作為哲學史上的一個著名難題,，休謨問題被國內(nèi)外很多文獻梳理為歸納法的合理性辯護問題。休謨以后的許多中外哲學家都曾探討過這一問題,。近年來人工智能研究的發(fā)展一定程度上影響了哲學和邏輯學的最新發(fā)展,，很可能會在休謨疑難的消解上指示出正確的研究路徑和方向。

這些新發(fā)展方向之一是計算機科學和人工智能研究中出現(xiàn)的新邏輯,。哲學發(fā)展過程中，一個值得注意的事實是邏輯研究領(lǐng)域的拓展以及關(guān)切人類發(fā)展,、富有現(xiàn)實關(guān)懷的重要邏輯方法的出現(xiàn),。邏輯學家們發(fā)現(xiàn)了新的技術(shù)，提出了新的規(guī)則,。正如《計算機科學中的邏輯學》和《人工智能中的邏輯》等著作所言,，針對計算機人工智能的應(yīng)用而發(fā)展起來的各種非經(jīng)典邏輯——模態(tài)邏輯、時態(tài)邏輯,、多值邏輯,、模糊邏輯、動態(tài)邏輯,、非單調(diào)邏輯等等,，是非常有特色的,。施太格繆勒甚至將多種非經(jīng)典邏輯、哲學邏輯作為“當代哲學主流”不可或缺的組成部分,。

模態(tài)邏輯增加了“可能”“必然”新算子,，時態(tài)邏輯增加了“過去”“現(xiàn)在”“將來”等新算子,。多值邏輯在真假二值之外,，增加了一個“不確定值”或多個中間真值,。概率歸納邏輯使得“證據(jù)支持”關(guān)系形式化和概率化，P蘊涵Q,，P未必100%地蘊涵Q；直覺主義邏輯強調(diào)“能行性”概念從而適合于計算機應(yīng)用,；次協(xié)調(diào)邏輯能容忍“不平庸矛盾”，能夠處理“不協(xié)調(diào)知識庫”推理的正常運行問題（不因包含個別矛盾而隨便停機）,；非單調(diào)邏輯的一種，例如（前提）缺省邏輯,，知道x是一只鳥，在相容性語境中,，即在無反例條件下（x不是鴕鳥,，企鵝），就可以試著往下推,，x會飛等等,。計算機若以經(jīng)典邏輯作為基礎(chǔ)邏輯是做不到這些的。所有這些新型邏輯都突破了經(jīng)典演繹邏輯原有的限制,，而與老百姓的生活世界或者科學家進行創(chuàng)新的實際推理更加恰當?shù)叵喾稀８匾氖?，從人工智能研究的背后所提煉出來的方法論原則，為歸納辯護局域化的可行性提供了強有力的支持,。

歸納邏輯的任務(wù)就是要構(gòu)建一個對歸納推理的統(tǒng)一的、綜合性的說明,。這個任務(wù)主要包括兩個方面：一是闡明合理的歸納推理規(guī)則是什么（古德曼悖論）,；二是為這些歸納推理規(guī)則的合理性作辯護（休謨問題）,。在此,，我們主要關(guān)注第二個問題，亦即從休謨問題的邏輯論證出發(fā)探討歸納法的合理性。在休謨看來,，不僅各種看似有希望證明歸納法合理性的方法都是失敗的,，而且所有可能證明歸納法正當性的方法都必須逐一審視,。許多經(jīng)典邏輯學家試圖構(gòu)建一種方案,，以繞過休謨的責難，證明科學和常識在歸納地做出預測時是合理的。盡管他們做出了極大的努力,，但還沒有一種解決方案能被廣泛接受,，從演繹邏輯原有的概念框架看，歸納推理依然是“科學的榮耀”和“哲學的恥辱”,。

在眾多論證中,，馬克·蘭格（Marc Lange）稱之為“叉子論證”（Argument of Fork）的二重論證尤其引人注目。馬克·蘭格用一種比喻的說法指出休謨的二重論證像一把叉子,，它包含兩種選擇,。他談到休謨用兩個例子引出歸納推理的合理性問題,。一個例子是，用觀察到的原因,，聯(lián)系過去曾經(jīng)歷過的相似原因所引發(fā)的事件,，證實在此種情況下，相似的事件將會發(fā)生。另一個例子是,，用過去的經(jīng)驗證實一個有可感外觀的對象具有某種性質(zhì),。這兩個例子表明,，對任意一個歸納論證而言，前提是已知的/觀察到的東西，結(jié)論超出已知范圍/涉及未被觀察到的東西,，那么從前提到結(jié)論的預測,，可能是對某一特定的未被觀察到的情況所做的預測，也可能是對特定類型中所有未被觀察到的情況所做的概括,。無論是這兩個例子中的哪一種情況,，都會面臨一個難題：如何證明從歸納論證的前提過渡到其結(jié)論的合理性？不言而喻,，“證明”是一個演繹邏輯的概念,。

