🤖 AI

Plausible Reasoning and First-Order Plausible Logic

Dit artikel kondigt Plausible Logic (PL) aan, een eerste-orde logica die plausibel redeneren op basis van niet-numerieke, weerlegbare stellingen mogelijk maakt volgens zeventien principes en correct redeneert met diverse voorbeelden, terwijl het een samenvatting vormt van het boek 'Plausible Reasoning and Plausible Logic'.

Oorspronkelijke auteurs: David Billington

Gepubliceerd 2026-04-22

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: David Billington

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

De Kern: Het Leven is niet Zwart-Wit

Stel je voor dat je een detective bent. In een klassieke wiskundige wereld (de "oude logica") zijn feiten als een onwrikbare muur: iets is ofwel waar, ofwel onwaar. Maar in het echte leven is dat zelden zo. We leven in een wereld van "meestal", "waarschijnlijk" en "vaak".

Feit: "Walvissen zijn zoogdieren." (Dit is 100% waar).
Plausibel: "Vogels kunnen vliegen." (Dit is meestal waar, maar een pinguïn kan dat niet).

Het probleem is: hoe bouw je een logisch systeem dat om kan gaan met die "meestal"-regels zonder in de war te raken? Dat is waar dit artikel over gaat. De auteur, David Billington, heeft een nieuw systeem bedacht dat hij Plausibel Logica (PL) noemt.

De 17 Regels van het Spel

Voordat hij zijn nieuwe systeem bouwt, stelt Billington 17 regels op die elk goed "plausibel" logisch systeem moet volgen. Denk hierbij aan de regels van een sportwedstrijd. Als een speler deze regels negeert, is hij niet eerlijk aan het spelen.

Enkele belangrijke regels (vertaald naar het dagelijks leven):

Het Verschil tussen Feit en Gissing: Je moet kunnen zien wat een harde waarheid is en wat een gok. (Je kunt niet zeggen dat "het morgen regent" een feit is, tenzij je het in je hand hebt).
Geen Magische Toevoeging: Je conclusie mag niet meer informatie bevatten dan wat je hebt. Je kunt niet uit "Het is donker" concluderen "Er is een moord gepleegd" zonder extra bewijs.
Nieuwe Bewijzen kunnen Oude Veranderen (Niet-monotoon): Dit is misschien wel de belangrijkste.
- Voorbeeld: Je denkt: "Nancy is een inktvis, dus ze heeft waarschijnlijk geen schaal." (Inktvissen hebben meestal geen schaal).
- Maar: Als je later ontdekt dat "Nancy een nautilus is" (een soort inktvis met een schaal), dan moet je je conclusie intrekken. Een goed systeem moet kunnen zeggen: "Oh, mijn eerdere idee was fout."
De "Gok" Regel: Als je twee dingen hebt die waarschijnlijk waar zijn, betekent dat niet dat hun combinatie ook waarschijnlijk waar is.
- Voorbeeld: "Het is waarschijnlijk dat ik morgen win in de loterij" en "Het is waarschijnlijk dat mijn buurman morgen wint" is niet hetzelfde als "Het is waarschijnlijk dat wij beiden winnen".
De "Twijfel" Regel: Soms is het antwoord niet "ja" of "nee", maar "twijfel". Als er evenveel bewijs is voor en tegen, moet het systeem dat kunnen herkennen.

De Oplossing: Plausibel Logica (PL)

Billington bouwt een systeem dat aan al deze regels voldoet. Hij noemt het Plausibel Logica.

Hoe werkt het? (De Analogie van de Rechter)

Stel je voor dat PL een rechtbank is met 8 verschillende rechters (algoritmen). Waarom 8? Omdat de wereld complex is en soms heb je een strengere rechter nodig dan een soepelere.

De Feit-Rechter (φ): Deze kijkt alleen naar harde feiten. Als het niet 100% bewezen is, zegt hij "geen oordeel".
De "Beste Gok" Rechter (β): Deze is het meest optimistisch. Hij zegt: "Als er een beetje bewijs is voor iets, en geen sterk bewijs tegen, dan is het waar." Dit is goed voor snelle beslissingen, maar kan fouten maken.
De "Voorzichtige" Rechter (π): Deze is heel streng. Hij zegt: "Ik zeg pas iets waar als er geen twijfel mogelijk is." Hij is goed voor zaken waar je niet naast mag zitten (zoals een strafzaak: "beyond reasonable doubt").
De "Twijfel" Rechter: Deze kan zeggen: "Ik weet het niet, er is te veel tegenstrijdig bewijs."

Deze rechters werken samen in een hiërarchie. Je kiest de rechter die past bij de situatie. Wil je snel een beslissing nemen? Gebruik de optimistische. Wil je zekerheid? Gebruik de strenge.

De "Geschiedenis" (Het Loop-probleem)

Een groot probleem in logica is dat systemen soms in een cirkel blijven hangen (een loop).

