O Raciocínio sobre Conhecimento e Crença
Coleção Escola de Lógica Matemática
JOÃO CARLOS MOREIRA
Doutor em Matemática
Universidade Federal de Uberlândia
Copyright©2013-2025 Coleção Escola de Lógica Matemática. Todos os direitos reservados.
Quantas vezes ao dia você diz "eu sei" ou "eu acredito"? Essas duas expressões simples carregam uma complexidade filosófica milenar que a lógica epistêmica transforma em linguagem matemática precisa. Imagine poder representar não apenas o que é verdadeiro, mas também o que diferentes pessoas sabem, acreditam ou ignoram sobre a verdade. Esta é a magia da lógica epistêmica — ela nos permite raciocinar formalmente sobre o conhecimento humano, desde conversas cotidianas até sistemas computacionais complexos que precisam modelar o que cada agente sabe ou desconhece.
O conhecimento humano não é apenas uma coleção de fatos memorizados. É uma rede dinâmica de informações interconectadas, constantemente atualizada por novas experiências e reflexões. Quando dizemos que Ana sabe que está chovendo, estamos afirmando algo profundo: Ana tem acesso a uma verdade sobre o mundo. Mas o que acontece quando Pedro sabe que Ana sabe? Entramos no fascinante território do conhecimento sobre conhecimento, onde a lógica epistêmica revela sua verdadeira força.
A necessidade de formalizar o raciocínio sobre conhecimento surge em situações surpreendentemente variadas. Um detetive precisa deduzir o que um suspeito sabia no momento do crime. Um programa de computador precisa coordenar informações distribuídas entre diferentes servidores. Um economista precisa modelar o que investidores sabem sobre o mercado. Em cada caso, a intuição humana não é suficiente — precisamos de ferramentas matemáticas rigorosas para analisar cenários complexos de conhecimento.
Três sábios matemáticos sentam-se em círculo, cada um com um chapéu que pode ser branco ou preto. Cada sábio vê os chapéus dos outros dois, mas não o próprio. O rei informa que há pelo menos um chapéu branco. Então pergunta: "Alguém sabe a cor do próprio chapéu?" Silêncio. Pergunta novamente. Silêncio. Na terceira vez, todos com chapéus brancos respondem simultaneamente "Sim!". Como isso é possível? Este quebra-cabeça clássico demonstra como o conhecimento evolui através do raciocínio sobre o que outros sabem ou não sabem.
A distinção entre conhecimento e crença é fundamental. Conhecimento implica verdade — não podemos realmente saber algo falso. Já a crença pode ser equivocada. Maria pode acreditar que o banco abre às 9h, mas só sabe isso se for verdade. Esta diferença sutil tem consequências profundas: enquanto o conhecimento é factivo (implica verdade), a crença é mais flexível, permitindo modelar incertezas e enganos do mundo real.
O conhecimento raramente existe em isolamento. Vivemos em redes sociais onde a informação flui constantemente. Quando você posta algo nas redes sociais, cria camadas complexas de conhecimento: você sabe o conteúdo, seus amigos sabem, você sabe que eles sabem, e assim por diante. Esta estrutura multi-camadas é precisamente o que a lógica epistêmica captura com seus operadores e modelos formais.
A comunicação é o mecanismo fundamental para compartilhar conhecimento. Mas comunicar não é apenas transmitir bits de informação — é criar conhecimento comum, atualizar crenças, e às vezes até criar incerteza estratégica. Quando Alice envia uma mensagem para Bruno, múltiplas camadas de conhecimento são criadas: Bruno sabe o conteúdo, Alice sabe que Bruno recebeu (se houver confirmação), e ambos podem raciocinar sobre o que o outro sabe.
Todo sistema de conhecimento tem limitações intrínsecas. Não podemos saber todas as consequências lógicas do que sabemos — somos logicamente não-oniscientes. Não temos acesso direto aos estados mentais de outros — enfrentamos o problema das outras mentes. E paradoxalmente, quanto mais sabemos sobre nossas limitações, mais sofisticado nosso raciocínio epistêmico se torna. A lógica epistêmica abraça essas limitações, modelando agentes com capacidades realistas.
