Ignorance with(out) Grasping

Cet article propose une sémantique sensible au sujet pour modéliser l'ignorance comme une notion hyperintensionnelle, permettant ainsi de capturer la capacité d'un agent à saisir le contenu d'une proposition et de résoudre le problème de l'omniscience logique à travers trois systèmes logiques complets.

L'essentiel

🧠 L'Ignorance : Ce n'est pas juste "ne pas savoir"

Imaginez que l'ignorance soit une pièce sombre. Dans la logique classique, on considère souvent que si vous ne savez pas une chose, vous ne savez pas non plus toutes les autres choses qui sont exactement les mêmes (même si elles sont dites avec des mots différents). C'est comme si votre cerveau était un ordinateur parfait qui, dès qu'il comprend une équation, comprend instantanément toutes ses variantes.

Mais les auteurs de ce papier, Ekaterina Kubyshkina et Mattia Petrolo, disent : "Attendez une minute ! Les humains ne fonctionnent pas comme ça."

Ils proposent que l'ignorance est hyperintensionnelle. C'est un mot compliqué qui signifie simplement : ce n'est pas seulement la vérité du fait qui compte, mais aussi la façon dont vous le comprenez et le "saisissez".

L'Analogie du "Sujet" (Topic)

Pour comprendre leur idée, imaginez que chaque idée que vous avez est un sac à dos.

• Le contenu du sac, c'est la vérité (est-ce que c'est vrai ou faux ?).
• Mais il y a aussi une étiquette sur le sac : c'est le sujet (de quoi parle-t-on ?).

Selon les auteurs, vous ne pouvez pas être ignorant d'un sujet si vous ne comprenez même pas de quoi parle l'étiquette du sac.

---

🎭 Trois types d'ignorance (Les trois scénarios)

Les chercheurs analysent trois façons d'être ignorant, comme trois personnages différents dans une pièce de théâtre :

1. L'Ignorance "Je ne sais pas si..." (Ignorance Whether)

   • Le scénario : Vous ne savez pas s'il va pleuvoir demain.
   • La nuance : Si on vous dit "Il va pleuvoir ou il ne va pas pleuvoir" (une vérité logique), vous pourriez être ignorant de cette phrase si le concept de "météo" vous est totalement étranger. Vous ne pouvez pas "saisir" le sujet.

2. L'Ignorance "La vérité cachée" (Ignorance as Unknown Truth)

   • Le scénario : Il pleut vraiment, mais vous ne le savez pas.
   • La nuance : Vous êtes ignorant parce que la vérité existe, mais elle vous échappe. Si le sujet est trop complexe (par exemple, une équation de physique quantique), vous êtes ignorant non pas parce que la réponse est cachée, mais parce que vous ne comprenez pas la question.

3. L'Ignorance "Je suis persuadé du contraire" (Disbelieving Ignorance)

   • Le scénario : Vous croyez fermement que la Terre est plate, alors qu'elle est ronde.
   • La nuance : Ici, vous êtes ignorant parce que vous avez une croyance fausse. Mais pour être dans cet état, il faut que vous compreniez le sujet "Terre". Si vous ne saviez même pas ce qu'est une "Terre", vous ne seriez pas "persuadé du contraire", vous seriez juste totalement perdu.

---

🌍 L'Exemple du Roi Guillaume III (L'histoire vraie)

Pour prouver leur théorie, les auteurs utilisent un exemple historique drôle : Le Roi Guillaume III d'Angleterre.

• Le fait A : "L'Angleterre peut éviter une guerre avec la France." (Le roi le sait).
• Le fait B : "L'Angleterre peut éviter une guerre nucléaire avec la France." (Logiquement, c'est la même chose, car il n'y a pas d'arme nucléaire à l'époque).

Le problème classique : Si le roi sait A, il devrait savoir B, car A et B sont logiquement identiques.
La réalité humaine : Le roi sait A. Mais il est ignorant de B. Pourquoi ? Parce qu'il ne connaît pas le concept de "guerre nucléaire". Son cerveau ne peut pas "saisir" le sujet de la bombe atomique.

Dans leur système, on peut dire :

• Le roi n'est pas ignorant de A (il comprend le sujet "guerre").
• Le roi est ignorant de B (il ne comprend pas le sujet "nucléaire", même si la phrase contient A).

C'est là que réside la magie de leur approche : ils séparent la vérité logique de la compréhension humaine.

---

🤖 Le Problème du "Savant Absolu" (Omniscience Logique)

En logique classique, les agents (les personnages des modèles) sont souvent des "dieux" : s'ils savent une chose, ils savent tout ce qui en découle. C'est le problème de l'omniscience logique.

• Exemple : Si un agent sait que "2+2=4", il sait automatiquement que "2+2=4 ET le ciel est bleu OU le ciel n'est pas bleu" (une vérité logique complexe).

