默认逻辑（Default Logic）是人工智能和知识表示领域的一种非单调逻辑系统，由雷蒙德·赖特（Raymond Reiter）于1980年提出。它通过引入“默认规则”（default rules）来形式化常识推理，允许在缺乏相反证据时做出合理但可被推翻的结论。默认逻辑的核心思想是：在默认情况下，某些命题成立，但遇到例外时结论可以被撤销。这种逻辑广泛应用于专家系统、知识库推理和常识推理中，是处理不完备信息的重要工具。
1.1 非单调逻辑概述
非单调逻辑是相对于经典单调逻辑而言的一类逻辑系统。经典逻辑具有单调性：如果已知事实集合F能够推导出结论C，那么在F中添加任何新事实后，C仍然成立。然而，人类的日常推理往往是非单调的——人们会基于默认假设得出结论，但遇到新证据时可以撤回旧结论。例如，看到一只鸟，默认它会飞；但如果发现它是企鹅，则撤回“会飞”的结论。非单调逻辑正是为了模拟这种“可撤销推理”而设计的，默认逻辑是其中最具代表性的形式化系统之一。
1.2 默认逻辑的定义与动机
默认逻辑由雷蒙德·赖特于1980年提出，旨在解决知识表示中常识推理的形式化问题。传统逻辑要求知识完备且一致，但现实中的知识库往往不完整，且可能存在例外。赖特的动机是：设计一种逻辑系统，使得推理机能够在没有相反信息的情况下默认某些事实成立，同时保留应对例外情况的能力。这种逻辑不是简单地推出绝对真理，而是推出“通常如此”的结论，并允许在矛盾出现时进行调整。
1.3 默认规则的组成
默认规则是默认逻辑的基本推理单元，它包含三个核心组成部分。
1.3.1 前提（Prerequisite）
前提是触发默认规则必须满足的条件。只有当前提成立时，默认规则才可能被应用。形式化表示为希腊字母α（alpha），它是一阶逻辑公式或命题逻辑公式。例如，在规则“如果X是鸟，则默认会飞”中，“X是鸟”就是前提。
1.3.2 正当性条件（Justification）
正当性条件是对结论的相容性检查。它不是一个必须为真的条件，而是要求该条件不与当前已知事实矛盾。形式上表示为希腊字母β（beta）。只有当正当性条件与当前扩展的已知事实一致（即不矛盾）时，默认规则才能被应用。例如，对于“鸟会飞”规则，正当性条件是“X能飞”——只要没有证据表明X不能飞，规则就可以应用。
1.3.3 结论（Consequent）
结论是默认规则被应用后推出的新事实，形式上表示为希腊字母γ（gamma）。结论不是绝对真理，而是基于默认假设推出的合理推断。在遇到矛盾时，结论可以被撤销。例如，规则应用后得出“X会飞”这一结论。
2.1 默认规则的形式表示
默认规则的标准形式写作：
α : β ───── γ
其中α是前提，β是正当性条件，γ是结论。该公式读作：“如果α成立，且β与当前知识一致（不矛盾），则可以推导出γ”。
2.1.1 闭默认规则与开默认规则
闭默认规则中不包含自由变量，所有变量都被量词约束或实例化为具体常量。例如，“如果Tweety是鸟，默认它会飞”是一条闭默认规则。开默认规则则包含自由变量，类似于带参数的模板，可以应用于多个个体。例如，“如果X是鸟，默认X会飞”是一条开默认规则，其中X是自由变量。实际应用中，开默认规则通常通过变量实例化转化为多条闭默认规则使用。
2.2 默认理论（Default Theory）
一个默认理论由二元组⟨W, D⟩构成，其中W是已知事实（一阶逻辑或命题逻辑公式集），D是默认规则集。W表示绝对确定的知识，D表示可废止的推理规则。默认理论是默认逻辑进行推理的初始基础。
2.2.1 世界知识（Facts）与默认规则集
世界知识W是逻辑上封闭的公式集合，代表推理者绝对相信的事实，例如“企鹅是鸟”、“所有鸟都有翅膀”。默认规则集D包含所有默认规则，例如“鸟会飞”、“哺乳动物有毛发”等。推理过程就是在W基础上，应用D中规则来扩展知识，同时保持一致性。
2.3 扩展（Extension）的概念
扩展是默认理论推理的结果，即一个包含所有可推出的、一致的结论的集合。扩展是一个极大化的、逻辑封闭的、一致的公式集，它通过反复应用默认规则构造而成。
2.3.1 扩展的构造过程
| 构造扩展的过程是一个迭代的固定点算法：从初始事实W开始，反复考虑哪些默认规则可以应用（前提成立且正当性条件与当前集合一致），然后加入结论，直到没有更多规则可应用或出现矛盾。最终得到一个满足固定点条件的集合E，即扩展。形式上，E必须满足：E = Th(W ∪ {γ | (α:β/γ)∈D, α∈E, ¬β∉E})，其中Th表示逻辑闭包。 |