Vivemos na era da informação, onde o conhecimento é poder e a gestão de informação é crucial. Sistemas de recomendação precisam modelar o que usuários sabem e preferem. Protocolos de segurança dependem do que atacantes podem ou não descobrir. Inteligências artificiais precisam raciocinar sobre o conhecimento humano para interagir naturalmente. A lógica epistêmica fornece as ferramentas matemáticas para enfrentar esses desafios modernos.
Este capítulo introdutório estabeleceu o palco para nossa exploração da lógica epistêmica. Vimos como o conhecimento e a crença permeiam nossa vida diária e como sua formalização resolve problemas práticos importantes. Nos próximos capítulos, construiremos o arsenal matemático necessário para raciocinar rigorosamente sobre conhecimento: operadores epistêmicos, semântica de mundos possíveis, axiomas e regras de inferência. Prepare-se para uma jornada fascinante pelo território onde lógica, filosofia e computação se encontram!
A lógica epistêmica não é apenas uma curiosidade acadêmica — é uma ferramenta poderosa para entender como o conhecimento molda nossas decisões, nossas interações e nossa sociedade. Ao dominar seus conceitos, você ganhará uma nova perspectiva sobre a natureza da informação e do raciocínio humano. Vamos começar essa aventura intelectual explorando em detalhe o que realmente significa saber algo!
O que significa realmente saber algo? Esta pergunta, que filósofos debatem há milênios, encontra na lógica epistêmica uma resposta matematicamente precisa. Quando dizemos "João sabe que está chovendo", estamos afirmando algo muito específico: em todos os cenários que João considera possíveis, está chovendo. Este capítulo mergulha na natureza formal do conhecimento, explorando como transformamos intuições filosóficas em estruturas matemáticas rigorosas que capturam a essência do saber humano.
O operador K é o coração da lógica epistêmica. Quando escrevemos Kₐφ, lemos "o agente a sabe que φ". Mas este símbolo simples esconde uma riqueza de significado. Kₐφ não é apenas uma afirmação sobre o estado mental de a — é uma declaração sobre todos os mundos que a considera possíveis. Se Maria sabe que o cofre está trancado, então em qualquer situação compatível com o conhecimento de Maria, o cofre está realmente trancado.
A propriedade mais fundamental do conhecimento é sua factividade: só podemos saber coisas verdadeiras. Se Pedro sabe que o trem parte às 10h, então o trem realmente parte às 10h. Esta característica distingue conhecimento de mera crença — podemos acreditar em falsidades, mas não podemos conhecê-las. A factividade é capturada pelo axioma T: Kₐφ → φ, uma pedra angular de qualquer sistema epistêmico.
Será que sempre sabemos o que sabemos? A introspecção positiva (axioma 4) sugere que sim: se sei algo, sei que sei. Mas esta propriedade é controversa. Crianças pequenas podem saber fatos sem ter consciência desse conhecimento. Computadores processam informação sem meta-cognição. A lógica epistêmica permite modelar diferentes níveis de introspecção, desde agentes perfeitamente autoconscientes até sistemas com consciência limitada de seu próprio conhecimento.
Sistemas epistêmicos clássicos assumem que agentes conhecem todas as consequências lógicas de seu conhecimento. Se você sabe os axiomas da geometria, conhece todos os teoremas? Obviamente não! Este é o problema da onisciência lógica — uma idealização útil mas irrealista. Matemáticos levam anos para provar teoremas que seguem logicamente de axiomas conhecidos. A lógica epistêmica moderna desenvolve modelos mais realistas com dedução limitada.
Em grupos, o conhecimento total excede a soma das partes. Se Alice sabe que a senha tem 8 dígitos e Bruno sabe que começa com 4, juntos eles têm conhecimento distribuído de que a senha é um número de 8 dígitos começando com 4. Este conhecimento não pertence a nenhum indivíduo, mas emerge da combinação. Sistemas distribuídos, desde times de trabalho até redes de computadores, dependem crucialmente deste fenômeno.
