在科學哲學中，休謨對歸納法合理性的質(zhì)疑被稱作休謨問題，也稱歸納問題。休謨問題之所以吸引無數(shù)哲學家的關注，其魅力在于休謨給出的論證：我們不能證明借助歸納作出的預測是合理的。通常認為，在邏輯學范圍內(nèi)休謨問題不可解。在傳統(tǒng)科學哲學中，休謨問題則面臨以下挑戰(zhàn)：1.如何從單稱命題合理推出全稱普遍命題的問題，即歸納辯護的普遍性問題。2.如何證明從過去和現(xiàn)在的證據(jù)必然得出關于將來的預測是合理的，即歸納辯護的必然性問題。3.能不能從已知的知識一勞永逸地推知未知的知識，即歸納靜態(tài)辯護的可能性問題。人工智能方法對哲學和邏輯學發(fā)展產(chǎn)生重要影響，并在很大程度上決定休謨問題研究的路徑和方向。作為具有局域性、語境依賴性和動態(tài)可修正性的人工智能方法，不僅可以化解休謨問題，而且可以推動實踐哲學的發(fā)展，消解人類生存發(fā)展的困境。

  分析休謨問題的困境：
  對休謨問題的探討主要集中在兩方面：1.我們從個別的單稱命題能不能合理推出全稱普遍命題。例如，從這只天鵝是白的、那只天鵝也是白的，能不能得出所有天鵝都是白的這一結論。這是歸納法的普遍性問題。2.任何科學預測即便我們相信，也不能證明其必然的合理性。例如，從昨天是晴天、今天是晴天，能不能推測明天必然是晴天。這是歸納法的必然性問題。
  休謨提出的問題及其解答，一直被不同學派的哲學家奉為圭臬。他們各按自己的方式探討了休謨問題。比如，在邏輯學那里，江天驥認為，休謨問題在邏輯學中得不到辯護；鞠實兒指出，休謨問題在邏輯學范圍內(nèi)不可解。如果休謨問題在邏輯學范圍內(nèi)不可解，那么在科學哲學范圍內(nèi)是否可解？哲學家們提出了三種解決方案：1.先驗主義方案；2.實用主義方案；3.融合先驗主義和經(jīng)驗主義的方案。
  康德的方案是先驗主義的。他把休謨問題歸結為因果性問題，認為因果聯(lián)系只是人們整理感覺經(jīng)驗的一種先天形式，但他的重點在于反駁休謨的懷疑論。賴欣巴赫的方案是實用主義的。他通過表明歸納法在實踐中如何合理運作來證明歸納法的合理性。這種辯護雖說不是成功的，但其從實用路徑探討休謨問題富有啟發(fā)性。威廉姆斯（Donald Williams）既考慮了先驗因素，又兼顧了經(jīng)驗方面。他論證說，基于一個可驗證的先驗事實，可以借助統(tǒng)計三段論來證明歸納法的合理性。該論證雖有新意，但離解決休謨問題還有差距。
  休謨問題難解的根源在于，傳統(tǒng)科學哲學解決休謨問題建基于全域的、去語境化和不可修正的假定，這種辯護是不可能成功的。我們需要轉(zhuǎn)換思路，從跨學科視角看待休謨問題。

  通過人工智能方法擺脫困境：
  與傳統(tǒng)科學哲學的辯護策略不同，人工智能作為一門應用科學，在策略上常常取實用主義態(tài)度：只要能解決問題，就是可用的。這正是其相對于傳統(tǒng)科學哲學的優(yōu)勢所在。人工智能方法基于以下假定。
  1.局域性。在傳統(tǒng)科學哲學家看來，休謨問題存在于全稱普遍判斷的形式邏輯中。對休謨問題的辯護是全域的、在范圍上不受限制的辯護。但是，從人工智能方法來看，對休謨問題的辯護是局域的。例如，在專用人工智能（如專家系統(tǒng)）中，由于具體應用領域的不同，所適用的程序方法不盡相同，也沒有普遍適用的智能機器。在通用人工智能中，由于智能體面臨的環(huán)境是復雜、相互關聯(lián)的，智能體無法了解關于環(huán)境中的全部事實，必須面對隨機性、模糊性和不完全性等不確定性問題。盡管通用人工智能也不得不對應用場域做理想化處理，但其在完成模擬智能的具體任務時，只能采用在范圍上受限的局域方法。例如，以概稱命題代替全稱普遍命題，或以“其他條件相同”條款限定全稱命題。實際上，人工智能是以局部逼近的方式實現(xiàn)智能模擬的。實踐表明，人類有可能建立起局域合理的歸納邏輯，解決歸納辯護的普遍性問題。這種可能性在人工智能研究的推動下將會變成現(xiàn)實。
