Wykupienie dostępu pozwoli Ci czytać artykuły wysokiej jakości i wspierać niezależne dziennikarstwo w wymagających dla wydawców czasach. Rośnij z nami! Pełna oferta →
MARCIN BÓJKO: Panie Profesorze, nie ukrywam, że czuję pewną tremę przeprowadzając wywiad z osobą, która sporą część kariery naukowej poświęciła badaniu logiki pytań. Zastanawia mnie pewna sprzeczność. Jak można mówić o logice pytań, skoro pytanie samo w sobie nie może być ani prawdziwe, ani fałszywe, tak jak jest w przypadku zdań?
PROF. ANDRZEJ WIŚNIEWSKI: Pytania nie są prawdziwe lub fałszywe, ale mogą być trafne lub nietrafne. Pytanie trafne to takie, które posiada przynajmniej jedną prawdziwą odpowiedź bezpośrednią. Bezpośrednia odpowiedź to taka możliwa odpowiedź – niekoniecznie prawdziwa! – która dostarcza dokładnie tych informacji, o które w pytaniu chodzi. Natomiast pytanie nietrafne to takie, które nie ma prawdziwej odpowiedzi tego rodzaju, to znaczy wszystkie odpowiedzi bezpośrednie na to pytanie są fałszywe.
Poproszę o przykłady.
Rozważania logiczne nie dotyczą bezpośrednio języka naturalnego, trzeba przedtem formalnie opisać pytania i ich odpowiedzi bezpośrednie, dopiero wtedy można coś analizować. Ale weźmy coś, co jest dość jasne do analizy: która liczba naturalna jest mniejsza niż zero? Co pan myśli o tym pytaniu?
Powiedziałbym, że to nielogiczne pytanie, bo nie ma liczb naturalnych mniejszych od zera.
Odpowiedź bezpośrednia wskazuje liczbę naturalną i stwierdza, że jest ona mniejsza od zera. Jest wiele takich odpowiedzi. Ponieważ każda taka odpowiedź jest fałszywa, to pytanie jest nietrafne. Można na nie odpowiedzieć jedynie, że takiej liczby nie ma, a więc dostarczyć odpowiedź korekcyjną, która jest prawdziwa.
Weźmy pod uwagę inne pytanie: jakie miasto w zachodniej Polsce jest miastem uniwersyteckim?
Tu jest kilka poprawnych odpowiedzi: Poznań, Szczecin, Wrocław...
No tak, ale pytanie może mieć więcej niż jedną prawdziwą odpowiedź bezpośrednią. Ważne jest, aby miało co najmniej jedną taką odpowiedź. To pytanie jest więc trafne.
Logika klasyczna dostarcza schematów wnioskowań prowadzących od prawd do prawd. Schematów – bo nie odwołujemy się do treści przesłanek czy wniosków, lecz do ich formy. Można się zastanawiać, czy istnieją jakieś schematy wnioskowań prowadzących od zdań prawdziwych do pytań trafnych. Okazuje się, że tak. Można też znaleźć schematy wnioskowań prowadzących od pytań trafnych i prawdziwych zdań do kolejnych pytań trafnych. Sama transmisja trafności i prawdziwości w trafność to jednak za mało; pytanie, do którego dochodzimy, powinno być też w pewnym sensie użyteczne poznawczo względem pytania wyjściowego. Można to uściślić i w efekcie otrzymać schematy przechodzenia od pytań trafnych do pytań nie tylko trafnych, ale i użytecznych. Z kolei w przypadku wnioskowań prowadzących od zdań oznajmujących do pytań można znaleźć schematy gwarantujące nie tylko transmisję prawdziwości przesłanek w trafność pytania-wniosku, ale i informatywność takiego pytania: każda odpowiedź bezpośrednia niesie informację, która nie jest zawarta w przesłankach. Znalezienie prawdziwej odpowiedzi będzie więc zyskiem poznawczym.
Inferencyjna logika pytań dostarcza takich schematów. To są podstawowe cegiełki, których można dalej używać.
Czy Pańskie prace można wykorzystać do automatyzacji zadawania pytań, eksploracji wiedzy oraz nauczenia maszyn rozumienia pytań i odpowiedzi?
Pojęcie rozumienia jest tu dosyć ryzykowne. Ale było to wykorzystywane, chociaż nie na poziomie rozwiązań komercyjnych. Tak zwane scenariusze erotetyczne (nazwa pochodzi od greckiego erotema, czyli pytanie) przykładano do pewnych sytuacji poznawczych. Można było opisać pewne, nie powiem algorytmy, ale sposoby rozwiązywania pewnego typu problemów. Modelowano formalnie przebiegi dialogów, a ponadto zastanawiano się nad tym, jak można formalnie opisać kooperatywne rozwiązywanie problemów. Chodzi w nim o to, że informacja prowadząca do rozwiązania jest rozproszona w wielu źródłach, nie jest w całości dostępna w żadnym z nich, a więc żeby dojść do rozwiązania, trzeba spowodować, aby te cząstkowe informacje się „spotkały”. To można modelować za pomocą scenariuszy erotetycznych.