Nem todo conhecimento é igual. Existe conhecimento direto, baseado em observação pessoal, e conhecimento indireto, adquirido através de testemunho. Há conhecimento procedural (saber como) e proposicional (saber que). Conhecimento pode ser mais ou menos certo, mais ou menos detalhado, mais ou menos acessível. A lógica epistêmica moderna captura essas nuances através de modalidades graduadas e probabilísticas.
O conhecimento evolui temporalmente. Aprendemos coisas novas e ocasionalmente descobrimos que estávamos errados. A lógica epistêmica temporal adiciona operadores para "saberá amanhã" ou "sabia ontem". Podemos modelar aprendizado, esquecimento, e revisão de conhecimento. Esta dimensão temporal é crucial para entender como agentes atualizam seu conhecimento em resposta a novas informações.
O conhecimento sempre existe em contexto. Saber que "ele é alto" requer saber quem é "ele". Saber que "a reunião é amanhã" requer saber a data de hoje. A lógica epistêmica contextual modela como o conhecimento depende de informação de fundo, convenções compartilhadas, e pressuposições implícitas. Este aspecto é crucial para entender comunicação natural e raciocínio situado.
O conhecimento gera paradoxos fascinantes. O paradoxo de Moore: "Está chovendo, mas não sei que está chovendo" soa absurdo, mesmo podendo ser verdadeiro. O paradoxo do conhecedor: "Esta frase não é conhecida por você" cria loops auto-referenciais. Estes paradoxos não são meras curiosidades — eles revelam tensões profundas em nossa compreensão do conhecimento e motivam refinamentos na lógica epistêmica.
O conhecimento forma estruturas complexas — redes onde fatos se apoiam mutuamente, hierarquias onde conhecimento básico sustenta conhecimento derivado, ciclos onde crenças se reforçam. Compreender esta arquitetura é essencial para modelar sistemas de conhecimento realistas. A lógica epistêmica fornece ferramentas para mapear e analisar estas estruturas, revelando como o conhecimento individual se organiza e evolui.
O conhecimento é mais que informação armazenada — é uma capacidade dinâmica de navegar possibilidades, distinguir verdade de falsidade, e raciocinar sobre o mundo. A lógica epistêmica captura esta riqueza através de formalismos matemáticos precisos, permitindo-nos analisar, modelar e implementar sistemas de conhecimento. Com esta base sólida sobre a natureza do conhecimento, estamos prontos para explorar seu primo próximo mas distinto: a crença!
Enquanto o conhecimento exige verdade, a crença vive no reino da possibilidade e da incerteza. Acreditamos em muitas coisas que podem ser falsas — que nosso time vencerá o campeonato, que amanhã não choverá, que encontramos a melhor rota para o trabalho. A crença é nossa ferramenta cognitiva para navegar em um mundo de informação incompleta, onde decisões precisam ser tomadas antes que toda evidência esteja disponível. Este capítulo explora como a lógica epistêmica modela crenças, suas propriedades únicas, e sua relação complexa com o conhecimento.
O operador B captura a noção de crença. Quando escrevemos Bₐφ, expressamos que o agente a acredita que φ. Diferentemente do conhecimento, Bₐφ não implica φ — podemos acreditar em falsidades. Esta flexibilidade torna a crença uma ferramenta poderosa para modelar agentes falíveis, sistemas com informação incompleta, e processos de tomada de decisão sob incerteza. A crença reflete não o que é, mas o que o agente considera provável ou plausível.
Agentes racionais mantêm crenças consistentes — não acreditam simultaneamente em φ e ¬φ. Mas a realidade é mais complexa. Pessoas reais mantêm crenças contraditórias, especialmente em domínios diferentes. Você pode acreditar que exercício é importante enquanto acredita que não tem tempo para exercitar-se. A lógica epistêmica permite modelar tanto agentes idealmente racionais quanto agentes com racionalidade limitada ou compartimentalizada.
