Stel je voor: je staat in de keuken en ruikt rook. Je ziet een pan op het vuur.
▶Inhoudsopgave
Je hersenen maken direct een snelle berekening: "Rook + pan op vuur = brandgevaar". Je grijpt direct naar de blusdeken. Dit is redeneren in actie.
Maar wat als je later ontdekt dat je partner gewoon een heel donker brood aan het roosteren was? Dan moet je je conclusie direct bijstellen.
Traditionele logica, zoals die in schoolboeken, houdt geen rekening met deze flexibiliteit.
De Nederlandse filosoof Jaap Hage heeft hier jarenlang over nagedacht en een theorie ontwikkeld die beter past bij hoe de echte wereld werkt: defeasible reasoning, ofwel betwesterbaar redeneren. In dit artikel duiken we in zijn ideeën en kijken we waarom dit zo anders is dan wat we gewend zijn.
Waarom formele logica tekortschiet in de echte wereld
Om te begrijpen wat Hage anders doet, moeten we eerst kijken naar de klassieke logica. Denk aan de wiskunde of computerprogramma's die streng en star zijn.
Hier gelden harde regels. Als je uitgaat van de premisse "Als het regent, wordt de straat nat" en het feit "Het regent", dan móét de conclusie "De straat is nat" waar zijn. Dit heet modus ponens.
Het is waterdicht, maar ook heel broos. Het probleem is dat de echte wereld zelden zo zwart-wit is.
Menselijke kennis is vaak onvolledig of vatbaar voor nieuwe inzichten. Neem een voorbeeld: "Alle leeuwen zijn carnivoren. Dit dier is een leeuw. Dus dit dier eet vlees." Logisch klopt dit, maar wat als er een uitzondering is die we nog niet weten?
Of wat als we later ontdekken dat het dier helemaal geen leeuw is? Traditionele logica kan niet goed omgaan met de situatie waarin je een overtuiging moet intrekken omdat nieuw bewijs opduikt.
Het systeem is gebouwd op absolute waarheid, maar ons dagelijks leven draait op hypotheses die we continu bijstellen. Hage merkt op dat we niet alleen redeneren om te bewijzen dat iets waar is, maar ook om te bepalen wat op dit moment de beste assumptie is.
De kern van defeasible reasoning volgens Jaap Hage
Jaap Hage introduceert het idee van betwesterbaar redeneren als een manier om kennis te representeren die robuust is maar niet rigide. In plaats van te werken met absolute waarheid, werkt Hage met concepten als support (ondersteuning) en defeasibility (betwesterbaarheid).
Een redenering is "defeasible" als de geldigheid ervan kan worden tenietgedaan door nieuwe informatie. Stel je voor dat je de regel hebt: "Vogels kunnen vliegen." Je ziet een dier dat eruitziet als een vogel. Je concludeert: "Dit dier kan vliegen." Dit is een sterk argument, gebaseerd op support.
Echter, als je nieuwe informatie krijgt – bijvoorbeeld dat het dier een pinguïn is – dan wordt de conclusie "defeated" of betwist.
De regel "Vogels kunnen vliegen" is niet onjuist, maar hij is niet waterdicht voor alle gevallen. Hage's theorie draait om het balanceren van deze factoren. Een argument heeft een bepaalde strength (sterkte).
Deze sterkte wordt bepaald door hoeveel ondersteuning het heeft en hoeveel tegenspraak (defeasibility) het kan verdragen. Een sterk argument heeft veel support en weinig potentiële tegenspraak.
Een zwak argument is gevoelig voor nieuwe feiten die het onderuit kunnen halen.
Regels en kettingreacties
Hage gebruikt regels om dit te modelleren. Een regel ziet er vaak zo uit: "Als [voorwaarde], dan [conclusie]." De kracht van zo'n regel hangt af van het vertrouwen (confidence) dat we erin hebben. Interessant is hoe deze regels samenwerken. Hage beschrijft hoe regels kunnen "ketenen".
