# 命题性知识 (Propositional Knowledge)
命题性知识（Propositional Knowledge），也称为陈述性知识（Declarative Knowledge）或描述性知识，是{{{认识论}}}中的核心概念之一。它指的是关于"事实是什么"的知识，即可以用{{{命题}}}的形式加以表述的知识。这类知识主要回答"是什么"（what）和"为什么"（why）的问题，而非"如何做"（how）的问题。
命题性知识的典型例子包括："巴黎是法国的首都"、"水的化学式是 $\text{H}_2\text{O}$"、"地球围绕太阳公转"等。这些陈述都可以被赋予{{{真值}}}（即判断为真或假），并且可以通过语言、文字、符号等形式明确表达和传递。
## 命题性知识的基本特征
命题性知识具有以下几个核心特征：
一. 可表述性：命题性知识能够通过语言、文字、数学公式、图表等符号系统完整地表达出来。这使得知识可以被记录、传播和教授。
二. 真值性：命题性知识具有明确的真假属性。一个命题要么为真，要么为假（在经典{{{二值逻辑}}}中）。例如，"雪是白色的"这一命题为真，而"雪是黑色的"则为假。
三. 客观性：命题性知识的内容独立于个人的主观经验和技能。"北京是中国的首都"这一知识对所有人都是相同的，不因个人经历而异。
四. 可证成性：命题性知识通常需要有理由、证据或{{{证成}}}（justification）来支持其为真。这涉及到{{{知识论}}}中关于知识标准的核心讨论。
## 命题性知识与其他知识类型的区分
### 命题性知识与程序性知识
在{{{认知心理学}}}和{{{教育学}}}领域，知识常被分为两大类：
{{{程序性知识}}}（Procedural Knowledge）是关于"如何做"的知识，涉及技能、操作步骤和行动过程。例如，知道如何骑自行车、如何演奏乐器、如何解方程等。程序性知识往往难以用语言完整表达，需要通过实践和练习来掌握，并且在熟练后可以自动化执行。
相比之下，命题性知识是关于事实和概念的静态知识。例如： - 命题性知识："自行车有两个轮子"、"踏板连接链条驱动后轮" - 程序性知识：实际骑自行车的平衡技巧和操作能力
在实际认知活动中，这两类知识相互支持。命题性知识为程序性知识的学习提供理论基础，而程序性知识的掌握又能促进对相关命题性知识的深入理解。例如，学习数学定理（命题性知识）有助于解题（程序性知识），而大量解题练习也能加深对定理的理解。
### 命题性知识与亲知
在{{{西方哲学}}}传统中，特别是在{{{罗素}}}（Bertrand Russell）的认识论框架下，知识还可以分为{{{亲知}}}（Knowledge by Acquaintance）和摹状知识（Knowledge by Description）。
亲知是指通过直接经验或直接接触而获得的知识，不需要中介或推理。例如，直接感知到的红色、疼痛的感觉、当下的意识状态等。这类知识具有直接性和非命题性的特点，难以完全用语言捕捉。
命题性知识（或摹状知识）则是间接的、通过{{{描述}}}和{{{推理}}}获得的知识。例如，我们对历史事件的了解、对科学理论的认识、对他人心理状态的推测等，都属于命题性知识。这类知识依赖于语言和概念的中介，是可以用命题形式表达的。
## 命题性知识的传统定义：被证成的真信念
### 知识三要素（JTB理论）
在{{{西方哲学史}}}上，特别是自{{{柏拉图}}}以来，命题性知识的标准定义是被证成的真信念（Justified True Belief），通常简称为JTB理论。这一定义最早可追溯到柏拉图的对话录《泰阿泰德篇》（Theaetetus）。
根据JTB理论，一个主体 $S$ 知道命题 $P$，当且仅当满足以下三个条件：
一. 真条件（Truth Condition）：$P$ 为真。知识必须是关于真实情况的，如果 $P$ 为假，则 $S$ 不可能真正知道 $P$。例如，在哥白尼之前，人们相信"地球是宇宙的中心"，但由于这一命题为假，我们不能说那时的人们"知道"这一点，他们只是"相信"而已。
二. 信念条件（Belief Condition）：$S$ 相信 $P$ 为真。知识要求主体对命题持有某种{{{心理态度}}}，即接受或相信该命题。如果 $S$ 根本不相信 $P$，即使 $P$ 为真，我们也不能说 $S$ 知道 $P$。
