[论文解读] Deontic Logic for Human Reasoning

Ulrich Furbach, Claudia Schon|arXiv (Cornell University)|Apr 28, 2014

Logic, Reasoning, and Knowledge被引用 5

一句话总结

本文提出义务逻辑作为建模人类在认知任务（如沃森选择任务和抑制任务）中推理的正式框架，证明其能解释在社会契约情境下表现更高的原因。通过将义务逻辑翻译为 ALC 并利用 Hyper 进行自动化定理证明，该方法实现了规范系统的一致性检查，并通过逻辑建模与模型检测解释人类推理模式。

ABSTRACT

Deontic logic is shown to be applicable for modelling human reasoning. For this the Wason selection task and the suppression task are discussed in detail. Different versions of modelling norms with deontic logic are introduced and in the case of the Wason selection task it is demonstrated how differences in the performance of humans in the abstract and in the social contract case can be explained. Furthermore it is shown that an automated theorem prover can be used as a reasoning tool for deontic logic.

研究动机与目标

• 使用义务逻辑建模认知心理学实验中的人类推理，特别是沃森选择任务和抑制任务。
• 证明义务逻辑能够解释人类在抽象任务与社会情境化任务中表现差异的原因。
• 通过将义务逻辑翻译为 ALC 和 DL-子句，将自动化定理证明（通过 Hyper）与义务逻辑集成，以实现形式化的一致性检查。
• 将该框架应用于现实世界的规范系统（如违反义务的义务），以自动检测不一致性。
• 探索在机器人伦理中的应用，通过义务逻辑形式化伦理规则，并利用自动化推理验证其合规性。

提出的方法

• 使用标准翻译规则将义务逻辑公式翻译为描述逻辑 ALC。
• 将义务算子（例如，应当、义务）编码为 ALC 概念和角色，如将 $\Box\Phi \rightarrow \Diamond\Phi$ 映射为 $\top \sqsubseteq \exists R.\top$。
• 将 ALC 公式转换为 DL-子句，即 Hyper 定理证明器的输入格式。
• 使用 Hyper 构建超表并检查可满足性，从而验证规范系统的一致性。
• 通过将义务逻辑与认知科学理论结合，应用该框架建模人类推理的心理模型。
• 在基准问题（如违反义务悖论和社交契约情景）上验证该方法。

实验结果

研究问题

• RQ1 义务逻辑如何解释人类在沃森选择任务的抽象版本与社会契约版本之间表现差异的原因？
• RQ2 自动化定理证明能否有效用于建模和验证规范情境下的人类推理？
• RQ3 义务逻辑与心理模型理论的整合在多大程度上提升了对人类推理模式的解释能力？
• RQ4 自动化工具在多大程度上能够检测复杂规范系统（如涉及违反义务义务的系统）中的不一致性？
• RQ5 义务逻辑能否用于形式化多智能体系统（如机器人伦理）中的伦理规则，并验证其一致性？

主要发现

• 义务逻辑成功解释了为何 75% 的参与者能正确解答社会契约版本的沃森任务，而抽象版本中该比例不足 25%。
• 自动化定理证明器 Hyper 正确识别出经典违反义务规范系统中的不一致性，证实了先前的理论结果。
• 通过义务逻辑与 Hyper 进行的模型检测表明，除非将‘如果学习到很晚，那么图书馆应当开放’这一规范视为真，否则无法验证该规范，从而解释了人们对‘她是否在熬夜学习？’这一问题的低正面回应率。
• 将义务逻辑翻译为 ALC 并进一步转换为 DL-子句，使得 Hyper 能够有效用于原本在完整模态逻辑中不可判定的推理任务。
• 该框架支持在机器人伦理中对伦理规则（如阿西莫夫定律）进行形式化与验证，通过检测冲突并确保多智能体系统中的一致性。