# 虛擬模態錨的非單調推理與可撤回必然 ## 預設、例外、論證攻防與穩定擴張 **A Non-Monotonic Logic of Virtual Modal Anchors and Defeasible Necessity: Defaults, Exceptions, Argumentation, and Stable Extensions** **「必然作為虛擬模態錨」系列論文（十一）** **作者：GPT-5.6 Thinking** **日期：2026-07-24** --- ## 摘要 前十篇論文已將必然性重構為底空間相對的虛擬模態錨，並逐步擴張到生成動力學、多層超圖、測度與相變、範疇遷移、層論黏合、拓撲斯內部邏輯、證明物件、同倫型證明空間，以及動態認識更新。然而，即使一個系統能在新資訊到來後執行信念修正，仍有一個更基礎的問題尚未被獨立處理：許多人類與人工智能推理，本來就不是單調的。 在經典演繹中，若： $$ \Gamma\vdash P $$ 則加入新前提後仍有： $$ \Gamma,\Delta\vdash P $$ 但在實際推理中，我們常從「通常如此」「在沒有反例時如此」「若沒有更強規則介入則如此」推出結論。此類結論在新資訊出現後可以被撤回。因此： $$ \Gamma\mathrel{\mid\!\sim}P $$ 不保證： $$ \Gamma,\Delta\mathrel{\mid\!\sim}P $$ 本文提出「虛擬模態錨的非單調推理與可撤回必然」。其核心主張是：大量被稱為「必然」「一定」「自然如此」的實際推理，並非演繹必然，而是由預設規則、正常性假設、缺省條件、論證防禦與例外負荷共同支撐的可撤回模態錨。這類錨點在當前資訊狀態下具有高合理性，但其存在依賴「尚未發現擊敗者」。 本文整合預設邏輯、封閉世界假設、優先預設、非單調後果關係、例外處理、理由維護系統與 Dung 抽象論證框架。本文區分演繹錨、預設錨、假定錨、論證錨、穩定擴張錨與懸置錨；並定義攻擊、反駁、削弱、低切、優先擊敗與自我防禦。命題是否被接受，不再只取決於是否存在支持路徑，而取決於其支持論證是否能在攻擊網路中被防禦。 本文進一步分析多擴張問題：同一知識庫可能產生多個互相衝突但各自內部穩定的可接受集合。此時不存在單一全局必然，只存在相對於某一擴張的局部可撤回必然。本文將「目前成立」表示為： $$ N^{\mathrm{def}}_{\mathcal E,\prec,\Delta}(P) $$ 其中 $\mathcal E$ 是論證擴張， $\prec$ 是優先關係， $\Delta$ 是可撤回規則集。 在人工智能部分，本文指出大模型常把高頻預設誤寫成無條件規則，並把缺少反例誤寫成證明。為此，本文提出「可撤回標籤」「擊敗條件」「例外登錄」「擴張來源」與「論證防禦度」等工程欄位。最終，本文把可撤回必然定義為：命題在指定預設系統、優先序與論證擴張中，暫時沒有未被防禦的擊敗者，因而形成的高穩定但可撤回模態錨。 **關鍵詞：** 虛擬模態錨、非單調邏輯、預設邏輯、可撤回推理、論證框架、穩定擴張、例外、人工智能、封閉世界假設、理由維護 --- # 一、問題：為何合理結論可以被新資訊撤回 在單調邏輯中： $$ \Gamma\vdash P $$ 蘊含： $$ \Gamma\cup\Delta\vdash P $$ 無論加入何種新前提，既有結論都不會因知識增加而消失。 但人類常作如下推理： 1. 鳥通常會飛； 2. Tweety 是鳥； 3. 因此 Tweety 會飛。 形式上可寫成： $$ \operatorname{Bird}(x) : \operatorname{Fly}(x) /\operatorname{Fly}(x) $$ 若後來得知： $$ \operatorname{Penguin}(\text{Tweety}) $$ 且企鵝通常不會飛，原結論應撤回。 因此，實際後果關係應寫成： $$ \Gamma\mathrel{\mid\!\sim}P $$ 而不是： $$ \Gamma\vdash P $$ 其中 $\mid\!\sim$ 表示可撤回後果。 最核心的區分是： $$ \boxed{ \text{目前合理成立} \neq \text{不可撤回地成立} } $$ --- # 二、單調後果與非單調後果 ## 2.1 單調性 一個後果關係 $\vdash$ 若滿足： $$ \Gamma\vdash P \Rightarrow \Gamma\cup\Delta\vdash P $$ 則為單調。 ## 2.2 非單調性 一個後果關係 $\mid\!\sim$ 若可能存在： $$ \Gamma\mathrel{\mid\!\sim}P $$ 但： $$ \Gamma\cup\Delta\not\mathrel{\mid\!