溯因 abduction (Igor Douven)

首次发表于 2011 年 3 月 9 日，实质修订于 2021 年 5 月 18 日

在哲学文献中，“abduction”一词有两个相关但不同的意义。在这两个意义上，该术语都指的是某种形式的解释推理。然而，在历史上的第一个意义上，它指的是解释推理在生成假设中的位置，而在现代文献中最常用的意义上，它指的是解释推理在证明假设中的位置。在后一种意义上，溯因通常也被称为“推理到最佳解释”。

本条目仅关注现代意义上的溯因，尽管还有一个关于历史意义上的溯因的补充，它起源于查尔斯·桑德斯·皮尔士的工作——请参阅

补充：皮尔士关于溯因的内容。

另请参阅有关科学发现的条目，特别是关于溯因作为发现的部分。

大多数哲学家都同意溯因（以最佳解释为推理）是一种经常被使用的推理类型，无论是在日常还是科学推理中都是如此。然而，溯因的确切形式以及规范地位仍然存在争议。本条目将溯因与其他类型的推理进行对比；指出其在哲学内外的重要应用；考虑了各种更或少精确的陈述；讨论了其规范地位；并强调了溯因与贝叶斯确认理论之间可能的联系。

1. 溯因：总体思想

你碰巧知道蒂姆和哈里最近发生了一场可怕的争吵，结束了他们的友谊。现在有人告诉你她刚刚看到蒂姆和哈里一起慢跑。你能想到的最好的解释是他们和好了。你得出结论他们再次成为朋友。

一天早晨，你走进厨房发现桌子上有一个盘子和一个杯子，上面有面包屑和一块黄油，周围还有一罐果酱、一包糖和一个空的牛奶盒。你得出结论是你的一个室友在夜里起来做了一个午夜小吃，太累了没能清理桌子。你认为这是最好的解释。当然，也可能是有人闯入了房子，在工作时顺便吃了一口，或者是一个室友把东西摆在桌子上，不是为了吃午夜小吃，只是为了让你相信有人吃了午夜小吃。但是，你觉得这些假设提供的解释比你推断出来的那个要牵强得多。

在沙滩上散步时，你看到一个看起来像温斯顿·丘吉尔的照片。可能是，就像希拉里·普特南（Hilary Putnam）的书《理性、真理和历史》（1981）开头的几页所描述的那样，你看到的实际上是一只蚂蚁在沙滩上爬行的痕迹。更简单，因此（你认为）更好的解释是有人有意在沙滩上画了一幅丘吉尔的画。无论如何，这就是你离开时相信的。

在这些例子中，结论并不是从前提逻辑上推导出来的。例如，从他们发生了一场可怕的争吵并结束了友谊，以及他们刚刚被看到一起慢跑的前提出发，不能逻辑上推导出蒂姆和哈里再次成为朋友；我们可以假设，即使从你对蒂姆和哈里的所有信息来看，也不能逻辑上推导出这一点。你也没有任何有关友谊、可怕的争吵和慢跑者的有用统计数据，这些数据可能支持你从你对蒂姆和哈里的信息推断出他们再次成为朋友的结论，甚至可能（或以一定的概率）推断出他们再次成为朋友的结论。导致你得出这个结论的是，根据相当多的哲学家的观点，蒂姆和哈里再次成为朋友，如果是真的，将最好地解释他们刚刚被看到一起慢跑的事实。（假设要解释任何事情，假设必须是真实的，这一点从这里开始就被认为是已知的。）类似的评论也适用于其他两个例子。这里展示的推理类型被称为溯因，或者现在更常见的是最佳解释推理。

1.1 演绎、归纳、溯因

溯因通常被认为是三种主要推理类型之一，另外两种是演绎和归纳。演绎推理与归纳和溯因之间的区别对应于必要推理和非必要推理之间的区别。在演绎推理中，如果推理的前提为真，则推断出的结论必然为真；也就是说，前提的真实性保证了结论的真实性。一个熟悉的例子类型是实例化模式的推理。

所有的 A 都是 B。 a 是一个 A。因此，a 是一个 B。

但并非所有的推理都是这种类型的。例如，考虑从“约翰住在切尔西”和“大多数住在切尔西的人都很富有”推导出“约翰很富有”的推理。在这里，第一个句子的真实性并不被第二个和第三个句子的真实性所保证（只是变得更有可能）。换句话说，前提为真并不一定意味着结论也为真：在前提为真的情况下，约翰也可能是切尔西非富有居民的少数成员。对于你根据他们一起慢跑的信息推断出蒂姆和哈里又是朋友的情况也是类似的。也许蒂姆和哈里是以前的商业伙伴，他们仍然有一些财务事项需要讨论，无论他们多么希望避免这种情况，他们决定将这个与他们的日常锻炼结合起来；这与他们坚决决定不再和好是相容的。

将非必要的推理分为归纳推理和溯因推理是标准做法。归纳推理是一个有些异质的类别，但对于现在的目的来说，它们可以被描述为那些仅基于统计数据的推理，例如在给定人群中观察到某个特定特征发生的频率。这样一个推理的例子是：

96%的佛兰芒学院的学生会说荷兰语和法语。 Louise 是一名佛兰芒大学的学生。因此，Louise 会说荷兰语和法语。

然而，相关的统计信息也可以更模糊地给出，比如在前提中说：“住在切尔西的大多数人都很富有。”（关于归纳论证的结论是否可以用纯粹的定性术语来陈述，或者是否应该是定量的，例如它以 0.96 的概率成立，Louise 会说荷兰语和法语，或者它有时可以用定性术语来陈述，例如如果它是真实的概率足够高，有时不能用定性术语来陈述，关于这些和其他与归纳相关的问题，请参见 Kyburg 1990（第 4 章）。还应该提到的是，Harman（1965）将归纳看作是一种特殊类型的溯因。有关讨论，请参见 Weintraub 2013。）

仅仅基于统计数据进行推理并不足以将其归类为归纳推理。你可能观察到许多灰色大象而没有非灰色的大象，并由此推断所有大象都是灰色的，因为这是对你观察到如此多灰色大象而没有非灰色大象的最佳解释。这将是一种溯因推理的实例。它表明区分归纳和溯因的最佳方法是：两者都是扩张性的，意味着结论超出了前提中（逻辑上）包含的内容（这就是它们为什么是非必要推理的原因），但在溯因中存在对解释性考虑的隐含或明确的呼应，而在归纳中则没有；在归纳中，只有对观察频率或统计数据的呼应。（我强调“只有”，因为在溯因中也可能存在对频率或统计数据的呼应，就像关于大象的例子一样。）

溯因具有与归纳但不具备演绎的一个值得注意的特征，即它违反了单调性，这意味着可能通过从前提集合 S 的子集中溯因地推断出某些结论，而这些结论不能从整个 S 中溯因地推断出来。例如，假设将 Tim 和 Harry 是前商业伙伴且仍有一些财务事项需要讨论的前提添加到他们一段时间前发生了严重争吵并且他们刚刚被看到一起慢跑的前提中，即使仅仅是最后两个前提就足以推断他们重新成为朋友，但现在可能不再有理由这样推断了。原因是在原始前提的基础上，Tim 和 Harry 一起慢跑的最佳解释可能在添加了他们是前商业伙伴且有财务事项需要讨论的信息后不再成立。

