🤖 AI

Belief Contraction in Dynamic Epistemic Logic

本文通过引入一种直接定义在标准克里普克模型上的新机制，解决了现有动态认识逻辑方法在信念收缩方面的局限性，该机制能够容纳诸如对冲公告和私有事件等复杂场景，同时为特定逻辑和广义逻辑提供了可靠且完备的公理化体系。

原作者： Gaia Belardinelli (Stanford University), Snow Zhang (University of Berkeley, California)

发布于 2026-07-01

📖 1 分钟阅读☕ 轻松阅读

原作者： Gaia Belardinelli (Stanford University), Snow Zhang (University of Berkeley, California)

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

想象一下你的大脑是一座图书馆，里面装满了关于世界运作方式的书籍。有些书是“事实”，你对它们深信不疑（比如“天空是蓝色的”）；而另一些书只是“可能性”，你只是为了以防万一而将它们放在书架上（比如“明天可能会下雨”）。

在逻辑学领域，科学家们长期以来一直试图建立一个完美的系统，来解释当我们获得新信息时该如何更新这些图书馆。这篇题为**《动态认识逻辑中的信念收缩》（Belief Contraction in Dynamic Epistemic Logic）*的论文，由 Gaia Belardinelli 和 Snow Zhang 撰写，探讨了一个特定的问题：*当有人告诉你，你百分之百确信的事情可能*是错误的时候，会发生什么？*

以下是他们发现的故事，用简单的语言进行了解释。

1. 旧方法：“硬”图书馆

长期以来，模拟信念改变的标准方式就像是一个图书馆的保安。

运作方式： 如果你告诉保安，“天空不是蓝色的”，保安会立即扔掉图书馆中每一本说“天空是蓝色”的书。
问题所在： 这在处理扩张知识（增加新事实）时表现出色。但在处理收缩（放弃某种信念）时却表现得一败涂地。
场景： 想象爱丽丝（Alice）百分之百确定她锁上了办公室的门。鲍勃（Bob）走过来对她说：“嘿，你的门可能是开着的。”
- 在旧有的“硬”系统中，鲍勃的话令人困惑。它没有提供一个硬性的事实来扔掉书籍，但它也无法让爱丽丝不再百分之百确定。旧系统无法模拟爱丽丝说“好吧，我不再百分之百确定了，但我也不确定门是否真的开了”这种状态。它直接崩溃了。

2. “软”尝试：可能性排序

为了修复这个问题，其他逻辑学家尝试了一种不同的方法。他们不再想象一个扔掉书籍的保安，而是想象一个评分系统。

运作方式： 图书馆里的每本书都有一个星级评分。五星级的书是“最合理的”（即你所相信的）。如果鲍勃说“门可能是开着的”，系统只需将“门是开着的”这本书移动到五星级书架上，紧挨着“门是关着的”那本书。
缺陷： 作者发现这种“软”系统有两个大漏洞：
1. “全知者”问题： 这个系统强迫你始终精确地知道你相信什么。如果你相信某事，系统就假设你知道自己相信它。但在现实生活中，人们可能会对自己持有某种信念产生误解（例如，“我觉得我很公正，但实际上我有偏见”）。旧系统无法模拟这种错误。
2. “也许”问题： 当鲍勃说“门可能是开着的”时，他不仅仅是在把一本书移到一个更高的书架上。他是在开启一个此前被锁上的、全新的图书馆区域。这种“对冲式”（hedged）的宣告（即你并不确定，但你在担忧）是“软”系统无法处理的。

3. 新方案：“扩张”机制

Belardinelli 和 Zhang 提出了处理这一问题的一种全新方式。他们建议不再是扔掉书籍或仅仅重新排序，而是向书架上添加新书。

隐喻： 想象爱丽丝对门锁着的信念是一座堡垒。
- 旧逻辑： 如果你告诉她门是开着的，你会砸碎这座堡垒。
- 新逻辑： 当鲍勃说“门可能是开着的”时，爱丽丝并没有砸碎她的堡垒。相反，她在她的图书馆上建造了一个新侧翼。她增加了一个“可能开启”的部分。
- 规则： 如果她之前百分之百确定门是锁着的，她现在会将所有关于“门是开着的”的可能性都加入到她的图书馆中。她并没有删除旧的信念，她只是承认：“好吧，我不能再排除‘开启’的可能性了。”