|---|
2.3.2 扩展的存在性与唯一性
一个默认理论可能没有扩展、恰好有一个扩展、或有多个扩展。当默认规则之间出现冲突时，不同的规则应用顺序可能导致不同的扩展。例如，已知“学生通常有手机”和“小学生通常没有手机”，对于一个小学生，两个规则都可应用但结论矛盾，从而产生两个互不相容的扩展。扩展的存在性不是必然的，当出现循环依赖或无法满足的一致性问题时，可能没有扩展。
3.1 默认推理的步骤
默认推理的基本步骤包括：检查前提、验证正当性条件、应用规则、检查一致性。具体流程为：先从世界知识W开始，对于每条默认规则，判断前提是否已被推导出或可从当前知识得出；然后检查正当性条件是否与当前推导集的结论一致；如果都满足，则加入结论；重复此过程直到所有可应用的规则都被应用或遇到矛盾。
3.1.1 固定点迭代法
固定点迭代法是一种系统化的扩展构造算法。它从E₀ = Th(W)开始，第i+1步：从D中选择所有满足α∈Eᵢ且¬β∉Eᵢ的规则，应用它们得到结论集，取逻辑闭包得到Eᵢ₊₁，然后检查一致性。重复直到Eᵢ = Eᵢ₊₁，即达到固定点，此时Eᵢ就是扩展。如果中途出现不一致（即Eᵢ含有矛盾），则算法回溯并尝试不同的规则应用顺序。
3.2 扩展的判定问题
判定一个公式是否属于某个扩展是计算上的难题。这涉及检查是否存在一个规则应用序列能够使该公式被推导出，同时保持一致性。
3.2.1 可满足性检查
在每一步中，需要检查当前推导集与规则正当性条件的一致性。这本质上是对世界知识和已推导结论进行可满足性（SAT）问题的求解。如果检查结果不一致，则当前应用序列无效，需要回溯寻找其他顺序。
3.2.2 扩展的枚举算法
枚举所有扩展的算法通常采用深度优先搜索：每个节点代表当前推导集，每条分支代表应用一条默认规则或跳过它。算法系统地探索所有可能的规则应用顺序，记录每次达到固定点的结果。剪枝策略（如冲突检测）用于减少搜索空间。由于扩展数量可能呈指数级增长，算法在最坏情况下复杂度较高。
3.3 与经典逻辑的关系
默认逻辑建立在经典一阶逻辑的基础上，世界知识W和任何扩展都是经典逻辑的公式集。
3.3.1 默认逻辑与一阶逻辑的对比
经典一阶逻辑是单调的：如果F⊨C，则F∪{新事实}⊨C。默认逻辑是非单调的：即使从⟨W, D⟩推出C，添加新事实后可能无法再推出C。经典逻辑要求所有前提必须显式给出，而默认逻辑允许用默认规则隐式地假设信息。经典逻辑的结论是绝对的，默认逻辑的结论是可废止的。
3.3.2 非单调性证明
非单调性可以通过一个简单例子证明：设W = {企鹅(Tweety)，鸟(Tweety)}，D = {鸟(X):会飞(X)/会飞(X)}。在只考虑W和D时，默认规则可应用，得到扩展包含“会飞(Tweety)”。现在向W添加新事实“¬会飞(Tweety)”，则默认规则的正当性条件“会飞(Tweety)”与W矛盾，规则不再可用，扩展中不再包含“会飞(Tweety)”。这表明默认推理不是单调的：增加知识可能减少结论。
4.1 “鸟会飞”默认规则
“鸟会飞”是默认逻辑最经典的例子。默认规则表示为：鸟(X):会飞(X)/会飞(X)。前提是X是鸟，正当性条件是会飞(X)不与已知事实矛盾，结论是X会飞。给定事实“鸟(Tweety)”，且没有相反证据时，推理会得出Tweety会飞。
4.1.1 典型例子：企鹅例外
引入例外：已知企鹅是鸟（企鹅(X)→鸟(X)），且已知企鹅不会飞（企鹅(X)→¬会飞(X)）。设W包含“企鹅(Polly)”和“鸟(Polly)”，则D中的规则虽然前提成立，但正当性条件“会飞(Polly)”与“¬会飞(Polly)”矛盾，因此规则被阻止应用。最终扩展不包含“会飞(Polly)”。这是默认逻辑处理例外的典型方式。当然，如果你非要拿一只炖熟的鸭子问它怎么飞，教练也只能表示带不动。
4.2 “奎克”药物副作用示例
假设规则：“如果病人服用奎克药物，默认会头痛（除非有抗药性）”。规则形式：服用奎克(X):头痛(X)/头痛(X)。知识库中已知“患者张三服用奎克”，且不知道张三是否有抗药性，则推理得出“张三会头痛”。如果后来发现张三具有抗药性（即¬头痛(张三)），则规则不可用，结论被撤回。
4.3 预设推理与常识