1.2 溯因的普遍性

在本条目开头描述的案例中所展示的推理类型，大多数人都会觉得非常熟悉。哲学家和心理学家一致认为，溯因经常被用于日常推理。有时我们对溯因推理的依赖是非常明显和明确的。但在一些日常实践中，它可能如此常规和自动化，以至于很容易被忽视。一个例子就是我们对他人证词的信任，据说是基于溯因推理的；参见哈曼（Harman）1965 年、阿德勒（Adler）1994 年、弗里克（Fricker）1994 年和利普顿（Lipton）1998 年对这一主张的辩护。例如，根据乔纳森·阿德勒（Jonathan Adler）（1994 年，274f）的说法，“为什么通知者断言 P 的最佳解释通常是……他有正当理由相信它，并且他打算我也相信它”，这就是为什么我们通常有理由相信通知者证词的原因。尽管在开始相信一个人的证词时，人们通常似乎没有意识到自己的思维中正在进行任何溯因推理，但这可能是正确的。类似的言论可能适用于一些人认为溯因在语言实践中扮演的进一步、可能更基本的角色，即确定说话者通过话语所表达的意思。具体而言，有人认为解码话语是根据在话语产生的上下文中，推断出为什么某人说了什么的最佳解释。更具体地说，从事语用学研究的作者们提出，听话者在话语的语义内容对于对话目的来说不够信息丰富、或者过于信息丰富、或者离题、或者不合理、或者其他奇怪或不恰当的情况下，会调用格赖斯（Grice）的对话准则来帮助他们找出说话者话语的最佳解释；例如，巴赫（Bach）和哈尼什（Harnish）1979 年（92f），达斯卡尔（Dascal）1979 年（167），霍布斯（Hobbs）2004 年。正如在依赖说话者证词的情况下，所需的溯因推理通常似乎是在潜意识水平上进行的。

溯因推理并不局限于日常情境。相反，科学哲学家们认为溯因是科学方法论的基石；例如，参见 Boyd 1981, 1984, Harré 1986, 1988, Lipton 1991, 2004 和 Psillos 1999。根据 Timothy Williamson (2007)的说法，“溯因方法论是科学提供的最佳方法”，而 Ernan McMullin (1992)甚至将溯因称为“构建科学的推理”。为了说明溯因在科学中的应用，我们考虑两个例子。

在 19 世纪初，人们发现天王星的轨道与基于艾萨克·牛顿的普遍引力理论和辅助假设（即太阳系中没有其他行星）所预测的轨道有所偏离。当然，一个可能的解释是牛顿的理论是错误的。鉴于其在（当时）两个多世纪以来的巨大实证成功，这似乎不是一个很好的解释。两位天文学家约翰·库奇·亚当斯和乌尔班·勒韦里耶尔却提出（彼此独立但几乎同时）太阳系中存在第八颗尚未发现的行星；他们认为这是解释天王星轨道偏离的最佳解释。不久之后，这颗行星被发现，现在被称为“海王星”。

第二个例子涉及到现在普遍认为是英国物理学家约瑟夫·约翰·汤姆森发现了电子。汤姆森进行了有关阴极射线的实验，以确定它们是否是带电粒子的流动。他得出结论，他们确实是带电粒子，推理如下：

由于阴极射线携带负电荷，被静电力偏转，就像它们是带负电的一样，并且受到磁力的作用，就像这种力会作用在沿着这些射线路径移动的带负电体上一样，我看不出有任何逃脱这个结论的方法，它们是由物质粒子携带的负电荷。（汤姆森，引自阿钦斯坦 2001 年，17 页）

阴极射线由带负电荷的粒子组成的结论并不是从报告的实验结果中逻辑上推导出来的，汤姆森也无法依据任何相关的统计数据。然而，我们可以安全地假设，他“看不出有任何逃脱这个结论的方法”，是因为这个结论是他能想到的最好的解释，甚至可以说是唯一合理的解释，解释了他的实验结果。

文献中还讨论了许多其他科学使用溯因的例子；例如，参见 Harré 1986、1988 和 Lipton 1991、2004。据说溯因也是医学诊断中占主导地位的推理方式：医生倾向于选择最能解释患者症状的假设（参见 Josephson 和 Josephson（编）1994，9-12；另请参见 Dragulinescu 2016 关于医学背景下的溯因推理）。

最后但并非最不重要的是，绑架在一些重要的哲学辩论中起着核心作用。参见 Shalkowski 2010 关于绑架在形而上学中的地位（还有 Bigelow 2010），Krzyżanowska、Wenmackers 和 Douven 2014 以及 Douven 2016a 关于绑架在条件语义学中可能的作用，以及 Williamson 2017 关于绑架在逻辑哲学中的应用。然而，可以说，在认识论和科学哲学中，绑架发挥了最显著的哲学作用，在这些领域中，绑架经常被用来反驳所谓的不确定性论证。不确定性论证通常从一个前提开始，即一些给定的假设在经验上是等价的，作者认为这意味着证据-实际上，我们可能获得的任何证据-无法支持其中任何一个而不是其他人。由此，我们应该得出结论，我们永远不能有理由相信任何特定的假设。（这只是大致的，但对于目前的目的来说足够了；有关不确定性论证的更详细说明，请参见 Douven 2008 和 Stanford 2009。）这种类型论证的一个著名例子是笛卡尔对全局怀疑的论证，根据这个论证，现实更或多或少地与我们通常认为的方式是等价的，与所谓的怀疑性假设（例如我们被邪恶的恶魔欺骗，或者我们是连接到超级计算机的大脑）（参见 Folina 2016）。类似的论证也被用来支持科学反实在论，根据这一观点，我们永远没有理由在关于可观察部分背后的是什么的等价竞争对手之间做出选择（van Fraassen 1980）。

对这些论点的回应通常指出，所谓的经验等价概念过于忽视了解释考虑因素，例如，仅仅通过定义假设做出相同预测来严格界定这个概念。回应者随后辩称，即使一些假设确实做出了完全相同的预测，其中一个仍然可能是对所预测现象的更好解释。因此，如果解释考虑因素在决定我们被授权进行哪些推理时起到了作用——正如溯因的辩护者所认为的那样——那么我们仍然有理由相信一系列假设中的某一个是真实的（或者可能是真实的，或者类似的，具体取决于所假设的溯因版本）。继贝特兰·罗素（1912 年，第 2 章）之后，许多认识论学家在反对笛卡尔怀疑论时引用了溯因，他们的关键观点是，尽管根据构造，怀疑论假设与我们通常认为的现实方式做出了相同的预测，但它们并不是对其所预测的同样好的解释；特别是，据说怀疑论假设要比“普通世界”假设复杂得多。请参见哈曼 1973 年（第 8 章和第 11 章），戈德曼 1988 年（205 页），莫泽尔 1989 年（161 页）和沃格尔 1990 年、2005 年；请参见帕吉特 1984 年，针对其他心灵怀疑论的溯因回应。同样，科学哲学家们认为我们有理由相信相对论而不是洛伦兹的以太理论。尽管这些理论做出了相同的预测，但前者在解释上优于后者。（对于这一主张的大多数论证归结为特殊相对论在本体上比其竞争者更为简洁，后者假设了以太的存在。参见 Janssen 2002，对科学哲学家提出的偏爱爱因斯坦理论而不是洛伦兹理论的各种原因进行了出色的讨论。)

2. 阐明溯因

在关于溯因的文献中，对溯因的确切陈述很少见。（皮尔士确实提出了一个至少相当确切的陈述；但是，正如本条目的补充中所解释的那样，它并没有捕捉到现在大多数人对溯因的理解。）它的核心思想通常被认为是解释性考虑具有确认论意义，或者解释的成功是真理的（不一定是不可靠的）标志。然而，显然，这些表述充其量只是口号，很容易看出它们可以以多种貌似合理的方式兑现。在这里，我们将考虑一些可能的阐释，从可能被称为“溯因教科书版本”的开始，如将看到的那样，它明显有缺陷，然后继续考虑对其的各种可能的改进。这些版本的共同之处是它们都是推理规则，需要包含解释性考虑的前提，并得出关于假设真实性的陈述的结论。差异在于所需的前提，或者我们允许从中推断出什么（或两者兼有）。