Nem todas as crenças são iguais em força. Você pode estar quase certo de que deixou as chaves na mesa, moderadamente confiante de que não choverá, e levemente inclinado a acreditar que seu time vencerá. A lógica epistêmica probabilística atribui graus numéricos às crenças, conectando lógica com teoria da probabilidade. Esta abordagem captura nuances que lógicas binárias não conseguem expressar.
Como surgem as crenças? Através de observação direta, testemunho de outros, inferência lógica, intuição, ou até wishful thinking. Cada mecanismo tem características próprias — observação tende a gerar crenças fortes, testemunho depende da credibilidade da fonte, inferência preserva incerteza. A lógica epistêmica dinâmica modela estes processos, mostrando como novas informações transformam estados de crença.
Crenças não são estáticas — elas evoluem com novas informações. Quando você aprende algo que contradiz suas crenças atuais, precisa revisar seu sistema de crenças. Mas como? Manter máxima informação? Fazer mudanças mínimas? Priorizar crenças mais confiáveis? A teoria AGM de revisão de crenças fornece princípios racionais para atualização de crenças, fundamentais para inteligência artificial e modelagem cognitiva.
Assim como temos conhecimento sobre conhecimento, temos crenças sobre crenças. Carlos acredita que Diana acredita que o restaurante é bom. Esta meta-crença influencia o comportamento de Carlos — ele pode sugerir o restaurante para Diana. Cadeias de crenças sobre crenças criam estruturas complexas de expectativas mútuas, fundamentais para interação social e coordenação.
Crenças racionais são baseadas em evidências. Mas o que conta como evidência suficiente? Quantas confirmações você precisa antes de acreditar em uma teoria? Como evidências conflitantes devem ser pesadas? A lógica epistêmica evidencial adiciona estrutura para rastrear justificações, permitindo distinguir entre crenças bem fundamentadas e meras suposições.
Nem todas as crenças seguem padrões racionais. Vieses cognitivos distorcem nossa formação de crenças — confirmamos evidências que apoiam crenças existentes, superestimamos eventos salientes, ancoramos em informações iniciais. A lógica epistêmica descritiva modela agentes como eles são, não como deveriam ser, capturando padrões realistas de crença que incluem irracionalidades sistemáticas.
Grupos desenvolvem crenças coletivas que transcendem crenças individuais. Uma empresa pode "acreditar" em sua missão mesmo que nem todos os funcionários compartilhem essa crença. Mercados expressam crenças coletivas através de preços. Culturas mantêm crenças compartilhadas que definem identidade. Modelar crenças coletivas requer agregar e reconciliar crenças individuais diversas.
Por que a crença é valiosa se pode ser falsa? Porque permite ação na ausência de conhecimento completo. Se esperássemos ter conhecimento perfeito, nunca agiríamos. A crença preenche lacunas em nosso conhecimento com suposições plausíveis, permitindo decisão e ação. Em um mundo incerto, a capacidade de formar e revisar crenças é essencial para navegação bem-sucedida.
A crença é nossa ferramenta cognitiva para lidar com um mundo onde o conhecimento completo é impossível. Mais flexível que o conhecimento mas menos confiável, a crença nos permite formar modelos provisórios da realidade, fazer previsões incertas, e coordenar com outros que também operam sob incerteza. A lógica epistêmica captura esta riqueza, fornecendo frameworks formais para raciocinar sobre crenças, sua formação, revisão e papel na cognição. Com esta compreensão de conhecimento e crença, estamos prontos para explorar o framework semântico que unifica ambos: a teoria de mundos possíveis!
Como podemos dar significado matemático preciso a conceitos tão abstratos quanto conhecimento e crença? A resposta está numa das ideias mais elegantes da lógica moderna: a semântica de mundos possíveis. Imagine todos os modos como o mundo poderia ser — cada configuração completa de fatos forma um mundo possível. O conhecimento e a crença de um agente determinam quais mundos ele considera possíveis. Esta visão geométrica transforma questões epistêmicas em navegação através de espaços de possibilidades, fornecendo intuição visual e rigor matemático simultaneamente.
