人工基础智能及逻辑 10

第13章规范与伦理推理13.1规范概念的逻辑刻画自动驾驶场景中的规范推理、道义模态算子的引入、违背规范的形式化13.2标准道义逻辑系统SDL系统的定义、可能世界语义、D公理与持续性条件13.3应用中的规范性问题与道义逻辑系统的扩展伦理决策与价值冲突、责任归属、非单调推理13.4结语第13章规范与伦理推理引言研究对象规范与伦理推理关注如何对"应当""允许""禁止"等规范性判断进行语义分析，并在此基础上对行动的正当性与约束关系进行逻辑刻画。主要工具道义逻辑（DeonticLogic）——一类扩展的模态逻辑，其语言中引入专门用于表达规范与伦理概念的算子。研究历史可追溯至vonWright(1951)对义务、许可等概念的逻辑研究。道义逻辑的应用领域在人工智能中的作用多主体系统中的规范建模人工智能伦理法律推理合理决策本章特色以人工智能在伦理实践中遇到的典型规范与伦理问题为切入点，介绍若干刻画规范与伦理推理的逻辑系统，探讨如何对复杂的规范与伦理情境进行逻辑分析。13.1规范概念的逻辑刻画本节通过自动驾驶汽车的具体场景，引出规范与伦理推理关注的核心问题，并介绍道义模态算子的基本概念。例35：自动驾驶场景假设一辆自动驾驶汽车正在行驶，在某个时刻，车辆接近一个十字路口，传感器检测到前方信号灯即将变为红灯。系统需要判断是否应当停车等待。基本命题p：前方信号灯为红灯q：传感器判断信号灯为红灯s：停止向前行驶道义模态算子三个核心算子O：义务算子表示"应该"执行某种动作或满足某种条件例如：Os表示"应该停车"F：禁止算子表示"禁止"执行某种动作或满足某种条件例如：Fs表示"禁止停车"P：许可算子表示"允许"执行某种动作或满足某种条件例如：Ps表示"允许停车"自动驾驶的推理规则基本规则规则(1)$$(p∧q)→Os$$当前方信号灯为红灯且传感器也检测到红灯时，车辆应当停车等待规则(2)$$(p∧q)→F¬s$$当前方信号灯为红灯且传感器也检测到红灯时，车辆禁止继续前行规则(3)$$(¬p∧¬q)→P¬s$$当前方信号灯非红灯且传感器未检测到红灯时，车辆可以继续前行结合障碍物检测的扩展规则引入新命题：o—前方有障碍物扩展规则(4)如果感知到前方非红灯且必然无障碍物，则车辆允许继续前行扩展规则(4')如果感知到前方非红灯但前方可能存在障碍物，则车辆禁止继续前行道义模态算子的作用明确系统决策边界道义模态算子对规范概念的形式刻画明确了系统决策的边界：哪些行为是必须执行的哪些行为是绝对禁止的严格刻画禁止规范在例35中，闯红灯以及无视潜在障碍的继续行驶均属于严重的违规行为，相应的禁止规范在逻辑系统中应加以严格刻画，确保自动驾驶系统不会因追求效率或感知疏忽而违反基本安全要求。决策灵活性许可算子的作用通过许可算子的引入，系统在满足规范的前提下仍保有一定的决策灵活性。决策原则只要某一动作既不被禁止，也未违背义务，系统即被允许执行该动作。形式化保障这种描述规范的逻辑框架为自动驾驶系统的合理决策提供了形式化保障。违背规范概念引入有了义务与禁止，就不可避免地会出现违背规范的情形：系统未履行某项义务或执行了被禁止的行为。在自动驾驶中的含义在自动驾驶场景中，违约即对应于违反交通规范或安全规则的事件。例36：传感器误判导致的违规场景描述假设自动驾驶汽车由于传感器误判，没有探测到前方红灯，因而未执行停车操作，直接驶过路口。违规分析此时，系统既违反了禁止"在红灯时继续前行"的规范，又未履行义务"在红灯时停车"。形式化表示$$(p∧q)→Os,(p∧¬q)∧¬s$$违约的预防与补救预防机制为了防止违约的发生，可以在系统内增加推理规则作为预防机制。补救措施如果检测到违约发生后，系统必须启动相应的补救措施，以尽量降低潜在风险并重回规范轨道。