三. 证成条件（Justification Condition）：$S$ 对 $P$ 的信念是被证成的、有充分理由的或合理的。这个条件将知识与偶然的真信念区分开来。例如，某人通过随机猜测得出一个正确答案，虽然他相信这个答案且答案为真，但我们不认为他"知道"这个答案，因为他的信念缺乏合理的证成。
### 证成的含义
证成（Justification）是一个复杂的概念，在{{{知识论}}}中有多种理解方式：
{{{证据主义}}}（Evidentialism）认为，证成来自于充分的证据或理由。一个信念是被证成的，意味着主体拥有支持该信念的充分证据。
{{{可靠论}}}（Reliabilism）则认为，证成在于信念形成过程的可靠性。如果一个信念是通过可靠的认知过程（如正常的感知、有效的推理等）产生的，那么它就是被证成的。
{{{融贯论}}}（Coherentism）主张，一个信念的证成在于它与主体的其他信念形成融贯一致的体系。
{{{基础论}}}（Foundationalism）则认为，某些基础信念（如直接的感知信念或{{{自明真理}}}）无需进一步证成即可成立，而其他信念则通过这些基础信念得到证成。
### 葛梯尔问题对JTB理论的挑战
1963年，美国哲学家埃德蒙·葛梯尔（Edmund Gettier）在一篇仅三页的论文《被证成的真信念是知识吗？》（Is Justified True Belief Knowledge?）中，提出了对JTB理论的经典反驳，引发了{{{知识论}}}领域长达半个多世纪的激烈讨论。
{{{葛梯尔问题}}}的核心在于：即使一个信念满足了真、信念和证成这三个条件，它仍可能不是真正的知识。葛梯尔通过构造反例说明，在某些情况下，一个被证成的真信念可能只是出于"认知运气"（epistemic luck）而碰巧为真，这种情况不应被视为知识。
葛梯尔的经典案例一：
假设史密斯和琼斯都在申请同一份工作。史密斯有很好的理由相信"琼斯会得到这份工作且琼斯口袋里有10枚硬币"，因为公司总裁告诉他琼斯会被录用，而且他亲自数过琼斯口袋里的硬币。基于这个信念，史密斯推出："得到这份工作的人口袋里有10枚硬币。"
然而，实际情况是：公司最终录用了史密斯而非琼斯，而史密斯自己（不知情的情况下）口袋里也恰好有10枚硬币。因此，"得到这份工作的人口袋里有10枚硬币"这一命题为真，史密斯相信它，并且有合理的理由相信它（基于总裁的话和对琼斯的观察）。但直觉上，我们不会说史密斯真正"知道"这一命题，因为他的信念为真只是偶然的巧合。
葛梯尔问题表明，JTB三条件并非知识的充分条件。这促使哲学家们寻找"第四条件"或对证成条件进行更精细的修正，以排除这类认知运气的情况。这包括： - 无错条件：要求证成过程中不依赖任何虚假信念 - 因果理论：要求信念与事实之间存在适当的{{{因果关系}}} - 安全条件：要求在相近的{{{可能世界}}}中，如果主体采用同样方式形成信念，该信念也为真 - 敏感性条件：要求如果命题为假，主体就不会相信它
## 命题性知识的认知表征
在{{{认知心理学}}}和{{{认知科学}}}中，命题性知识的心理表征方式是一个重要的研究主题。
### 命题网络
认知心理学家认为，命题性知识在人脑中以命题（Proposition）为最小单位进行表征。一个命题大致相当于一个"想法"或"观念"，它表达概念之间的关系。
命题可以进一步组织成命题网络（Propositional Network）或{{{语义网络}}}（Semantic Network）。在这种网络结构中： - 节点代表概念或对象 - 连接代表概念之间的关系（如"是""有""位于"等）
例如，"巴黎是法国的首都"这一命题性知识可以表示为： - 节点：[巴黎]、[法国]、[首都] - 关系：[巴黎] —是— [首都]，[首都] —属于— [法国]
### 陈述性记忆
在{{{记忆心理学}}}中，命题性知识对应于{{{陈述性记忆}}}（Declarative Memory）或外显记忆（Explicit Memory）。陈述性记忆是指可以有意识地回忆和陈述的记忆内容，与{{{程序性记忆}}}（Procedural Memory，对应程序性知识）相对。