Um mundo possível é uma descrição completa e consistente de como as coisas poderiam ser. No mundo atual, você está lendo este texto. Em outro mundo possível, você poderia estar dormindo. Em outro ainda, dinossauros nunca foram extintos. Cada mundo atribui valor verdade a cada proposição possível. Esta completude distingue mundos de cenários parciais — em cada mundo, toda questão tem resposta definida.
A ideia revolucionária é conectar mundos através de relações de acessibilidade. Para cada agente, definimos quais mundos são acessíveis (indistinguíveis) de cada mundo. Se no mundo w, o agente a não consegue distinguir entre w e v, dizemos que v é acessível de w para a. O conjunto de mundos acessíveis representa a incerteza do agente — mundos que, dado seu conhecimento atual, poderiam ser o mundo real.
Diferentes propriedades da relação de acessibilidade correspondem a diferentes propriedades do conhecimento. Se a relação é reflexiva (cada mundo acessa a si mesmo), o conhecimento é factivo. Se é transitiva, vale a introspecção positiva. Se é euclidiana, vale a introspecção negativa. Esta correspondência entre propriedades relacionais e axiomas epistêmicos é a ponte entre sintaxe e semântica.
Um modelo de Kripke combina mundos possíveis, relações de acessibilidade e uma valoração que determina quais proposições são verdadeiras em cada mundo. Formalmente, M = (W, R, V) onde W é o conjunto de mundos, R especifica acessibilidade para cada agente, e V mapeia proposições para conjuntos de mundos onde são verdadeiras. Esta estrutura simples tem poder expressivo extraordinário.
Modelos de Kripke podem ser visualizados como grafos dirigidos onde nós são mundos e arestas representam acessibilidade. O conhecimento de um agente em um mundo corresponde ao que é verdadeiro em todos os mundos alcançáveis. Esta visualização torna conceitos abstratos tangíveis — você pode literalmente ver o conhecimento como regiões no espaço de possibilidades.
Modelos com múltiplos agentes têm uma relação de acessibilidade para cada agente. Mundos que Ana não distingue podem ser perfeitamente distinguíveis para Bruno. Esta estrutura permite modelar situações complexas onde agentes têm conhecimento diferente e raciocinam sobre o conhecimento uns dos outros. A interação entre perspectivas diferentes cria fenômenos epistêmicos ricos.
Quando dois modelos de Kripke representam essencialmente a mesma situação epistêmica? A bisimulação fornece a resposta — uma relação entre modelos preservando estrutura local e verdade de fórmulas. Modelos bisimilares são epistemicamente indistinguíveis, mesmo tendo estruturas globais diferentes. Este conceito é crucial para simplificação de modelos e verificação de equivalência.
Extensões da semântica básica incluem mundos impossíveis — mundos onde contradições são verdadeiras ou leis lógicas falham. Estes mundos modelam raciocínio sobre impossibilidades, crenças inconsistentes, e conhecimento de agentes não-ideais. Embora filosoficamente controversos, mundos impossíveis têm aplicações práticas em modelagem de sistemas com bugs ou agentes com racionalidade limitada.
Um frame é um modelo sem valoração — apenas mundos e acessibilidade. Diferentes classes de frames validam diferentes lógicas epistêmicas. O teorema de completude conecta sintaxe e semântica: toda lógica epistêmica normal é completa relativa a alguma classe de frames. Esta correspondência permite transferir resultados entre abordagens sintáticas e semânticas.
A semântica de mundos possíveis não é apenas teoria abstrata — ela fundamenta aplicações práticas. Model checkers verificam propriedades de sistemas representando estados como mundos. Planejadores em IA navegam espaços de estados possíveis. Sistemas multi-agente mantêm modelos de crenças usando estruturas de Kripke. A teoria fornece tanto fundamento conceitual quanto algoritmos práticos.
A semântica de mundos possíveis transforma conceitos filosóficos abstratos em estruturas matemáticas concretas. Através de mundos e acessibilidade, podemos visualizar conhecimento, calcular com crenças, e construir sistemas que raciocinam sobre informação. Esta abordagem semântica fornece tanto intuição quanto rigor, servindo como ponte entre filosofia, matemática e computação. Com esta fundação semântica sólida, estamos prontos para explorar a rica linguagem de operadores epistêmicos que nos permite expressar raciocínios sofisticados sobre conhecimento!