Als Regel A ondersteuning biedt aan Regel B, en B ondersteunt C, dan ontstaat er een netwerk van redeneringen. Stel: Regel A zegt "Dit is een leeuw" (gebaseerd op uiterlijk).
Regel B zegt "Leeuwen zijn groot" (gebaseerd op kennis). Regel C zegt "Dit dier is groot". Zelfs als er geen directe link is tussen A en C, kan de ketting van redeneringen ervoor zorgen dat C ondersteund wordt.
Maar, en dit is het cruciale punt van Hage: als er nieuwe informatie komt die Regel A ondermijnt (bijvoorbeeld: "Het is eigenlijk een namaakleeuw"), dan stort de hele redenering voor C in. Dit maakt het systeem flexibel, maar ook gevoelig voor updates.
Hoe Hage's theorie verschilt van andere logische systemen
Hage's benadering is uniek, maar het helpt om te zien hoe het verschilt van andere bekende theorieën.
Bayesiaans redeneren: Kansen versus betwisting
Een veelgehoorde vergelijking is die met Bayesiaanse logica. Bayesiaans redeneren draait om waarschijnlijkheden. Het berekent de kans dat een hypothese waar is, gegeven bepaalde data. Als er tegenbewijs komt, past het de waarschijnlijkheid aan.
Hage's defeasible reasoning doet iets fundamenteel anders. Het gaat niet zozeer om de waarschijnlijkheid dat iets waar is, maar om de geldigheid van de argumentatie op dit moment.
Fallibilistische logica: Fouten maken is normaal
Het is een meer kwalitatieve benadering. Waar Bayes een getal tussen 0 en 1 produceert, produceert Hage's model een oordeel over of een conclusie nu nog "overeind" blijft of niet.
Fallibilistische logica erkent dat we fouten kunnen maken en dat onze kennis onvolledig is. Hage sluit hierbij aan, maar voegt een dynamisch element toe. Waar traditionele fallibilistische logica vaak nog probeert om binnen een strikt formeel kader te blijven, benadrukt Hage dat redeneren een proces is van beoordelen in plaats van alleen maar bewijzen.
Reza-Rao reasoning: Een vergelijkbare maar andere insteek
Het gaat er niet alleen om dat we fouten kunnen maken, maar dat we mechanismen hebben om deze fouten actief te identificeren en te verwerpen zonder het hele systeem te laten crashen. Er zijn andere systemen voor defeasible reasoning, zoals die van Reza-Rao.
Deze systemen zijn vaak sterk gericht op het representeren van "gedeeltelijke kennis" (partial knowledge). Hage's werk is breder en filosofisch fundamenteler. Waar Reza-Rao zich soms focust op de technische implementatie van kennisrepresentatie, legt Hage de nadruk op de structuur van het redeneren zelf. Hage's model is krachtig omdat het niet alleen kijkt naar wat we weten, maar ook naar hoe we dat weten en hoe sterk die kennis is in relatie tot andere kennis.
Waarom dit belangrijk is voor Kunstmatige Intelligentie (AI)
De ideeën van Jaap Hage zijn niet alleen interessant voor filosofen; ze zijn cruciaal voor de toekomst van AI. Traditionele AI-systemen zijn vaak gebaseerd op klassieke logica.
Ze zijn geweldig in gesloten systemen (zoals schaken), maar worstelen met de chaos van de echte wereld.
Stel je een AI voor die medische diagnoses stelt. Een systeem gebaseerd op klassieke logica kan alleen een diagnose geven als alle criteria perfect matchen. Maar wat als een patiënt symptomen heeft die niet in het boekje staan?
Een defeasible reasoning-systeem, gebaseerd op Hage's ideeën, zou veel beter werken. Het zou een reeks mogelijke diagnoses genereren, elk met een "sterkte" score gebaseerd op de huidige informatie. Als er nieuwe testresultaten binnenkomen die een bepaalde diagnose uitsluiten, past het systeem de scores direct aan. Het gooit niet alles weg, maar herschikt de argumenten.
