计算哲学（五）

尽管有可能提出期待，最引人注目的是，其中可能是Martin Davis的1950年电脑实施Mojsesz Presburger的决定程序，为算术（Davis 1957），逻辑理论家标准被认为是第一个自动定理箴言。 然而，Newell和Simon的目标并不是逻辑证报，作为智能或思维机器的概念证明。 拒绝了几何证明，因为Simon自己的账户，他们转向逻辑的言论和国际象棋太难了，因为Principia Mathematica碰巧在他的货架上。[12]

西蒙和纽埃尔的主要目标不是一个优化的定理箴言，而是一种以某种方式匹配人类智力的“思维机器”。 因此，他们依靠启发式思想与匹配人类策略，后来的方法是郝王的嘲笑：

没有必要用屠夫的刀杀死一只鸡，但净印象是纽尔 - 肖 - 西蒙失败甚至杀死鸡......通过选择特别低效的算法似乎似乎算法的“启发式”的优越性只是。 （王1960：3）

以后的定理普罗维者专注于证明本身而不是人类推理模型。 到1960年郝王，保罗吉尔莫尔和DAG Prawitz为全面的一阶谓词微积分开发了计算机化的定理普通普拉姆（王1960，Mackenzie 1995）。 在20世纪90年代，威廉·麦克朗开发了水獭，一批广泛分布式和可访问的一级逻辑（McCune＆WOS 1997，Kalman 2001）。 最近的化身是Prover9，加上MEACE4中的模型和反击示例的搜索。[13] 在其他Internet资源中提供了Prover9派生的示例。 当代替代品是吸血鬼，由Andrei Voronkov，KryštofHodere和Alexander Rizanov（Riazanov＆Voronkov 2002）开发。

为高阶逻辑开发的定理普通，包括各种方法，包括TPS（Andrews和Brown 2006），Leo-II和-III（Benzmüller，Sultana，Paulson，＆Theiß2015; Steen＆Benzmüller2018），也许是最突出的Hol，特别是发展友好的伊莎贝尔/霍尔（Gordon＆Melham 1993; Paulson 1990）。 凭借聪明的实施和扩展，这些还允许在计算机科学，机器人和人工智能中的术语和应用程序中的莫代尔，神话，认识，直觉和恶作剧逻辑的自动化，对计算机科学，机器人和人工智能（Mcrobbie 1991; Abe，Akama，＆Nakamatsu 2015）。

在Pure Logic中，PortAraro（2001 [2019]）列出了使用自动定理普罗瓦制定的许多结果。 例如，讨论了50年的时间，即罗宾斯代数中的特定方程可以被更简单的等式代替。 即使是Tarski在证明的尝试中也失败，但McCune于1997年制作了自动证明（McCune 1997）。 多年来已经研究了模态逻辑S4和S5的最短和最简单的分析碎片，据开放性问题已经研究，2002年自动推理的最终结果（Ernst，Fitelson，Harris，＆WOS 2002）。[14]

定理普通的逻辑应用于机械化道德推理和决策（Meyer＆Wierenga 1994; van den Hoven＆Lokhorst 2002; Balbiani，Broersen和Brunel 2009; Godgeatori＆Sartor 2010;Benzmüller，父母，van der Torre 2018;Benzmüller，Farjami，＆父母，2018）。 Alan Pewirths认为，如果他们不接受尊重原则的原则 - 其他人的原则 - 尤其尊重的原则 - 作为实际合理性的最高原则（在1978年，Beyleveld 1992年，2012）。 Fuenmayor和Benzmüller表明，即使是这种复杂性的道德理论也可以在计算上正式编码和评估（Fuenmayor＆Benzmüller2018）。

计算理念的主要进步之一一直是定理普通的应用程序对古典哲学职位和论点的分析。 从形而上学对象理论的公理，齐齐拉和他的合作者使用箴言9和立柱来建立有关可能的世界的定理，例如每个可能的世界都是最大，莱布尼斯的模态定理以及后果的主题。柏拉图的形式理论（Fitelson＆Zalta 2007; Alama，Oppenheimer，＆Zalta 2015; Kirchner，Benzmüller，＆Zalta 2019）。