Se os mundos possíveis são o palco onde o drama epistêmico se desenrola, os operadores epistêmicos são os atores principais. Cada operador — K para conhecimento, B para crença, C para conhecimento comum — captura um modo diferente de relacionamento com a informação. Como lentes através das quais examinamos proposições, estes operadores transformam afirmações sobre o mundo em afirmações sobre o que agentes sabem ou acreditam sobre o mundo. Este capítulo explora o rico vocabulário de operadores epistêmicos, suas inter-relações, e o poder expressivo que conferem à linguagem formal.
Os operadores epistêmicos formam uma hierarquia natural baseada em força. Conhecimento é mais forte que crença — saber implica acreditar, mas não vice-versa. Certeza é mais forte que probabilidade alta. Conhecimento comum é mais forte que conhecimento individual. Esta hierarquia não é apenas conceitual — ela se manifesta em relações lógicas precisas entre operadores, permitindo inferências sistemáticas.
Quando múltiplos agentes interagem, emergem novos tipos de conhecimento. O operador E (everyone knows) captura o que todos em um grupo sabem. O operador C (common knowledge) vai além — representa o que todos sabem, todos sabem que todos sabem, ad infinitum. O operador D (distributed knowledge) captura o que o grupo poderia deduzir combinando todo seu conhecimento. Estes operadores modelam fenômenos sociais complexos.
O conhecimento evolui no tempo, requerendo operadores que capturam esta dinâmica. Kₐ□φ expressa que a sabe que φ sempre será verdadeiro. ◇Kₐφ indica que eventualmente a saberá φ. YKₐφ (yesterday knew) e TKₐφ (tomorrow will know) adicionam precisão temporal. Combinando operadores epistêmicos e temporais, podemos expressar aprendizado, esquecimento, e a evolução de crenças.
O conhecimento condicional — saber o que seria verdadeiro se algo ocorresse — requer operadores especiais. Kₐ(ψ|φ) expressa que a sabe ψ condicionado a φ. Estes operadores modelam raciocínio hipotético, planejamento contingente, e conhecimento de relações causais. São essenciais para representar conhecimento sobre consequências de ações ainda não realizadas.
Anúncios públicos transformam conhecimento dramaticamente. [!φ]ψ expressa que após anúncio público de φ, ψ será verdadeiro. Estes operadores dinâmicos modelam como comunicação afeta conhecimento. Um simples anúncio pode criar conhecimento comum, resolver coordenação, ou paradoxalmente destruir conhecimento prévio (como no paradoxo do exame surpresa).
Nem todo conhecimento é binário. Operadores probabilísticos capturam graus de certeza. Pₐ(φ) ≥ r expressa que a atribui probabilidade pelo menos r a φ. Estes operadores conectam lógica epistêmica com teoria da probabilidade, permitindo modelar incerteza quantitativa, aprendizado Bayesiano, e decisão sob risco.
O conhecimento baseado em evidência requer operadores especiais. ⊢ₐφ indica que a tem evidência conclusiva para φ. Operadores de justificação rastreiam razões para conhecimento, permitindo distinguir entre conhecimento bem fundamentado e acidental. Esta abordagem é crucial para epistemologia formal e sistemas que precisam explicar suas conclusões.
Saber não é apenas ter respostas — é também saber quais perguntas fazer. ?φ representa a pergunta "φ é verdadeiro?". Kₐ?φ indica que a sabe a resposta para a pergunta. Operadores de pergunta modelam curiosidade, investigação, e o valor da informação. São fundamentais para teoria de decisão e design de sistemas de diálogo.
O verdadeiro poder emerge quando combinamos operadores. KₐBᵦφ — a sabe que b acredita φ. C[!ψ]Kₐφ — após anúncio comum de ψ, a saberá φ. Estas combinações expressam raciocínios sofisticados sobre situações epistêmicas complexas. A composicionalidade dos operadores permite construir expressões de complexidade arbitrária mantendo significado preciso.