  2.語境依賴性。在傳統(tǒng)科學哲學中，對休謨問題的辯護是不依賴語境的，這是休謨問題難以解決的癥結之一。而人工智能的做法與之不同。在實際的人工智能系統(tǒng)中，建立在人工語言基礎上的算法，其語義內(nèi)容是在每一程序內(nèi)部定義的。這造成了每種程序都具有各自的“內(nèi)容理論”和加工模型，進而使得該系統(tǒng)具有語境依賴性。自然語言處理涉及歧義問題，而能夠支配歧義的外部條件主要是語境。因此，要想理解歧義的語句，只有聯(lián)系到語境才行，僅通過對句子本身結構及其意義的分析是不夠的。為了使機器能夠進行歧義消解，就要求有一種強調(diào)語境條件的語義分析方法。情景語義學正是基于自然語言處理的要求而提出的。實踐表明，人工智能中的發(fā)現(xiàn)程序大多不是放之四海而皆準的普遍規(guī)則，更多的是啟發(fā)式的助發(fā)現(xiàn)方法。這種程序不是語境中立的，而是語境依賴、語境限制和語境敏感的。正是語境依賴的相對性和具體性，才使得解決歸納辯護的普遍性問題成為可能。
  3.動態(tài)可修正性。在傳統(tǒng)科學哲學中，對休謨問題的辯護采用的是靜態(tài)辯護策略，這使得解決休謨問題的嘗試一再受挫。而動態(tài)刻畫人的信念流動變化過程，則是人工智能的強項。在人工智能面對的任務中，常常遇到信息不充分、環(huán)境邊界有變化等不確定性問題。只有突破傳統(tǒng)科學方法的局限，動態(tài)模擬人的思維才是可行的。人工智能中的非單調(diào)推理、框架系統(tǒng)、腳本描述方法就是這種努力的結果。非單調(diào)推理是在信息不充分的情況下進行的推理。不是在推理之前將全部條件給出，而是在推理過程中不斷添加新的前提條件。隨著新前提的加入，已經(jīng)得到的有些結論可以廢除或撤銷。缺省法和劃界法就是其中的兩種方法。例如，在缺省推理中，原先的前提是“凡鳥都能飛”。如果a真是鳥，就可以推出“a能飛”；一旦得到有一種鳥b（如鴕鳥）不會飛的新信息，原先的“凡鳥都能飛”的前提就被取消，“a能飛”的結論也被推翻。劃界法也類似，前提修正后，原有的邊界條件也隨之修正，結論的范圍也需重新劃定。信念修正是人工智能的常用方法，隨著認識的深入，一旦發(fā)現(xiàn)與結論相悖的新事實，就要修改原有信念，得到新的結論。因此，歸納的靜態(tài)辯護不可行。正是人工智能的不斷試錯和動態(tài)修正，才使歸納得到的或然性結論不斷趨向必然，從而使解決歸納辯護的必然性問題成為可能。
  正是由于上述優(yōu)勢，人工智能研究要么可以消解休謨問題，要么不會遭遇休謨問題困擾?？傊?，人工智能哲學為休謨問題所做的辯護，只可能是：“它有效”。從人工智能看休謨問題的意義在于：1.人工智能方法可以為科學實踐哲學提供思想資源，科學實踐哲學可以為人工智能提供哲學啟示，進而為人工智能與哲學聯(lián)手共同解決休謨問題等重大問題奠定基礎。2.休謨問題的要義是如何預測未來。對我們來說，重要的不是認知過去和當下，而是預測未來。在這個世界風云變幻、“黑天鵝事件”頻發(fā)、充滿風險和不確定性的時代，需要人工智能方法作為預見未來的向?qū)?，而人工智能和哲學有助于消解人類生存發(fā)展的困境。