本体论争论的版本在最近的工作中形成了一个重要的线程，因为他们所固有的兴趣和他们带来的技术挑战。 杰克霍纳最近再次使用Prover9和Mace，以分析斯科诺加的道德（发现无效）和提出替代（Horner 2019）中的本体论参数的版本。 在Anselm的本体论证（Oppenheimer＆Zalta 2011; Garbacz 2012; Rushby 2018）中已经完成了重大工作。 ChristophBenzmüller和他的同事们应用了高阶定理普罗维者，包括Isabelle / Hol和他们自己的Leo-II和Leo-III，以分析Kurt论文中发现的本体论论证的版本Gödel（Benzmüller＆Paelo 2016A，2016B;Benzmüller，Weber，＆Paleo 2017;Benzmüller＆Fuenmayor 2018）。 在哥德尔的原版中发现了先前没有注意到的不一致，尽管在达纳斯科特的转录中避免了。 定理普罗尔证实，哥特尔的争论部队迫使模态崩溃 - 所有真理都成为必要的真理。 定理普通的分析使得C. Anthony Anderson和Melvin拟合所提出的变化避免了这种后果，而是以重要的方式（Benzmüller＆Paleo 2014; Kirchner，Benzmüller，＆Zalta 2019）。[15]

雇用定理普通的形而上学的工作继续。 特别是特别说明是Ed Zalta的雄心勃勃的长期尝试，通常在计算实例化的对象理论中（Fitelson＆Zalta 2007; Zalta 2020）。 可以在下面的其他Internet Resources部分中找到到Zalta项目的链接。

3.6人工智能和心灵的哲学

1956年达特茅斯大会标准被认为是标志着现场和术语“人工智能”（AI）的成立。 然而，在该会议中有两个明显的轨迹。 一些参与者作为他们的目标是成为智能或思维机器的发展，也许是对人类加工的理解，因为这是对此的迷人。 其他人将他们的目标成为对人类加工的哲学和心理理解，随着机器的发展是对此的手段。 第一个集团的人很快就会利用线性规划：是什么意思是“戈飞”，或“古老时尚的人工智能”。 第二组中的那些在稍后几十年来到成熟时，第二组在稍后开始成熟时，有前途建立的模型和可能反映人类大脑的机制（1995年）。

试图了解看法，概念化，信仰变革和智慧是哲学的一部分。 在其上面的第二条股线上使用计算模型 - 因此接近计算哲学。 Daniel Dennett已经接近说，AI是思想的哲学：“对情报或知识的可能性最摘要的询问”（Dennett 1979：60; Bringsjord＆Govindarajulu 2018 [2019]）。

无论结果是否提供哲学理解，大部分AI研究仍然强烈导向，旨在产生有效和有利可图的信息处理。 所以可能最好不要识别思想哲学，尽管AI经常被哲学概念和AI的方面所指导，但却证明了哲学探索的卓越。 AI（包括AI的伦理）和思想哲学的哲学和受到尊重的思想，这不是这里的主题，这两者都比使用AI技术发展的哲学更常见。

在哲学术语中明确构思的人工智能方案的一个例子是由John Pollock开发的奥斯卡项目，而是由他的死（Poldock 1989,1995,2006）开发。 奥斯卡的目标是建造计算代理：“人工智力”。 在奥斯卡的核心是实施理性理论。 Pollock在该项目中有关AI和哲学的交叉来说：

合理性理论的可实现性是其正确性的必要条件。 这相当于说哲学需要AI就像AI需要哲学一样。 （Pollock 1995：XII; Bringsjord＆Govindarajulu 2018 [2019]）

在奥斯卡的核心合理性上，实施了缺勤的非单调逻辑，雇用原因和潜在的击败者。 在其成功之后，Pollock索赔了处理彩索悖论和前言悖论的能力。 非正式的，我们知道彩票中众多门票中的一个赢得意味着我们必须对待“票1不会获胜......”，“票2将不会赢得......”而不是作为知识项目，但我们具有强烈的Prima面积的不可避免的信念。 在Bringsjord＆Govindarajulu（2019年[2019]）的奥斯卡补充说明中概述了Collock在集体失败方面的正式治疗。

4.评估计算哲学

上述部分旨在介绍计算哲学，主要是通过示例，强调所采用的各种计算技术和应用它们的哲学主题的传播。 最后一节致力于计算哲学的问题和前景。

4.1批评

尽管逻辑的计算实例是重要的特征，但是模拟 - 基于代理的模拟 - 在大部分计算哲学中起着重要作用。 除了哲学之外，在其应用中的所有学科中，模拟通常会引起怀疑。

在各种领域的模拟标准怀疑是通过操纵模型结构和参数来“可以证明任何东西”。 担心是预期或期望的效果可以随着模型本身的人工制品编程为“烘焙”。 因此，模拟的生产不会表现出假设的合理性或关于世界的事实，而是仅仅是程序员的聪明才智。 在一个不同的背景下，Rodney Brooks已经写了仿真问题是他们“注定要成功”（Brooks＆Mataric 1993）。