4. 他们的发现

作者构建了一种新的数学逻辑（一套规则）来描述这种“新侧翼”的方法。他们称之为 HPAL（对冲式公开宣告逻辑）。

以下是他们新系统的关键发现：

适用于“也许”： 它完美地模拟了当有人说“这可能是错的”时会发生什么。智能体停止了百分之百的确定，并开始考虑相反的可能性。
打破了一些旧规则： 在旧有的“软”系统中，关于信念行为有着严格的规则（例如“如果我相信 X，我必须知道我相信 X”）。作者展示了他们的系统打破了这些规则。而这实际上是一件好事！这意味着他们的系统可以模拟那些有时会对自己的信念感到困惑的真实人类。
“摩尔悖论”（Moore Paradox）： 他们研究了像“门是开着的，但我并不相信它”这样棘手的句子。在他们的新系统中，如果你听到关于此句子的“也许”类宣告，你的信念状态会发生变化，使得该句子变为假。他们弄清楚了哪些句子能在这种变化中幸存，哪些则不会。

5. “通用”升级

最后，他们意识到生活不仅仅是公开宣告。有时，你会向一个人透露秘密，或者一群人听到的信息各不相同。

他们创建了一个更庞大的系统，称为 GDEL（广义动态认识逻辑）。
可以把它看作是万能钥匙。它可以处理公开宣告、私人低语以及“半私人”的暗示。
他们证明了这把万能钥匙可以模拟几乎任何形式的信念改变，包括“软”的排序系统，但具有更高的灵活性。

核心结论

这篇论文是在修复一个损坏的工具。旧工具对于模拟信念改变过于僵化——它们只能处理“确定事实”或“重新排序”。作者构建了一个能够处理**“也许”**的新工具。

他们表明，当我们听到“这可能是错的”时，我们不仅仅是交换了信念；我们扩展了我们的图书馆，以包含新的可能性。他们的逻辑精确地解释了这种扩张是如何发生的，即使这让我们对“所知所觉”变得不再那么确定。

技术摘要：动态认识逻辑中的信念收缩

问题陈述
标准的动态认识逻辑（DEL）主要通过消除可能性（硬更新）来建模信念变化，这有效地捕捉了信念扩张，但无法建模关于事实命题的信念收缩。虽然一种流行的替代方案通过在 Kripke 模型中引入倾向序（plausibility orderings）来表示“软”更新（促进可能性的提升而非消除），但本文指出了倾向性框架中的两个关键表达力限制：

正向内省（Positive Introspection）： 由于倾向序具有传递性，该框架验证公理 4 ( $Ba\phi \to BaBa\phi$ )，导致其无法建模对自身信念存在误解的智能体。
对冲式公告（Hedged Announcements）： 该框架无法建模由“对冲式”公开公告（例如，“ $\phi$ 可能为假”）导致的信念收缩。此类公告直观上会导致智能体对 $\phi$ 悬置判断，而不一定采纳新的事实信念。本文通过定理 3.2 证明，没有任何倾向性事件模型能够将一个智能体相信 $\neg p$ 的模型转化为一个智能体对 $p$ 悬置判断（既不相信 $p$ 也不相信 $\neg p$ ）的模型，同时保持模态等价。

