Probabilities beyond Belnap-Dunn logic: dealing with gaps, gluts and reliability

Logica en waarschijnlijkheid worden al lang beschouwd als twee verschillende talen voor het beschrijven van de wereld. Logica is de studie van hoe we redeneren, waarbij wordt bepaald wat waar moet zijn als andere zaken waar zijn. Waarschijnlijkheid is de studie van onzekerheid, waarbij wordt gemeten hoe waarschijnlijk het is dat een gebeurtenis plaatsvindt. Eeuwenlang hebben deze velden onder een strikte aanname opereerd: dat elke bewering ofwel waar ofwel onwaar is, en dat onze kennis van de wereld volledig genoeg is om een enkel getal toe te wijzen aan de waarschijnlijkheid van een gebeurtenis. Dit werkt goed voor muntworpen of weersvoorspellingen, waarbij de uitkomst duidelijk is. Maar het heeft moeite wanneer we geconfronteerd worden met informatie die tegenstrijdig, incompleet of simpelweg onbetrouwbaar is. Als een getuige zegt dat een auto rood was, en een ander zegt dat hij blauw was, stort klassieke logica in omdat een auto niet beide kan zijn. Als niemand de auto überhaupt heeft gezien, heeft klassieke logica geen manier om dat totale gebrek aan informatie te representeren zonder een gok te forceren.

Om deze rommelige realiteiten aan te pakken, hebben onderzoekers systemen ontwikkeld die "gaten" (waar we niets weten) en "gluts" (waar we conflicterende informatie hebben) toestaan. Deze systemen, bekend als niet-klassieke logica, behandelen waarheid als een spectrum in plaats van een schakelaar. Er bleef echter een grote uitdaging over: hoe wijs je waarschijnlijkheden toe aan beweringen in deze flexibele systemen? Als een bewering zowel waar als onwaar, of noch waar noch onwaar kan zijn, hoe bereken je dan de kans dat het gebeurt? Deze vraag is cruciaal voor kunstmatige intelligentie, juridische redenering en elk gebied waar machines of mensen beslissingen moeten nemen op basis van imperfecte, conflicterende of onbetrouwbare gegevens. Zonder een robuuste manier om onzekerheid in deze complexe scenario's te meten, blijven onze instrumenten voor redeneren steken in een wereld die te simpel is om echt te zijn.

Een team van onderzoekers heeft deze kloof nu overbrugd door een nieuw kader voor waarschijnlijkheid te introduceren, gebaseerd op een geavanceerd zeswaardig logisch systeem. Hun werk, gepubliceerd in een recente studie, gaat verder dan de traditionele vierwaardige systemen die alleen rekening houden met waar, onwaar, beide, of noch. Door een cruciale vijfde en zesde dimensie toe te voegen—die de betrouwbaarheid of "klassieke aard" van de informatie zelf representeert—hebben zij een methode gecreëerd om niet alleen te meten of een bewering waar is, maar ook of we de bron van die waarheid kunnen vertrouwen. Dit maakt een veel fijnmazigerere analyse van overtuiging mogelijk, waarbij onderscheid wordt gemaakt tussen een stevige overtuiging, een wankele gok, een contradictie en een totaal gebrek aan bewijs.

De onderzoekers bouwden hun systeem op een logica genaamd LET+K, die eerdere modellen uitbreidt door een operator te introduceren die fungeert als een "betrouwbaarheidstoets". In alledaagse termen stelt deze operator een systeem in staat om te zeggen: "Ik heb bewijs voor deze claim, en dat bewijs is solide," of "Ik heb bewijs voor deze claim, maar de bron is onbetrouwbaar." Dit onderscheid is essentieel. In een standaard systeem, als je een contradictie hebt, word je misschien gedwongen dit te behandelen als een totaal falen van redenering. In dit nieuwe systeem kun je de contradictie erkennen terwijl je tegelijkertijd opmerkt dat de informatie die de contradictie veroorzaakt onbetrouwbaar is, waardoor het redeneerproces kan doorgaan zonder in te storten. Het team definieerde waarschijnlijkheidsfuncties die werken over zes verschillende regio's van mogelijkheid: betrouwbare overtuiging, onbetrouwbare overtuiging, conflict, onbetrouwbare ongeloof, betrouwbare ongeloof en totale onzekerheid.