但考虑一个类似的逻辑论点的批判：通过仔细选择房屋和推理规则，“可以证明任何东西”。 在逻辑论证的情况下的适当响应是承认，可以从精心挑选的房屋和规则制作任何命题的导出，而是强调，从商定规则和清晰和合理的情况下产生衍生可能很困难或不可能房屋。

此处适合类似的响应。 模拟作为论点的有效性取决于其假设的强度以及其机制的健全性，就像逻辑证明的有效性取决于其房屋的实力和其推理规则的有效性。 然后，批评的合法力量不是模拟本质上不值得不可信任，只会简单地说，任何模拟的假设都始终开放以进一步检查。

任何已尝试计算机模拟的人都可以证明它通常非常困难或无法产生预期效果，特别是在合理的参数范围和合理的基本机制方面具有强大的效果。 像实验一样，模拟可以证明一个有利的假设的令人惊讶的脆弱性和意外效果的令人惊讶的稳健性。

远离“注定要成功”，模拟经常在几种重要方面经常失败（Grim，Rosenberger，Rosenfeld，Anderson，2013年）。 两种标准形式的模拟失败是验证和验证失败的故障（Kleijnen 1995; Windrum，Fabiolo，Moneta 2007; Sargent 2013）。 验证模型要求确保它准确反映设计意图。 例如，如果计算模型旨在实例化特定的信仰理论，例如，如果不准确地代表该理论的动态，则失败验证。 验证可能是更难的需求，特别是对于哲学计算：计算模型充分反映了现实世界的那些方面，旨在捕获或解释。

如果其批评者是正确的，验证失败的一个简单的例子是上面概述的原始Weisberg和Muldoon的科学勘探模式（Weisberg＆Muldoon 2009）。 该模型旨在包括两种认知剂 - 追随者和小牛 - 具有不同的探索模式。 Mavericks避免了他们附近的先前调查的积分。 追随者搬到已经调查的邻近点，但具有更高的意义。 与文本中的描述相比，批评者争论，模型的软件“> =”代替“>”在一个关键的地方代替“>”，结果是追随者以更高或相同的意义移动到邻近点，导致他们经常被困在本地振动（亚历山大，Himmelreich，＆Thomson 2015）。 如果是这样，Weisberg和Muldoon的原始模型就无法匹配其设计意图 - 它失败验证 - 尽管他们对事故多样性的一些一般性结论已经在进一步的研究中得到了验证。

验证是一个非常不同和更困难的需求：模拟模型充分捕获其旨在模拟的相关方面。 对特定模型的共同批评是它们太简单，留出了模拟现象的一些关键方面。 当正确定位时，这可能是一个完全适当的批评。 但它呼吁的不是放弃建模，而是更好地建设更好的模型。

及时......制动器公会袭击了帝国的映射，其大小是帝国的尺寸，它与它相互关注。 以下几代人认为，这块广泛的地图是无用的...... （Jorge Luis Borges，“关于科学的合理”，1946 [1998年英语翻译：325]）

博尔斯的故事通常被引用，以说明没有模型 - 而且没有科学理论 - 可以包括它旨在模拟的所有特征（Weisberg 2013）。 如果他们所做的话 现象实际上有哪些方面有关理解该现象呼叫模型外的评价投入的现象。 但是，在省略相关方面，所包括的无关方面，或强加不切实际或人为的限制，批评的呼叫是更好的模型（Martini＆Pinto 2017; Thicke 2019）。

有一个方面的验证有时可以在建模本身和单独使用建模工具的水平下衡量。 目标是一些一般现象意见极化或通信的出现，例如 - 一种模型，它在仅在一定的参数范围内产生这种现象应该是可疑的。 我们对实际现象中实际发挥的参数的估计仅仅是直观的或极其粗糙的，并且实际现象可能在各种环境中普遍存在。 在这种情况下，它看起来像一个在仅在一个小窗口内产生平行效果的模型可以捕获一般现象的一般机制。 在这种情况下，调用鲁棒性测试，对仍然可以在计算机上执行的验证的一个方面的测试。 结论在多大程度上从模型效果中汲取的结论在一系列参数变化范围内举起？