在认识论或科学哲学的教科书中，经常会遇到以下类似的溯因陈述：

溯因 1

给定证据 E 和候选解释 H1，…，H n，推断出最好解释 E 的 H i 的真实性。

对于这个规则经常提出的一个观察，并指出了一个潜在的问题，即它假设了候选解释和最佳解释的概念，而这两者都没有一个直接的解释。虽然一些人仍然希望前者可以用纯逻辑的，或者至少是纯形式的术语来解释，但通常说后者必须依赖所谓的理论美德，如简单性、普遍性和与已建立的理论的一致性；最佳解释将是在这些美德方面最好的假设。（例如，参见 Thagard 1978 和 McMullin 1996。）问题在于目前没有一个特别好理解的美德。（Giere，在 Callebaut（ed。）1993（232）中，甚至提出了理论美德缺乏真正内容，只在科学中起修辞作用的激进主张。鉴于最近关于简单性和一致性的形式化工作，例如 Forster 和 Sober 1994，Li 和 Vitanyi 1997 以及 Sober 2015，关于简单性和 Bovens 和 Hartmann 2003 以及 Olsson 2005，关于一致性，这个主张的第一部分变得难以维持；此外，Schupbach 和 Sprenger（2011）直接以概率术语提出了关于解释好处的解释性。心理学证据对于这个主张的第二部分产生了怀疑；例如，Lombrozo 2007 关于简单性在人们对解释好处的评估中的作用以及 Koslowski 等人。2008 年关于与背景知识的一致性在这些评估中的作用。）

此外，许多认为 ABD1 朝着正确方向发展的人认为它太强大了。有些人认为溯因只能推断出最佳解释的可能真实性，有些人认为它只能推断出最佳解释的近似真实性，还有些人认为它只能推断出最佳解释的可能近似真实性。

然而，ABD1 的真正问题比这更深刻。因为溯因是扩充性的——正如前面所解释的——无论溯因如何被解释，它都不会成为严格逻辑意义上的一个有效推理规则。然而，它仍然可以可靠，因为只要前提为真，它大多数情况下会导致一个真实的结论。ABD1 要成为在这个意义上可靠的一个明显必要条件是，当 H 最好解释 E，并且 E 为真时，H 也为真（或者 H 近似为真，或者可能为真，或者可能近似为真）。但这对于 ABD1 来说还不够可靠。因为 ABD1 的前提只是某个假设相对于给定集合中的其他假设来说是最佳解释。因此，如果这个规则要可靠，至少通常情况下，相对于我们考虑的假设集合，最佳解释也应该在与我们可能构想的任何其他假设相比中被认为是最佳的（但由于时间不足、才智不够或其他原因而没有构想出来）。换句话说，至少通常情况下，我们提出的候选解释中应该能找到绝对最佳的解释，否则 ABD1 很可能会让我们相信“最好的糟糕选择”（van Fraassen 1989, 143）。

假设这个额外要求通常是满足的，这种假设有多合理？可能根本不合理。要相信另外一种情况，我们必须假设我们在考虑数据的可能解释时，我们在某种程度上有特权，能够找到绝对最佳的解释。毕竟，我们几乎不会考虑到，或者甚至不可能考虑到所有的潜在解释。正如范弗拉森（1989 年，144 页）指出的那样，假设我们有这种特权是先验上相当不可信的。

针对这一点，有人可能会争辩说，要证明最佳解释总是或大多数情况下都在考虑的假设之中，不必假设某种特权（参见 Schupbach 2014 提出的不同回应，以及 Dellsén 2017 的讨论）。因为在我们设想出来的假设中，我们总是可以生成一组共同穷尽逻辑空间的假设。假设 H1，…，H n 是我们目前能够构想出来的候选解释。然后简单地定义 Hn+1 := ¬H1 ∧ … ∧ ¬H n，并将这个新假设作为进一步的候选解释添加到我们已有的解释中。显然，集合{H1，…，Hn+1}是穷尽的，其中的一个元素必须为真。按照这个简单的过程，似乎足以确保我们不会错过绝对最佳的解释。（参见 Lipton 1993，提出了类似的建议。）

唉，有一个问题。即使可能存在许多假设 H**j 暗示 Hn+1，并且如果它们被提出来，将被评估为比我们最初开始时的候选解释中最好的解释更好，但 Hn+1 本身通常几乎没有信息量；事实上，通常甚至不清楚它的经验后果是什么。例如，假设我们有作为竞争解释的特殊相对论和洛伦兹的以太理论版本。然后，根据上述建议，我们可以将这两个理论都不是真实的作为候选解释之一。但是，毫无疑问，这个进一步的假设将被排名得相当低，作为解释的话——如果它被排名的话，这似乎是值得怀疑的，因为它的经验后果完全不清楚。这并不是说建议的程序永远不会起作用。关键是，通常它很少能确保最好的解释在我们考虑的候选解释之中。

对于上述“坏批次论证”的更有希望的回应始于观察到该论证利用了 ABD1 中的一种奇特的不对称性或不协调性。该规则基于一个比较前提——即特定假设相对于其他可用的假设来说是最好的解释——给予了一个绝对结论，即该假设是真实的（参见 Kuipers 2000, 171）。用“可能的真实性”或“近似真实性”替换“真实性”并不能避免这种不协调性。为了避免这种情况，有两个一般的选择。

第一种选择是修改规则，使其要求一个绝对前提。例如，按照 Alan Musgrave（1988）或 Peter Lipton（1993）的观点，可以要求被推断为真的假设不仅是可用潜在解释中最好的，而且还要令人满意（Musgrave）或足够好（Lipton），从而得到 ABD1 的以下变体：

ABD2

给定证据 E 和候选解释 H1，…，H n，推断出最好解释 E 的 H i 的真实性，前提是 H**i 作为解释是令人满意/足够好的。

毋庸置疑，ABD2 需要补充一个解释的满意度标准，或者说它们足够好，然而我们仍然缺乏这样的标准。

其次，可以通过制定一个对称或一致的版本来阐述溯因，只有在给定比较前提的情况下，才能得出比较结论；这个选择也可以以多种方式实现。以下是一种实现方式，这种方式已经在 Theo Kuipers 的作品中提出和辩护（例如，Kuipers 1984, 1992, 2000）。

ABD3

给定证据 E 和候选解释 H1，…，H n，如果 H i 比其他假设更好地解释了 E，那么推断 H**i 比其他假设更接近真相。

显然，ABD3 需要一个关于接近真相的解释/原理，但是今天有许多这样的解释/原理可供选择（参见，例如，Niiniluoto 1998）。

在这里考虑的合适版本的溯因的一个值得注意的特点是它们不依赖于推理者在某种程度上拥有不合理的特权的假设，我们看到，ABD1 隐含地依赖于这一点。另一个特点是，如果一个人可以确定，无论数据的候选解释有多少个被忽略，都没有一个等于那些已经想到的最好的解释，那么合适版本的溯因就会授权与 ABD1 完全相同的推断（假设如果后者不令人满意或足够好，那么一个人不会确定没有潜在的解释与最好的解释一样好）。

