Tracing the Origins of the Muddy Children Puzzle

•泥濘兒童謎題是多代理系統和認知邏輯中「共同知識」概念的經典範例，父親的初始宣告（即使看似多餘）建立了共同知識，這對謎題的解決至關重要。
•該謎題的解決方案依賴於歸納推理過程，其中孩子們在每一輪中的「沉默」（未能舉手）提供了新的、公開的資訊，使他們能夠迭代地推斷自己的狀態。
•此謎題以多種名稱和形式出現，包括「三智者」和「彩色帽子」謎題，是認知邏輯科學文獻中常見的歸納謎題。
•謎題的形式化通常使用克里普克模型（Kripke models）和動態認知邏輯（Dynamic Epistemic Logic, DEL）來表示代理人的知識、信念以及這些狀態如何因公共宣告或對不作為的觀察而改變。
•該謎題突顯了個體知識與共同知識之間的差異，展示了一個群體如何能夠集體解決一個由於共同知識所建立的深刻共享確定性而單個個體無法解決的問題。

克里普克模型 (Kripke Models)：用於透過可及關係（accessibility relations）表示可能世界和代理人的信念/知識。每個世界代表一個狀態（例如，哪些孩子臉上有泥）。
動態認知邏輯 (Dynamic Epistemic Logic, DEL)：提供了一個框架，用於建模知識狀態如何因公共宣告和觀察而變化。
公共觀察邏輯 (Public Observation Logic)：一種用於形式化謎題並行會話的系統，允許認知更新。
形式語言 (Formal Language)：認知邏輯公式通常使用 Kaφ（代理人「a」知道 φ）和 C_Gφ（群體 G 中的 φ 共同知識）。
狀態表示 (State Representation)：在某些形式化中，一個針對 n 個孩子的模型可以有 2^n 個可能世界（例如，3 個孩子有 8 個世界的認知立方體）。更簡潔的模型可以將其減少到 2n+1 個狀態。
推理過程 (Reasoning Process)：涉及消除與公共宣告或觀察到的不作為相矛盾的可能世界。
廣義量詞 (Generalized Quantifiers)：變體探索帶有任意廣義量詞的公共宣告，影響可解性和知識的收斂。

AI系統中的多代理協作將受益於對共同知識的更精確建模。

該謎題的核心在於公共宣告如何建立共同知識，這對於多代理系統中的協調行動和理性決策至關重要。

形式化驗證工具將能更有效地分析複雜的互動式知識協議。

謎題的邏輯形式化，特別是使用動態認知邏輯，為驗證多代理系統中的知識更新和推理過程提供了基礎。

認知邏輯的進步將促進開發更具適應性和情境感知能力的AI系統。

謎題及其變體對代理人如何根據不完整和不對稱信息進行推理的分析，有助於設計能夠在動態環境中學習和適應的AI。

1839

類似概念在拉伯雷的作品中被提及，作為謎題的文學前身。

1969

Lewis和Friedel提出了「共同知識」的概念，與泥濘兒童謎題的核心機制緊密相關。

1990

John McCarthy發表論文《知識相關的兩個謎題的形式化》，其中包含泥濘兒童謎題。

2012-01

Alexandru Dragomir發表論文《泥濘兒童謎題與行動模型》，使用行動模型邏輯提供了形式化解決方案。

2023-09

一篇研究論文在arXiv上發表，使用公共觀察邏輯形式化了泥濘兒童謎題的並行會話。

追溯 Muddy Children Puzzle 的起源