Voorbeeld: "A is waar omdat B waar is. B is waar omdat A waar is."
De oplossing in PL: Elke keer dat een rechter een beslissing neemt, schrijft hij dit op in een "geschiedenisboek". Als hij merkt dat hij een beslissing moet nemen die al eerder in die specifieke keten is gemaakt, stopt hij en zegt: "Stop, dit is een cirkel, ik kan hier geen oordeel over vellen." Dit voorkomt dat het systeem gek wordt.

De Resultaten

Het artikel laat zien dat dit nieuwe systeem (PL) werkt:

Het lost raadsels op die andere systemen niet kunnen oplossen (zoals de "Ambiguïteitspuzzel" waar bewijs voor en tegen elkaar opheffen).
Het heeft een eigen "waarheidstheorie" met niet 2, maar 4 waarden:
1. Waar (meestal waar).
2. Onwaar (meestal onwaar).
3. Twijfel (evenveel bewijs voor en tegen).
4. Onbekend (niet genoeg informatie).

Dit is een grote stap vooruit, omdat de meeste logische systemen alleen "Ja" of "Nee" kennen.

Conclusie in Eenvoudige Woorden

David Billington heeft een nieuw soort "denk-machine" ontworpen. Deze machine is slim genoeg om te begrijpen dat de wereld niet perfect is. Hij weet het verschil tussen een feit en een goede gok, hij kan zijn mening bijstellen als er nieuw bewijs komt, en hij kan zeggen "Ik weet het niet" als de situatie te vaag is.

In plaats van één grote, stijve computer, heeft hij een team van 8 verschillende "denkers" bedacht die samenwerken om de meest logische conclusie te trekken, afhankelijk van hoe voorzichtig of hoe snel je wilt zijn. Het is een manier om logica te brengen in het chaotische, onzekere echte leven.

Probleemstelling

Het artikel adresseert het probleem van het formuleren van een logisch systeem dat plausibel redeneren (plausible reasoning) kan uitvoeren. Plausibel redeneren gaat over situaties waar informatie onnauwkeurig is (bijv. "meestal", "waarschijnlijk", "normaal") en waar deze onnauwkeurigheid niet kwantitatief wordt uitgedrukt (geen probabiliteiten of getallen).

Bestaande klassieke logica's zijn monotoon en kunnen geen omgang hebben met uitzonderingen of tegenstrijdige bewijslast die de conclusie ongedaan maakt. Anderzijds zijn veel niet-monotone logica's (zoals Default Logic) of te beperkt of falen ze bij specifieke intuïtieve voorbeelden (zoals het "3-loterij"-paradox). Er ontbreekt een formeel systeem dat:

Feitelijke en plausibele informatie strikt onderscheidt.
Niet-monotoon is (conclusies kunnen worden ingetrokken bij nieuwe bewijzen).
Omgaat met ambiguïteit (waar bewijs voor en tegen even sterk is).
Voldoet aan een reeks noodzakelijke en wenselijke principes zonder numerieke waarschijnlijkheden te gebruiken.

Methodologie

De auteur hanteert een methodologie die bestaat uit drie hoofdfasen:

Definitie van Principes:
Er worden 17 principes geïntroduceerd die een logisch systeem moet voldoen om als "plausibel redenerend" te worden beschouwd.
- 14 Noodzakelijke principes: Als een logica hier niet aan voldoet, faalt het in plausibel redeneren. Voorbeelden zijn het Representatieprincipe (onderscheid tussen feiten en plausibele uitspraken), het Niet-monotoon principe, het Niet-conjunctieve principe (de conjunctie van twee plausibele uitspraken is niet noodzakelijk plausibel), en het Meerdere bewijsalgoritmen principe (er moet onderscheid zijn tussen algoritmen die ambiguïteit blokkeren en die welke deze doorgeven).
- 3 Wenselijke principes: Deze zijn ideaal maar niet strikt noodzakelijk, zoals het Decisiveness-principe (algoritmen moeten stoppen) en het Correctheidprincipe (geen foutieve antwoorden op standaardvoorbeelden).
Definitie van Plausibele Beschrijvingen (Plausible-Descriptions):
Een plausibele situatie wordt gemodelleerd als een tuple $D = (Ax, R, >)$:
- $Ax$: Een stel axioma's (feitelijke, waarheidsgetrouwe zinnen).
- $R$ $R$ : Een stel regels, waaronder:
  - Strikte regels ( $\to$ ): Voor feitelijke implicaties.
  - Defeasible regels ( $\Rightarrow$ ): Voor plausibele conclusies (als A dan meestal B).
  - Waarschuwingsregels ( $;$ ): Om te voorkomen dat te risicovolle conclusies worden getrokken zonder bewijs voor het tegendeel.
- $>$ : Een prioriteitsrelatie tussen regelinstanties (bijv. specifieke regels hebben voorrang op algemene regels).
Constructie van Plausibele Logica (PL):
De auteur definieert een eerste-orde logica genaamd Plausible Logic (PL). Het kernmechanisme is een bewijsfunctie $P$ die werkt op een gewortelde acyclische graaf (rad).
- Er worden 8 bewijsalgoritmen gedefinieerd ( $\phi, \pi, \psi, \theta, \theta', \beta, \psi', \pi'$ ).
- $\phi$ : Bewijst alleen feiten (klassiek).
- De andere algoritmen onderscheiden zich door hoe ze omgaan met bewijslast tegen een conclusie en hoe ze omgaan met ambiguïteit (waar bewijs voor en tegen even sterk is). Sommige algoritmen blokkeren de propagatie van ambiguïteit (zoals in burgerlijke zaken: "meer waarschijnlijk dan niet"), terwijl anderen deze propageren (zoals in strafzaken: "beyond reasonable doubt").
- Om oneindige lussen te voorkomen, wordt een geschiedenis (history) bijgehouden die eerdere toepassingen van algoritmen en regels registreert.

