← 最新论文
💻 computer science

A Communication-First Account of Explanation

本文提出了一种基于对话语用学和干预主义理论的、以交流为先的因果解释形式化说明,论证了该框架如何自然地生成公认的解释美德以及关于规范的经验模式,并有效地将认知科学的见解整合进哲学分析之中。

原作者: Jacqueline Harding, Tobias Gerstenberg, Thomas Icard

发布于 2026-06-30
📖 1 分钟阅读☕ 轻松阅读

原作者: Jacqueline Harding, Tobias Gerstenberg, Thomas Icard

原始论文采用 CC BY 4.0 许可(http://creativecommons.org/licenses/by/4.0/)。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性,请参阅原始论文。 阅读完整免责声明

想象一下,你正在试图弄清楚为什么你的车发动不了。你问一名技师:“为什么它发动不了?”

如果技师说:“因为宇宙是广阔而复杂的。”这在技术上是正确的,但这是一个糟糕的解释。如果他们说:“因为电池没电了。”这很有帮助。但如果你已经知道电池没电了呢?他们会说:“因为电池没电了,而且发电机也坏了”吗?

杰奎琳·哈丁(Jacqueline Harding)、托比亚斯·格斯滕贝格(Tobias Gerstenberg)和托马斯·伊卡德(Thomas Icard)的这篇论文指出,解释不仅仅是寻找世界中“真实”的原因;它更是两个人之间的一场对话。

他们提出了一种“沟通优先”的方法。解释不应被视为等待被发现的静态事实,而应被视为一场**理性言语行为(Rational Speech Acts)**的游戏。把它想象成一场高风险的“猜猜我在想什么”游戏,但有一个转折:目标是帮助对方做出更好的决策。

以下是他们思想的拆解,使用了日常类比:

1. 设置:说话者、听者与目标

想象有一个说话者(了解真相)和一个听者(感到困惑并有一个特定的目标)。

  • 听者的目标: 听者不仅仅是在索要琐事。他们通常有一个“决策问题”。也许他们需要修补屋顶、向朋友道歉,或者为一只鸽子买对油漆。
  • 说话者的任务: 说话者的任务不是仅仅倾倒数据。他们的任务是挑选出那一个能最有效地帮助听者解决其特定问题的信息。

类比: 想象你正在玩一个需要通过迷宫的电子游戏。你是听者。你的朋友是说话者。你不知道地图。

  • 如果你的朋友说:“这个迷宫很大。”这虽然是真的,但毫无用处。
  • 如果你的朋友说:“在红门处左转。”这很有帮助,如果你的目标是快速到达出口。
  • 如果你的朋友说:“在红门处左转,但同时也请注意,天花板是玻璃做的。”如果你的目标只是为了尽快到达出口,这可能信息量过载了。

论文认为,“好的解释”仅仅是那个能让听者在游戏中获胜(做出最佳决策)的信息。

2. 为什么“语境”比“真相”更重要

作者使用了一个叫做**结构因果模型(Structural Causal Model)**的模型。把它想象成一个描述世界运作方式的流程图。

  • “屋顶”示例: 想象一栋房子着火了。是因为屋顶是茅草做的吗?还是因为发生了干旱?
    • 如果你的目标是防止未来发生火灾,那么知道屋顶是茅草做的至关重要(你应该更换屋顶)。知道是因为干旱则没那么有用(你无法控制天气)。
    • 如果你的目标是查明谁该负责,那么干旱可能是关键因素。
  • 洞察: “最好的”解释取决于听者想要做什么。论文表明,如果你构建一个试图最大化听者成功率的计算机模型,它会自然而然地选择符合听者目标的解释,即使说话者知道两个原因。

3. “惊喜”因素(为什么我们不解释你已经知道的事)

你可能认为一个好的解释必须始终是听者不知道的事。论文说:不一定。

  • “开会迟到”示例: 鲍勃迟到了。他知道自己迟到了。他也知道查理很生气。鲍勃问:“为什么查理生气?”
    • 鲍勃已经知道“我迟到”是一个原因。
    • 但鲍勃不知道迟到是唯一的原因,还是他也忘了查里的生日。
    • 如果爱丽丝说:“因为你迟到了。”鲍勃可能会想:“哦,所以仅仅是因为我迟到了。我不需要为生日的事道歉。”
    • 如果爱丽丝说:“因为你忘了生日。”鲍勃就知道自己搞砸了两件事。
  • 洞察: 即便听者知道某个事实(迟到),将其作为解释听起来仍然是有用的,因为它告诉了听者哪种因果逻辑是成立的。解释不在于那个事实,而在于缩小可能性的范围。

4. “正常”与“异常”规则

论文解释了人类心理中的一个奇特现象:

  • 如果两件事必须同时发生才会导致某种结果(比如茅草屋顶加上干旱共同导致起火),我们往往会归咎于那个异常的事物(干旱,因为干旱很罕见)。
  • 如果其中任何一件单独就能导致某种结果(比如电路短路或者煤气泄漏导致火灾),我们往往会归咎于那个正常的事物(电路短路,因为它们经常发生)。

作者的模型完美地预测了这一点。它计算出,在第一种情景中引用“异常”的事物有助于听者理解阻止火灾所需的特定条件。在第二种情景中引用“正常”的事物则有助于听者理解最常见的风险。模型不需要被告知这条规则;它通过尝试变得有帮助来自动推导出了这一点。

5. 简洁性与“成本”

最后,论文讨论了为什么我们更喜欢简短、简单的解释。

  • 说话的成本: 说“电路短路引起了火灾”比说“今年最值得注意的事件引起了火灾”更容易。
  • 权衡: 模型包含了一个关于长信息或复杂信息的“成本”。如果一条长信息不能比短信息提供显著更多的帮助,那么“优秀的说话者”会选择短信息,以节省能量并避免混乱。

宏观图景

作者认为,几个世纪以来,哲学家们一直试图通过寻找世界的硬性事实来寻找“完美的”解释。他们认为这本末倒置了。

解释是沟通的一种工具。

  • 它产生于试图提供帮助的说话者与试图解决问题的听者之间的动态互动。
  • 当你掌握了沟通的精髓(了解听者的目标以及他们已知的知识),一个好解释的“美德”(简洁、令人惊喜、具有相关性)就会自然而然地显现。你不需要强求它们;它们是高质量对话的结果。

简而言之:好的解释是那个能帮助听者赢得游戏的解释。

您所在领域的论文太多了?

获取与您研究关键词匹配的最新论文每日摘要——附技术摘要,使用您的语言。

试用 Digest →