Les auteurs montrent que leur nouveau système résout ce problème. Grâce à l'idée de "saisir le sujet" :

• Un agent peut savoir une chose simple.
• Mais il peut être ignorant d'une vérité logique complexe qui en découle, simplement parce qu'il n'a pas encore "saisi" le sujet de cette nouvelle phrase.

C'est comme si vous saviez conduire une voiture (vous maîtrisez le sujet), mais que vous étiez ignorant des lois de la thermodynamique du moteur, même si elles régissent votre voiture. Vous n'êtes pas un dieu, vous êtes juste un humain avec des limites de compréhension.

---

💡 En résumé

Ce papier nous dit que pour modéliser l'ignorance de manière réaliste, il ne suffit pas de regarder ce qui est vrai. Il faut aussi regarder ce que l'agent comprend.

• L'ancien modèle : "Si tu ne sais pas X, tu ne sais pas Y (même si X=Y)."
• Le nouveau modèle : "Si tu ne sais pas X, c'est peut-être parce que tu ne comprends pas le sujet de Y, même si Y est la même chose que X."

C'est une façon plus humaine, plus "imparfaite" et donc plus juste, de représenter comment nous, les humains, ignorons des choses. Nous ne sommes pas des ordinateurs qui calculent tout ; nous sommes des êtres qui doivent d'abord comprendre le sujet avant de pouvoir être ignorants ou non.

Résumé technique

Voici un résumé technique détaillé de l'article « Ignorance with(out) Grasping » de Kubyshkina et Petrolo, rédigé en français.

1. Problématique et Contexte

L'article aborde la nature logique et épistémologique de l'ignorance. Traditionnellement, l'ignorance est souvent définie de manière binaire (comme l'absence de connaissance ou l'absence de croyance vraie), ce qui conduit à des formalisations standard utilisant la sémantique de Kripke. Cependant, les auteurs identifient plusieurs lacunes majeures dans l'approche actuelle :

• Intensionnalité vs Hyperintensionnalité : Les systèmes logiques standards pour l'ignorance (notamment les systèmes $IW$, $IU$ et $DI$ basés sur la sémantique de Kripke) traitent l'ignorance comme une notion intensionnelle. Cela implique que si deux propositions $\phi$ et $\psi$ sont logiquement ou nécessairement équivalentes ($\phi \leftrightarrow \psi$), un agent ignorant l'une l'est nécessairement de l'autre.
• Le problème de l'omniscience logique : Cette équivalence intensionnelle perpétue le problème de l'omniscience logique, où les agents sont modélisés comme des déducteurs parfaits, ignorant tout ce qui est logiquement équivalent à ce qu'ils ne savent pas.
• La diversité des formes d'ignorance : L'ignorance n'est pas un état monolithique. Elle se manifeste sous diverses formes (ignorance de savoir, ignorance comme vérité inconnue, ignorance par incrédulité, etc.). Les systèmes existants ne capturent pas la sensibilité au contenu ou au sujet (topic) de la proposition, qui est crucial pour expliquer pourquoi un agent peut être ignorant d'une proposition complexe sans l'être d'une proposition équivalente plus simple (ex: l'exemple du roi Guillaume III et de la guerre nucléaire).

Hypothèse centrale : L'ignorance est une notion hyperintensionnelle. Un agent peut être ignorant de $\phi$ tout en ne l'étant pas de $\psi$, même si $\phi$ et $\psi$ sont logiquement équivalents, en raison de la capacité de l'agent à « saisir » (grasp) le contenu ou le sujet de la proposition.

2. Méthodologie

Pour capturer cette hyperintensionnalité, les auteurs adoptent une approche sémantique sensible au sujet (topic-sensitive), s'inspirant des travaux de Berto, Hawke, Rossi et Özgün.

• Cadre Sémantique : Ils utilisent des modèles sensibles au sujet (Topic-Sensitive Models) qui étendent les modèles de Kripke standards. Un modèle est défini comme $M = (W, R, v, T)$, où :
  • $(W, R, v)$ est un modèle de Kripke standard.
  • $T = (T, \oplus, t, K)$ est un modèle de sujet :
    • $T$ : ensemble des sujets possibles.
    • $\oplus$ : opérateur de fusion des sujets (associatif, commutatif, idempotent).
    • $t$ : fonction attribuant un sujet à chaque variable propositionnelle.
    • $K$ : sujet désigné représentant la totalité des sujets « saisis » (grasped) par l'agent.
• Condition de Saisie (Grasping) : La vérité d'un opérateur d'ignorance dépend non seulement des mondes accessibles (vérité épistémique), mais aussi de la relation de parité ($\sqsubseteq$) entre le sujet de la proposition $t(\phi)$ et le sujet saisi par l'agent $K$. Si $t(\phi) \not\sqsubseteq K$, l'agent ne « saisit » pas le sujet, et cela affecte son statut d'ignorance.
• Trois Systèmes Logiques : Les auteurs réévaluent et reconstruisent trois systèmes existants en y intégrant cette condition de saisie :
  1. $HIW$ (Hyperintensional Ignorance Whether) : Ignorance de savoir si $\phi$.
  2. $HIU$ (Hyperintensional Ignorance as Unknown Truth) : Ignorance comme vérité inconnue.
  3. $HDI$ (Hyperintensional Disbelieving Ignorance) : Ignorance par incrédulité (l'agent croit $\neg\phi$ alors que $\phi$ est vrai).