Belangrijkste Bijdragen

Het 17-principes Kader: De eerste systematische lijst van principes (14 noodzakelijk, 3 wenselijk) die een formele logica moet voldoen om plausibel redeneren te kunnen uitvoeren zonder probabiliteiten.
Plausible Logic (PL): De definitie van een eerste-orde logica die voldoet aan alle noodzakelijke principes en 11 van de 12 wenselijke principes (behalve twee specifieke wenselijke principes).
Hiërarchie van Algoritmen: PL introduceert een lineaire hiërarchie van 8 bewijsalgoritmen. Dit biedt een nuancering van "betrouwbaarheid" of "confidentie" zonder numerieke waarden.
- $\phi$ (Feitelijk) > $\pi$ > $\psi$ > $\theta$ > $\beta$ (Minder betrouwbaar).
- Dit stelt gebruikers in staat om te kiezen welk niveau van voorzichtigheid (ambiguïteit-blokkerend vs. -propagerend) nodig is voor een specifieke toepassing.
Formalisatie van Ambiguïteit: Een rigoureuze behandeling van situaties waar bewijs voor en tegen even sterk is, met specifieke algoritmen die dit gedrag modelleren.
Semantiek met 4 Waarheidswaarden: Een waarheidstheorie die niet beperkt is tot Waar/Onwaar, maar ook Ambigu (a) en Ongedetermineerd (u) omvat, samen met Meestal Waar (t) en Meestal Onwaar (f).

Resultaten

Correctheid: PL lost alle "signpost voorbeelden" (zoals het 3-loterij voorbeeld, het niet-monotoon voorbeeld met octopussen, en het ambiguïteitspuzzel) correct op.
Eigenschappen:
- Sterke 2-consistentie: Als twee zinnen plausibel bewezen zijn, vormen ze samen geen contradictie met de feiten.
- Coherentie: Een algoritme kan een zin niet tegelijk bewijzen en weerleggen.
- Rechtsverzwakking (Right Weakening): Als een zin bewezen is en logisch impliceert een andere, dan is die andere ook bewezen (binnen de grenzen van het plausibele bewijs).
- Niet-conjunctiviteit: De conjunctie van twee plausibele uitspraken is niet noodzakelijk plausibel (in tegenstelling tot feitelijke uitspraken).
Structuur: Bewijzen in PL worden weergegeven als eindige of oneindige raden (gewortelde acyclische grafen), wat een nieuwe vorm van structurele inductie mogelijk maakt.

Significantie

Dit artikel is significant omdat het, naar de kennis van de auteur, het enige bestaande logische systeem is dat een eerste-orde logica biedt die volledig voldoet aan een uitgebreide set principes voor plausibel redeneren zonder gebruik te maken van numerieke waarschijnlijkheden.

Theoretische impact: Het biedt een solide theoretisch fundament voor niet-monotoon redeneren dat intuïtief correct is in complexe scenario's met tegenstrijdige of onvolledige informatie.
Praktische toepassing: De hiërarchie van algoritmen maakt het mogelijk om PL toe te passen in domeinen waar de kosten van een fout verschillen (bijv. medische diagnose vs. juridische vonnissen), door te kiezen voor een algoritme dat ambiguïteit blokkeert of juist doorgeeft.
Formalisatie van "Gezonde Verstand": Het systeem formaliseert concepten als "meestal", "waarschijnlijk" en "redelijke twijfel" op een wiskundig strikte manier, wat essentieel is voor geavanceerde AI-systemen die menselijk redeneren moeten nabootsen.

Kortom, het artikel presenteert een compleet en coherent raamwerk voor plausibel redeneren dat de kloof tussen strikte klassieke logica en informele, probabilistische redenering overbrugt.