陈述性记忆进一步分为： - {{{语义记忆}}}（Semantic Memory）：关于一般事实和概念的记忆，如"罗马是意大利的首都"、"狗是哺乳动物" - {{{情节记忆}}}（Episodic Memory）：关于个人经历和特定事件的记忆，如"我上周去了博物馆"、"我10岁时学会了游泳"
语义记忆更典型地体现了命题性知识的特点，因为它是去情境化的、客观的知识；而情节记忆虽然也可以用命题形式表达，但具有更强的个人性和时空特定性。
## 命题性知识的哲学分类
### 先验知识与后验知识
在{{{康德}}}（Immanuel Kant）的认识论框架下，命题性知识可以根据其证成方式分为：
{{{先验知识}}}（A Priori Knowledge）是独立于经验就可以获得的知识。例如： - 逻辑真理："如果 $P$ 则 $P$" - 数学知识："$2 + 3 = 5$"、"三角形内角和为180度" - 概念分析："所有单身汉都是未婚男性"
这类知识的证成不依赖于具体的经验观察，而是基于{{{理性}}}、{{{逻辑}}}或{{{概念分析}}}。
{{{后验知识}}}（A Posteriori Knowledge）是依赖于经验观察才能获得或证成的知识。例如： - "水在100摄氏度时沸腾" - "太阳从东方升起" - "拿破仑在1815年战败于滑铁卢"
这类知识必须通过感官经验、实验观察或历史记录等经验手段来证实或证伪。
值得注意的是，{{{克里普克}}}（Saul Kripke）在《命名与必然性》中提出，先验/后验（认识论概念）与{{{必然/偶然}}}（{{{形而上学}}}概念）并不完全对应。例如，"标准米尺的长度是一米"是先验但偶然的（因为我们本可以用其他标准定义米），而"水是 $\text{H}_2\text{O}$"是后验但必然的（因为这是水的本质，尽管需要通过经验才能发现）。
### 分析命题与综合命题
康德还区分了：
{{{分析命题}}}（Analytic Proposition）：其谓词概念包含在主词概念中的命题。例如："所有单身汉都是未婚的"，因为"未婚"是"单身汉"定义的一部分。分析命题的真假仅依赖于概念的意义，无需诉诸经验事实。
{{{综合命题}}}（Synthetic Proposition）：其谓词概念不包含在主词概念中的命题。例如："所有单身汉都不快乐"，因为"不快乐"并非"单身汉"定义的一部分。综合命题为我们提供了关于世界的新信息。
康德的一个重要哲学贡献是提出先验综合命题的可能性，即既独立于经验又能扩展知识的命题（如几何学和纯粹数学的命题）。然而，{{{逻辑实证主义}}}者如{{{奎因}}}（W.V.O. Quine）后来对分析/综合二分法本身提出了质疑。
## 真值条件语义学
在{{{语言哲学}}}和{{{形式语义学}}}中，命题性知识与{{{真值条件}}}（Truth Conditions）的概念紧密相关。
根据真值条件语义学（Truth-Conditional Semantics），一个陈述句的意义就是使该句子为真的条件。例如，"正在下雪"这一句子的意义，就是当且仅当正在下雪时，该句子为真的这个条件。
这种理论认为： - 理解一个命题就是知道在什么条件下它为真 - 命题的意义可以通过其真值条件来刻画 - 两个句子如果具有相同的真值条件，则表达相同的命题
这一框架为命题性知识的语义分析提供了形式化工具，在{{{逻辑学}}}、{{{语言学}}}和{{{计算机科学}}}中有广泛应用。
## 命题性知识在知识工程中的应用
在{{{人工智能}}}和{{{知识工程}}}领域，命题性知识是知识表示和知识库构建的核心内容。
### 知识表示
命题性知识可以通过多种形式化方式表示：
一. {{{一阶谓词逻辑}}}：使用谓词、量词和逻辑联结词表达知识。例如： - $\forall x (\text{人}(x) \rightarrow \text{有死的}(x))$（所有人都会死） - $\text{首都}(\text{巴黎}, \text{法国})$（巴黎是法国的首都）
二. {{{语义网络}}}和{{{知识图谱}}}：使用节点和边表示实体及其关系。例如，DBpedia、Wikidata等大规模知识图谱包含了数以亿计的命题性知识。