3. Contributions Clés

1. Définition Formelle de l'Hyperintensionnalité de l'Ignorance :
   Les auteurs formalisent l'intuition selon laquelle l'ignorance dépend de la capacité cognitive de l'agent à traiter le contenu d'une proposition.

   • Pour $HIW$ et $HIU$, l'ignorance est définie comme une disjonction : l'agent est ignorant soit parce qu'il ne saisit pas le sujet ($t(\phi) \not\sqsubseteq K$), soit parce que la condition épistémique standard est remplie (ex: existence de mondes accessibles où $\phi$ est vrai et d'autres où il est faux).
   • Pour $HDI$, la logique est inversée : pour être ignorant par incrédulité, l'agent doit saisir le sujet ($t(\phi) \sqsubseteq K$), car l'incrédulité suppose une croyance active (et donc une compréhension du sujet) qui est fausse.

2. Axiomatisation Complète et Correcte :
   Pour chacun des trois systèmes ($HIW$, $HIU$, $HDI$), les auteurs fournissent :

   • Une sémantique précise.
   • Un système d'axiomes et de règles de déduction.
   • La preuve de correction (Soundness) : tout ce qui est dérivable est valide dans la sémantique.
   • La preuve de complétude (Completeness) : toute formule valide est dérivable, démontrée via la construction de modèles canoniques.

3. Résolution du Problème de l'Omniscience Logique :
   L'article reformule le problème de l'omniscience logique en termes d'ignorance. Les principes classiques qui mènent à l'omniscience sont :

   • Fermeture sous implication : Si $\models \phi \to \psi$, alors $\models \neg I\phi \to \neg I\psi$.
   • Règle de nécessité : Si $\models \phi$, alors $\models \neg I\phi$.
   • Fermeture sous équivalence : Si $\models \phi \leftrightarrow \psi$, alors $\models \neg I\phi \leftrightarrow \neg I\psi$.

   Les auteurs démontrent que dans leurs systèmes hyperintensionnels, aucun de ces principes n'est valide. Un agent peut ne pas être ignorant d'une tautologie simple (car il en saisit le sujet) mais être ignorant d'une tautologie complexe contenant un sujet qu'il ne maîtrise pas (ex: la guerre nucléaire).

4. Résultats Principaux

• Distinction des Propositions Équivalentes : Les systèmes permettent de modéliser des scénarios où un agent est ignorant de $p \land (q \lor \neg q)$ mais pas de $p$, même si elles sont logiquement équivalentes. Cela est dû au fait que le sujet de $q$ (ex: guerre nucléaire) n'est pas inclus dans $K$ (le sujet saisi par l'agent).
• Validité des Théorèmes : Les théorèmes 1 à 6 confirment que les systèmes $HIW$, $HIU$ et $HDI$ sont à la fois corrects et complets par rapport à leur sémantique topic-sensible.
• Échec de l'Omniscience : La proposition 5 montre que les principes d'omniscience logique ($LO_I^\to$, $LO_I^{NEC}$, $LO_I^{RE}$) échouent dans les nouveaux systèmes. Cela valide l'approche hyperintensionnelle comme une solution naturelle au problème de l'omniscience, sans avoir besoin de restreindre artificiellement la logique ou de modifier les règles de déduction de manière ad hoc.

5. Signification et Impact

• Fondation Épistémologique : L'article fournit une base formelle robuste pour l'idée que l'ignorance n'est pas simplement un manque de connaissance, mais un état dépendant de la structure cognitive et thématique de l'agent. Cela soutient la thèse que la pensée humaine est intrinsèquement hyperintensionnelle.
• Avancée Logique : En intégrant la sensibilité au sujet dans les modalités d'ignorance, les auteurs comblent un vide dans la logique épistémique. Ils montrent que l'ignorance peut être formalisée avec la même richesse que la croyance ou la connaissance, mais avec des nuances spécifiques liées à la « saisie » du contenu.
• Applications Potentielles : Ce cadre est particulièrement pertinent pour la modélisation des agents réels (humains ou IA avec ressources limitées) qui ne peuvent pas déduire toutes les conséquences logiques de leurs croyances, en particulier lorsque ces conséquences impliquent des concepts ou des sujets qu'ils ne maîtrisent pas.

En conclusion, Kubyshkina et Petrolo réussissent à démontrer que l'ignorance est une notion hyperintensionnelle fondamentale. Leur approche par sémantique sensible au sujet offre une solution élégante et mathématiquement rigoureuse au problème de l'omniscience logique, en ancrant l'ignorance dans la capacité de l'agent à comprendre et à saisir le contenu des propositions.