Abduktivní uvažování

Co je abduktivní uvažování?

Abduktivní uvažování je forma logické inference, která začíná pozorováním a hledá nejjednodušší nebo nejpravděpodobnější vysvětlení. Na rozdíl od deduktivního uvažování (které postupuje od obecných pravidel ke konkrétním závěrům) nebo induktivního uvažování (které zobecňuje z konkrétních pozorování), abduktivní uvažování zahrnuje tvorbu hypotéz k vysvětlení toho, co pozorujeme.

Tři typy uvažování

Typ	Směr	Příklad
Deduktivní	Obecné → Konkrétní	Všichni lidé jsou smrtelní. Sokrates je člověk. Proto je Sokrates smrtelný.
Induktivní	Konkrétní → Obecné	Každá labuť, kterou jsem viděl, je bílá. Proto jsou všechny labutě bílé.
Abduktivní	Pozorování → Hypotéza	Trávník je mokrý. Nejlepší vysvětlení je, že v noci pršelo.

Proč je abduktivní uvažování důležité pro AI

Podle profesorky ze Stanfordu Yejin Choi jsou současné AI modely zásadně omezené, protože primárně provádějí induktivní a deduktivní uvažování, které charakterizuje jako “regurgitaci stejné informace, kterou jste již měli.”

Abduktivní uvažování je naproti tomu:

• Kreativní - Zahrnuje tvorbu nových hypotéz, ne jen aplikaci existujících pravidel
• To, co dělají vědci - Vědecký objev vyžaduje tvorbu hypotéz pro nevysvětlené jevy
• To, co dělají detektivové - Slavné “dedukce” Sherlocka Holmese jsou ve skutečnosti abdukce

Mylná představa o Sherlocku Holmesovi

Arthur Conan Doyle nechává Holmese slavně prohlásit “Elementární, můj drahý Watsone” po brilantních “dedukcích.” Ale Yejin Choi poukazuje na to, že jde o nesprávné pojmenování:

“When you look at detectives like Sherlock Holmes, the author incorrectly thinks the detective is doing deductive reasoning. But no, it’s abductive reasoning because you have to jump to the conclusion with a bit of a leap of faith.”

“Když se podíváte na detektivy jako Sherlock Holmes, autor nesprávně myslí, že detektiv používá deduktivní uvažování. Ale ne, je to abduktivní uvažování, protože musíte dospět k závěru s určitým skokem víry.”

Holmes pozoruje důkazy (bláto na botách, mozoly na rukou) a abdukuje nejpravděpodobnější vysvětlení. Skutečná dedukce by vyžadovala jistotu; abdukce přijímá nejistotu a pravděpodobnost.

Důsledky pro vývoj AI

Omezení, které Choi identifikuje, je zásadní: současné AI systémy excelují v interpolaci v rámci “okolí internetových dat”, ale bojují s objevováním skutečně nových znalostí.

“There are truths about how to cure cancer that are not on the internet. The current way of doing curation of data isn’t going to really teach the model how to come up with personalized drugs that could prevent or cure cancer.”

“Existují pravdy o tom, jak vyléčit rakovinu, které nejsou na internetu. Současný způsob kurátorování dat opravdu nenaučí model, jak vymyslet personalizované léky, které by mohly prevenci rakoviny nebo ji vyléčit.”

Aby AI dosáhla skutečných vědeckých průlomů, možná bude potřebovat vyvinout robustní schopnosti abduktivního uvažování - schopnost tvořit hypotézy pro pozorování, která se nevejdou do existujících vzorů.

Historický kontext

Termín “abdukce” v tomto smyslu vytvořil americký filozof Charles Sanders Peirce (1839-1914), který ji odlišil od známějších forem dedukce a indukce. Peirce považoval abdukci za zásadní pro vědecké bádání a kreativní řešení problémů.

Související čtení

• Yejin Choi - Profesorka ze Stanfordu zkoumající uvažování v AI
• Reinforcement Learning - Další přístup k vylepšování modelů, který Choi kritizuje