具体实现引入命题n表示"报错预警"和r表示"紧急制动"动作，并赋予其违约补救义务：$$p∧¬q∧¬s∧n→Or$$13.2标准道义逻辑系统本节介绍标准道义逻辑（SDL）的基本框架、语义解释和核心公理。起源标准道义逻辑（StandardDeonticLogic,SDL）可以追溯到vonWright(1951)的工作。形式表示SDL作为最基本的道义模态逻辑体系，形式上通常被表示为模态逻辑系统KD。算子定义SDL扩展式地引入了一元道义算子O来表达义务，并进一步通过O定义禁止算子F和许可算子P：算子的直观理解禁止算子F"禁止某事"被理解为"应该不做某事"$$Fφ≡O¬φ$$许可算子P"允许某事"被理解为"此事不被禁止"$$Pφ≡¬O¬φ$$定义81：SDL模型SDL模型结构：SDL模型𝔐SDL是一个三元组(W,R,V)W可能世界集R⊆W×W道义可及关系V:W→P(Prop)赋值函数可及关系的解读：在道义逻辑的语境下，wRv通常被解读为：世界v是相对于世界w的一个道义上理想的、可接受的或规范的世界。也就是说，在v中，那些在w处被视为义务的事情都已遵守。义务算子的语义解释义务算子O的真值条件在模型MSDL中，义务算子O通常被解释为模态逻辑中的必然性算子（□）：$$MSDL,w⊨Oφ当且仅当对所有满足wRw'的世界w',M,w'⊨φ$$含义某事φ是义务的，当且仅当在所有道义上理想的可及世界中，φ都为真。许可算子的语义解释许可算子P的真值条件根据定义，许可算子P则通常被解释为可能性算子（

）：$$M_SDL,w⊨Pφ当且仅当存在满足wRw'的世界w',M,w'⊨φ$$含义某事φ是被允许的，当且仅当至少存在一个道义上理想的可及世界，在该世界中φ为真。持续性条件定义为了体现"义务不能相互冲突"的直观原则，在构建SDL模型时，通常要求可及关系R满足持续性条件：对所有w∈W，存在v∈W，使得wRv直观含义这个条件要求从任何世界w出发，至少存在一个道义上理想的可及世界v。换句话说，不存在一个状态，使得从该状态出发完全没有符合规范的可能状态。D公理克里普克语义中的对应在模态逻辑中，可及关系R的持续性是以下公理模式在克里普克语义上的对应条件：D公理：□φ→

φ道义逻辑形式将D公理翻译成道义逻辑的语言，则是：$$Oφ→Pφ$$D公理的道义解释含义在道义语境中，该公理表达：如果某事φ是"应该的"，那么它是"允许的"。重要性这条公理捕捉了一个在规范推理中的重要直观，即一个有效的规范系统不应该要求主体去做它同时禁止做的事情。持续性排除义务冲突基本义务冲突持续性直接排除了最基本的义务冲突形式，即$$Op∧O¬p$$。证明思路假设此公式为真。根据$$Oφ→Pφ$$，由$$O¬p$$可得$$P¬p$$。但$$P¬p$$等价于$$¬Op$$。由此会得到一个逻辑矛盾$$Op∧¬Op$$。结论因此，在满足持续性的模型中，$$Op∧O¬p$$不是有效的。持续性的重要意义避免规范冲突这一点对于避免规范体系内部冲突至关重要。自动驾驶示例在自动驾驶场景中，不会出现"应当停车"与"应当不停车"同时生效的矛盾规定。义务集合的共同可满足性持续性保证持续性的限制还保证了在任何世界w处的所有义务的集合是共同可满足的。形式化表述如果M_SDL,w⊨Op_1，M_SDL,w⊨Op_2，⋯，M_SDL,w⊨Op_n，持续性保证了至少存在一个理想世界v使得wRv，在这个世界v中，所有这些义务都同时得到满足，即：$$M_SDL,v⊨p_1∧p_2∧···∧p_n$$规范体系一致性原则核心原则这体现了"规范体系本身不应内置逻辑矛盾"的原则。实际意义即使有多项义务，也总有至少一种理想的方式能够同时满足所有这些义务。