正如前面提到的，人们普遍认同人们经常依赖溯因推理。人们到底依赖上述哪个规则？或者他们可能还依赖其他进一步的规则吗？或者在某些情境下他们依赖一种版本，在其他情境下又依赖另一种版本（Douven 2017，即将发表）？哲学论证无法回答这些问题。近年来，实验心理学家开始关注人类在推理中赋予解释考虑的作用。例如，Tania Lombrozo 和 Nicholas Gwynne（2014）报告了一些实验，显示给定一类事物的属性是如何被解释给我们的——无论是通过机械方式，参考部件和过程，还是通过功能方式，参考功能和目的——这对我们将该属性推广到其他类事物的可能性有影响（另见 Sloman 1994 和 Williams 和 Lombrozo 2010）。Igor Douven 和 Jonah Schupbach（2015a），（2015b）提供了实验证据，表明人们的概率更新往往受到解释考虑的影响，使其偏离严格的贝叶斯更新（见下文）。Douven（2016b）表明，在上述实验中，更重视解释考虑的参与者往往更准确，这是根据标准评分规则确定的（有关与解释和推理相关的最新实验工作的有用概述，请参见 Lombrozo 2012 和 2016）。Douven 和 Patricia Mirabile（2018）发现了一些证据表明，人们至少在某些情境下依赖类似 ABD2 的东西，但在上述问题的大部分实证研究还缺乏。

关于我们应该依赖哪些先前规则（如果我们应该依赖任何形式的溯因）的规范问题，哲学论证应该能够提供帮助，但情况并不乐观。从坏命运的论证来看，ABD1 看起来并不好。其他反对溯因的论证声称与规则的确切阐释无关；下面将发现这些论证是不足的。另一方面，支持溯因的论证（其中一些也将在下面讨论）并没有区分具体的版本。因此，假设人们确实常常依赖溯因，那么应该考虑到他们依赖哪个版本的溯因是一个未决问题。同样，假设人们依赖溯因是理性的，那么应该考虑到他们应该依赖哪个版本，或者也许是哪些版本的溯因，或者至少被允许依赖哪个版本。

3. 溯因的地位

即使我们通常依赖溯因推理，也可以问这种做法是否合理。例如，实验研究表明，当人们能够为某种可能事件想出一个解释时，他们往往会高估这个事件实际发生的可能性。（参见 Koehler 1991，对一些这些研究的概述；另请参阅 Brem 和 Rips 2000。）更重要的是，Lombrozo（2007）表明，在某些情况下，人们往往会高估简单解释的概率，而低估复杂解释的概率。尽管这些研究与迄今为止讨论的任何形式的溯因推理无直接关系，但它们仍然表明，在推理中考虑解释性因素并不总是有益的。（值得注意的是，Lombrozo 的实验直接涉及到一些在贝叶斯框架中阐明溯因的提议；请参阅第 4 节。）然而，关于溯因的规范地位的最相关评论迄今为止在哲学文献中找到。本节讨论了对溯因提出的主要批评，以及对其辩护提出的最有力的论据。

3.1 批评

我们已经遇到了所谓的坏一批论证，我们看到，它对 ABD1 的批评是有效的，但对各种（我们所谓的）一致的溯因规则无力。我们在这里考虑两个意图更为一般的反对意见。第一个甚至旨在挑战溯因的核心思想；第二个不太一般，但仍旨在削弱一类广泛的溯因候选解释。这两个反对意见都是 Bas van Fraassen 提出的。

第一个反对意见的前提是，“解释”的含义之一是，如果一个理论比另一个理论更具解释性，那么前者必须比后者更具信息性（参见，例如，van Fraassen 1983 年，第 2 节）。所谓的问题是，“一个更具信息性的理论不可能更有可能是真实的 [因此] 试图通过需要信息的特征（如‘最佳解释推理’）来描述归纳或证据支持的企图必定自相矛盾或含糊其辞”（van Fraassen 1989 年，192 页）。这个基本逻辑点被认为是“在一个理论是另一个理论的扩展的典范案例中最 [明显]……：显然，扩展有更多的错误方式”（van Fraassen 1985 年，280 页）。

然而，需要注意的是，在除了“典范”案例之外的任何其他情况下，这个所谓的基本点根本不明显。例如，相对论理论“有更多的错误方式”比洛伦兹的以太理论在何种意义上是完全不清楚的，因为它们做出相同的预测。然而，前者通常被认为在解释方面优于后者。（如果 van Fraassen 反驳说前者实际上并不比后者更具信息性，或者至少在适当的意义上不比后者更具信息性-无论那是什么意思-那么我们肯定会拒绝接受一个理论必须更具信息性才能更具解释性的前提。）

第二个反对意见，由 van Fraassen 1989（第 6 章）提出，针对的是概率性的溯因版本。反对意见是这样的规则要么等同于贝叶斯规则，从而是多余的，要么与之相悖，但根据刘易斯的动态荷兰书论证（如 Teller 1973 所述），在概率上是不一致的，这意味着它们可能导致评估一系列的赌注为公平，而这些赌注无论如何都会造成财务损失；而且，van Fraassen 认为，遵循具有这种特征的规则是非理性的。

然而，这个反对意见并不比第一个更好。首先，正如 Patrick Maher（1992）和 Brian Skyrms（1993）指出的那样，一方面的损失可能会被另一方面的利益所抵消。例如，可能有一些概率性的溯因版本在某种程度上比贝叶斯规则更好，至少在我们的世界中是如此，因为从平均意义上讲，它更快地将高概率（理解为高于某个阈值）分配给真实的假设（参见 Douven 2013、2020 和 Douven 和 Wenmackers 2017；有关讨论，请参见 Climenhaga 2017）。如果是这样的话，那么遵循这个规则而不是贝叶斯规则可能会有一些优势，这些优势可能不太容易用金钱来表达，但在决定要遵循哪个规则时应该被考虑进去。简而言之，遵循一个概率上不一致的规则是否非理性并不那么清楚。

另外，Douven（1999）认为，关于概率规则是否连贯的问题不能独立于考虑与之一起使用的其他认识论和决策论规则而解决；连贯性应该被理解为既包括认识论规则又包括决策论规则的一套性质，而不是孤立的认识论规则（如概率规则用于信念变化）。在同一篇论文中，描述了一套连贯的规则包，其中包括了概率化的溯因版本。（有关概率化溯因的不同回应，请参见 Kvanvig 1994、Harman 1997、Leplin 1997、Niiniluoto 1999 和 Okasha 2000 对 van Fraassen 对概率化溯因的批评的不同回应。）

3.2 辩护

如今几乎没有人愿意订阅一个将解释力量与真理之间存在必然联系的真理概念，例如，因为它规定解释优势对于真理是必要的。因此，先验的溯因辩护似乎是不可能的。实际上，到目前为止，所有的辩护都是以经验为基础的，因为它们诉诸于据称支持溯因是一条可靠的推理规则的数据。

这类论证中最著名的是理查德·博伊德在 1980 年代提出的（参见博伊德 1981 年、1984 年、1985 年）。它首先强调科学方法论的理论依赖性，包括设计实验的方法、评估数据的方法、选择竞争性假设的方法等等。例如，在考虑实验设置可能存在的混淆因素时，科学家们会大量借鉴已经被接受的理论。接下来，这个论证指出了这种方法论的表面可靠性，毕竟它已经产生了并且继续产生令人印象深刻的准确理论。特别是，通过依赖这种方法论，科学家们已经能够找到越来越多仪器上适用的理论。然后，博伊德认为科学方法论的可靠性最好通过假设它所依赖的理论至少是近似真实来解释。基于这一点以及这些理论大多是通过溯因推理得出的事实，他得出结论：溯因必须是一条可靠的推理规则。