馬克·蘭格認為，在為歸納問題辯護之前,，首先要為一個歸納邏輯系統(tǒng)進行辯護,。證明一個歸納邏輯系統(tǒng)是合理的要求是，一個歸納邏輯系統(tǒng)被合理地辯護,，當且僅當,，具有高歸納概率的論證在多數(shù)時間能從真前提獲得真結(jié)論，且與具有較低歸納概率的論證相比,，具有高歸納概率的論證多數(shù)時候能夠從真前提得出真結(jié)論,。這個要求表明，休謨在提出歸納合理性的否定性論題時,，對合理辯護的涵義或者條件所設(shè)定的心理規(guī)定,。若是從這個意義上視科學歸納法得到合理辯護的話，那么一定要證明在多數(shù)情況下,，具有高歸納概率的論證能從真前提獲得真結(jié)論,。這樣的話又該借助哪種推論得到這個結(jié)論呢？休謨指出,，可以通過解證的推論（演繹有效論證）和或然的推論來證明,。解證的推論由于牽涉觀念之間的關(guān)系，因而與語義發(fā)生關(guān)聯(lián),，具有演繹性；或然的論證與實際的事實或存在的事實有關(guān)，具有歸納性,。

如果用演繹有效論證能否證明科學歸納法的合理性呢？

首先,，考察從前提到結(jié)論的推論過程。演繹有效論證的前提是已知的,，亦即它只包含過去和現(xiàn)在的知識,，其結(jié)論只能是對前提包含或者隱含的事實的斷定，不涉及對未來的事實斷定,。因此演繹有效論證不足以證明科學歸納法的合理性?，F(xiàn)在假定某一論證在過去/現(xiàn)在能從真前提得出真結(jié)論，但未來則不能,。既然結(jié)論不能提供這樣的信息,，以顯示論證在將來會在多大程度上能從真前提推出真結(jié)論，那么就不能證明被賦予高概率的論證,，在多數(shù)時候可以從真前提得出真結(jié)論,。因此，不能用演繹有效的論證去證明歸納法的合理性,，這樣一來,，休謨叉子的第一種選擇是不成功的。

其次,，看休謨問題叉子論證的第二種選擇：是否存在一種歸納論證,，可以從給定的歸納論證的前提推出其結(jié)論呢？答案只能是通過給定的歸納論證本身來證明其合理性,。由于該論證作為被研究的論證,，不能通過它本身來證明其從前提出發(fā)推出結(jié)論的合理性。那能不能通過構(gòu)建歸納強度大的論證來證明科學歸納法的合理性呢,？如果用一種歸納強度大的論證證明科學歸納法的合理性,，會有竊取論題而陷入循環(huán)論證之嫌：為了證明科學歸納法是可靠的，就不得不假定科學歸納法是可靠的,。因此用歸納強度大的論證來證明科學歸納法的合理性也行不通,，休謨問題叉子論證的第二個選擇也是失敗的。

借助自然齊一性原理是否可以證明歸納法的合理性,？自然齊一性說的是未被觀察到的情況與已經(jīng)觀察到的情況相類似,。按照這一原理，雖說觀察證據(jù)越多，越有利于排除把過去投射到未來的不可能方式,，但是那些未知信息仍難以滿足全證據(jù)條件的要求,。因此，要確切指明人們到底依據(jù)什么相信自然處處都一樣是極其復雜的,?？赡苡腥藭f，假設(shè)能夠?qū)ψ匀积R一性原理加以形式化,，能對科學歸納法做出的歸納強度的判定給予恰當?shù)慕忉?，是不是就可以確信自然界處處都一樣了，一個歸納強的論證表明在多數(shù)時候可以從真前提得出真結(jié)論,。這一假設(shè)看上去似乎合理,，但論題卻改變了，從如何合理辯護科學歸納法變?yōu)槿绾未_證自然界處處都一樣了,。

總之,，以上論及的關(guān)于休謨問題的叉子論證和關(guān)于自然齊一性原理的論證，各自在竊取論題,、循環(huán)論證和混淆論題等方面存在缺陷,，都不能讓歸納論證在多數(shù)時候從真前提得出真結(jié)論。面對休謨問題的困境,，波普爾把休謨的歸納問題分為兩個問題,。一個是歸納的邏輯問題，亦即可以證明從個別的觀察陳述之真推導普遍理論之真的合理性嗎,？答案是：否,。另一個是歸納的方法論問題，亦即某些相互競爭的普遍理論比其他的理論更可取,，這種選擇的合理性能夠通過“經(jīng)驗理由”得到證明嗎,？答案是：是。換言之,，波普爾把休謨問題分為邏輯問題和方法論問題,，并明確指出，休謨提出的邏輯問題不可解,，方法論問題是可解的,。波普爾的解決方案給我們的啟示在于，解決休謨問題不僅需要證明其合理性,，還需要對其工作機制作出科學的解釋,，這與后來的學者受人工智能方法論的啟發(fā)，把解決休謨問題分為證明其合理性和對其工作機制做出科學哲學解釋的思路是一致的,。與此類似,，江天驥先生也明確指出,，歸納推理是不可能得到邏輯辯護的。鞠實兒教授進一步論證說,，休謨問題在邏輯學范圍內(nèi)不可解,。如果休謨問題在經(jīng)典邏輯范圍內(nèi)不可解，那么在傳統(tǒng)哲學范圍內(nèi)是否可解,？