K公理K公理（道义）：SDL模型还满足K公理，保证义务在逻辑蕴含下的封闭：$$O(φ→ψ)→(Oφ→Oψ)$$含义如果规范包含"φ蕴涵ψ"这一义务，并且φ本身也是义务，那么ψ也必然成为义务。应用示例当系统包含规范"若记录了传感器故障日志，则上传该日志"，且又规定"应该记录故障日志"，那么可由K公理推得"应该上传故障日志"。SDL的局限性基本框架的作用虽然SDL为规范性推理提供了基本的逻辑框架和模态基础。复杂场景的挑战然而在更为复杂的应用场景中，其基础语言往往需要扩展。"应当蕴涵能行"原则重要性在设计人工智能系统的合理性与安全性时，一个重要的原则是"应当蕴涵能行"原则。直观理解该原则规定：如果规范上要求主体执行φ，则φ必须在物理或因果上可行，否则赋予该义务将失去意义，甚至带来风险。形式化在逻辑上，可以通过在SDL上增加一个表征实际可行性的模态算子Ac，并引入公理：$$Oφ→Acφ$$来形式化这一原则。自动驾驶中的可行性要求示例若规范规定"应当在紧急情况下立即停车"，则必须确保车辆具备相应的制动能力和反应速度，使"立即停车"在物理上可达成，否则该义务便不可执行。启示规范的制定必须考虑实际的物理约束和技术能力。13.3应用中的规范性问题与道义逻辑系统的扩展本节探讨SDL框架在实际应用中的局限性，并介绍若干重要的扩展框架。问题的多样性在实际应用中，人工智能系统面临的规范性问题多种多样，这些问题常常超出了SDL框架的处理能力。AI伦理的要求人工智能伦理不仅要求系统遵守法律和规范，还需要考虑复杂的道德价值和社会期望。典型挑战如何平衡效率与公平如何处理冲突的责任归属如何在复杂和动态的环境中做出合乎道德的决策传统道义逻辑的局限局限性仅凭传统的道义逻辑，往往无法灵活应对这些具有动态变化和情境依赖性的伦理问题。需要扩展因此，研究者们发展了多种扩展的道义逻辑框架。道义逻辑的扩展方向主要扩展引入条件义务优先级排序智能体能动性非单调推理目标提供更为灵活和适应性强的工具，来满足人工智能系统在伦理决策中的需求。效果通过这些扩展，人工智能系统不仅能够更好地遵循伦理规范，还能在复杂的伦理场景中确保行为的合法性。13.3.1伦理决策与价值冲突本小节介绍如何通过条件义务和优先级概念处理复杂的伦理决策问题。应用领域在自动驾驶、医疗决策等领域，人工智能系统经常需要在复杂的道义情境下做出决策。典型案例自动驾驶汽车在紧急情况下可能需要在"保护乘客安全"与"保护行人安全"这两项规范之间进行权衡。SDL的局限在SDL框架下，这种涉及规范冲突和情境依赖的决策难题难以被刻画和解决，容易导致推理上的悖论或规范失效。优先级概念的引入解决方案为了有效地建模和解决这类问题，逻辑建模时通常会引入优先级的概念。作用通过定义不同规范在特定情境下的重要性排序，优先级概念能够指导系统在面临冲突时做出符合伦理期望的决策。条件义务形式化方案一种常见的形式化方案是通过定义条件义务来表达和推理"在特定条件下应当如何做"的规范性语句。与SDL的区别与SDL主要处理无条件的义务不同，条件道义逻辑引入了条件构造，使得义务的适用范围和强度能够依赖于具体的情境或前提条件。二元道义逻辑条件义务表示在二元道义逻辑（DyadicDeonticLogic）中，条件义务由二元义务算子O(φ|ψ)表达。含义"在ψ为真的情况下，φ是应该的"语义解释通过语义上限制可能世界的集合来解释该公式。定义82：条件义务模型模型结构：设M_co=(W,⩽,V)是一个条件义务模型W可能世界集合⩽⊆W×W可能世界上的偏序关系V赋值函数二元义务算子的真值定义真值条件在该模型上，二元义务算子O(φ|ψ)的真值定义如下：其中，Min≤([[ψ]])是[[ψ]]中相对于偏序关系⩽最优的世界集合。语义的直观理解核心思想该语义直观上是指，在所有使条件ψ为真，并且在规范层面上被认为是"最优"或"最理想"的可能世界中，结论φ都为真。