批评者指责这个论证是循环论证。具体而言，有人说这个论证基于一个前提，即科学方法论受到近似真实的背景理论的指导，而这个前提又基于对其合理性的最佳解释的推理。而这种推理的可靠性正是问题所在。（例如，参见劳丹 1981 年和费恩 1984 年。）

对此，斯塔西斯·普西洛斯（1999 年，第 4 章）回应道，引用了理查德·布雷思韦特所提出的一个区别，即前提循环和规则循环之间的区别。如果一个论证的结论是其前提之一，那么这个论证就是前提循环的。相比之下，规则循环的论证是一个结论断言有关推理规则的论证，而这个推理规则恰好也在同一个论证中被使用。正如普西洛斯所强调的，博伊德的论证是规则循环的，但不是前提循环的，而规则循环的论证并不一定是恶性循环的（尽管前提循环的论证总是恶性循环的）。更准确地说，在他看来，对于一个基于规则 R 的可靠性的论证，只要 R 的使用不保证对 R 的可靠性做出积极的结论，那么这个论证就不是恶性的。普西洛斯声称，在博伊德的论证中，这个限定条件得到了满足。因为虽然博伊德的结论是基于一种溯因步骤，得出科学方法论所依赖的背景理论大致是真实的，但溯因本身的使用并不能保证他的结论的真实性。毕竟，承认溯因的使用并不能确保科学方法论成功的最佳解释是相关背景理论的大致真实性。因此，普西洛斯得出结论，博伊德的论证仍然成立。

即使在博伊德的论证中使用溯因可能导致溯因不可靠的结论，人们仍然可能对该论证的规则循环性感到担忧。假设某个科学界不依赖溯因，而是依赖一条我们可以称之为“推理至最糟解释”的规则（IWE），这条规则允许根据可用数据推断出最糟解释。我们可以安全地假设，使用这条规则通常会导致采用非常不成功的理论。然而，该科学界可能通过以下推理来证明其使用 IWE 的合理性：“科学理论往往非常不成功。这些理论是通过应用 IWE 得出的。IWE 是一条可靠的推理规则，即从真实前提推导出真实结论的规则，这显然是我们的理论如此不成功的最糟解释。因此，通过应用 IWE，我们可以得出 IWE 是一条可靠的推理规则的结论。”虽然这个结论是完全荒谬的，但是与博伊德对溯因可靠性的论证一样（如果普西洛斯是对的），导致这个结论的论证并不能被指责为恶性循环。因此，似乎规则循环性必定存在其他问题。

值得注意的是，对于 Psillos 来说，一个循环论证并不能保证对所讨论的规则得出积极结论，这并不足以使这样的论证有效。进一步的必要条件是“一个人不应该有理由怀疑规则的可靠性——没有任何当前可用的东西可以使人怀疑规则”（Psillos 1999，85）。而对于 IWE 的可靠性确实有足够的理由怀疑；事实上，上述论证假设它是不可靠的。然而，有两个问题出现。首先，我们为什么要接受额外的条件？其次，我们真的没有理由怀疑溯因的可靠性吗？当然，我们做出的一些溯因推理会导致我们接受错误的观点。在我们开始合理地怀疑这个规则之前，我们可以接受多少个错误观点？对于这些问题还没有明确的答案。

不管怎样，即使循环规则既不是恶性的也不是其他问题，人们仍然可以怀疑 Boyd 的论证如何能够说服溯因的批评者，因为它依赖于溯因。但是 Psillos 明确指出，哲学论证的目的并不总是，也不一定是说服对手接受自己的立场。有时，目的更加谦虚，只是为了确保或安抚自己所支持或者被诱惑支持的立场是正确的。在这种情况下，我们不必将 Boyd 的论证视为试图说服溯因的反对者其可靠性的尝试。相反，可以将其视为从已经对溯因持有同情态度的人的角度来为这个规则辩护；参见 Psillos 1999（89）。

也有人试图以更直接的方式来辩护溯因，即通过枚举归纳。这些尝试的共同思想是，每一次新记录的成功溯因应用（比如发现了海王星，其存在是基于解释性的理由假设的（见第 1.2 节）），都进一步支持了溯因是一种可靠的推理规则的假设，就像每一次新观察到的黑乌鸦都对“所有乌鸦都是黑色的”这一假设提供了一些支持一样。由于它不涉及溯因推理，这种类型的论证更有可能也能吸引那些不相信溯因的人。有关这方面的建议，请参见 Harré 1986、1988、Bird 1998（160）、Kitcher 2001 和 Douven 2002。

4. 溯因与贝叶斯证实理论的对比

在过去的十年中，贝叶斯证实理论已经牢固地确立为证实的主导观点；目前，如果在讨论证实理论问题时不明确自己的立场是否偏离标准的贝叶斯思维，就很难进行讨论。无论是哪个版本的溯因，都将解释赋予了证实的角色：解释性考虑有助于使某些假设更可信，而使其他假设更不可信。相比之下，贝叶斯证实理论根本不涉及解释的概念。这是否意味着溯因与证实理论中的主流学说相冲突？一些作者最近提出的论点是，溯因不仅与贝叶斯主义相容，而且是其必要的补充。迄今为止，最充分的这种观点的辩护由利普顿（Lipton）（2004 年，第 7 章）提出；正如他所说，贝叶斯主义者也应该是“解释主义者”（他对溯因的拥护者的称呼）。（有关其他辩护，请参见 Okasha 2000、McGrew 2003、Weisberg 2009 和 Poston 2014，第 7 章；有关讨论，请参见 Roche 和 Sober 2013、2014 以及 McCain 和 Poston 2014。）

这需要一些澄清。对于贝叶斯主义者来说，成为一个解释主义者意味着什么呢？为了应用贝叶斯定理并在得知 E 后确定 H 的概率，贝叶斯主体将不得不确定在 E 条件下的 H 的概率。为此，他需要给 H 和 E 分配无条件概率，以及给定 H 的 E 的概率；前两者通常被称为 H 和 E 的“先验概率”（或简称为“先验”），后者是 H 在 E 上的“似然度”。（这是官方的贝叶斯故事。并非所有同情贝叶斯主义的人都坚持这个故事。例如，根据一些人的观点，认为条件概率是基本的，我们从中推导出无条件概率；参见 Hájek 2003 及其引用文献。）贝叶斯主义者如何确定这些值呢？众所周知，概率论在我们拥有一些概率后会给我们更多的概率；它不会从零开始给我们概率。当然，当 H 暗示 E 或 E 的否定时，或者当 H 是一个在 E 上赋予一定机会的统计假设时，似然度会“分析地”得出。（这个说法假设了一些版本的刘易斯（1980）的主要原则，而这个原则是否是分析的是有争议的；因此有引号。）但这并不总是情况，即使是这样，仍然存在如何确定先验的问题。这就是根据利普顿的说法，溯因进入的地方。在他的提议中，贝叶斯主义者应该根据解释性考虑来确定他们的先验概率和似然度（如果适用）。