傳統(tǒng)哲學對歸納問題的探討主要集中在以下三個方面：第一，歸納辯護的普遍性問題,。由于科學知識是全稱肯定命題集,，因此不能從單稱命題推出全稱命題。第二,，歸納辯護的必然性問題,。相信科學預測不能表明能夠必然證明其合理性。所以,，休謨的結(jié)論是，不僅各種看似有希望證明歸納法普遍有效的方法是失敗的,，而且所有證明歸納法可必然推出結(jié)論的方法也是失敗的,。第三，不能從已知的知識一勞永逸地推測未來,。休謨問題在傳統(tǒng)哲學中面臨上述三個問題,，一定程度上也是其面臨的挑戰(zhàn)。兩百多年來,，哲學家們圍繞休謨問題進行了長時間的探討和爭論,，各自提出了若干解決方案，可以概括為三類：第一,，先驗主義方案,；第二，融合先驗主義和經(jīng)驗主義的方案,；第三,，實用主義方案。

先驗主義解決方案,?？档碌姆桨甘窍闰炛髁x的?？档掳研葜儐栴}歸結(jié)為因果性問題,，認為因果聯(lián)系只是人們整理感覺經(jīng)驗的一種先天形式。將因果律定位于先天的理性范導原理,，并用先驗邏輯來證明其具有普遍必然性,。對這種因果性概念,，康德指出：“我決不是把這些概念（指因果性概念等）認為僅僅是從經(jīng)驗中得出來的,決不是把在這些概念里所表現(xiàn)的必然性當作虛構(gòu),當作是從長期習慣得來的純粹假象；相反,我已經(jīng)充分地指出來過,這些概念以及由之而生的原則都是先天的,即在一切經(jīng)驗之先建立起來的,它們具有無可置疑的客觀準確性,?！?/span>

在康德看來，休謨沒有把先驗的認識能力和先驗的因果范疇納入對人的思考當中,。因果之間的必然性是人通過先驗范疇加入的,，它不是借助前后相繼的現(xiàn)象自然實現(xiàn)的。若是理解這一點,，就可以解釋因果推理的合理性了,。康德信心滿滿地認為自己的先驗哲學已經(jīng)圓滿解決了休謨問題,。然而,，正如陳曉平教授所說，康德如此來解決休謨問題,，確實太粗糙了,。實際上，康德解決休謨問題雖然關(guān)注到先驗范疇,，但卻沒有考慮到隨機性和其他經(jīng)驗范疇,。此外，康德把休謨問題僅僅歸結(jié)為因果問題也有失偏頗,，因為,，正如波普爾所說，休謨的歸納問題是隱藏在因果問題后面的更深刻的問題,。

融合經(jīng)驗與先驗的解決方案,。貝葉斯主義者的方案是融合經(jīng)驗因素與先驗因素的解決方案。貝葉斯主義的叫法來自概率演算中的貝葉斯定理,，該定理刻畫了從先驗概率（prior probability）向后驗概率（posterior probability）過渡的規(guī)則,。由于貝葉斯主義把概率解釋為個人的置信度，因此又叫作“主觀主義”（subjectivism）或“私人主義”（personalism）,。

在先驗概率確定上,，貝葉斯主義者的唯一要求是融貫性，即避免自相矛盾的“必定輸”的荷蘭賭（the Dutch Book）,，也就是僅僅要求先驗概率滿足概率演算的公理,。這使得先驗概率的確定有很大的自由度，由此招致了許多批評,。為應(yīng)對這類批評,，主觀主義給出了意見收斂定理。意大利數(shù)學家和哲學家德菲耐蒂（Bruno De Finetti）認為,，有了意見收斂定理,，休謨問題就不難解決了,。他說“:如果接受了主觀主義觀點，歸納問題就因此得到一個解答,。這個解答自然是主觀的,，但是它本身卻完全合乎邏輯?！备鶕?jù)這一定理,，伴隨證據(jù)的增加，后驗概率的客觀性和公共性將逐漸取代先驗概率的主觀性和私人性,。因此,，意見收斂定理證明了歸納法的合理性。如果說融貫性要求是基于靜態(tài)合理性原則提出的,，那么這種按照貝葉斯定理不斷增加證據(jù)而改變置信度的原則就可以稱為動態(tài)合理性原則,。歸納的合理性問題由于動態(tài)合理性依賴于條件化規(guī)則，就變?yōu)闂l件化規(guī)則的合理性問題了,。為條件化規(guī)則辯護的動態(tài)荷蘭賭方案的失敗,，使豪森（Colin Howson）對歸納辯護的整體合理性產(chǎn)生懷疑。豪森說：“我寫這本書（這本書是指《休謨問題：歸納和信念的證成》）的主要目的是要表明,，那兩個人的工作如何成為關(guān)于歸納問題的最為可能的解答,，即：存在一種真正的歸納邏輯，它展示出歸納推理在給定適當前提之后是邏輯有效的,，但是不為其前提作辯護?！焙郎M一步指出：“通常被稱為主觀主義的貝葉斯理論事實上并不是主觀主義的,，恰恰相反，它所遵守的數(shù)學概率規(guī)則完全是客觀的并且被解釋為一致性條件,?！币簿褪钦f，在豪森看來,，一方面,，從歸納前提/假設(shè)過渡到歸納結(jié)論的合理性，可以由貝葉斯方法為其辯護,，這是因為它實際上是一個演繹過程,，具有數(shù)學客觀性和邏輯一致性。另一方面,，歸納假設(shè)本身的合理性是得不到辯護的,。可見,，豪森實際上放棄了歸納法的整體合理性證明的努力,。歸納辯護的局部合理性是不是可以證明,，他沒有明確回答，但可以推測他不排除這種可能性,。