与反事实条件句的相似性反事实条件句在反事实条件句"若ψ成真，则φ也将成真"中，其真值通常是通过考察在"最接近"于当前世界的且ψ为真的可能世界中φ是否为真来确定的。二元道义算子类似地，二元道义算子则是在所有使ψ为真的可能世界中，考察那些根据排序被认为是"最优"的世界里φ是否为真。优先级的两种理解角度直接定义理想程度一种是直接定义世界的理想程度关系，如在之前的二元道义逻辑模型中，一个世界比另一个世界"更好"，意味着它在规范上更理想、更符合义务的要求。借助偏好逻辑另一种更具结构性的理解方式，是借助第7章所介绍的偏好逻辑，通过定义规范之间的优先级关系，然后由此推导和定义可能世界上的排序。第二种角度的含义在这种视角下，一个世界比另一个世界"更好"，是因为它在满足规范方面表现更优，也就是它满足了更重要的规范。定义83：优先图优先图结构：一个优先图是一个二元组G=⟨Φ,≫⟩Φ一组命题或规范性陈述≫Φ上的一个严格优先关系，表示φ≫ψ意味着命题φ的优先级高于ψ约束条件优先图具有以下约束：若φ₁≫φ₂，则φ₂为真时，φ₁也为真。约束的含义这一约束规定了优先级高的规范要首先满足，优先级低的规范不能抢先被满足。定义84：由优先图导出的可能世界排序设G=⟨Φ,≫⟩为一个优先图，W为非空可能世界集合。可能世界排序由关系⩽_G⊆W×W表示，其定义如下：$$w⩽_Gw'当且仅当对于任意φ∈Φ,如果w⊨φ那么w'⊨φ$$含义：如果对于优先结构中的每个规范性命题φ，只要世界w满足φ，世界w'也满足φ，那么w'至少与w一样好。理想世界与义务语义理想世界在这种优先结构下，理想世界集合由该理想序中的极大元素组成。义务的确定通过比较不同可能世界中对Φ中命题的满足情况，可以确定哪些世界更为理想。义务算子语义义务算子语义则是在比当下可能世界更理想的所有世界中为真的命题则是义务的。优先图模型的优势应对经典难题一些建立在优先图模型之上的道义逻辑系统，能够更直接地应对某些经典的道德难题与悖论。扩展性可自然扩展至动态语境或其他相关的道义场景。延伸阅读关于更多的技术细节与应用方向，参见vanBenthemetal.(2010,2014)、XieandYan(2024)的论文。实例：医疗决策中的义务冲突场景设定考虑一个由决策支持系统指导的疼痛处理方案。系统接收到以下规范信息：φ₁"不得给出过量止痛药"φ₂"若患者处于剧烈疼痛状态，则迅速给予止痛药"ψ"患者处于剧烈疼痛状态"γ₁"给患者开小剂量止痛药"γ₂"给患者开大剂量止痛药"优先图的建立优先关系伦理委员会判定，对于患者小爱，φ₁（安全规范）比φ₂（镇痛规范）更为重要，于是形成以下优先图：$$G=⟨{φ₁,φ₂},φ₁≫φ₂⟩$$可能世界的分析w_OK给出安全剂量止痛药w_OD给出过量止痛药w_NT不给药，维持现状优先序列根据定义84，可得优先序列：最优决策的确定最优世界集合根据这一排序，在条件ψ下，可以得到最优世界集合：$$Min⩽([[\psi]])={w_OK}$$条件义务于是：$$M_co,w⊨O(¬γ_2|ψ)且M_co,w⊨O(γ_1|ψ)$$因为在所有最优世界中既满足φ₁又满足φ₂。优先图框架的优势单一条件义务的问题若决策支持系统只基于单一条件义务，可能推荐过量给药。优先图的作用引入优先图后，系统首先检查φ₁，从而排除任何违反安全规范的选项，仅保留w_OK。结论由此，偏好-条件框架可在多项义务冲突场景中帮助选择最符合理想的方案。13.3.2责任归属本小节介绍基于STIT逻辑的道义推理系统，用于刻画主体的行为能力和责任归属。核心问题在规范性系统（如法律、伦理、人工智能决策等）中，责任归属是一个核心问题。具体问题若某一结果不符合规范，该如何判断哪个主体负有责任？