如何根据解释性考虑来选择先验概率？这个问题的答案并不像人们一开始想的那么简单。假设你正在考虑为一组竞争假设分配先验概率，并且你希望遵循利普顿的建议。你应该如何做呢？一个明显但仍有些模糊的答案可能是这样的：无论你要分配什么确切的先验概率，你应该给能最好解释可用数据的假设分配更高的先验概率，而不是给其它竞争假设（如果有最好的解释的话）。然而，请注意，你的邻居是一个贝叶斯主义者，但他认为确认与解释无关，他可能会给最好解释分配比你给该假设的先验概率更高的先验概率。事实上，他对最好解释的先验概率甚至可能一直比你的先验概率更高，不是因为他认为解释与确认有某种关联（他认为没有），而只是因为他觉得应该如此。在这种情况下，“仅仅因为”是一个完全合理的理由，因为根据贝叶斯主义的标准，任何确定先验概率的理由都是合理的。根据主流贝叶斯认识论，先验概率（有时还有似然度）是可以随意确定的，这意味着只要两者都是连贯的（即遵守概率论公理），那么两种先验概率的分配都是一样好的。利普顿对贝叶斯主义者提出成为解释主义者的建议是完全普遍的。但是，如果你的邻居想要遵循这个建议，他应该做些什么不同呢？他是否应该给与你作为解释主义者的那个最好解释相同的先验概率，也就是降低他对最好解释的先验概率？还是他应该给最好解释更高的先验概率，比他已经给的更高？

或许 Lipton 的提议并不是针对那些已经根据与解释无关的理由给出最高先验概率的人，而是针对那些尚未这样做的人。这个想法可能是，只要一个人确实给出了对这些假设的最高先验概率，一切都好，或者至少比不这样做要好，而不管一个人给出这些先验概率的理由如何。对于解释性考虑如何指导一个人选择先验的问题，答案可能是，如果这不是一个人已经做的事情，那么一个人应该给最佳解释比其竞争对手更高的先验概率。如果已经这样做了，那么一个人应该继续做自己正在做的事情。

（顺便说一句，值得注意的是，根据标准的贝叶斯用法，“先验概率”这个术语不一定指的是一个人在接收到任何数据之前给出的信念程度。如果已经有了数据，那么显然可以给最能解释当时可用数据的假设更高的先验概率。然而，即使在没有任何数据可知的情况下，人们也可以合理地谈论“最佳解释”。例如，一个假设可能被判断为比任何竞争对手都更好的解释，因为前者需要更简单的数学，或者因为它仅以熟悉的概念来陈述，而其他假设则不然。更一般地说，这样的判断可能基于 Kosso（1992 年，30 页）所称的假设或理论的内部特征，即“可以在不观察世界的情况下进行评估的特征”。）

对于上述关于解释如何指导先验选择的问题，Jonathan Weisberg（2009）提出了一个更有趣的答案。我们说，主流贝叶斯派认为先验概率的任何一种分配都是一样好的。然而，所谓的客观贝叶斯派并不这样认为。这些贝叶斯派认为，为了被接受，先验必须遵守概率公理之外的原则。客观贝叶斯派在对应的原则上存在分歧，但至少在一段时间内，他们一致认为无差别原则是其中之一。粗略地说，这个原则建议，在没有相反理由的情况下，我们给予竞争假设相等的先验概率。然而，众所周知，无差别原则在其原始形式下可能导致不一致的概率分配，因此很难被宣传为合理性原则。问题在于，通常情况下，根据手头的问题，有多种合理的逻辑空间划分方式，并且并非所有方式都会导致相同的先验概率分配，即使假设无差别原则。Weisberg 的提议是，解释性考虑可能会支持其中一些划分方式而不是其他方式。也许我们不会总是得到一个唯一的划分方式来应用无差别原则，但如果我们最终只得到了少数几个划分方式，这已经是进步了。因为我们仍然可以通过两个步骤来以有动机的方式得到我们的先验概率，即首先将无差别原则分别应用于各个划分方式，从而可能得到不同的先验分配，然后对所得到的先验进行加权平均，其中权重也要依赖于解释性考虑。结果将再次是一个概率函数，根据 Weisberg 的说法，这是唯一正确的先验概率函数。

这个提议在某种程度上令人着迷，但正如 Weisberg 所承认的那样，以目前的形式，它并没有走得很远。首先，目前还不清楚解释性考虑如何确定提议的第二步所需的权重。其次，希望考虑解释性因素在一般情况下会给我们留下一组可管理的分区可能是徒劳的，或者即使确实如此，这只是因为我们忽视了很多表面上合理的划分逻辑空间的方式。（当然，后一点呼应了坏批次的论证。）

关于绑架和贝叶斯推理之间的联系，还有另一个建议，可以在 Okasha 2000、McGrew 2003、Lipton 2004（第 7 章）和 Dellsén 2018 中找到。这个建议是，解释性考虑可以作为一种启发式方法，用于确定先验和似然，即使只是粗略地，在我们对此一无所知，只能猜测的情况下。这个建议对于我们无法总是为每个感兴趣的假设分配先验，或者说在给定假设的条件下，一个给定证据的概率有多大这一事实是敏感的。然后，考虑该假设的解释能力可能有助于我们弄清楚，即使只在一定范围内，为其分配先验，或者在给定的证据上为其分配似然。

贝叶斯派，尤其是那些更谦虚的人，可能会反驳说，只有在以下情况下才需要遵循贝叶斯程序：(a) 先验和似然可以以一定的精确度和客观性确定，或者(b) 似然可以以一定的精确度确定，并且先验可以预期在越来越多的证据积累时“洗净”，或者(c) 先验和似然都可以预期被洗净。在其他情况下，他们可能会说，我们应该简单地避免应用贝叶斯推理。因此，对于这些情况，没有必要采用上述作者建议的增强型绑架贝叶斯主义。而且，一些无可辩驳的数学结果表明，在属于(a)、(b)或(c)的情况下，我们的概率最终会收敛于真相。因此，在这些情况下，也没有必要采用上述作者建议的绑架启发式方法。（Weisberg 2009，第 3.2 节，提出了类似的担忧。）

Psillos（2000）提出了另一种绑架可能补充贝叶斯证实理论的方式，这种方式非常符合皮尔士对绑架的理解。这个想法是，绑架可以帮助我们选择可行的候选人进行测试，而实际的测试则遵循贝叶斯的方法。然而，Psillos（2004）承认，这个提议给绑架赋予了一个对于致力于解释主义者来说过于有限的角色。

最后，文献中迄今为止尚未考虑的一种可能性是，溯因和贝叶斯主义并不像上述提议中那样协同工作，而是以不同的推理方式运作；贝叶斯主义者和解释主义者可以说是在不同的剧本中扮演角色。人们普遍认为，有时我们以范畴的方式言说和思考自己的信念，而其他时候则以分级的方式言说和思考。目前尚不清楚这些不同的信念言说和思考方式——信念的认识论和信念程度的认识论，用理查德·福利（Richard Foley）（1992 年）的术语来说——彼此之间的关系如何。事实上，目前尚不清楚这两者之间是否存在任何直接联系，甚至是否存在联系。尽管如此，鉴于这种区别是不可否认的，一个合理的建议是，就像有不同的信念言说和思考方式一样，有不同的关于修正信念的言说和思考方式。特别是，溯因很可能属于信念的认识论，并且在我们以范畴模式推理自己的信念时被调用，而贝叶斯规则则可能属于信念程度的认识论。顽固的贝叶斯主义者可能坚持认为，以范畴模式进行的任何推理最终都必须以贝叶斯术语来证明，但这假设了将信念的认识论与信念程度的认识论连接起来的桥梁原则的存在——正如前面提到的，目前尚不清楚是否存在这样的原则。