總之,，貝葉斯主義者解決休謨問題的方案，不再要求從前提推出結(jié)論的必然性,，而是后退一步,，容納了概率概念和隨機性、統(tǒng)計性等經(jīng)驗范疇,，也不嚴格要求對歸納法作整體辯護,，不僅考慮歸納辯護的靜態(tài)合理性，也考慮動態(tài)合理性,，在解決休謨問題的探索中前進了一步,。但當他們把歸納法看作演繹法的一部分，去追求可望而不可及的“演繹有效性”時,，又不自覺地陷入歸納合理性源自普遍推理模式的窠臼,，而這種形式的推理模式通常是去語境化的，實際上仍然沒有擺脫傳統(tǒng)哲學在歸納辯護上的困境,。

唐納德·威廉姆斯（Donald Williams）提出的解決方案在融合先驗與經(jīng)驗方面具有代表性,。他論證中第一個要素是可驗證的先驗事實，第二個要素是統(tǒng)計三段論的合理性,。威廉姆斯的論證表明,，對于可驗證的先驗事實，可通過統(tǒng)計三段論證明歸納法的合理性,。如何利用統(tǒng)計三段論來證明歸納法的合理性呢,？威廉姆斯指出，在不知道對象最初的規(guī)模和組成時,，無法準確計算出……“超級彈珠”（即大量彈珠樣本）具有與總體近似匹配的質(zhì)量的比例,，但由于先驗地知道它們中的大多數(shù)都具有這樣的質(zhì)量，因此在選擇其中的一個之前,，很可能選擇的是那些與之匹配的或近似匹配的,；在選擇了一個之后，它仍然很有可能與我們所擁有的相匹配,，所以只需要看看我們必須記下的那個對象大概是怎樣的,。由此可以證明歸納法是合理的。然而有人會質(zhì)疑統(tǒng)計三段論是不是一個好的推理原則,。假定,，依據(jù)統(tǒng)計三段論，可以為每一個大樣本分配相同的主觀概率,，但問題在于這種等概率的置信度分配是理性的義務(wù)嗎,？直覺上看,，當沒有理由為樣本中的任何一個分配比其他樣本更大的主觀概率時，就應(yīng)該給它們分配平等的主觀可能性,，否則就是不理智的,。但是，在沒有任何相關(guān)信息的情況下,，沒有理由將任何主觀概率分配給它們中的任何一個,。在威廉姆斯看來，在沒有任何相關(guān)信息的情況下,，我們無權(quán)相信樣本是隨機選取的,，又為什么有權(quán)聽取其他意見呢？事實上,，如果樣本在沒有其他相關(guān)信息的情況下不具有代表性,，那么統(tǒng)計三段論將使我們更容易相信謬誤而不是相信真理。我們沒有充分的理由認為樣本不具有代表性,，但這并不表明,，如果認為樣本具有代表性就可能得出真相，除非能夠指出,，我們有充分的理由懷疑樣本不具有代表性,。

威廉姆斯的方案克服了康德方案的偏頗，兼顧了經(jīng)驗統(tǒng)計因素,，也具有貝葉斯主義者反對必然主義的長處,，體現(xiàn)了威廉姆斯方案的新意，但由于它沒有考慮歸納辯護的語境依賴性和動態(tài)合理性,，整體上仍沒有超越傳統(tǒng)哲學解決休謨問題的固化思維框架,。

漢斯·賴欣巴赫（Hans Reichenbach）的實用主義方案。賴欣巴赫堅稱,，如果能證明一種歸納法成功，那么科學歸納法就是成功的,，這就意味著為科學歸納法進行了合理辯護,。據(jù)此，我們可以理解人們把某種決策與對未來的期望建立緊密關(guān)聯(lián),，并且把對未來的期望與過去和現(xiàn)在的知識相聯(lián)系時的真實想法了,。把我們的某種行動/決策想象為賭博，在沒有任何一種方法能夠保證這一行動/決策會成功的情況下,，若是某種方法提示,，采用它可以使得行動或者決策成功，那么這個方法對成功行動/成功打賭而言就是合理的,。