SDL的局限前面所介绍的SDL虽可表达"应当"与"允许"等规范命题，但它本身难以直接刻画主体的行为能力。STIT逻辑解决方案一种刻画该问题的扩展是基于STIT（SeeingToItThat）逻辑的道义推理系统。核心算子STIT逻辑是在命题逻辑的基础上加入了关于主体能动性的算子[αstit]φ。含义形式化地表达了："主体α选择了一个行为，从而确保命题φ在所有可能的历史中成立。"STIT逻辑的来源哲学背景STIT逻辑源于哲学界对"自由意志"与"能动性"的形式化需求。语义特点与传统的模态逻辑方法不同，STIT逻辑采用分支时间语义（Branching-timeSemantics），将时间刻画为由多个历史所构成的树状结构。能力从而能够描述：在某一时刻，主体对哪些历史拥有决定性影响。定义85：STIT模型STIT模型结构：一个STIT模型是一个五元组M=(T,<,Ag,Choice,V)

(T,<)分支时间框架，m∈T表示时刻，h⊆T表示历史Ag由主体所构成的非空有穷集合Choice:Ag×T→2^(2^H)选择函数V:Var→2^(T×H)命题赋值函数选择函数的性质划分性∀α∈Ag,m∈T，Choice_α(m)构成H_m的划分，其中，H_m表示所有经过时刻m的历史集合。独立性∀α∈Ag,m∈T，∀f:Ag→P(H_m)满足f(α)∈Choice_α(m)，有：$$∩α∈Agf(α)≠∅$$（各主体选择组合必相容）STIT模型的特点瞬时状态与历史值得注意的是，STIT模型不仅描述了具体时刻的瞬时状态（m∈T），还涵盖了从该时刻延伸出的多个可能历史（h⊆T）。多主体选择从而可以刻画多个主体在特定时刻面对不同历史时的选择。图13-1：选择与历史的可视化示例说明（即φ在h₁,h₂中为真）$$Choice_a(m)={{h_1,h_2},{h_3,h_4},{h_5,h_6}}$$若主体α所采取的行为是a₁，则[αstit]φ在m成立，因为φ在所有该选择可达的历史中都为真。图13-1某时刻m面对的不同选择及其所影响的历史集合[αstit]φ的真值条件真值定义由此，[αstit]φ的真值条件为：$$M,m/h⊨[αstit]φ⟺∀h'∈Choice_α(m),M,m/h'⊨φ$$含义：这就表明了，若主体α采取了某一划分单元中的行为，则φ必须在该选择所涵盖的所有历史中都为真。即时责任与cstit记号[αstit]φ在STIT逻辑中也被写作[αcstit]φ。对应的责任类型它主要对应的是"即时责任"（譬如紧急制动决策），即主体需要立即采取行动来确保某种状态φ的发生或避免。长期责任的挑战长期责任的特点然而，处理"长期责任"时，情况有所不同。长期责任涉及主体不能在当前时刻立即完成某项任务，但能够通过适当的安排，确保未来某个时刻最终达成目标。dstit算子HortyandBelnap(1995)的扩展：为了将STIT框架扩展至长期责任，引入了如下定义：$$M,m/h⊨[αdstitφ]⟺{∃h*∈Hm,M,m/h*⊭φ∀h'∈Choice_α(m),∃t>m,M,t/h'⊨φ}$$dstit算子刻画了主体通过当前选择，确保在未来某一时刻φ必然成立的长期责任形式，是对即时责任（cstit）的重要补充。dstit的含义两个条件它表达了：条件一φ可以在当前状态下不成立（即当前时刻可能出现¬φ的情况）条件二但主体必须做出合适的选择（即选择某个行动h'∈Choice_α(m)），并确保在未来某个时刻t>m，φ最终被实现长期责任的灵活性优势这个定义允许我们在考虑长期责任时不再要求主体立即确保某一状态，而是将焦点放在未来的某些选择或行动上。灵活处理这种方式可以灵活地处理那些当前无法立刻实现的责任。通过将责任的实现延伸至未来时刻，为主体提供了更合理的行动空间。