Bibliography

Achinstein, P., 2001. The Book of Evidence, Oxford: Oxford University Press.
Adler, J., 1994. “Testimony, Trust, Knowing,” Journal of Philosophy, 91: 264–275.
Bach, K. and Harnish, R., 1979. Linguistic Communication and Speech Acts, Cambridge MA: MIT Press.
Bird, A., 1998. Philosophy of Science, London: UCL Press.
Bigelow, J., 2010. “Quine, Mereology, and Inference to the Best Explanation,” Logique et Analyse, 212: 465–482.
Bovens, L. and Hartmann, S., 2003. “Solving the Riddle of Coherence,” Mind, 112: 601–633.
Boyd, R., 1981. “Scientific Realism and Naturalistic Epistemology,” in P. Asquith and R. Giere (eds.), PSA 1980, (vol. II), East Lansing MI: Philosophy of Science Association, pp. 613–662.
–––, 1984. “The Current Status of Scientific Realism,” in J. Leplin (ed.), Scientific Realism, Berkeley CA: University of California Press, pp. 41–82.
–––, 1985. “Lex Orandi est Lex Credendi,” in P. Churchland and C. Hooker (eds.), Images of Science, Chicago IL: University of Chicago Press, pp. 3–34.
Brem, S. and Rips, L. J., 2000. “Explanation and Evidence in Informal Argument,” Cognitive Science, 24: 573–604.
Callebaut, W. (ed.), 1993. Taking the Naturalistic Turn, Chicago IL: University of Chicago Press.
Campos, D., 2011. “On the Distinction Between Peirce’s Abduction and Lipton’s Inference to the Best Explanation,” Synthese, 180: 419–442.
Climenhaga, N., forthcoming. “Inference to the Best Explanation Made Incoherent,” Journal of Philosophy, preprint available online.
Dascal, M., 1979. “Conversational Relevance,” in A. Margalit (ed.), Meaning and Use, Dordrecht: Reidel, pp. 153–174.
Dellsén, F., 2017. “Reactionary Responses to the Bad Lot Objection,” Studies in History and Philosophy of Science, 61: 32–40.
–––, 2018. “The Heuristic Conception of Inference to the Best Explanation,” Philosophical Studies, 175: 1745–1766.
Douven, I., 1999. “Inference to the Best Explanation Made Coherent,” Philosophy, of Science, 66: S424–S435.
–––, 2002. “Testing Inference to the Best Explanation,” Synthese, 130: 355–377.
–––, 2008. “Underdetermination,” in S. Psillos and M. Curd (eds.), The Routledge Companion to the Philosophy of Science, London: Routledge, pp. 292–301.
–––, 2013. “Inference to the Best Explanation, Dutch Books, and Inaccuracy Minimisation,” Philosophical Quarterly, 63: 428–444.
–––, 2016a. The Epistemology of Indicative Conditionals, Cambridge: Cambridge University Press.
–––, 2016b. “Explanation, Updating, and Accuracy,” Journal of Cognitive Psychology, 28: 1004–1012.
–––, 2017. “What Is Inference to the Best Explanation? And Why Should We Care?” in T. Poston and K. McCain (eds.), Best Explanations: New Essays on Inference to the Best Explanation, Oxford: Oxford University Press, pp. 4–22.
–––, 2020. “The Ecological Rationality of Explanatory Reasoning,” Studies in History and Philosophy of Science, 79: 1–14.
–––, forthcoming. The Art of Abduction, Cambridge MA: MIT Press.
Douven, I. and Mirabile, P., 2018. “Best, Second-best, and Good-enough Explanations: How They Matter to Reasoning,” Journal of Experimental Psychology: Language, Memory, and Cognition, 44: 1792–1813.
Douven, I. and Schupbach, J., 2015a. “The Role of Explanatory Considerations in Updating,” Cognition, 142: 299–311.
–––, 2015b. “Probabilistic Alternatives to Bayesianism: The Case of Explanationism,” Frontiers in Psychology, 6: 459. doi:10.3389/fpsyg.2015.00459
Douven, I. and Wenmackers, S., 2017. “Inference to the Best Explanation versus Bayes’s Rule in a Social Setting,” British Journal for the Philosophy of Science, 68: 535–570.
Dragulinescu, S., 2016. “Inference to the Best Explanation and Mechanisms in Medicine,” Theoretical Medicine and Bioethics, 37(3): 211–232.
Fann, K. T., 1970. Peirce’s Theory of Abduction, The Hague: Martinus Nijhoff.
Fine, A., 1984. “The Natural Ontological Attitude,” in J. Leplin (ed.), Scientific Realism, Berkeley CA: University of California Press, pp. 83–107.
Foley, R., 1992. “The Epistemology of Belief and the Epistemology of Degrees of Belief,” American Philosophical Quarterly, 29: 111–124.
Folina, J., 2016. “Realism, Skepticism, and the Brain in a Vat,” in S. Goldberg (ed.), The Brain in a Vat, Cambridge: Cambridge University Press, pp. 155–173.
Forster, M. and Sober, E., 1994. “How to Tell when Simpler, More Unified, or Less Ad Hoc, Theories will Provide More Accurate Predictions,” British Journal for the Philosophy of Science, 45: 1–36.
Frankfurt, H., 1958. “Peirce’s Notion of Abduction,” Journal of Philosophy, 55: 593–596.
Fricker, E., 1994. “Against Gullibility,” in B. K. Matilal and A. Chakrabarti (eds.), Knowing from Words, Dordrecht: Kluwer, pp. 125–161.
Goldman, A., 1988. Empirical Knowledge, Berkeley CA: University of California Press.
Hájek, A., 2003. “What Conditional Probability Could Not Be,” Synthese, 137: 273–323.
Harman, G., 1965. “The Inference to the Best Explanation,” Philosophical Review, 74: 88–95.
–––, 1973. Thought, Princeton NJ: Princeton University Press.
–––, 1997. “Pragmatism and Reasons for Belief,” in C. Kulp (ed.), Realism/Antirealism and Epistemology, Totowa NJ: Rowman and Littlefield, pp. 123–147.
Harré, R., 1986. Varieties of Realism, Oxford: Blackwell.
–––, 1988. “Realism and Ontology,” Philosophia Naturalis, 25: 386–398.
Hobbs, J. R., 2004. “Abduction in Natural Language Understanding,” in L. Horn and G. Ward (eds.), The Handbook of Pragmatics, Oxford: Blackwell, pp. 724–741.
Janssen, M., 2002. “Reconsidering a Scientific Revolution: The Case of Einstein versus, Lorentz,” Physics in Perspective, 4: 421–446.
Josephson, J. R. and Josephson, S. G. (eds.), 1994. Abductive Inference, Cambridge: Cambridge University Press.
Kitcher, P., 2001. “Real Realism: The Galilean Strategy,” Philosophical Review, 110: 151–197.
Koehler, D. J., 1991. “Explanation, Imagination, and Confidence in Judgment,” Psychological Bulletin, 110: 499–519.
Koslowski, B., Marasia, J., Chelenza, M., and Dublin, R., 2008. “Information Becomes Evidence when an Explanation Can Incorporate it into a Causal Framework,” Cognitive Development, 23: 472–487.
Kosso, P., 1992. Reading the Book of Nature, Cambridge: Cambridge University Press.
Krzyżanowska, K, Wenmackers, S., and Douven, I., 2014. “Rethinking Gibbard’s Riverboat Argument,” Studia Logica, 102: 771–792.
Kuipers, T., 1984. “Approaching the Truth with the Rule of Success,” Philosophia, Naturalis, 21: 244–253.
–––, 1992. “Naive and Refined Truth Approximation,” Synthese, 93: 299–341.
–––, 2000. From Instrumentalism to Constructive Realism, Dordrecht: Kluwer.
Kvanvig, J., 1994. “A Critique of van Fraassen’s Voluntaristic Epistemology,” Synthese, 98: 325–348.