實用主義辯護與其說是成功的,，不如說是機智的,，它巧妙地化解了休謨問題，在解決休謨問題的道路上邁出了關(guān)鍵的一步,。因為休謨問題不僅是一個理論問題,，也是一個實踐問題，這就暗示了后來解決休謨問題的實踐路徑,。

總之,，解決休謨問題的傳統(tǒng)哲學探索主要是基于普遍推理模式的整體辯護，而且這種辯護往往是去語境化的,、靜態(tài)的辯護,，因而是不成功的。既然休謨問題在邏輯和傳統(tǒng)哲學范圍內(nèi)真正得到解決可能是一個遙遙無期的夢想,。在這種情況下,，人工智能研究能否啟發(fā)我們繼續(xù)探尋解決問題的新路子呢？

傳統(tǒng)哲學解決休謨問題遇到的困難提示我們,，人工智能的蓬勃發(fā)展和取得的豐碩成果可以為解決休謨問題的探索提供思想素材和方法論啟示。人工智能的發(fā)展不同于一些經(jīng)典學科,，它不是一開始就建立起一套完整的學科規(guī)范,，而后在一個相對完整的邏輯框架內(nèi)細化、完善,，向縱深發(fā)展,，構(gòu)成龐大而統(tǒng)一的體系。人工智能發(fā)軔之初更像是一個多學科的組合體,，只有一些核心領(lǐng)域和努力的目標,，因此人工智能理論不具有整體性或全局性，它更像是一些技術(shù)策略,。然而這并不是人工智能建立與發(fā)展的初衷,，事實上人工智能一直在尋找它的基礎(chǔ)理論，為建立統(tǒng)一的科學體系而努力,，只是這種努力屢屢受挫,，不得已而放棄。在經(jīng)歷了六十多年的探索和各種思想的融合之后,，人工智能基本上形成了自己相對穩(wěn)定的框架體系,，其基礎(chǔ)涉及面較廣，關(guān)聯(lián)的學科也較多,。因此人工智能的研究方法沒有預設(shè)固定的理論模式,，在一定程度上是“實用主義”的：只要能夠?qū)崿F(xiàn)目標，無論何種方法、路線都可以進行嘗試,。不難看出,，解決休謨問題的實用主義解決方案與人工智能的研究方法有異曲同工之妙。因為說到底,，人工智能方法論就是一種實用主義方法論,。

簡言之，與傳統(tǒng)哲學去語境化,、全局性和靜態(tài)的辯護路徑不同,，作為應(yīng)用性學科，人工智能從實用主義方法出發(fā),，把解決問題看作某一方法是否有用的一個維度,，只要能解決問題，它就可取,。休謨問題的合理性何在,？人工智能方法論的回答只可能是：它有效。這種實用主義方法正是解決休謨問題的優(yōu)勢所在,，它具體表現(xiàn)為局域性,、語境依賴性和動態(tài)可修正性的特質(zhì)。

1.局域性/局部性,。常識推理是人工智能的重要方面,，因為日常事務(wù)所處環(huán)境復雜多變，因此人工智能體不能全面了解環(huán)境構(gòu)成,，這造成了常識具有不確定性特點,。這種不確定性主要包括隨機性、模糊性,、不完全性和不一致性等,。人工智能作為一門經(jīng)驗科學，即使在不能模擬智能本質(zhì)的情況下,，也不妨礙它完成模擬智能的具體任務(wù),。實際上，人工智能是以局部逼近的方式實現(xiàn)對智能的模擬,。

如前所述,，若不是某個論證自身有形式上的矛盾的話，是不能在經(jīng)典邏輯范圍內(nèi)證明或者反駁任何一個歸納論證的,。所以休謨問題在經(jīng)典邏輯的范圍內(nèi)不可解。因此辯護休謨問題就會陷入一種困境：采用整體辯護立場,，則要求為全部信念找到依據(jù),，但這是不可能做到的，否則帶來的后果是不能接受任何使得知識增長的歸納方法；采用局部辯護的立場,，則只能提供歸納的合理性必要條件,，因此通過局部辯護，讓某一歸納論證成為人們所接受的歸納論證,，這種辯護必然是動態(tài)可修正的,。面對這種情況，越來越多的受到人工智能方法論影響的哲學家,，考慮到局部辯護具有的局部的,、動態(tài)可修正的特質(zhì)而選擇這一立場，使歸納法有理由成為不一定絕對保證成功卻最有可能成功的方法,。

在包括專家系統(tǒng)在內(nèi)的符號主義人工智能中,，由于具體領(lǐng)域的不同，所適用的程序方法也不盡相同,。試圖創(chuàng)造出無所不能的智能機器,，無疑是忽視了所有不同領(lǐng)域的差異性，只承認萬事萬物背后存在一個統(tǒng)一的架構(gòu),，這是不切實際的幻想,。按照這種跨領(lǐng)域差異性的觀點，歸納推理從本質(zhì)上來講是局部的,，任何對歸納法合理性的整體辯護都將失敗,，這就為休謨問題的解決提供一個新的思路，也為歸納問題的辯護從全局向局部的轉(zhuǎn)變開辟了道路,。

