アブダクション（論理学）：最良の説明への推論

主な特徴

• 仮説生成: アブダクションは、観察を説明できる可能性のある原因や状況を生み出す。
• 結論は保証されない: アブダクティブな結論はデータから論理的に含意されるわけではなく、暫定的で修正可能である。
• 説明の良さ: アブダクティブな選択では、単純さ、背景知識との整合性、射程、検証可能性などがしばしば重視される。
• 文脈依存性: 背景知識、典型性、局所的な条件が、どの説明を最良とみなすかに影響する。
• 規範的・形式的な扱い: アブダクションは、非形式的にも、形式的にも（論理プログラミング、ベイズモデル）、さらにAIにおける計算的な方法としても研究される。

典型例

身近な例を挙げると違いが分かりやすい。朝、芝生が濡れているのを見つけたとき、人はアブダクティブに原因を推測する。昨夜雨が降ったのかもしれないし、散水装置が止められたままだったのかもしれない。どちらの説明を選ぶかは文脈に左右される。ロンドンでは雨を有力と考えるかもしれないが、ロサンゼルスでは散水装置のほうが起こりやすい。医療診断では、医師が症状を観察し、それを説明する可能性のある病気をアブダクティブに提案する。その後、検査を行って候補を見分ける。探偵や技術者も、手元の手がかりを理解可能にする筋道を組み立てるためにアブダクションを用いる。

他の推論との関係

アブダクションは、演繹や帰納とは重要な点で異なる。演繹は一般規則と前提から必然的な帰結を導くため、有効な演繹的議論では結論が保証される。帰納は、多くの事例に見られるパターンから、もっともらしい規則へと一般化する。アブダクションは、しばしば最良の説明への推論と呼ばれ、観察された結果からもっともらしい原因へとさかのぼる働きをし、一般的な推論の概念とも密接に結びついている。その結論は仮説であり、追加の検証や確率的評価によって吟味されなければならない。

歴史、理論、応用

パースは19世紀後半に、アブダクションを科学的探究の第一段階として導入した。まず仮説を立て、次にその帰結を演繹し、最後に観察や実験でそれを検証するという流れである。それ以後、哲学者や科学者は、どの説明が他より優れているのかを決める基準を検討してきた。形式的アプローチには、証拠が仮説の確率をどのように高めるかを数量化するベイズモデルや、AIで候補説明を生成・評価するために用いられるアブダクティブ・ロジック・プログラミングのような論理的枠組みが含まれる。実用上の応用は、医療診断や故障診断から、法医学的再構成、仮説主導の研究まで多岐にわたる。

限界と評価

アブダクションは確実ではなくもっともらしい答えを与えるため、複数の競合する説明を生み出すことがある。それらの選択には、追加情報、経験的検証、単純さや説明力のような特性が頼りにされる。アブダクティブな推論は、不十分な背景知識、典型でない原因、認知バイアスによって誤導されることもある。したがってアブダクションは、批判的な検証と確率的評価と組み合わせて用いられるべき仮説形成の方法とみなすのが最も適切である。

実践との接点や形式理論を結ぶさらなる読書や道具については、実践論理、計算論的な推論、資料にある古典的議論と現代的応用、事例研究、歴史的記述、統計的扱い、応用例、比較分析、および仮定と前提に関する方法論的ノートを参照されたい。