式，模型更清晰、更具有可计算性。
溯因的生成性解释把溯因视为一种导出新假说的发现推理程序。汉森（Norwood Russell Hanson）反对不存在发现的逻辑，他认为皮尔士的溯因应该作为一种发现逻辑，这是皮尔士溯因的核心思想，皮尔士似乎把溯因设想成一个解释惊奇现象的假说提出行为。汉森以开普勒（Johannes Kepler）的推理为例，他认为开普勒的说明性假说遵循一条直接的溯因推理，其推理不只是灵光闪现的顿悟，而是从第谷的观察数据导出行星椭圆形轨道运行的假说。“皮尔士的溯因理论关心的推理始于数据，并且走向假说”[8]5。
归纳旨在确证，归纳推理是科学辩护的基本模型。皮尔士后期将溯因置于一个更广阔的探究框架，以便溯因推理产生和评估的假说得到进一步检验。在这个框架中，溯因是科学推理的第一步，归纳是最后一步[2]145。溯因推理的牢靠性至少部分来自对假说的进一步检验，而归纳正是提供证据的假说检验模型。皮尔士认为，归纳推理的证据支持是一个假说-演绎（H-D）的确证或证伪模型。结合演绎、归纳和溯因，皮尔士后期提出了科学探究的三阶段方法论程序，溯因上升到方法论层面，它是引入新观点的唯一方法。这个方法论程序分为三个阶段：一是溯因，即逆推法，从后件到前件的推理；二是演绎，通过解释收集假说的后件集合；三是归纳，确定那些经验一致的后件的范围，以及相应判定假说是否正确，或者修正，或者完全拒绝。可见，归纳在科学探究中的作用不亚于溯因。
追求性解释再次强调了溯因在科学探究中的作用，澄清了溯因推理和归纳推理在科学探究不同阶段作出的相应判断类型。但是由于经济原则基于背景信息网，并预设了人心具有猜想正确理论的能力，所以它同样也存在生成性解释中的非理性因素问题。
三、对溯因推理合理性的质疑及其辩护
假说是皮尔士溯因的早期三段论推理模式。皮尔士认为假说是扩展的，并且是新观点或新内容的唯一生成器。形式上表现为{M是P；（所有）S是P；所以S是M}。这是AAA式的重组，本质上是一种三段论推理模式。皮尔士提出假说的原因有二：一是对亚里士多德逆推法的发展。他认为亚里士多德考虑了逆推法之外的一种推理，即一个三段论的小前提从大前提和结论推断而来，小前提是事例，大前提和结论分别作为规则和结果。例如一个假说的提出过程{规则——这个袋子中的所有豆子都是白色的；结果——这些豆子是白色的；∴事例——这些豆子都来自这个袋子}。二是对康德推理分类的改良。康德把推理分成两大类：解释和扩展。皮尔士认为康德的解释性推理有缺陷，因为仅仅局限于主-谓词形式的判断。并且，虽然康德正确刻画了解释性判断和扩展性判断的区别，但是这种区分是不恰当的。他提出对康德这种区分进行改良，即进一步把扩展性划分成归纳和假说。假说是一种假设性推理，皮尔士认为它可以作为一种推理模式独立存在。概念“假说”强调两个方面，一是假说都是说明的，二是允许不同的牢靠度。
从逻辑上看，这是一个充分条件假言命题的肯定后件式，不具有有效性和保真性。从认识上看，在实际的科学发现中，不可能恰好只提出假说A，而A恰好解释了C。实际情况更有可能的是，在解释C的过程中，存在多个竞争的候选假说。出于经济考量，对候选假说进行排序，通过检验其中的几个高优先权的建议假说，最终偶然发现正确的那个。为此，我们可以进一步细化溯因推理：
为了说明
，皮尔士提出了五条原则来评估假说的功效，进而进行优先排序并检查部分优先权高的假说，可以依次概括为：说明力、一致性、简单性、统一性和可检验性。一致性是这几条原则中最重要的说明功效，某种意义上它是唯一必需的说明功效[6]。即在溯因推理中，说明性假说和背景信念网中的相关背景知识保持一致。一个假说在说明上越优越，其一致性越大。可见，确保背景信念网为真是溯因推理的重要前提。如果溯因不能在一个真背景信念网中运行，那么它没办法反馈有可能为真的假说。为了保证真的背景信念网，皮尔士至少两次论证了心灵具有猜想正确理论的能力，这是一种本能的直觉。换言之，本能是真理的合理性标准。皮尔士明确把心灵的猜测本能和经济原则在溯因推理中联系起来。
心灵具有发现真理的能力带来了一致性的循环论证问题。与相关背景知识的一致性，是一个通过溯因推理导出的假说值得建议的合理性标准，在此必须保证背景知识为真。追根溯源，背景知识为真的依据在于另一个溯因推理，即{背景知识为真；如果心灵具有发现真理的能力，那么背景知识为真；心灵具有发现真理的能力}。因此，溯因推理的合理性源于一致性，而一致性需要溯因推理作为前提保证，最终带来了一致性的循环问题。这种循环型似乎是“人类理解如何可能”所必须付出的必然性代价[2]142。