Om deze abstracte concepten werkbaar te maken, ontwikkelden de auteurs een nieuwe manier om deze waarschijnlijkheden te visualiseren met behulp van wat zij "twist-structuren" noemen. Stel je een kaart voor waarbij elke mogelijke staat van de wereld is verdeeld in zes specifieke zones, in plaats van slechts twee. Wanneer er een stuk informatie arriveert, landt het niet simpelweg op "waar" of "onwaar"; het verlicht specifieke delen van deze zesdelige kaart. De onderzoekers bewezen dat hun nieuwe waarschijnlijkheidsfuncties wiskundig solide en volledig zijn, wat betekent dat ze strikte logische regels volgen die tegenstrijdigheden voorkomen en ervoor zorgen dat de getallen altijd correct optellen. Ze toonden aan dat deze functies op drie verschillende manieren gedefinieerd kunnen worden—ééndimensionaal, driedimensionaal en zesdimensionaal—en dat alle drie de benaderingen perfect equivalent zijn, waarbij ze slechts naar dezelfde data kijken vanuit verschillende hoeken.

Een belangrijke prestatie van het artikel is de uitbreiding van "Jeffrey's update", een beroemde methode voor het veranderen van overtuigingen wanneer nieuwe bewijslast arriveert. In de klassieke wereld, als je een nieuw feit leert, update je je waarschijnlijkheden op basis van het feit dat dit nieuw feit zeker is. Maar in de echte wereld is nieuwe bewijslast vaak onzeker. De onderzoekers pasten deze update-regel aan naar hun zeswaardige systeem. Ze demonstreerden hoe je waarschijnlijkheden aanpast wanneer je leert dat een bewering "enigszins betrouwbaar" of "enigszinds tegenstrijdig" is, in plaats van alleen waar of onwaar. Ze leverden zowel een wiskundige definitie als een logisch bewijs dat deze twee methoden van updaten hetzelfde zijn, wat garandeert dat het systeem consistent is, of je het nu bekijkt vanuit het perspectief van ruwe getallen of logische regels.

De studie onderzocht ook hoe dit systeem omgaat met de klassieke "Bayesiaanse update", die wordt gebruikt wanneer bewijslast zeker is. Ze lieten zien dat hun nieuwe systeem de oude, klassieke methoden van nature bevat als speciale gevallen. Als de informatie perfect betrouwbaar is en de contradictie onmogelijk is, gedraagt het systeem zich exact zoals de klassieke logica die we gewend zijn. Maar wanneer de informatie rommelig is, buigt het systeem mee om de complexiteit te accommoderen. Dit betekent dat het nieuwe kader onze bestaande instrumenten niet vervangt; het generaliseert ze, en biedt een krachtiger instrumentarium voor situaties waarin de wereld weigert simpel te zijn.

De implicaties van dit werk zijn aanzienlijk voor elk veld dat te maken heeft met onzekere gegevens. Door een rigoureuze manier te bieden om de betrouwbaarheid van informatie naast de waarheidswaarde te meten, hebben de onderzoekers ons een manier gegeven om over tegenstrijdigheden te redeneren zonder onze geest te verliezen. Ze hebben aangetoond dat het mogelijk is om een wiskundige theorie van waarschijnlijkheid te hebben die respecteert dat sommige informatie conflicterend is, sommige ontbreekt en sommige simpelweg onbetrouwbaar is. Dit is niet slechts een theoretische oefening; het is een noodzakelijke stap naar het bouwen van kunstmatige intelligentie die de rommelige, tegenstrijdige en onbetrouwbare aard van menselijke kennis kan navigeren. Het artikel concludeert door te schetsen hoe dit kader gebruikt zou kunnen worden om systemen voor overtuigingsrevisie te verbeteren, waardoor agenten hun standpunten kunnen bijstellen op een manier die gevoelig is voor de kwaliteit van het bewijs dat zij ontvangen.

Uiteindelijk biedt dit onderzoek een eerlijkere manier om over onzekerheid na te denken. Het erkent dat de wereld niet altijd zwart-wit is, en dat onze kennis vaak een lappendeken is van sterke overtuigingen, zwakke gokken en expliciete tegenstrijdigheden. Door een wiskundige taal te creëren die al deze toestanden tegelijkertijd kan beschrijven, hebben de auteurs een fundament gelegd voor een robuustere en flexibelere logica van bewijsvoering. Hun werk bewijst dat we de betrouwbaarheid van onze overtuigingen net zo precies kunnen meten als de waarschijnlijkheid ervan, wat de deur opent naar een nieuw tijdperk van redeneren in een imperfecte wereld.