← 最新论文
🤖 AI

Rejecting Arguments Based on Doubt in Structured Bipolar Argumentation

本文引入了结构化双极论证框架(SBAFs)及其相关的语义学,用以模拟能够基于单纯的怀疑来拒绝论证,并在句子层面评估可接受性的理性智能体,从而在弥合可容许语义与完全语义差距的同时,为演绎支持等现有方法提供了一个广义的视角。

原作者: Michael A. Müller, Srdjan Vesic, Bruno Yun

发布于 2026-02-04
📖 1 分钟阅读☕ 轻松阅读

原作者: Michael A. Müller, Srdjan Vesic, Bruno Yun

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

想象一下你正坐在一个市政厅会议上,人们正大声提出论点试图说服你。通常,旨在分析这些辩论的计算机程序就像一个刻板、僵化的法官。它们遵循一个简单的规则:“如果一个论点得到了辩护且没有人成功击败它,你必须接受它。”

这篇论文提出了一种不同的法官——一个更像怀疑论人类的角色。它引入了一种新的计算机处理辩论的方式,这种方式允许怀疑,并侧重于单个事实,而非仅仅是整个论点。

以下是使用简单类比对该论文思想进行的拆解:

1. 问题所在:“刻板的法官” vs. “怀疑的人类”

在传统的计算机论证中,如果你有一个逻辑链条且无人攻击,计算机就会说:“这是真的,接受它。”

  • 论文观点: 人类并不是这样的。即使一个论点没有受到攻击,如果你怀疑它的起点,你仍然可能拒绝它。
  • 类比: 想象有人说:“这把小提琴是斯特拉迪瓦里琴,因为亚历克斯是这么说的。”
    • 刻板的法子: “没有人攻击亚历克斯的陈述。因此,这把小提琴是斯特拉迪瓦里琴。接受它。”
    • 怀疑的人类(本论文): “我不认识亚历克斯。他可能在撒谎或者很无知。尽管没有人攻击他的说法,但我怀疑它。所以,我拒绝‘它是斯特拉迪瓦里琴’这个结论。”

论文认为,计算机应该被允许说“我还不确定”,而不需要一个特定的反驳论点来证明它们是对的。

2. 新工具:“结构化双极论证”

为了实现这一点,作者构建了一个新的框架,称为结构化双极论证框架 (SBAFs)。可以将其看作是一个带有两个特殊功能的全新规则手册:

  • 双极(两面性): 在旧系统中,论点只有“攻击”(类似于拳击)。这个新系统增加了“支持”(类似于牵手)。如果论点 A 支持论点 B,那么接受 A 会使拒绝 B 变得更加困难。
  • 结构化(成分): 旧系统将论点视为黑匣子。你要么接受整个匣子,要么拒绝它。这个新系统则观察匣子的内部。它将前提(原料)与结论(蛋糕)分离开来。
    • 类比: 系统不再只是说“我接受这个蛋糕”,而是会问:“你接受面粉吗?你接受糖吗?”你可能接受面粉和糖,但仍然怀疑面包师搅拌的方法,因此即便你喜欢这些原料,你也会拒绝那个蛋糕。

3. 两个新规则:“连贯性”与“充分性”

论文定义了两种基于你对怀疑程度的严格程度来决定相信什么的方法。

A. 连贯论证扩展(“论点”视角)

这关注的是你接受哪些论点

  • 弱连贯性: 即使一个论点得到了辩护,你也可以拒绝它,只要你怀疑它的前提。这就像是在说:“我看到你有一个盾牌(辩护),但我并不信任你手里拿的剑(前提),所以我并不买账。”
  • 强连贯性: 你更严格。只有当你拥有证明前提错误(即“削弱”)的具体证据时,你才会拒绝一个论点。如果你只是怀疑它是错的但没有证据,你就必须接受它。

B. 充分语言扩展(“句子”视角)

这关注的是你接受哪些句子(事实),暂时忽略论点。

  • 类比: 想象你正在填写一份事实清单。
    • 弱充分性: 你勾选那些你确信的事实。如果一个事实依赖于一个不靠谱的论点,你就把它留空。
    • 强充分性: 除非你有证据证明它们是错的,否则你会勾选它们。
  • 为什么这很重要: 有时,你可能会接受一个事实(例如,“克拉拉说安妮-索菲拥有这把小提琴”),但拒绝那个结论(例如,“安妮-索菲拥有这把小提琴”),因为你怀疑来源。这个系统允许你说:“我接受‘克拉拉这么说’这一主张,但我并不接受它是真实的。”

4. “黄金分割点”

作者发现,他们的新规则位于两个现有计算机规则之间的“金发姑娘区”(即恰到好处的状态):

  • 容许性 (Admissibility): 太松散了。它让你甚至可以拒绝任何你想拒绝的东西,哪怕是有充分支持的东西。
  • 完备性 (Completeness): 太严格了。它迫使你接受所有未受攻击的事物。
  • 他们的语义: 正好合适。它迫使你接受有支持的论点,除非你有理由怀疑它们,但它不会迫使你接受那些你没有任何证据支持的事物。

5. 重大发现:什么时候结构化很重要?

论文进行了一项引人入胜的测试:我们什么时候可以忽略复杂的论证结构,而仅仅观察简单的攻击?

  • 发现: 如果辩论是“饱和的”(意味着每一个微小的细节事实都附带着自己的微型独立论点),那么复杂的“基于句子的”视角和简单的“基于论点的”视角会得出相同的结果。
  • 类比: 如果一面墙上的每一块砖都有自己的标签,你就可以直接观察砖块。但如果砖块被复杂的图案粘合在一起,你就必须观察整面墙才能理解发生了什么。
  • 启示: 在简单的情况下,旧的、更简单的计算机模型运行良好。但在复杂、真实的辩论中,前提往往是共享且混合的,这时你需要这个更详细的模型来获得正确的答案。

总结

这篇论文教会计算机像人类辩论者一样思考。它允许计算机:

  1. 怀疑一个论点,而无需等待反向攻击。
  2. 分离事实(句子)与逻辑(论点)。
  3. 成为一个严格的怀疑论者(强连贯性)或一个灵活的怀疑论者(弱连贯性)之间进行选择

它并不声称解决了所有人类的分歧,但它提供了一个更好的数学工具,用于模拟我们在不确定时是如何进行思考的。

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 →