以上勘探多样性价值的红页模型已被广泛提出，一般地吸引了对认知多样性的支持。 它已在美国宇航局内部文件中引用，提供了在最高法院之前在UCLA的多样性需求中提供了多样性要求，以支持促进武装部队的多样性（FISHER V.NOV。德克萨斯州2016年德克萨斯州）。 但是，该模型在其几个参数上不够强大，以支持已经基于多样性和能力或专业知识所取得的综合一般声称（Grim等，2019）。 是模型内部的问题，或其解释或应用的外部问题？ 后者的替代方案有很多值得说。 该模型是并且仍然是一个有趣的一个有趣，通常是它对不同参数的敏感性。 因此，验证 - 鲁棒性的一个方面的失败 - 以一种类型的一般索赔还可以呼吁进一步建模：建模旨在在不同背景下探索不同效果。 Rosenstock，Bruner和O'Connor（2017）为上面概述的Zollman模型提供了稳健性测试。 Borg，Frey，Šešelja，istraßer（2018）提供了新的建模，精确地在其前辈的稳健性批评中实现。

值得注意的是，在模拟本身的文献中检测到和纠正了所提到的模拟故障。 这些是在采用模拟的学科中的有效批评，而不是外部。 诸如验证和验证的这种情况的例证是Schelling隔离模型的Bruch和Mare批评以及在Van Rooij，Siegel和Macy的反应（Schelling 1971,1978; Bruch＆Mare 2006; Van de Rijt，Siegel，＆Macy 2009）。 该模型的许多方面显然是人工：对两组的限制，蜂窝自动机网格上的空间化，以及“不快乐”或者在其他组的邻居的邻居的耐受性的尖锐阈值切断方面移动。 Bruch和Mare提供了明确的经验证据，即住宅偏好不符合尖锐的门槛。 更重要的是，它们建立了斯科林模型的变化，以表明斯科灵效果消失了更现实的偏好曲线。 换句话说，布鲁和母马挑战了什么：不仅仅是住宅隔离的目标现象的方面被遗漏（因为他们将在任何模型中），但遗漏了相关方面：取得了重要差异的差异。 Van de Rijt，Siegel和Macy无法理解为什么Bruch和Mare的数据中的光滑偏好曲线不会支持，而不是击败抚摸效果。 关于调查，他们发现他们会：Bruch和Mare对Schelling的验证索赔本身就是在编程错误中创立。 De Rijt，Siegel和Macy的判决是Bruch和Mare的攻击本身失败的模型验证。

在Weisberg和Muldoon和Bruch和Mare的情况下，原始代码是自由地提供给他们的批评者。 在这两种情况下，原位作者认识到这些问题透露，虽然强调他们在批评中幸存下来的工作的方面。 这里又一个重要的观点是，这种类型的批评和反应已经出现并在哲学和科学模拟本身内得到解决，致力于更好的模型和实践。

4.2前景和未开发的方面

最佳哲学一直与其时间的概念和科学方法接触。 计算哲学可以被视为当代联系的当代实例化，穿越纪律界限，以便影响计算机科学和人工智能的发展。 可以预期在哲学中纳入新技术和更广泛的应用程序，应该希望。

有一个非常有希望的区域需要在计算哲学中发展，尽管该地区也可能呼吁哲学本身的概念的变化。 哲学宣传为摘要而不是具体的，因为寻求在最普遍的层次而不是特定预测或造版，通常是规范的理解，以及在逻辑论证和分析而不是经验数据方面的操作。 如果计算哲学增长融合了一批当代技术：与大数据有关的那些，最后，这些特征的最后一个特征在某种程度上都必须有资格。

扩大与大数据交叉口的计算哲学似乎是社会和政治哲学的令人兴奋的前景，在对信仰变革的分析中，了解科学哲学的社会和历史动态（2013年俄罗斯州; 2018年推动和Ramsey）。 正如上面强调的那样，特别是用于验证一系列模拟和基于代理的模型的更好的前景（Mäs2019; Reijula＆Kuorikoski 2019）。 然而，如果计算理念在那种有希望的方向上移动，则可能在某些方面采取更实证的性格。 强调一般和抽象的理解和对规范的关注将仍然是一种哲学方法的标志，但哲学中的一些主题领域之间的膜可以预期更加渗透。

溶解这些纪律的界限可能本身可能在某些方面是一个良好的。 上面提出的实施例明确表示，在纳入（以及有助于）在其他领域开发的计算技术，计算哲学长期以来一直是跨学科。 如果我们的收益更好地了解长期以来一直着迷的主题，妥协在纪律界限和我们哲学概念的变化似乎是一个小的代价。