方法论
作者提出了一个新的框架，直接在标准的多元智能体 Kripke 模型上定义信念收缩，而不对认知可达关系施加约束（如传递性或欧几里得性）。

对冲公开公告逻辑 (HPAL)： 核心机制是一个动态模态 $[\div \phi]$ ，代表一个对冲式公开公告，即 $\phi$ 可能为假。更新操作（记作 $M \div \phi$ ）修改可达关系 $R_a$ 如下：
- 如果智能体 $a$ 在世界 $w$ 处相信 $\phi$ ( $M, w \models Ba\phi$ )，则智能体的可达世界集将被扩展，以包含所有 $\neg \phi$ 成立的世界： $R^{\div \phi}_a(w) = R_a(w) \cup \{v \in W : M, v \models \neg \phi\}$ 。
- 如果智能体不相信 $\phi$ ，则可达关系保持不变。
  这种方法将收缩视为模型的扩展（增加边）而非限制（移除世界）。
广义 DEL (GDEL)： 为了适应更复杂的场景（如私有或半私有公告），作者引入了一个广义事件模型 $E = (E, Q, Q^+, pre)$ 。这通过增加一个代表由事件本身引入的可能性关系 $Q^+_a$ ，扩展了标准事件模型（其中 $Q_a$ 代表未被排除的可能性）。广义乘积更新 $M \otimes E$ 结合了标准消除（通过 $Q$ ）与新可能性的添加（通过 $Q^+$ ）。

主要贡献与结果

HPAL 的公理化： 本文为对冲公开公告逻辑提供了完备且可靠的公理化（表 1）。该系统包含了允许将动态公式翻译为静态认知公式的归约公理。一个关键的归约公理 (A5) 表征了收缩后的信念：智能体在收缩 $\phi$ 后相信 $\psi$ ，当且仅当他们最初不相信 $\phi$ 且在更新后相信 $\psi$ ，或者他们最初相信 $\phi$ 且 $\psi$ 在所有新增的 $\neg \phi$ 世界中均成立。
保持性与成功性的分析：
- 保持性 (Preservation)： 作者定义公式 $\phi$ 是“被保持的”，如果 $\phi \to [\div \neg \phi]\phi$ 是有效的。他们表明，虽然标准公开公告保持全称公式，但对冲公告保持存在式公式（由文字、 $\land$ 、 $\lor$ 和 $eBa$ 构建）。
- 成功性 (Success)： 如果在关于“可能为假”的对冲公告后不再相信某个命题，则称该公式是“成功的”。论文证明全称公式是成功的。相反，“摩尔式”（Moorean）句子（如 $p \land Ba\neg p$ ）被证明是自反驳的，因此不被保持。
AGM 公理： 论文评估了该动态设置下的标准 AGM 收缩公理。
- 有效： 封闭性（Closure）、外延性（Extensionality）和一致性（Consistency）成立。
- 无效： 成功性（Success）、包含性（Inclusion）和空虚性（Vacuity）并非无限制地成立。例如，在对冲公告后，智能体可能会获得关于其自身缺乏信念的新信念（违反了包含性）。
- 强空虚性 (Strong Vacuity)： 一个强化的空虚性版本成立：如果没有任何智能体在模型的任何地方相信 $\phi$ ，则收缩不会产生影响。
广义 DEL (GDEL) 与模拟： 论文建立在 GDEL 是标准 DEL 的保守扩张这一结论之上。一个关键的理论结果（定理 7.8）是，任何广义更新产生的模型都是初始模型的“精炼”（refinement）的一个“模拟”（simulation）。这正式捕捉了更新的双重性质：它既可以消除可能性（精炼），也可以增加可能性（模拟）。
表达能力： 作者展示了 GDEL 可以建模 HPAL 无法建模的动态过程。具体而言，示例 7.9 和命题 7.10 显示，HPAL 无法建模这样一种场景：对冲公告导致智能体对一个命题 ( $p$ ) 悬置判断，同时保留对另一个命题 ( $q$ ) 的特定信念。GDEL 通过使用 $Q^+$ 关系，选择性地引入与智能体背景知识相容的新可能性，从而克服了这一问题。

意义
本文声称为倾向性信念收缩的表达力限制提供了解决方案。通过直接在标准 Kripke 模型上定义收缩，该框架成功地为缺乏正向内省的智能体以及在对冲公告下悬置判断的智能体建模。作者将他们的工作定位为标准 DEL 的自然扩展，旨在容纳信息丢失（收缩）与信息增益（扩张）并存的情况。他们指出，虽然其框架可以通过增加边来模拟倾向性动态，但由于允许认知公式的真值在收缩过程中发生变化，这使其与 AGM 理论产生了分歧——这种变化是动态设置中固有的，但在静态 AGM 模型中是不存在的。该工作留下了待解决的问题，包括对 HPAL 中所有成功公式的特征描述，以及在 GDL 中内省属性得以保持的条件。