对大多数人工智能研究人员来说，框架问题是如何在逻辑中表示行动的效果而不必明确表示大量直观上显而易见的非效果的挑战。但是对许多哲学家而言，人工智能研究人员的框架问题暗示了更广泛的认识论问题。原则上，是否有可能限制推导行动后果所需的推理范围？更一般地说，我们如何解释我们仅基于与正在进行的情况相关的内容做出决策的明显能力，而不必明确考虑与此无关的所有内容？\n\n1. 引言\n框架问题最初作为一种狭义的技术问题出现在基于逻辑的人工智能（AI）领域。但它被心灵哲学家以夸张和修改过的形式采用，并赋予了更广泛的解读。其起源于人工智能研究人员实验室的紧张关系以及哲学家们对其处理的态度，在1980年代和1990年代引发了一个有趣且有时激烈的辩论。不过，由于这个狭义的技术问题在很大程度上已经解决，最近的讨论往往更关注框架问题对于认知科学的更广泛影响，而不再关注解释问题。为了理解这些问题，本文将首先简要介绍框架问题的技术表现形式。接下来将考察哲学家们如何重新诠释这个问题。最后，文章将评估框架问题在当今的意义。\n\n2. 逻辑中的框架问题\n简而言之，狭义的技术形式下的框架问题是这样的（McCarthy & Hayes 1969）。使用数学逻辑，如何能够编写公式来描述行动的效果，而不必编写大量描述这些行动的平凡、显而易见的非效果的伴随公式？让我们看一个例子。这个难点可以在没有完整形式逻辑工具的情况下进行说明，但应当牢记，问题的复杂性在于数学细节。假设我们写下两个公式，一个描述涂刷一个物体的效果，另一个描述移动一个物体的效果。\n\nColour ( x , c ) 在 Paint ( x , c ) 之后成立。\nPosition ( x , p ) 在 Move ( x , p ) 之后成立。\n\n现在，假设我们有一个初始情况，其中 Colour ( A , Red ) 和 Position ( A , House ) 成立。那么，根据演绎逻辑的机制，在执行 Paint ( A , Blue ) 操作后接着执行 Move ( A , Garden ) 操作后，哪些事实又成立呢？直观上，我们会期望 Colour ( A , Blue ) 和 Position ( A , Garden ) 成立。不幸的是，事实并非如此。如果用经典谓词逻辑更正式地写出这两条公式，使用适合于描述时间和行动的形式，如状态演算 (McCarthy & Hayes 1969)，上述两个公式只能得出 Position ( A , Garden ) 成立的结论。这是因为它们没有排除 A 的颜色可能会因 Move 操作而发生变化的可能性。\n\n为了增强这一形式化，使得正确的常识结论得以成立，最显而易见的方法是添加一些公式，这些公式明确描述每个行动的非效果。这些公式被称为框架公理。针对手头的这个例子，我们需要一对框架公理。\n\nColour ( x , c ) 在 Move ( x , p ) 之后成立，如果 Colour ( x , c ) 在之前成立。\nPosition ( x , p ) 在 Paint ( x , c ) 之后成立，如果 Position ( x , p ) 在之前成立。\n\n换句话说，涂刷一个物体不会影响它的位置，而移动一个物体不会影响它的颜色。通过添加这两个公式（在谓词逻辑中更正式地书写），所有期望的结论都可以推导出来。然而，这并不是一个令人满意的解决方案。由于大多数行动不会影响大多数情况的属性，在一个包含 M 个行动和 N 个属性的领域中，我们通常必须编写几乎 MN 条框架公理。无论这些公式是注定要存储在计算机内存中，还是仅仅是设计者的规范的一部分，这都是一个不受欢迎的负担。因此，挑战在于找到一种方法，以更简洁的形式逻辑捕捉行动的非效果。看起来我们需要某种方式来声明一种通用的经验法则，即在没有相反证据的情况下，可以假设某一行动不会改变某一情况的特定属性。这个默认假设被称为常识惯性法则。\n\n（技术上）框架问题可以被视为形式化这个法则的任务。实现这一目标的主要障碍是经典逻辑的单调性。在经典逻辑中，从一组公式可以得出的结论集合随着进一步公式的添加而总是增加。这使得不可能表达一个具有开放式例外集合的规则，而常识惯性法则就正是这样一个规则。\n