人工智能研究所提出的理論往往不具有整體性或全局性,，只具有一些局部的技術(shù)策略和方案，因此人工智能無法構(gòu)造一個無所不包的理論體系,。實際應(yīng)用中的人工智能系統(tǒng)并不追求普遍必然性,，只要有局部的、有一定可信度的描述即可,。在人工智能研究的推動下,，建立局部合理歸納法的可能性逐漸變成現(xiàn)實。從人工智能的視角看,，傳統(tǒng)哲學解決休謨問題的方案之所以收效甚微,，是因為這些方案都不會質(zhì)疑歸納推理由普遍規(guī)則支配這個假設(shè)，堅信有效的歸納推理必須符合這些普遍適用的模式,。受近年來人工智能興起的影響,，一些哲學家如約翰·諾頓（John Norton）毅然放棄歸納辯護的普遍性假設(shè)。在他們看來,，只有拋棄歸納推理由普遍規(guī)則支配的假設(shè),，休謨問題才有可能解決。因此，人工智能研究給我們的啟示之一是：對歸納合理性的證明只能是局域性或局部的,，而不是普遍必然的,。

2.語境依賴性。自然語言作為載體,，它具有交流和表達的作用,，其中言語交際需要借助語言環(huán)境也即語境來實現(xiàn)。語境對言語表達和交際的作用體現(xiàn)在：第一,，語境能清晰語言表達式的意義,，可以規(guī)避語詞的歧義性、多義性和模糊性,。第二,，只有在語境中才能厘清句子的涵義。第三,，句子在語境的作用下會改變句子通常所具有的意義,，形成該語境下的語用涵義。人工智能要想模擬人的語言進行表達與溝通,，就要特別關(guān)注,、理解和把握自然語言的具體意義。

實際的人工智能系統(tǒng)中,，建立在一種通用的人工語言（Prolog）基礎(chǔ)上的算法,，其語義內(nèi)容是在每一程序內(nèi)部定義的，這就造成了每種程序都具有各自的“內(nèi)容理論”和加工模型,，使得該系統(tǒng)具有語境依賴性,。就檢驗假說而言，人工智能專家與自然科學家做法一樣,，只是人工智能專家借助“機器發(fā)現(xiàn)程序”和啟發(fā)式搜索法實現(xiàn),。人工智能中的發(fā)現(xiàn)程序不是普遍規(guī)則，也不是固定的程序運行,，而是與語境有緊密關(guān)系的一種助發(fā)現(xiàn)方法,，它具有啟發(fā)式功能。因此,，人工智能研究的另一啟示是：若要使人工智能體能夠用自然語言與人進行成功的交際,，就需要結(jié)合各種語境因素進行理解和推理。因此,，解決休謨問題只能依賴語境,。

3.動態(tài)可修正性。人工智能并不固守作為其基礎(chǔ)的經(jīng)典邏輯規(guī)則,，而是不斷試錯,，多方尋找解決問題的新途徑,。例如，在確立基本概念和規(guī)則時,，它并不遵守嚴格的概念蘊含關(guān)系以及從前提必然推出結(jié)論的方式。這一特質(zhì)決定人工智能可以不斷修正原有方法,，亦即人工智能的研究任務(wù)是動態(tài)可修正的,。在人工智能任務(wù)中，常常遇到不確定的問題,，例如前提條件不充分,、研究對象不確定，基本假設(shè)可能出錯等,。這就需要突破經(jīng)典邏輯的非單調(diào)性局限,，動態(tài)而靈活地模擬人的思維，比如人工智能中的非單調(diào)推理等,。

非單調(diào)推理是在推理過程中通過添加新的前提條件,，放棄已經(jīng)有的一些結(jié)論，伴隨新前提的不斷加入而進行的推理,。這里需要注意,，非單調(diào)推理并非是在推理之前就給出全部前提條件。在某種情況下,，非單調(diào)推理是在信息不充分的情況下進行的推理,。缺省法和劃界法就是非單調(diào)邏輯采用的兩種方法。隨著認知的不斷推進,，當發(fā)現(xiàn)與歸納結(jié)論相矛盾的事實時,，就要重新判斷歸納結(jié)論，修改原有的知識集合,，這就是所謂信念修正,。人工智能學者借助這一理論，可以動態(tài)刻畫人的信念流動變化的過程,。簡言之,，人工智能方法的動態(tài)可修正性有助于消解休謨問題的困難，這是它相對于傳統(tǒng)哲學方法的優(yōu)勢所在,。