Kyburg Jr., H., 1990. Science and Reason, Oxford: Oxford University Press.
Laudan, L., 1981. “A Confutation of Convergent Realism,” Philosophy of Science, 48: 19–49.
Lewis, D., 1980. “A Subjectivist’s Guide to Objective Chance,” in R. Jeffrey (ed.), Studies in Inductive Logic and Probability, Berkeley CA: University of California Press, pp. 263–293.
Li, M. and Vitanyi, P., 1997. An Introduction to Kolmogorov Complexity and its Applications, New York: Springer.
Lipton, P., 1991. Inference to the Best Explanation, London: Routledge.
–––, 1993. “Is the Best Good Enough?” Proceedings of the Aristotelian Society, 93: 89–104.
–––, 1998. “The Epistemology of Testimony,” Studies in History and Philosophy of Science, 29: 1–31.
–––, 2004. Inference to the Best Explanation, (2nd ed.), London: Routledge.
Lombrozo, T., 2007. “Simplicity and Probability in Causal Explanation,” Cognitive Psychology, 55: 232–257.
–––, 2012. “Explanation and Abductive Inference,” in K. Holyoak and R. Morrison (eds.), Oxford Handbook of Thinking and Reasoning, Oxford: Oxford University Press, pp. 260–276.
–––, 2016. “Explanatory Preferences Shape Learning and Inference,” Trends in Cognitive Sciences, 20: 748–759.
Lombrozo, T. and Gwynne, N. Z., 2014. “Explanation and Inference: Mechanistic and Functional Explanations Guide Property Generalization,” Frontiers in Human Neuroscience, 8. doi:10.3389/fnhum.2014.00700
Maher, P., 1992. “Diachronic Rationality,” Philosophy of Science, 59: 120–141.
McAuliffe, W., 2015. “How Did Abduction Get Confused with Inference to the Best Explanation?” Transactions of the Charles S. Peirce Society, 51: 300–319.
McCain, K. and Poston, T., 2014. “Why Explanatoriness is Evidentially Relevant,” Thought, 3: 145–153.
McGrew, T., 2003. “Confirmation, Heuristics, and Explanatory Reasoning,” British Journal for the Philosophy of Science, 54: 553–567.
McMullin, E., 1992. The Inference that Makes Science, Milwaukee WI: Marquette University Press.
–––, 1996. “Epistemic Virtue and Theory Appraisal,” in I. Douven and L. Horsten (eds.), Realism in the Sciences, Leuven: Leuven University Press, pp. 13–34.
Moore, G. E., 1962. “Proof of an External World,” in his Philosophical Papers, New York: Collier Books, pp. 126–149.
Moser, P., 1989. Knowledge and Evidence, Cambridge: Cambridge University Press.
Musgrave, A., 1988. “The Ultimate Argument for Scientific Realism,” in R. Nola (ed.), Relativism and Realism in Science, Dordrecht: Kluwer, pp. 229–252.
Niiniluoto, I., 1998. “Verisimilitude: The Third Period,” British Journal for the Philosophy of Science, 49: 1–29.
–––, 1999. “Defending Abduction,” Philosophy of Science, 66: S436–S451.
Okasha, S., 2000. “Van Fraassen’s Critique of Inference to the Best Explanation,” Studies in History and Philosophy of Science, 31: 691–710.
Olsson, E., 2005. Against Coherence, Oxford: Oxford University Press.
Pargetter, R., 1984. “The Scientific Inference to Other Minds,” Australasian Journal of Philosophy, 62: 158–163.
Peirce, C. S. [CP]. Collected Papers of Charles Sanders Peirce, edited by C. Hartshorne, P. Weiss, and A. Burks, 1931–1958, Cambridge MA: Harvard University Press.
Poston, T., 2014. Reason and Explanation, Basingstoke: Palgrave Macmillan.
Psillos, S., 1999. Scientific Realism: How Science Tracks Truth, London: Routledge.
–––, 2000. “Abduction: Between Conceptual Richness and Computational Complexity,” in A. K. Kakas and P. Flach (eds.), Abduction and Induction: Essays on their Relation and Integration, Dordrecht: Kluwer, pp. 59–74.
–––, 2004. “Inference to the Best Explanation and Bayesianism,” in F. Stadler (ed.), Induction and Deduction in the Sciences, Dordrecht: Kluwer, pp. 83–91.
Putnam, H., 1981. Reason, Truth and History, Cambridge: Cambridge University Press.
Roche, W. and Sober, E., 2013. “Explanatoriness is Evidentially Irrelevant, or Inference to the Best Explanation Meets Bayesian Confirmation Theory,” Analysis, 73: 659–668
–––, 2014. “Explanatoriness and Evidence: A Reply to McCain and Poston,” Thought, 3: 193–199.
Russell, B., 1912. The Problems of Philosophy, Oxford: Oxford University Press.
Schupbach, J., 2014. “Is the Bad Lot Objection Just Misguided?” Erkenntnis, 79: 55–64.
Schupbach, J. and Sprenger, J., 2011. “The Logic of Explanatory Power,” Philosophy of Science, 78: 105–127.
Schurz, G., 2008. “Patterns of Abduction,” Synthese, 164: 201–234.
Shalkowski, S., 2010. “IBE, GMR, and Metaphysical Projects,” in B. Hale and A. Hoffmann (eds.), Modality: Metaphysics, Logic, and Epistemology, Oxford: Oxford University Press, pp. 169–187.
Skyrms, B., 1993. “A Mistake in Dynamic Coherence Arguments?” Philosophy of Science, 60: 320–328.
Sloman, S., 1994. “When Explanations Compete: The Role of Explanatory Coherence on Judgments of Likelihood,” Cognition, 52: 1–21.
Sober, E., 2015. Ockham’s Razor: A User’s Manual, Cambridge: Cambridge University Press.
Stanford, K., 2009. “Underdetermination of Scientific Theory,” in Stanford Encyclopedia of Philosophy (Winter 2009 Edition), Edward N. Zalta (ed.), URL = <Underdetermination of Scientific Theory (Stanford Encyclopedia of Philosophy/Winter 2009 Edition)>.
Teller, P., 1973. “Conditionalization and Observation,” Synthese, 26: 218–258.
Thagard, P., 1978. “The Best Explanation: Criteria for Theory Choice,” Journal of Philosophy, 75: 76–92.
van Fraassen, B., 1980. The Scientific Image, Oxford: Oxford University Press.
–––, 1983. “Glymour on Evidence and Explanation,” in J. Earman (ed.), Testing Scientific Theories, Minneapolis: University of Minnesota Press, pp. 165–176.
–––, 1985. “Empiricism in the Philosophy of Science,” in P. Churchland and C. Hooker (eds.), Images of Science, Chicago IL: University of Chicago Press, pp. 245–308.
–––, 1989. Laws and Symmetry, Oxford: Oxford University Press.
Vogel, J., 1990. “Cartesian Skepticism and Inference to the Best Explanation,” Journal of Philosophy, 87: 658–666.
–––, 2005. “The Refutation of Skepticism,” in M. Steup and E. Sosa (eds.), Contemporary Debates in Epistemology, Oxford: Blackwell Publishing, pp. 72–84.
Weintraub, R., 2013. “Induction and Inference to the Best Explanation,” Philosophical Studies, 166: 203–216.
Weisberg, J., 2009. “Locating IBE in the Bayesian Framework,” Synthese, 167: 125–143.
Williams, J. and Lombrozo, T., 2010. “The Role of Explanation in Discovery and Generalization: Evidence from Category Learning,” Cognitive Science, 34: 776–806.
Williamson, T., 2017. “Semantic Paradoxes and Abductive Methodology,” in B. Armour-Garb (ed.), Reflections on the Liar, Oxford: Oxford University Press, pp. 325–346.