尽管溯因推理的逻辑性被质疑，然而不可否认它在科学探究中的作用，特别是在科学发现中的发现功能。所以，对溯因推理进行合理性辩护是有必要的。在此，我们分别从哲学、逻辑和人工智能三个视角来展开。
（一）哲学：多种说明功效在IBE中的运用和启发
IBE认为一致性可以从其他说明功效中推导而出的观点，为皮尔士溯因规避一致性循环问题提供了一种可能进路。尽管IBE和溯因的关系存在三种分歧，但是它们都赞同IBE和溯因是关于说明性假说的推理模型。最佳说明推理（IBE）中的“最佳”体现在说明功效的作用上，IBE认为一致性有时候对确定最佳说明是充分的，所以这种推理同样会遇到一致性循环问题。具体而言，萨伽德等人规定了一致性的严格定义：逻辑一致性，以及推理-说明关系。所谓逻辑一致性就是形式一致性，这是IBE作为推理方法的逻辑性体现。但它在涉及内涵或经验内容的推理中是不充分的，因为逻辑上的相容命题涉及到背景知识时可能不相容。比如亨佩尔（Carl Gustav Hemple）的乌鸦悖论和古德曼（Nelson Goodman）的绿蓝悖论就是例证。这时就要求介于说明性假说和背景知识之间的推理-说明关系保持一致性，即一个说明性假说将和背景知识保持一致。最大可能一致性必须与等价命题保持一致性[11]。如果坚持这个一致性定义，那么IBE的说明功效变得恶性循环，或者变得不提供信息。所谓最佳说明是与背景知识最大一致性的说明，就是关于背景知识的最佳说明，或者命题通过背景知识得到最佳解释。这个一致性的说明变得琐碎和空洞。“最佳说明”和“最大一致性”表示同一个意思。
摆脱这种循环性的方法是其他说明功效，它们将更准确地阐释一致性概念。萨伽德提出了一种根据其他说明功效解释一致性的方式，他把假说的一致性解释为某个假说上的宽度和深度函数。宽度也可以称为统一性，就是假说说明新事实。一个假说越好，其说明就越统一。例如牛顿力学就是个好理论，因为它解释了许多不同现象的运动。所谓深度，就是假说能被另一个假说成功解释。一个说明机制M1的深度说明是一个更加基础的机制M2，它解释了M1如何及为何这样作用[12]。例如，原子构成解释了多种化合物的化学属性，反过来亚原子粒子解释了原子属性。此外，一些学者还讨论了一致性和简单性的关系。
这些讨论的重点在于，为了规避一致性循环问题，我们不能把一致性定义为一种天生的说明功效，而是把它当成一种说明力，从统一性、深度和简单性等其他说明功效中推导而出。皮尔士在设计假说优先排序的合理性标准时，实际上已经涉及了统一性和简单性这些功效。IBE对说明功效之间的关系讨论对溯因推理中的一致性问题的解决有启发作用。
另外，从逻辑哲学的角度看，皮尔士构建的推理二维框架具有理论合理性，是推动逻辑创新的一种原动力[13]。
（二）逻辑：背景知识在溯因推理中的不可或缺
虽然同为扩展性推理，溯因推理和归纳推理的待遇不尽相同。通常认为，溯因推理主要作用于科学发现，由于其中的非理性因素，使得一些学者认为科学发现无逻辑。抛开科学发现与证明的分合不谈，归纳推理被一致认为是科学确证的主要模型。究其原因，归纳推理虽然不能保证形式有效性，但是它从经验中学习，假说的确证是一个证据支持的理性过程，这个过程离不开背景知识的影响。
例如归纳推理的背景知识在认知心理学中的运用。对于“具有一个两腔室的肝”这类解剖学上的属性，与老虎推及老鹰相比，人们从小鸡推及老鹰能获得更为牢靠的推理。因为小鸡和老鹰都隶属于相同的生物范畴，而且共享许多内在属性，人们十分愿意将一个新奇的解剖学属性从一只鸟投射到另一只鸟。但是老虎和老鹰在许多已知的内在生物学属性上各不相同，所以不大可能会将一个新奇的解剖学属性从老虎投射到老鹰。然而，现在考虑行为属性“更喜欢晚上喂食”，海特和鲁宾斯坦（Heit&Rubinstein）发现，小鸡和老鹰、老虎和老鹰这两对范畴之间，涉及到喂食和捕食这类行为属性的推理，前者比后者要薄弱得多——与解剖学属性的结果是相反的。在此，尽管老虎和老鹰之间存在生物学差异，但人们知道这两种动物在喂食和捕食上的相似性，受此影响从而做出一个新奇的关于动物属性的牢靠推理[14]576～577。