人工智能模擬人的智能，其困難并不體現(xiàn)在人腦能處理的各類必然性推理上,，而是體現(xiàn)在如何模擬人腦的能動性與創(chuàng)造性上,。在這種情況下，邏輯學需要關(guān)注人的全部思維活動,，特別是其中的不確定性推理,。人工智能中的邏輯已經(jīng)不局限于經(jīng)典邏輯，這對于邏輯學和人工智能的發(fā)展都是有益的,，一定程度上也拓寬了全方位研究思維活動的視角。

從人工智能方法論的角度考慮休謨問題就會發(fā)現(xiàn),，人工智能研究者考慮推理合理性的方式不僅是局部的,、依賴語境的,，而且是動態(tài)合理的。以強化學習為例,，強化學習是指可以用來支持人們?nèi)プ鰶Q策和規(guī)劃的一種學習方式，它通過對人的一些動作,、行為產(chǎn)生獎勵的回饋機制來促進學習,。強化學習不同于之前的學習算法的是，其他學習算法只用來解決“識別”和“理解”的問題,，強化學習則用來處理與環(huán)境互動的問題,其工作機制是建立在動態(tài)合理性基礎(chǔ)上的，不僅具有“像人一樣思考”的功能,，而且具有“像人一樣行動”的功能,，在不斷適應(yīng)周圍復雜環(huán)境時進行行為調(diào)整。一切起源于經(jīng)驗的知識（包括因果律,、隨機性概念）都是可修正的,，都是“流動的”知識。因此,，人工智能方法論解決休謨問題所需要的不僅是靜態(tài)的合理性,，而且是動態(tài)的合理性。

從人工智能哲學和邏輯的角度看,，對休謨問題的解決包括兩方面,，即不僅包括邏輯證明，而且包括對休謨問題做科學的解釋,，這就極大地拓寬了解決休謨問題的視野,。總之，人工智能方法論對解決休謨問題的啟示可以概括為：第一,，人工智能方法論揭示了人類知識的不完全性,、語境依賴性和流動性，因此,，對休謨問題的辯護只能是語境依賴的,、動態(tài)可修正的局部辯護,，而不是整體辯護。從人工智能邏輯或非經(jīng)典邏輯的角度嘗試休謨問題的解決可能會開辟新的思路,。第二,，人工智能哲學通過吸取實踐哲學的思想方法，有可能化解歸納辯護的普遍性困境,、必然性困境和動態(tài)性困境。人工智能哲學如果著重從科學哲學解釋的角度回答休謨問題,，那就有可能開辟一條注重實效、關(guān)注變化的情景闡釋的歸納辯護新方向,。第三，人工智能方法論雖然可以在一定程度上消解歸納辯護在經(jīng)典邏輯和傳統(tǒng)哲學中的困局,，但它也沒有能夠從整體上一勞永逸地解決休謨問題,。與其說人工智能方法論解決了休謨問題，不如說是部分地化解了休謨問題,。因為人工智能方法論也存在一些局限。例如,，人工智能方法論在通用性上還有欠缺,，在抽象概括基本概念和方法方面,，人工智能還需要哲學的引領(lǐng)。這就需要人工智能與哲學聯(lián)手,，共同解決面對的重大難題,。

一部哲學史就是一部解決疑難問題的發(fā)展史,，科學哲學在其發(fā)展過程中出現(xiàn)了各種歸納疑難,，“休謨問題”就是其中之一,。人們普遍認為,，休謨問題威脅到歸納法的合法性，都曾煞費苦心地探究其解決方案,。歷史的經(jīng)驗教訓表明,，解決休謨問題的關(guān)鍵不在于能否化解困境或者在多大程度上化解，而在于這種化解對于哲學和邏輯學有什么意義,。正如桂起權(quán)教授所說,，正是解決休謨問題等“歸納之謎”的嘗試起到了歸納理論試金石和“智能的磨刀石”的作用,，同時也像噴氣式助推器的“反沖作用”那樣推動著歸納法和哲學的發(fā)展。

第一,，人工智能研究以其方法論思路消解休謨問題,，可以為科學實踐哲學提供新的方法和研究路徑，而科學實踐哲學可以為人工智能提供思想資源和哲學啟發(fā),，它們二者的結(jié)合能為共同解決重大問題奠定基礎(chǔ),。

自邏輯經(jīng)驗主義肇始，理論優(yōu)位的科學觀長期占據(jù)著科學哲學的論壇,，這在某種意義上也是其不足之處,。20世紀80年代以來，一些具有自然科學背景的科學哲學家,，開始從科學研究的實際出發(fā),，反思科學哲學的發(fā)展路徑。他們質(zhì)疑理論優(yōu)位的科學哲學,，主張從只重視理論而輕視甚至忽略實踐的科學觀中解放出來,，發(fā)展出一種實踐優(yōu)位的科學哲學，以回歸科學研究的實踐本質(zhì),。比如,，哲學家約瑟夫·勞斯（Joseph Rouse）認為，科學就本性來說是一種實踐活動,，他主張“在認識論和政治上將科學看作是實踐技能和行動的領(lǐng)域,，而不僅僅只是信念與理性的領(lǐng)域”,。為此要更加關(guān)注實踐中的科學,，即科學知識的具體生產(chǎn)過程。按照吳彤教授的觀點,，當我們把歸納問題放回到科學實踐的語境中,，歸納問題至少可以部分消解。人工智能如何在變化的情境中判斷優(yōu)先項,，從而減少算法面臨的歸納辯護困境,，這可能是下一步人工智能發(fā)展的方向之一，也是科學實踐哲學在討論歸納問題解決方案時的一個副產(chǎn)品,?？傊斯ぶ悄苷軐W可以借鑒實踐哲學的思想方法,；實踐哲學可以從人工智能的哲學考察中吸取思想資源,。