Dit maakt AI flexibeler, robuuster en menselijker. Het vermogen om te zeggen "Ik dacht eerst X, maar nu Y" is essentieel voor systemen die leren van ervaring.
Technieken zoals regelgebaseerde systemen en fuzzy logic (waarbij waarden niet alleen 0 of 1 zijn, maar er tussenin liggen) sluiten goed aan bij Hage's theorie. Zijn werk biedt een theoretisch fundament om deze technieken te verbinden tot een coherent model van redeneren dat echt werkt in complexe omgevingen.
Conclusie: De kracht van flexibel denken
Jaap Hage leert ons dat logica niet alleen maar een wiskundig spel is van waar of onwaar.
Het is een gereedschap voor het navigeren door een onzekere wereld. Defeasible reasoning vormt de kern van juridisch denken en biedt een realistisch model van hoe we redeneren: we bouwen argumenten op basis van wat we weten, maar blijven openstaan voor nieuwe informatie die die argumenten kan veranderen.
Door de nadruk te leggen op support, confidence en de mogelijkheid tot betwisting, geeft Hage ons een taal om complexe redeneringen te beschrijven zonder de complexiteit te verliezen. Of je nu een filosoof bent die nadenkt over kennis, of een programmeur die een slimme AI bouwt, de lessen van Hage zijn van onschatbare waarde. Het is een erkenning dat de waarheid vaak tijdelijk is en dat het vermogen om je mening te bijstellen, de grootste intelligentie is die we kunnen bezitten.
Veelgestelde vragen
Waarom is traditionele logica niet altijd geschikt?
Traditionele logica, zoals die in wiskunde en computerprogramma's wordt gebruikt, is vaak te strak en inflexibel. Het gaat uit van absolute waarheid, maar de echte wereld is zelden zwart-wit. Als nieuwe informatie beschikbaar komt die een eerdere conclusie betwist, kan traditionele logica niet adequaat reageren, zoals het geval met het roosteren van brood in plaats van een brand.
Wat bedoelt Jaap Hage met "defeasible reasoning"?
Jaap Hage introduceerde "defeasible reasoning" om een manier van redeneren te beschrijven die flexibeler is dan traditionele logica. In plaats van te focussen op absolute waarheid, richt het zich op de 'support' voor een redenering – hoe sterk het argument is op basis van de beschikbare informatie – en de mogelijkheid dat die support door nieuwe informatie kan worden ondermijnd, of 'defeated'.
Hoe verschilt defeasible reasoning van klassieke logica?
Klassieke logica, zoals in wiskunde, werkt met harde regels die onomstotelijk zijn. Als een premisse waar is, dan is de conclusie automatisch ook waar. Defeasible reasoning daarentegen erkent dat onze overtuigingen kunnen veranderen als we nieuwe informatie krijgen, en dat een redenering dus 'defeated' kan worden. Het gaat dus om flexibiliteit in plaats van absolute zekerheid.
Wat is 'support' in defeasible reasoning?
In defeasible reasoning is 'support' een maat voor hoe sterk een redenering wordt ondersteund door de beschikbare informatie. Als je bijvoorbeeld concludeert dat een dier kan vliegen op basis van het feit dat het een vogel is, dan is er 'support' voor die conclusie. Echter, deze support kan worden verminderd of zelfs verdwenen als je later ontdekt dat het dier een pinguïn is.
Hoe kan je een redenering 'defeat'en?
Een redenering kan 'defeated' worden wanneer nieuwe informatie aantoont dat de oorspronkelijke conclusie onjuist is. Zoals het voorbeeld van de vogel, die later blijkt een pinguïn te zijn, ondermijnt die nieuwe informatie de oorspronkelijke conclusie dat de vogel kan vliegen. Defeasible reasoning erkent dat redeneringen niet onveranderlijk zijn, maar kunnen worden aangepast op basis van nieuwe bewijzen.