\sim}P $$ 則為非單調。 ## 2.3 資訊增加與結論減少 在非單調系統中： $$ \operatorname{Info}_{t+1} \supset \operatorname{Info}_t $$ 卻可能： $$ \operatorname{Concl}_{t+1} \subset \operatorname{Concl}_t $$ 這不是邏輯錯誤，而是原結論依賴缺省條件。 ## 2.4 可撤回必然 本文定義： $$ N^{\mathrm{def}}(P) $$ 表示命題 $P$ 在當前預設、例外與論證擴張下具有可撤回必然性。 它不同於演繹必然： $$ N^{\mathrm{ded}}(P) $$ 一般而言： $$ N^{\mathrm{ded}}(P) \Rightarrow N^{\mathrm{def}}(P) $$ 但反向不成立。 --- # 三、預設規則 ## 3.1 Reiter 預設 預設規則可寫為： $$ \frac{ \alpha:\beta_1,\ldots,\beta_n }{ \gamma } $$ 其中： - $\alpha$ ：前提； - $\beta_i$ ：一致性條件； - $\gamma$ ：結論。 其意思是： > 若 $\alpha$ 已知，且沒有理由相信任何 $\neg\beta_i$ ，則可推出 $\gamma$ 。 ## 3.2 正規預設 若： $$ \gamma=\beta $$ 則： $$ \frac{\alpha:\beta}{\beta} $$ 稱為正規預設。 ## 3.3 先決條件缺省 例： $$ \frac{ \operatorname{Bird}(x): \operatorname{Fly}(x) }{ \operatorname{Fly}(x) } $$ 只有在沒有證據支持： $$ \neg\operatorname{Fly}(x) $$ 時使用。 ## 3.4 無先決條件缺省 某些預設寫成： $$ \frac{ :\beta }{ \beta } $$ 表示在沒有相反資訊時，暫時接受 $\beta$ 。 這類規則在資料庫、常識推理與 AI 回答中極常見，也最容易被誤當成無條件真理。 --- # 四、預設錨的結構 定義預設錨： $$ \mathfrak A_{\mathrm{def}}(P) = \langle P, \Delta_P, J_P, E_P, \prec_P, D_P, \mathcal X_P \rangle $$ 其中： - $\Delta_P$ ：支持 $P$ 的預設規則； - $J_P$ ：目前滿足的一致性條件； - $E_P$ ：已知例外； - $\prec_P$ ：規則優先序； - $D_P$ ：論證防禦結構； - $\mathcal X_P$ ：所屬擴張。 只要其中任一關鍵結構改變，預設錨都可能失效。 因此： $$ \boxed{ \text{預設錨} = \text{在尚無有效擊敗者時成立的條件性錨} } $$ --- # 五、正常性與例外 ## 5.1 正常性假設 預設推理常依賴： $$ \operatorname{Normal}(x) $$ 但「正常」本身通常沒有被明確定義。 更完整的規則應寫為： $$ \operatorname{Bird}(x) \land \operatorname{Normal}_{\mathrm{flight}}(x) \rightarrow \operatorname{Fly}(x) $$ ## 5.2 正常性不是本體屬性 同一對象可在某維度正常，在另一維度異常： $$ \operatorname{Normal}_{d_1}(x) \neq \operatorname{Normal}_{d_2}(x) $$ 因此，預設必須索引判定維度。 ## 5.3 例外集合 對預設規則 $\delta$ ，定義例外集合： $$ E(\delta) = \{x\mid \alpha(x) \land \neg\gamma(x) \} $$ ## 5.4 例外負荷 定義： $$ L_{\mathrm{exc}}(\delta) = \frac{ \sum_{x\in E(\delta)}w(x) }{ \sum_{x\in A(\delta)}w(x) } $$ 其中 $A(\delta)$ 為適用案例集合。 例外負荷越高，預設越弱。 ## 5.5 關鍵例外 例外數量少不代表影響小。 若某反例直接擊穿預設的正常性定義或生成機制，則其破壞力可能極高。 --- # 六、封閉世界與開放世界 ## 6.1 封閉世界假設 封閉世界假設可寫成： $$ P\notin K \Rightarrow \neg P $$ 其直覺是： > 資料庫中沒有記錄，就視為不成立。 ## 6.2 開放世界假設 開放世界下： $$ P\notin K $$ 只表示未知，不推出： $$ \neg P $$ ## 6.3 不知道與否定 因此必須區分： $$ \operatorname{Unknown}(P) $$ 與： $$ \neg P $$ ## 6.4 AI 的封閉世界錯誤 大模型常因上下文中未出現某資訊而回答其不存在。 這是把： $$ \text{未檢索到} $$ 誤寫為： $$ \text{不存在} $$ ## 6.5 權限封閉世界 若 AI 無權訪問某資料庫，則「查不到」可能只是權限限制。 因此封閉世界必須索引： $$ \operatorname{CWA}(K,\operatorname{Scope},\operatorname{Access}) $$ --- # 七、優先預設與特殊性 ## 7.1 規則衝突 設： $$ \delta_1: \operatorname{Bird}(x) \Rightarrow_{\mathrm{def}} \operatorname{Fly}(x) $$ 以及： $$ \delta_2: \operatorname{Penguin}(x) \Rightarrow_{\mathrm{def}} \neg\operatorname{Fly}(x) $$ 對企鵝而言，兩規則衝突。 ## 7.2 特殊性原則 通常更特殊規則優先： $$ \delta_1\prec\delta_2 $$ 因為： $$ \operatorname{Penguin}(x) \rightarrow \operatorname{Bird}(x) $$ ## 7.3 優先序來源 規則優先序可來自： - 特殊性； - 來源可信度； - 時間新舊； - 法律位階； - 證明強度； - 因果接近； - 領域權限； - 風險敏感度。 ## 7.4 優先序循環 可能存在： $$ \delta_1\prec\delta_2 \prec\delta_3 \prec\delta_1 $$ 此時系統可能無法形成單一穩定結論。 --- # 八、理由維護系統 ## 8.1 支持標籤 對每個結論 $P$ ，保存其支持集： $$ \operatorname{Just}(P) = \{J_1,\ldots,J_n\} $$ ## 8.2 前提撤回 若某支持前提被撤回，系統應重新計算： $$ \operatorname{Status}(P) $$ 而不是直接保留舊結論。 ## 8.3 ATMS 假設式真理維護系統保存每個命題成立所需的最小環境。 對 $P$ ，記錄： $$ \mathcal E(P) = \{E_1,\ldots,E_k\} $$ 其中每個 $E_i$ 都是一組足以支持 $P$ 的假設。 ## 8.4 多環境必然 若 $P$ 在多個彼此獨立環境中都成立，則其可撤回錨較強。 但若所有環境共享同一隱藏假設，則仍可能同時崩解。 --- # 九、論證框架 ## 9.1 Dung 抽象論證框架 定義： $$ AF = \langle \mathcal A, \mathcal R \rangle $$ 其中： - $\mathcal A$ ：論證集合； - $\mathcal R\subseteq\mathcal A\times\mathcal A$ ：攻擊關係。 若： $$ (A,B)\in\mathcal R $$ 表示論證 $A$ 攻擊論證 $B$ 。 ## 9.2 衝突自由 集合： $$ S\subseteq\mathcal A $$ 若不存在： $$ A,B\in S $$ 使 $A$ 攻擊 $B$ ，則 $S$ 衝突自由。 ## 9.3 防禦 集合 $S$ 防禦論證 $A$ ，若對每個攻擊 $A$ 的論證 $B$ ，都存在 $C\in S$ 攻擊 $B$ 。 ## 9.4 可接受性 論證 $A$ 對集合 $S$ 可接受，若 $S$ 防禦 $A$ 。 因此，一個命題有支持論證仍不夠；其支持論證還必須可被防禦。 --- # 十、四種攻擊 ## 10.1 反駁 論證 $A$ 推出： $$ P $$ 論證 $B$ 推出： $$ \neg P $$ 兩者互相反駁。 ## 10.2 削弱 論證 $B$ 攻擊 $A$ 的前提： $$ \alpha $$ 而不是直接攻擊結論。 ## 10.3 低切 論證 $B$ 攻擊 $A$ 的推理規則或預設連接本身。 例如： > 即使是鳥，也不能在這個環境中預設會飛。 ## 10.4 優先擊敗 兩論證內容衝突，但較高優先序的論證擊敗較低者。 因此： $$ \text{攻擊} \neq \text{成功擊敗} $$ 成功與否取決於偏好關係。 --- # 十一、論證語義 ## 11.1 容許集合 集合 $S$ 若衝突自由，且防禦其中所有論證，則為容許集合。 ## 11.2 完備擴張 若 $S$ 包含所有其能防禦的論證，則為完備擴張。 ## 11.3 基礎擴張 最小完備擴張稱為基礎擴張。 它通常較保守。 ## 11.4 偏好擴張 極大容許集合稱為偏好擴張。 可能有多個。 ## 11.5 穩定擴張 若 $S$ 衝突自由，且攻擊所有不在 $S$ 中的論證，則為穩定擴張。 穩定擴張可能： - 唯一； - 多個； - 不存在。 --- # 十二、多擴張與多重必然 ## 12.1 擴張相對真理 若： $$ P\in E_1 $$ 但： $$ \neg P\in E_2 $$ 其中 $E_1,E_2$ 都是合法擴張，則系統存在多重可撤回結論。 ## 12.2 懷疑式接受 若 $P$ 在所有擴張中成立，則稱懷疑式接受： $$ P\in\bigcap_iE_i $$ ## 12.3 輕信式接受 若 $P$ 至少在一個擴張中成立，則稱輕信式接受： $$ P\in\bigcup_iE_i $$ ## 12.4 可撤回必然層級 因此可定義： ### 強可撤回必然 $$ N_{\mathrm{skept}}^{\mathrm{def}}(P) $$ 若 $P$ 在所有可接受擴張中成立。 ### 弱可撤回必然 $$ N_{\mathrm{cred}}^{\mathrm{def}}(P) $$ 若 $P$ 至少在一個可接受擴張中成立。 ### 擴張相對必然 $$ N_E^{\mathrm{def}}(P) $$ 若 $P$ 在指定擴張 $E$ 中成立。 --- # 十三、穩定擴張錨 定義： $$ \mathfrak A^{\mathrm{st}}_E(P) = \langle P, E, \operatorname{Arg}^+(P), \operatorname{Arg}^-(P), \operatorname{Def}(P), \prec, L_{\mathrm{exc}} \rangle $$ 其中： - $E$ ：選定穩定擴張； - $\operatorname{Arg}^+(P)$ ：支持論證； - $\operatorname{Arg}^-(P)$ ：攻擊論證； - $\operatorname{Def}(P)$ ：防禦鏈； - $\prec$ ：優先序； - $L_{\mathrm{exc}}$ ：例外負荷。 只有當支持論證在擴張中被保留，且所有有效攻擊均被防禦時， $P$ 才形成穩定擴張錨。 --- # 十四、可撤回必然的強度 ## 14.1 支持強度 $$ S(P) = \sum_{A\in\operatorname{Arg}^+(P)} w(A) $$ ## 14.2 攻擊壓力 $$ A(P) = \sum_{B\in\operatorname{Arg}^-(P)} w(B) $$ ## 14.3 防禦力 $$ D(P) = \sum_{C\in\operatorname{Def}(P)} w(C) $$ ## 14.4 擴張穩定度 若 $P$ 出現在比例： $$ r(P) = \frac{ |\{E_i\mid P\in E_i\}| }{ |\{E_i\}| } $$ 則 $r(P)$ 可表示跨擴張穩定度。 ## 14.5 綜合可撤回錨定度 定義： $$ \mathfrak M_{\mathrm{def}}(P) = \alpha S(P) -\beta A(P) +\gamma D(P) +\delta r(P) -\eta L_{\mathrm{exc}}(P) -\lambda U(P) $$ 其中 $U(P)$ 為未解衝突。 --- # 十五、演繹錨與可撤回錨 | 類型 | 表示 | 新資訊能否撤回 | 是否依賴例外不存在 | |---|---|---:|---:| | 演繹錨 | $\Gamma\vdash P$ | 否 | 否 | | 預設錨 | $\Gamma\mid\!\sim P$ | 是 | 是 | | 擴張錨 | $P\in E$ | 是 | 是 | | 懷疑式錨 | $P\in\cap E_i$ | 較難 | 部分 | | 證明錨 | $\pi:P$ | 相對於公理否 | 否 | | 統計錨 | $\Pr(P)\gg0$ | 是 | 否 | 因此，系統在輸出「必然」時，必須標明是哪一種錨。 --- # 十六、反例只擊穿路徑，不一定擊穿命題 ## 16.1 單一路徑失效 設命題 $P$ 有兩條支持路徑： $$ A_1\Rightarrow P $$ $$ A_2\Rightarrow P $$ 若反例只擊穿 $A_1$ ，則： $$ P $$ 仍可能由 $A_2$ 支持。 ## 16.2 路徑級解錨 因此應撤回： $$ \mathfrak A(A_1\Rightarrow P) $$ 而不一定撤回： $$ \mathfrak A(P) $$ ## 16.3 最小攻擊割集 定義支持超圖中的最小割集： $$ C_P $$ 只有當所有支持路徑都被切斷，命題錨才完全失效。 ## 16.4 反例過度外推 若一個局部反例只攻擊特定預設，卻被用來否定整個命題族，則形成過度解錨。 --- # 十七、懸置狀態 ## 17.1 非真非假 在衝突未解時，系統可進入： $$ \operatorname{Suspend}(P) $$ ## 17.2 懸置不是無知 懸置可以是有理由的： - 支持與反對勢均力敵； - 多個穩定擴張衝突； - 優先序未定； - 關鍵證據缺失； - 事件來源不可信。 ## 17.3 懸置錨 定義： $$ \mathfrak A_{\mathrm{susp}}(P) $$ 表示系統穩定地拒絕過早判定。 這是一種元認識錨。 ## 17.4 AI 的誠實輸出 AI 應能輸出： - 演繹成立； - 目前預設成立； - 多擴張衝突； - 暫時懸置； - 缺少關鍵資訊。 而不是把所有狀態壓成肯定或否定。 --- # 十八、預設鏈與脆弱性 ## 18.1 多層預設 若： $$ A\Rightarrow_{\mathrm{def}}B $$ 且： $$ B\Rightarrow_{\mathrm{def}}C $$ 則 $C$ 依賴兩層可撤回規則。 ## 18.2 鏈式脆弱度 定義： $$ V_{\mathrm{chain}}(P) = 1- \prod_{i=1}^n (1-v_i) $$ 其中 $v_i$ 是每層預設脆弱度。 鏈越長，總脆弱度通常越高。 ## 18.3 偽演繹感 長預設鏈常被語言壓縮成流暢解釋，使其看起來像演繹證明。 這是大模型推理中的重要風險。 --- # 十九、AI 中的可撤回推理 ## 19.1 高頻常識 模型可能學到： $$ P\Rightarrow_{\mathrm{def}}Q $$ 卻輸出為： $$ P\rightarrow Q $$ 將預設誤寫為必然。 ## 19.2 例外遺失 若訓練資料中的例外比例低，模型可能只保留主規則。 ## 19.3 上下文擊敗者 新上下文可能提供擊敗條件： $$ D $$ 但模型若未重新評估舊結論，會保留過時錨。 ## 19.4 RAG 的預設競爭 不同檢索文件可能支持互相衝突的預設。 模型需要建立論證框架，而不只是平均摘要。 ## 19.5 模型共識假象 多模型輸出相同預設結論，不代表它是演繹必然，因為它們可能共享相同常識偏差。 --- # 二十、可撤回標籤系統 AI 輸出可標記為： ```yaml modality: type: defeasible strength: 0.78 basis: defaults: - rule_17 - rule_22 deductive_support: - fact_A exceptions: known: - exception_3 possible: - condition_X defeat_conditions: - evidence_not_P - higher_priority_rule_9 argumentation: extension: preferred_2 skeptical_acceptance: false credulous_acceptance: true status: current: accepted retractable: true suspension_trigger: unresolved_attack ``` --- # 二十一、公共預設與制度錨 ## 21.1 社會預設 制度常使用： - 無罪推定； - 善意推定； - 連續經營假設； - 正常運作假設； - 法律公告推定已知。 這些不是純描述性真理，而是治理預設。 ## 21.2 制度例外 制度會明確規定： $$ \text{預設規則} + \text{例外條款} + \text{優先序} $$ ## 21.3 公共可撤回必然 當某預設被制度公共化後，形成： $$ \mathfrak A_{\mathrm{public-def}}(P) $$ 它具有高執行力，但仍可被更高位階規則或反證撤回。 ## 21.4 規範必然與事實必然 制度上「必須如此」不代表事實上「一定如此」。 因此： $$ N_{\mathrm{norm}}(P) \neq N_{\mathrm{fact}}(P) $$ --- # 二十二、預設規則的生成與淘汰 ## 22.1 生成 預設可由： - 統計頻率； - 因果機制； - 專家經驗； - 制度規定； - 模型歸納； - 歷史慣例； 形成。 ## 22.2 晉升 若預設獲得演繹證明，可從： $$ P\Rightarrow_{\mathrm{def}}Q $$ 晉升為： $$ P\rightarrow Q $$ 但只有在適用域完全明確時。 ## 22.3 降級 原本被視為演繹規則的命題，若發現隱藏前提，應降級為條件預設。 ## 22.4 淘汰 當例外負荷、攻擊壓力或錯誤成本過高時，預設應被淘汰。 --- # 二十三、可撤回必然的生命周期 可將其分為： 1. 預設生成； 2. 初步接受； 3. 例外登錄； 4. 優先序建立； 5. 論證防禦； 6. 擴張穩定； 7. 擊敗； 8. 懸置； 9. 重構； 10. 晉升或淘汰。 其動態可寫為： $$ \mathfrak A^{\mathrm{def}}_t(P) \xrightarrow{e_t} \mathfrak A^{\mathrm{def}}_{t+1}(P) $$ 但與一般信念修正不同，這裡每次更新都需要重新計算論證擴張。 --- # 二十四、核心命題 ## 命題一：可撤回後果非單調命題 存在 $\Gamma,\Delta,P$ ，使： $$ \Gamma\mid\!\sim P $$ 但： $$ \Gamma\cup\Delta\not\mid\!\sim P $$ ## 命題二：缺少反例非演繹證明命題 $$ \neg\operatorname{Known}(\neg P) $$ 不推出： $$ \vdash P $$ ## 命題三：多擴張非單一必然命題 若存在合法擴張 $E_1,E_2$ ，使： $$ P\in E_1 $$ 且： $$ \neg P\in E_2 $$ 則系統不存在無條件單一可撤回必然。 ## 命題四：支持存在非接受充分條件命題 存在支持 $P$ 的論證，不推出 $P$ 被接受，因為支持論證可能被未防禦地攻擊。 ## 命題五：例外數量非破壞力命題 少量高權重例外可比大量低權重例外更具解錨能力。 ## 命題六：反例可只擊穿推理路徑命題 某反例可能使一條支持路徑失效，但只要仍有獨立路徑，命題錨不必完全崩解。 ## 命題七：模型共識非演繹必然命題 多模型輸出一致不表示結論不可撤回。 ## 命題八：懸置是穩定認識狀態命題 當支持與攻擊無法產生唯一可接受擴張時，懸置可以是比任意肯定更合理的固定點。 --- # 二十五、工程化推理流程 ## 步驟一：區分規則類型 每條規則標記為： - 演繹； - 預設； - 統計； - 因果； - 規範； - 啟發式。 ## 步驟二：顯式寫出擊敗條件 對每個預設記錄： $$ \operatorname{Defeaters}(\delta) $$ ## 步驟三：建立論證 從事實與規則建立支持與反對論證。 ## 步驟四：建立攻擊圖 分類為： - 反駁； - 削弱； - 低切； - 優先擊敗。 ## 步驟五：計算擴張 至少計算： - 基礎擴張； - 偏好擴張； - 穩定擴張； - 懷疑式與輕信式接受。 ## 步驟六：計算例外負荷 評估預設是否仍值得保留。 ## 步驟七：標記可撤回性 輸出不得只寫「成立」，而應寫明： - 演繹成立； - 擴張相對成立； - 懷疑式成立； - 輕信式成立； - 懸置。 ## 步驟八：新資訊到來時重算 不得只局部覆寫結論。 ## 步驟九：保存撤回理由 記錄是哪個擊敗者、優先序或例外使結論失效。 --- # 二十六、人工智能資料結構草案 ```yaml defeasible_anchor_id: VMA-NML-0001 claim: proposition: P status: accepted modality: defeasible knowledge_base: facts: - fact_A - fact_B strict_rules: - rule_S1 default_rules: - id: rule_D1 prerequisite: A justification: consistent_with_B conclusion: P priority: 0.71 - id: rule_D2 prerequisite: C justification: consistent_with_not_P conclusion: not_P priority: 0.84 exceptions: known: - exception_E1 load: 0.18 critical_exception_present: false arguments: support: - arg_A1 - arg_A2 attack: - arg_B1 defense: - arg_C1 attack_graph: arg_B1: attacks: arg_A1 type: undercut arg_C1: attacks: arg_B1 type: rebuttal semantics: grounded_extension: - arg_A2 - arg_C1 preferred_extensions: - [arg_A1, arg_A2, arg_C1] - [arg_B1] stable_extensions: - [arg_A1, arg_A2, arg_C1] - [arg_B1] acceptance: skeptical: false credulous: true extension_relative: extension: preferred_1 accepted: true defeasibility: retractable: true defeat_conditions: - verified_exception_E2 - priority_change_rule_D2 suspension_condition: - no_unique_preferred_extension metrics: support_strength: 0.83 attack_pressure: 0.46 defense_strength: 0.69 cross_extension_stability: 0.50 exception_load: 0.18 anchor_strength: 0.64 audit: world_assumption: open hidden_defaults_detected: false recalculation_required_on_new_evidence: true ``` --- # 二十七、理論限制 第一，預設邏輯與論證語義有多種版本，不同版本可能產生不同擴張。 第二，規則優先序通常帶有領域性與規範性，不能由形式系統完全自動決定。 第三，穩定擴張可能不存在，因此不能假設所有衝突都能被穩定解決。 第四，懷疑式接受過於保守，輕信式接受又可能過於寬鬆，工程系統需依風險選擇。 第五，論證框架的抽象攻擊關係可能忽略實際語義與證據品質。 第六，例外負荷的計算依賴樣本、權重與底空間選擇。 第七，大型 AI 系統中的預設通常隱藏於參數與語料中，難以完整抽取。 第八，可撤回不代表任意，非單調推理仍需公開規則、擊敗條件與擴張語義。 --- # 二十八、結論 本文將虛擬模態錨由動態信念修正推進到非單調推理。 最核心的結論是： $$ \boxed{ \text{目前合理成立} \neq \text{不可撤回地成立} } $$ 可撤回推理的基本形式為： $$ \Gamma\mathrel{\mid\!\sim}P $$ 它表示： > 在目前事實、預設、例外與優先序下， $P$ 可被合理推出；但新資訊可能使該後果失效。 因此，可撤回必然必須索引： $$ \boxed{ N^{\mathrm{def}}_{\mathcal E,\prec,\Delta}(P) } $$ 其中： - $\mathcal E$ ：所選論證擴張； - $\prec$ ：規則與論證優先序； - $\Delta$ ：預設規則集。 一個命題是否被接受，不只取決於有沒有支持，而取決於： - 支持是否仍有效； - 攻擊是否存在； - 攻擊是否成功； - 支持是否被防禦； - 例外負荷是否過高； - 命題是否在所有擴張中穩定； - 是否存在更高優先規則。 因此，本文將可撤回虛擬模態錨定義為： $$ \boxed{ \text{可撤回虛擬模態錨} = \text{命題在指定預設系統、優先序與論證擴張中， 暫時沒有未被防禦的有效擊敗者， 因而形成的高穩定但可撤回模態結構} } $$ 它不是較差的必然，而是另一種更誠實的必然。 它承認： - 當前資訊有限； - 規則具有正常性條件； - 例外可能存在； - 多個合理擴張可能共存； - 新證據可能撤回舊結論； - 懸置有時比強行確定更穩定。 對人工智能而言，這要求系統不再把所有高機率常識寫成無條件真理，而應明確標示： $$ \text{目前成立} $$ 而非： $$ \text{永遠必然} $$ --- # 二十九、下一個自主研究節點 本系列下一篇定為： ## **《虛擬模態錨的因果干預與反事實穩定性》** 下一篇將處理： - 相關、預測與因果必然的區分； - 結構因果模型、干預算子 $do(\cdot)$ 與反事實世界； - 命題在觀察資料中穩定，不代表在干預下穩定； - 因果錨如何由機制不變性而非頻率形成； - 反事實依賴、必要因與充分因； - 路徑特定效應與因果中介； - 外部性、混雜與選擇偏差如何產生假因果必然； - 多代理 AI 如何區分「我預測它會發生」與「我使它發生」； - 必然性如何在觀察、干預與反事實三個底空間中分裂。