三. 框架表示（Frame Representation）和本体（Ontology）：使用结构化的框架或本体语言（如OWL）来组织领域知识。
四. 产生式规则：使用"如果-那么"形式表达条件性知识。例如： - IF 温度 > 100°C AND 压力 = 1个大气压 THEN 水沸腾
### 知识图谱
{{{知识图谱}}}（Knowledge Graph）是近年来表示和组织大规模命题性知识的重要技术。知识图谱以图的形式存储实体（节点）及其之间的关系（边），每一个三元组 $(\text{实体}_1, \text{关系}, \text{实体}_2)$ 可以视为一个原子命题。
例如，在知识图谱中，"(阿尔伯特·爱因斯坦, 发展了, 相对论)"这一三元组表达了命题性知识"阿尔伯特·爱因斯坦发展了相对论"。
知识图谱技术在搜索引擎（如Google Knowledge Graph）、智能问答系统、推荐系统等领域有广泛应用。
## 命题性知识的教育意义
在{{{教育学}}}和{{{教学设计}}}中，区分命题性知识与程序性知识对于有效教学至关重要。
命题性知识的教学特点： - 主要通过讲授、阅读、讨论等方式传递 - 强调理解、记忆和组织 - 可以通过测验、论述题等方式评估 - 学习策略包括{{{精细加工}}}、{{{组织策略}}}、{{{意义学习}}}等
与程序性知识的整合： 有效的教学需要将命题性知识与程序性知识结合。例如，在数学教学中： - 命题性知识：理解数学定理、概念和原理 - 程序性知识：掌握解题方法和运算技能
研究表明，单纯的命题性知识学习可能导致"惰性知识"（inert knowledge）——学生知道概念但不会应用。因此，教学设计应促进知识的情境化和应用。
## 命题性知识的局限
尽管命题性知识在认识论和知识传播中占据核心地位，但它也存在一些重要局限：
一. 无法完全捕捉实践技能：正如{{{吉尔伯特·赖尔}}}（Gilbert Ryle）所指出的，"知道如何"（knowing-how）不能完全还原为"知道那"（knowing-that）。骑自行车的技能无法仅通过命题性描述来完全传递。
二. 难以表达{{{默会知识}}}（Tacit Knowledge）：{{{波兰尼}}}（Michael Polanyi）强调，很多知识是"只可意会不可言传"的，超出了命题性表达的范围。
三. 忽视情境和体验：命题性知识往往是去情境化的、抽象的，可能忽视知识的情境依赖性和{{{具身认知}}}（embodied cognition）维度。
四. 语言表达的限制：某些复杂的经验、感受或直觉可能无法用命题完整表达，如{{{感质}}}}（qualia）问题——关于主观感受的本质。
## 当代发展
当代认识论对命题性知识的研究继续在多个方向展开：
一. {{{形式认识论}}}（Formal Epistemology）：使用概率论、{{{博弈论}}}、{{{模态逻辑}}}等形式化工具研究知识和{{{理性信念}}}的结构。
二. {{{社会认识论}}}（Social Epistemology）：研究知识的社会维度，如证言（testimony）、专家知识的可靠性、群体知识等。
三. {{{德行认识论}}}（Virtue Epistemology）：将焦点从信念的证成转向认知主体的{{{智性德行}}}（intellectual virtues），强调品格和能力在知识中的作用。
四. 情境主义（Contextualism）：认为知识归属（knowledge ascription）依赖于对话语境，"知道"的标准在不同语境中可能不同。
## 结语
命题性知识作为可以用命题形式表达的知识，是人类认知和知识传播的基石。从柏拉图的"被证成的真信念"到葛梯尔问题，从认知心理学的表征研究到人工智能的知识工程，命题性知识的概念贯穿了哲学、心理学、语言学、教育学和计算机科学等多个领域。
理解命题性知识的本质、结构和局限，不仅有助于深化对人类认知的理解，也为知识的有效传播、人工智能的发展以及教育实践的改进提供了重要的理论基础。在知识经济时代，如何更好地表示、组织、传递和应用命题性知识，仍然是一个充满挑战和机遇的重要课题。