第二，以人工智能的方法論求解休謨問題,，促使邏輯學家和哲學家重新審視卡爾納普式的歸納邏輯,，即純粹抽象的形式化歸納邏輯,，從而重新發(fā)現(xiàn)作為實踐背景的“常識”的重要性。同時,，也促使其他一些非經(jīng)典邏輯應(yīng)運而生,。純粹歸納理論的代表人物帕里斯（JeffreyParis）明確指出，純粹歸納理論不是一個先驗的理論系統(tǒng),，而是一個在特定的環(huán)境下,，理性的主體應(yīng)當如何決策的邏輯體系。他相信這種新邏輯能夠吸引哲學家和人工智能共同體的興趣,。在這個意義上,，可以說純粹歸納邏輯的研究目標是為專家系統(tǒng)提供一個邏輯基礎(chǔ)。在歸納推理中,，正是由于融貫性的約束,，使得建立大型的專家系統(tǒng)變得極其困難，加上人工智能中難以克服的指數(shù)爆炸等問題,，使得它甚至在理論上也遇到了困難，為此,，帕里斯給出了一個休謨問題求解的條件：必須訴諸常識,?？梢哉f，“常識”是純粹歸納理論和符號主義人工智能的認識論基礎(chǔ),。近年來，隨著人工智能的蓬勃發(fā)展和人工智能哲學的深入研究,，人工智能研究者和邏輯學家逐步取得共識：“常識表示和常識推理”將成為人工智能研究的一個核心。

人工智能中行之有效的推理是一種非單調(diào)推理,。非單調(diào)推理是允許在有錯誤知識的情況下進行的推理。實際上,，易錯性和反身性都是純粹的常識。因此,，無論從解決休謨問題的困境，還是從人工智能的發(fā)展趨勢看,，經(jīng)典邏輯都應(yīng)該得到修正,，并發(fā)展出某些非經(jīng)典的邏輯,，如次協(xié)調(diào)邏輯、非單調(diào)邏輯,、容錯推理等。純粹歸納理論為符號主義人工智能研究提供邏輯基礎(chǔ),，符號主義人工智能理論為非經(jīng)典邏輯理論的發(fā)展提供了重要啟示。

在人工智能研究的推動下,，如何把對自然語言的理解和推理與語境相結(jié)合,，實現(xiàn)智能機器人使用人的語言與人溝通和交流,，如何在解決休謨問題的過程中發(fā)展出知識增長和創(chuàng)新的歸納理論等,，都是未來擴展邏輯范圍發(fā)展人工智能邏輯的新方向?？傊?，從人工智能方法論視角探討解決休謨問題的路子，可以清晰地窺見歸納邏輯理論發(fā)展的新思路和新方向,。人工智能的發(fā)展客觀上推動了邏輯的發(fā)展。

總之,，人工智能哲學可以借鑒實踐哲學的思想方法，實踐哲學可以從人工智能的哲學考察中吸取思想資源,。更重要的是,，從人工智能哲學和實踐哲學的角度看，對休謨問題的解決包括兩方面,，即不僅包括演繹邏輯證明，而且包括對休謨問題做科學哲學的解釋,，從而極大地拓寬了解決休謨問題的視野,。

第三,，從更廣闊的視野看，以人工智能方法論的思路消解休謨問題的嘗試,，有助于運用歸納邏輯的思想方法分析思考社會實踐,，特別是世界性政治經(jīng)濟危機乃至化解人類生存發(fā)展的困境,。

人類社會發(fā)展過程中充滿了各種不確定性甚至是風險，這時候尤其需要人工智能方法論的支持和人工智能哲學的指導,。我們因此也相信,，學界對休謨問題的研究熱度將會持續(xù)增長,，因為，正如蒯因所說,，休謨的處境就是人類的處境,。實際上,，人工智能方法論解決休謨問題的嘗試，其方法論意義在于如何應(yīng)對不確定性,。正是不確定性使得人們在判斷某類事情的實踐過程中不可避免地摻入了各種主觀的猜測,。猜對了，當然好,，猜錯了，還能從頭再來嗎,？在一個充滿了很多不確定性因素情景下作出某種決策確實是對人類的一個重要考驗,。因此,，人類唯一能夠確定的事情就是如何從不確定性中尋找確定性，在確定性中考慮不確定性,，而休謨問題求解的魅力就在于此。