cstit与dstit的关系结合□算子通过结合第5章关于□算子的解释，可以将"即时责任"与"长期责任"关联起来，并得到如下定义：形式化定义$$[\alphadstit]\varphi\equiv[\alphacstit]\Diamond\varphi\wedge\square\neg\varphi$$道义STIT模型Horty(1996)的扩展针对责任归属的问题，Horty(1996)引入了关于历史的规范价值函数Value。模型结构从而在上述STIT模型的基础上，进一步构建了道义STIT模型：$$M'=(T,<,Ag,Choice,Value)$$价值函数其中，价值函数为每个历史分配一个实数值，它满足对于任意时刻m及其历史h和h'：$$Value(h)_m≤Value(h')_m$$历史h'在时刻m上比历史h更具规范价值。道义STIT中的义务算子义务算子定义基于道义STIT模型，道义算子Oφ可以用如下定义表示：真值条件$$M',m/h⊨Oφ当且仅当$$$$∃h'∈H_m满足：M',m/h'⊨φ，且∀h''∈H_m使得Value_m(h')≤Value_m(h'')，M',m/h''⊨φ$$义务定义的含义双重条件该定义表明，主体有义务选择一条满足φ的历史h，且这一义务需满足双重条件：条件一至少存在一条可选历史h'使得φ成立条件二对于所有价值不低于h'的历史h''，φ也必须成立通过历史的价值排序，责任被明确为"选择符合最高价值的行为"，确保Oφ仅在最高价值历史中φ成立时有效，避免强加无法实现的责任。道义STIT框架的设计优势一致性保障这种设计确保了责任的一致性——防止主体通过选择较低价值的路径逃避责任，同时，也要求在未来高价值历史中持续满足φ。合理努力原则该框架的优点在于避免了过度的限制（仅要求价值最大化路径满足φ，符合"合理努力"的原则）。动态适应性当价值函数发生变化时，责任可相应调整，从而为伦理决策提供了既严格又灵活的形式化工具。自动驾驶中的主体与责任主体的界定在前述的自动驾驶例子中，主体可以是：系统自身感知模块决策模块外部信号控制系统（如交通信号管理系统）STIT逻辑的作用通过应用STIT逻辑，不仅能够判断某个结果是否发生，还能够明确地划分责任——即"是谁"导致了该结果，从而为规范责任提供清晰的界定。例37：传感器误判的责任分析（例36续）场景回顾假设自动驾驶汽车在接近路口时，前方信号灯为红灯，感知模块检测到红灯但未及时做出停车决策，导致发生碰撞事故。核心问题哪个主体应该为该事故负责？系统主体的划分主体组成该自动驾驶系统可视为由以下"主体"组成：感知模块α负责识别交通信号决策模块β根据感知结果生成控制指令（如是否停车）命题定义假设命题o表示"发生碰撞事故"。已知事实实际情况在该案例中，已知事实如下：q感知模块检测到红灯¬s决策模块未发出停车指令o碰撞事故发生系统规范规范性陈述根据系统设计规范，当红灯被检测到时，系统应采取停车行为，从而对应的规范性陈述为：形式化规范$$O(q→[βstit]s)$$即"若检测到红灯，则决策模块应确保发出停车指令"。责任归因违规分析然而，实际行为违反了该规范：β并未做出停车决策，且其选择直接导致了事故发生。责任判定在此基础上，根据STIT逻辑的责任归因机制，可以合理地将责任归属判定为β（决策模块）。决策模块β违反了系统规范，未能在检测到红灯时发出停车指令，直接导致碰撞事故。13.3.3非单调推理本小节介绍非单调推理在道义逻辑中的应用，特别是缺省逻辑和优先缺省逻辑。例外情况的普遍性在人工智能系统中，除了前述的规范冲突和责任归属问题，例外情况也很常见。典型示例交通规则通常规定"遇到红灯必须停车"，但某些法律又规定紧急车辆（如救护车或消防车）拥有优先通行权。需要撤销结论面对这种情形，就必须撤销或覆盖此前的结论，这正是单调的道义推理无法胜任之处。