Apesar de sua riqueza, operadores epistêmicos têm limites. Nem toda propriedade epistêmica é expressável na linguagem modal padrão. Por exemplo, "a sabe exatamente n fatos" requer extensões. Compreender estes limites guia a escolha de linguagens apropriadas para diferentes aplicações e motiva desenvolvimento de lógicas mais expressivas.
Os operadores epistêmicos são o vocabulário através do qual articulamos raciocínios sofisticados sobre conhecimento e crença. Como blocos de construção combinatórios, eles permitem expressar desde fatos simples sobre conhecimento individual até cenários complexos envolvendo múltiplos agentes, tempo, probabilidade e comunicação. Dominar este vocabulário é essencial para modelar situações epistêmicas realistas e construir sistemas que raciocinam sobre informação. Com esta compreensão dos operadores individuais, estamos prontos para explorar um dos fenômenos mais fascinantes da lógica epistêmica: o conhecimento comum!
Quando todos no cinema veem o filme começar, algo notável acontece epistemicamente. Não apenas todos sabem que o filme começou — todos sabem que todos sabem, todos sabem que todos sabem que todos sabem, numa cascata infinita de meta-conhecimento. Este é o conhecimento comum, um fenômeno que transcende a soma de conhecimentos individuais e cria uma realidade epistêmica compartilhada. Paralelamente, quando um grupo possui coletivamente informações que nenhum membro individual tem completas, emerge o conhecimento distribuído. Este capítulo explora estes fascinantes fenômenos coletivos que fundamentam coordenação, convenção e cultura.
Conhecimento comum não é apenas todos saberem algo — é uma torre infinita de conhecimento mútuo. Para φ ser conhecimento comum, todos devem saber φ, todos devem saber que todos sabem φ, todos devem saber que todos sabem que todos sabem φ, e assim infinitamente. Esta estrutura infinita pode emergir de eventos finitos: um anúncio público instantaneamente cria conhecimento comum entre os ouvintes.
Como surge o conhecimento comum? Eventos públicos são o mecanismo clássico — quando algo acontece visivelmente para todos, e todos veem que todos veem. Mas sutilezas importam. Se você sussurra algo para cada pessoa individualmente, todos sabem, mas não há conhecimento comum porque cada um não sabe se os outros sabem. A publicidade do evento é crucial.
Conhecimento comum é essencial para coordenação. Considere duas pessoas tentando se encontrar após perderem contato. Mesmo que ambas pensem "vamos ao último lugar onde nos vimos", precisam de conhecimento comum desta estratégia para ter confiança que o outro fará o mesmo. Sem conhecimento comum, a coordenação pode falhar mesmo quando todos têm a informação necessária.
Enquanto conhecimento comum é sobre alinhamento, conhecimento distribuído é sobre complementaridade. Um grupo tem conhecimento distribuído de φ se φ seguiria da combinação de todo conhecimento individual. Uma equipe de investigadores pode ter conhecimento distribuído do culpado mesmo que nenhum investigador individual saiba. Este fenômeno é ubíquo em organizações e sistemas distribuídos.
Transformar conhecimento distribuído em conhecimento comum requer comunicação. Mas não qualquer comunicação — precisa ser estruturada para combinar informações eficientemente. Brainstorming, sistemas de votação, e protocolos de consenso são mecanismos para realizar conhecimento distribuído. O desafio é fazê-lo sem sobrecarga de comunicação.
Conhecimento comum gera paradoxos intrigantes. No problema dos generais coordenados, dois generais precisam atacar simultaneamente mas só podem comunicar por mensageiro não-confiável. Mesmo com confirmações infinitas, nunca alcançam conhecimento comum do plano. O paradoxo do email em cadeia mostra como conhecimento comum é frágil — uma única dúvida em qualquer nível destrói toda a torre.
Conhecimento comum fundamenta fenômenos econômicos. Preços de mercado refletem conhecimento comum sobre valor. Bolhas especulativas persistem porque não há conhecimento comum de que são bolhas — cada investidor pode saber, mas não sabe se outros sabem. Reputações são construídas sobre conhecimento comum de comportamento passado.