从广义上看，所有的或然性推理都是归纳，所以溯因推理可以纳入到广义的归纳逻辑中。溯因推理同样会受到背景知识的影响，其顿悟或直觉的瞬间不是无迹可寻的纯粹非理性过程，而是丰富背景知识经溯因触发器（abductive trigger）导出的结果。
埃莉萨（Aliseda）用溯因触发器来表示触发溯因且需要解释的惊奇现象[6]。他认为溯因触发器是一个相对的概念。一个人认为的意外事实对其他人而言，也许是不意外的，这些人可能具有不同的背景知识。所以事件能否是一个溯因触发器，取决于相关背景知识的具体内容。事件是一个溯因触发器，或者相关背景知识不能解释它，或者相关背景知识反驳了它。因此，背景知识对于评估事件是不是一个溯因触发器是必需的。如果某个人不具备任何背景知识，那么对他来说，任何意识到的事件都是一个溯因触发器。另一方面，对于一个无所不知的生物，溯因触发器是不可能存在的。根据背景知识，不可能作为溯因触发器。如果背景知识包含对于某个特殊现象的满意解释，如果一个人知道这个现象的原因，那么不会寻找关乎这个现象的因果式提问的说明。没有基本原理旨在说明已知事物或事件。一个已知事实能够变成一个溯因触发器，只要某个人认识到背景知识不能解释它，或者一个已知解释不是真正满意的。
所以l1(t)≥0，对于t≥0，0≤u≤t，Y服从指数分布，则又h(1-α)≤1，显然e-λ(t-u+h(1-α)u)为增函数，因此l2(t)≥0，即
在传统的教学模式中，会计教师不够重视实训教学，只是教给学生一些简单的操作方法。同时，学生对实训训练也不够重视，敷衍了事，这种教学方式不利于提高学生的实际操作能力和动手能力，阻碍了学生未来的发展。现阶段，为提高学生的实训成果，会计教师应对实训教学重视起来，增加实训比例，减少理论教学，还要积极向学生灌输实训的重要性，使学生意识到实训教学的意义。
溯因触发器似乎表明，背景知识越少越有可能发现惊奇事件。但是，一个溯因触发器的存在不能强迫人们去寻求说明。这个观点旨在表明，一个人需要溯因，只有他首先偶然发现一个溯因触发器，接着他需要理解这个触发器。换言之，一个人只有意识到原有背景知识不包含某个惊奇事件，而又需要解释这个事件时，才能真正发现溯因触发器，进而开始溯因推理。而这本身就是这个溯因的相关背景知识。例如，同时代的人每天都看到太阳，但只有哥白尼提出了日心说。
“别！”声音凄凉而无奈，郑成川捂住腹部，眼中流露凄凉的祈求。灰衣人是黑旗会没有怜悯之心的杀人刀，抖手之间寒光骤闪，郑成川的颈项多了一条裂开的喷血豁口。
因此，溯因推理和归纳一样，它同样从经验中学习，对背景知识进行逻辑加工，理性过程在背景信念网中起作用。
（三）人工智能：溯因推理的实际运用
溯因推理在人工智能中的运用，为这种推理的合理性提供了一个实用主义辩护。人工智能溯因推理既指人工智能研究中的人类的溯因推理，也指机器智能中的溯因推理。在人工智能的研究中，由于知识的不完全性，为使工作进行下去，就要根据已有的信息、知识或目的意图，去寻找最有可能成立的假设或行动方案，那么就必定要用到溯因推理[15]。例如故障诊断，即溯因用于推理可能导致问题的错误；信念修正，即溯因用于信念语料库中的新信息整合。
1980年，溯因研究开始运用于人工智能。计算机科学家的推理研究揭示了多种推理模式，这些模式倾向于获得非单调的不确定性人类推理。溯因研究具有这种推理新焦点的显著特征。在这方面，AI研究者中的先驱是科瓦尔斯基（Bob Kowalski）。科瓦尔斯基竭力提供一个逻辑编程框架内满足溯因语法和语义的系统处理。一个溯因问题的目标是使数据O吸收进知识库（KB）。数据通过某个假说进入KB，就像KB吸收数据一样，进而KB恰当地扩大。溯因是一种选择假说的程序，一些学者已经计划提出具有评价性要素的可计算的溯因模式[2]149。加贝（Gabbay）和伍兹（Woods）提出了一份关于溯因概念性计算模型的丰富计划[2]149。在这项研究中，加贝和伍兹提出和皮尔士后期解释有某些细微差别的特有溯因形式模型。他们把溯因视为一种解决无知问题的方法，这种问题不能通过目前可获得的认知资源得到解决。此外，溯因推理广泛适用于法律推理、自然语言理解、模型推理等领域，它是一种非常有前景的科学方法。
将干馏污水处理后回用于油页岩干馏生产，不仅实现了污水的零排放，每年节约水资源300余万t，而且还可以回收干馏污水余热供暖约11万m2，每年可节约标煤3 019 t。