单调推理的局限单调推理的特点单调推理一旦推导出结论，加入新信息也无法删除该结论。现实需求而现实需求是可撤销的推理。解决方案本节介绍非单调推理（Non-monotonicReasoning）来处理和形式化上述的例外问题，使推理系统能够适应现实中的复杂情境。非单调推理核心特点不同于传统的单调推理，非单调推理允许在获得新信息后对之前的结论进行修改或撤销。适应性使推理过程能够适应变化的情况，更贴近人类在不完整信息下的实际推断方式。缺省逻辑Reiter(1980)的贡献为了将非单调推理有效地结合到道义逻辑中，一种常见的方式是采用由Reiter(1980)所提出的缺省逻辑（DefaultLogic）。定位缺省逻辑是一种经典的非单调推理形式，旨在模拟人类在缺乏完整信息的情况下所做的"缺省"推断。基本思想在已知事实的基础上，可以在不与现有知识发生冲突的前提下，假定某些结论为真，从而得出可能的推论。定义86：缺省规则一个缺省规则δ可以表述为如下形式：形式化表达$$δ=(φ:ψ₁,ψ₂,⋯,ψₙ)/χ$$组成部分φ—前提条件表示何时该规则适用ψ₁,ψ₂,⋯,ψₙ—一致性条件（Justifications）要求它们在当前理论中是可保持的（即不与已知事实矛盾）χ—缺省结论即在满足前提且一致性条件可接受时推导出的命题缺省规则的推理模式启发式推理缺省规则表达了一种启发式的推理模式："如果φ成立，并且没有证据反对ψᵢ，那么我们可以缺省地接受χ。"经典示例：鸟会飞关于鸟会飞的常识可以形式化为以下缺省规则：$$鸟(x):会飞(x)/会飞(x)$$这意味着，在没有证据表明鸟不能飞的情况下，缺省地认为它会飞。缺省理论理论结构一个缺省理论是一个二元组Δ=⟨W,D⟩。其中：W一组一阶逻辑公式，表示已知的事实D一组缺省规则语义其语义通过构造扩展（Extension）来定义，扩展是通过逐步应用缺省规则，从事实W所推导出的最大一致知识集。多个扩展：由于缺省规则的非确定性，可能存在多个扩展，这就反映了推理过程中存在的不同路径和可能性。缺省逻辑的挑战冲突处理的困难然而，缺省逻辑也面临一个挑战：当多个缺省规则适用且其结论发生冲突时，系统缺乏机制来判断哪个规则更为"可信"或更为重要。解决方案为了解决这一问题，引入优先缺省逻辑（PriorityDefaultLogic）。通过在缺省规则之间建立优先关系，明确冲突时的应用顺序。优先缺省逻辑优先关系的作用对象与可能世界中的优先序不同，这里的优先关系作用于缺省规则集D本身，表示为≺⊆D×D。决定规则应用顺序它决定了冲突规则δ₁,δ₂∈D的应用顺序：如果两个规则δ₁和δ₂的结论冲突且δ₂≺δ₁，则优先应用δ₁，并禁止在其结论被接受的情况下应用δ₂。适用场景这一机制使得优先缺省逻辑特别适用于处理存在例外、规范冲突或情境判断的场景，如法律推理或责任判定。例38：自动驾驶的两条规则（例36续）引入命题令命题e表示"紧急情况"，以自动驾驶的两条规则为例。常规规则如果信号灯是红色（p），则应该停车（s）。$$p:⊤/Os$$紧急情况规则规则内容如果发生紧急情况（如前方有紧急车辆出现，需要为紧急救援车辆让路），即使信号灯为红色，系统也应该继续行驶以避让紧急车辆。$$p∧e:⊤/Fs$$优先关系优先级设定这两条规则之间的优先关系为：常规规则≺紧急情况规则含义这也就是说，当这两条规则同时适用时，系统优先选择紧急情况规则，允许车辆继续行驶，以避让紧急车辆，而不是停车。形式化效果配合优先关系，可以形式化"遇红灯默认应停车，但在紧急情况下应继续行驶"的规范判断过程。形式论辩框架结构化撤销机制非单调推理强调结论的可撤销性，而形式论辩（FormalArgumentation）框架为这种撤销提供了结构化机制。核心机制通过显