溯因推理是一种找寻对于反常现象的解释的推理行为,是在拥有不完全信息情境中进行的推理。在这里反常现象是指超出人们预期心理或者知识范围的现象,因此,溯因往往发生在新经验与已有经验或认知冲突而想给出合理解释之时。真正提出这种推理形式并把它和演绎、归纳并列为推理种类之一的是美国的逻辑学家和哲学家皮尔士(Charles Sanders Peirce),他奠定了溯因逻辑的正式地位并且率先提出其刻画模式——三段论形式。在对于溯因研究的成果转化方面,皮尔士从逻辑学视角开创了“研究经济学”,是逻辑基础学科指导应用学科的典范。随着人工智能研究的蓬勃发展,特别是逻辑编程、知识聚合、专家诊疗等领域的发展使得沉寂一段时间的溯因研究在当代又逐步得到复兴,当下溯因研究更加注重对于形式刻画的程序化、系统化,着力于细致模仿人类认知过程,增强机器学习(Machine Learning)能力。莱拉(Atocha Aliseda LLera)是研究溯因逻辑的专家,不同于当下主流的研究惯性,喜欢借助模态或数学概率工具描述溯因推理,她选择另辟蹊径运用闭合逻辑树方式探讨溯因推理的推理步骤,并且成功将其程序化。其最可贵之处在于没有如一般思维一样将眼光局限于纠结e|-Φ中是否成立,而是运用转化思维转而探究θ∪{(?)Φ}的逻辑树是否闭合,继而寻找使其闭合的条件,即证明X就是证明(?)X的逻辑树关闭。但对于过于复杂的逻辑树,遍历会呈几何倍数增长。对于信念修正,莱拉提出在新信息与旧信息库矛盾时,可以有两种修正方式：整体策略(global strategy)和局部策略(local strategy)。他们的区别在于前者是直接删掉冲突方之一,后者是用“T”代替某一公式的分支。两种方法各有利弊,整体策略改动更大,更为彻底,某些情况更为简便；局部策略变动较小,但容易冗余。通过反思皮尔士和莱拉关于溯因的思想,论文提出如下想法：因为存在因果链,所以原因是有层级之分的,这某种程度上决定了溯因的不定性。溯因的关键是尽量扩充背景知识,背景理论的扩充和溯因的价值存在此消彼长,这是一种经济上的妥协。溯因推理是在收集更多辅证中辗转前行,每一阶段都是下一阶段的上一层级。究极的溯因是对于封闭系统最终的极大扩充。