Albo takie kooperatywne odpowiadanie. Polega ono na tym, że zwracam się z pytaniem do bazy danych, a ta baza dostarcza odpowiedzi, która jest nie tylko poprawna, ale i podana w postaci użytecznej dla mnie, a ponadto niewprowadzającej mnie w błąd. To jest szczególnie ważne w przypadku odpowiedzi negatywnych. Mówiąc ogólnie, efekt kooperatywności uzyskujemy w ten sposób, iż podana odpowiedź jest uzupełniona o wyjaśnienie, w oparciu o jakie fakty i reguły została ona udzielona.
Mamy również kooperatywne stawianie pytań. Np. system może odpowiedzieć pytaniem na zapytanie użytkownika, a odpowiedź użytkownika ułatwi systemowi znalezienie rozwiązania satysfakcjonującego tego użytkownika. Modelując te zjawiska, także używamy scenariuszy erotetycznych. To są rzeczy opisane na poziomie formalnym i są to pomysły architektur. Jest taka książka, nagrodzona zresztą, „Logic of Questions in the Wild”, jednego z moich współpracowników, profesora Pawła Łupkowskiego, która o tym wszystkim mówi.
Druga sprawa to pewne nowe metody dowodzenia twierdzeń. Tutaj polecam książkę „From Questions to Proofs” autorstwa profesor Doroty Leszczyńskiej-Jasion.
Skąd się u Pana wzięła fascynacja badaniem logiki pytań?
Zaczęło się oczywiście od filozofii, którą studiowałem, i zainteresowała mnie kwestia zależności logicznych między problemami filozoficznymi. Które problemy są ważniejsze, które mniej ważne, które zależą od rozwiązań innych problemów. To z kolei wymagało podszkolenia się w logice. I zaczęło mnie coraz bardziej wciągać. A były lata 80., gdy panował taki paradygmat, że w zasadzie pytania poddają się analizie logicznej, można ich strukturę opisać, można opisać związki między pytaniem a odpowiedzią. Można opisać związki zawierania się pytań w pytaniach. Można scharakteryzować założenia pytań. Natomiast rozumowania, w których pytania pełnią istotną rolę, to coś, czego nie da się ściśle opisać. To już kwestia psychologii, heurystyki itd. A z drugiej strony był taki otwarty problem: co to znaczy, że pytanie powstaje? Były znane tylko cząstkowe rozwiązania. Zacząłem o tym wszystkim myśleć, próbując rozwiązać zagadkę, jak powstają pytania, a później, jak miałem to pierwsze rozwiązanie, zacząłem zastanawiać się nad rozumowaniami, wnioskowaniami, i tak poszło.
Efekt jest taki, że jak 30 lat temu ktoś mówił o wnioskowaniach prowadzących do pytań, albo mających przesłanki będące pytaniami, było to bardzo podejrzane. A niedawno, gdy byłem w Brukseli, tak testowo zapytałem kolegę (oczywiście nie-Polaka), czy istnieją takie wnioskowania poddające się analizie logicznej. Odpowiedział: „przecież to oczywiste, że istnieją”.
Czyli obudziła się w Panu przekora naukowa – słyszał Pan, że się nie da, to postanowił Pan sprawdzić, czy faktycznie tak jest?
Czasem warto nie wiedzieć, że się nie da... Niewątpliwie był to ciekawy i wtedy nowy problem. Współcześnie mamy również inne podejścia do tego zagadnienia, ale gdy patrzymy na daty moich publikacji, to nie muszę się wstydzić.
Czy możemy w tym kontekście mówić o międzynarodowym sukcesie?
Weźmy zewnętrzne kryterium: czy wyniki są omawiane, przedstawiane w miarę obszernie w różnych handbookach czy encyklopediach? W tym momencie jest się czym pochwalić. Mamy „Routledge Encyclopedia of Philosophy”, mamy też „Handbook of Philosophical Logic”, „Handbook of Epistemology”, „Handbook of Logic and Language”, „Handbook of Contemporary Semantic Theory”, „Encyclopaedia of Proof Systems” itd. Jest więc trochę publikacji, w których te rozwiązania i analizy są przedstawiane, omawiane, komentowane. Myślę, że jest to jakaś oznaka, iż rzecz nie jest czysto lokalna. ©
Prof. ANDRZEJ WIŚNIEWSKI jest logikiem, filozofem i kognitywistą, pracuje na Wydziale Psychologii i Kognitywistyki Uniwersytetu im. Adama Mickiewicza w Poznaniu. W 2019 r. otrzymał Nagrodę Fundacji na rzecz Nauki Polskiej w obszarze nauk humanistycznych i społecznych za opracowanie koncepcji inferencyjnej logiki pytań. Rozwiązania zaproponowane przez prof. Wiśniewskiego mogą znaleźć zastosowanie m.in. w uczeniu maszynowym, rozwijaniu sztucznej inteligencji, ulepszaniu internetowych wyszukiwarek czy skutecznej analizie baz danych.