[参 考 文 献]
[1]Phyllis Chiasson.Abduction as an Aspect of Retroduction[EB/OL].http://www.digitalpeirce.fee.unicamp.br/p-abachi.htm.
[2]Stathis Psillos.An Explorer upon Untrodden Ground：Peirce on Abduction[C]//Dov M.Gabbay et al.（eds.）.Handbook of the History of Logic，Volume 10：Inductive Logic.Amsterdam：North Holland，2011.
[3]Stathis Psillos.Simply the Best：A Case for Abduction[C]//Antonis C.Kakas，Fariba Sadri（eds.）.Computational Logic：Logical Programming and Beyond，Essays in Honour of Robert A.Kowalski Part I.Berlin：Springer，2002.
[4]Peter Lipton.Inference to the Best Explanation（Second edition）[M].London：Routledge，2004.
[5]Daniel J.McKaughan.From Ugly Duckling to Swan：C.S.Peirce，Aabduction，and the Pursuit of Scientific Theories[J].Transactions of the Charles S.Peirce Society，2008，44（3）.
[6]Adolfas Mackonis.Inference to the best explanation，coherence and other explanatory virtues[J].Synthese，2013，190（6）.
[7]Paul R.Thagard.The Best Explanation：Criteria for Theory Choice[J].The Journal of Philosophy，1978，75(2）.
[8]K.T.Fann.Peirce’s Theory of Abduction[M].The Hague：Martinnus Nijoff，1970.
[9]Cheryl Misak.The Inference That Makes Science[M].Milwaukee：Marquette University Press，2002.
[10]Carlo Rovelli.A theory of everything?[J].Nature，2005，433（7023）.
[11]Branden Fitelson.A probabilistic theory of coherence[J].Analysis，2003，63（3）.
[12]Paul Thagard.Coherence，Truth，and the Development of Scientific Knowledge[J].Philosophy of Science，2007，74（1）.
[13]桂起权，解丽.从逻辑哲学视角看皮尔士溯因推理[J].科学技术哲学研究，2018，（2）.
[14]Nick Chater，et al.Inductive Logic and Empirical Psychology[C]//Dov M.Gabbay et al.（eds.）.Handbook of the History of Logic，Volume 10：Inductive Logic.Amsterdam：North Holland，2011.
[15]黄闪闪.科学辩护的辩护：从人工智能中的溯因推理看[J].自然辩证法研究，2016，（1）.
［中图分类号］ B81
［文献标志码］ A
［文章编号］ 1001－4799（2019）06－0051－07
［责任编辑：熊显长］