预设推理是语言理解中的常见现象，默认逻辑可以形式化这类推理。例如，句子“张三的自行车被偷了”预设张三有自行车。默认规则可表示为：被偷(X):拥有(X)/拥有(X)（不能说被偷却没有）。结合常识：“人通常拥有自行车”、“偷窃导致失去”等，默认逻辑能推理出合理的预设信息。如果发现张三根本没钱买车，预设即被撤销。
5.1 半默认逻辑（Semi-Default Logic）
半默认逻辑对默认规则中的正当性条件进行了限制，要求正当性条件必须是原子公式或其否定，简化了语义。这种变体降低了计算的复杂性，更易实现。
5.2 约束默认逻辑（Constrained Default Logic）
约束默认逻辑通过引入“约束集”来管理一致性的范围。在应用规则时，不但要保证结论与当前推导集一致，还要保证结论与所有已应用的正当性条件一致。这种做法避免了某些不符合直觉的扩展。
5.3 积累默认逻辑（Cumulative Default Logic）
积累默认逻辑要求推理是“累积的”：如果一个结论可以从某一阶段推出，那么即使后续加入更多的默认规则（不冲突的情况下），该结论仍应保持。这种变体增强了推理的稳定性。
5.4 概率默认逻辑（Probabilistic Default Logic）
概率默认逻辑将概率论引入默认逻辑，允许默认规则带有置信度或概率值。例如，“大多数鸟会飞”可以用概率规则表示：鸟(X):会飞(X)/会飞(X)[0.95]。这种变体结合了统计信息与默认推理。
6.1 专家系统与知识工程
默认逻辑是专家系统知识表示的重要工具。在医学诊断、地质勘探等系统中，经常需要基于不完备信息做出假设推理。例如，一个医学专家系统可以有默认规则：“如果病人有发热和咳嗽，默认为感冒，除非有更特异症状”。系统能够处理例外并动态调整诊断。
6.2 自然语言理解中的默认推理
在自然语言处理中，默认逻辑用于消解歧义、推导预设和隐含信息。例如，理解“约翰敲了敲门，但没人应声”时，系统默认有人应声才合理，但这里默认被撤销。默认逻辑形式化了这种常识性推导。
6.3 诊断与故障排除
在故障诊断中，系统默认各组件正常工作，只有在出现异常时才推断故障原因。默认规则可表达为：“如果设备不工作，且电源灯亮，默认故障在内部电路，除非有外部干扰”。这种推理方式支持高效地定位问题。
6.4 法律与规则推理
法律推理涉及大量默认规则：法律条文通常有例外条款。默认逻辑可以形式化“通常适用A条款，除非符合B例外”的推理过程，辅助法律专家系统进行案例分析与裁决建议。
7.1 赖特的原始论文（1980）
雷蒙德·赖特于1980年在《人工智能》期刊上发表《A Logic for Default Reasoning》，首次提出默认逻辑。该论文从常识推理中的非单调性现象出发，给出了默认逻辑的完整形式化定义、语义（基于扩展）以及若干基本性质。这篇论文是非单调推理领域的里程碑，奠定了现代常识推理研究的基础。
7.2 与其他非单调逻辑的比较
默认逻辑一诞生就引发了与其他非单调逻辑系统的比较研究，促成了对非单调推理本质的更深入理解。
7.2.1 与封闭世界假设的比较
封闭世界假设（CWA）是一种简单的非单调推理：如果一个事实没被知识库证明为真，则默认它为假。默认逻辑比CWA更灵活：CWA对所有未知事实进行统一的否定假设，而默认逻辑允许对特定类型的公式应用不同的默认规则。CWA可能导致不一致（在知识库不完备时），而默认逻辑通过多个扩展管理冲突。
7.2.2 与缺省逻辑（如Autoepistemic Logic）的关系
缺省逻辑（Autoepistemic Logic）是一种基于认识论的非单调逻辑，它使用“相信”的模态算符来表达推理。缺省逻辑认为“我不知道P不成立”是推出P的基础。默认逻辑与缺省逻辑在表达能力上等价（可以相互编码），但推理机制不同：缺省逻辑依赖认知稳定性和嵌套知识，默认逻辑依赖规则应用和扩展。赖特本人曾与摩尔（Moore，缺省逻辑的提出者）进行过深入讨论。
7.3 后续发展与研究方向
自1980年代以来，默认逻辑的研究持续深入。主要方向包括：计算复杂性分析与高效算法（如扩展的启发式搜索）、与概率推理的融合（如概率默认逻辑）、在语义网和本体推理中的应用、以及与机器学习中“默认类偏置”的结合。近年来，研究者也尝试将默认逻辑用于解释性人工智能（XAI）和可微推理网络。
默认逻辑的影响远远超出人工智能领域，其思想被借鉴到数据库理论（默认值约束）、认知科学（信念修正）和哲学（可废止推理）等多个学科。即使在今天，每当需要在不完备信息下做出合理推断并保留例外修正能力时，默认逻辑依然是技术工具箱中的经典选择。