Redes sociais são máquinas de criar conhecimento quase-comum. Quando algo viraliza, rapidamente se aproxima de conhecimento comum em grandes populações. Mas a estrutura da rede importa — clusters podem ter conhecimento comum local sem conhecimento comum global. Influenciadores servem como hubs que aceleram convergência para conhecimento comum.
Sistemas distribuídos dependem crucialmente de conhecimento comum e distribuído. Protocolos de consenso criam conhecimento comum sobre estado do sistema. Replicação distribui conhecimento para tolerância a falhas. Sincronização requer conhecimento comum de tempo. Estes conceitos epistêmicos fundamentam a infraestrutura computacional moderna.
Conhecimento comum perfeito é frequentemente inatingível ou desnecessário. Conhecimento comum aproximado — todos sabem com alta probabilidade que todos sabem com alta probabilidade — frequentemente suficiente. Conhecimento comum eventual — convergência ao longo do tempo — é mais realizável que conhecimento comum instantâneo. Entender estes trade-offs é crucial para design de sistemas práticos.
Conhecimento comum e distribuído revelam como cognição coletiva transcende a individual. Estes fenômenos emergentes fundamentam coordenação social, convenções culturais, e computação distribuída. Compreender sua estrutura e dinâmica é essencial para projetar sistemas multi-agentes eficazes, desde protocolos de rede até instituições sociais. O conhecimento não é apenas individual — é fundamentalmente social, emergindo das interações entre agentes e criando realidades epistêmicas compartilhadas que moldam nosso mundo. Com esta compreensão dos aspectos coletivos do conhecimento, estamos prontos para explorar como o conhecimento muda dinamicamente!
O conhecimento não é estático como uma fotografia, mas dinâmico como um filme em constante produção. A cada momento, aprendemos fatos novos, revisamos crenças antigas, esquecemos detalhes, e compartilhamos descobertas. A lógica epistêmica dinâmica captura esta evolução contínua, modelando como ações informacionais — observações, anúncios, inferências — transformam estados epistêmicos. Este capítulo explora os mecanismos através dos quais o conhecimento nasce, cresce, muda e às vezes morre, revelando a natureza profundamente temporal e transformacional da informação.
Toda mudança no conhecimento resulta de uma ação epistêmica. Observar revela fatos sobre o mundo. Anunciar compartilha informação com outros. Inferir deriva novo conhecimento do existente. Esquecer remove informação da memória. Cada tipo de ação tem características próprias — algumas são públicas, outras privadas; algumas são verídicas, outras podem enganar; algumas aumentam conhecimento, outras paradoxalmente o reduzem.
Como um modelo de Kripke muda quando nova informação chega? A atualização mais simples elimina mundos incompatíveis com a informação recebida. Se você aprende que está chovendo, todos os mundos onde não chove tornam-se inacessíveis. Mas atualizações podem ser mais complexas — informação não-verídica, observações parciais, ou revisões que minimizam mudança requerem mecanismos sofisticados de transformação de modelos.
Anúncios públicos são as ações epistêmicas mais estudadas. Quando uma verdade φ é anunciada publicamente, todos aprendem φ, todos aprendem que todos aprendem φ, criando instantaneamente conhecimento comum. O operador [!φ]ψ captura este efeito: após anúncio público de φ, ψ será verdadeiro. Mas anúncios podem ter efeitos surpreendentes — algumas verdades tornam-se falsas quando anunciadas!
Nem todo aprendizado é completo e certo. Frequentemente recebemos informações parciais, ambíguas ou não-confiáveis. Ver alguém à distância pode reduzir incerteza sem eliminá-la completamente. Testemunho de fonte duvidosa cria crença tentativa. A lógica epistêmica dinâmica modela estes cenários através de atualizações que preservam alguma incerteza, refletindo a natureza gradual e imperfeita do aprendizado real.
Esquecer não é simplesmente o reverso de aprender. Quando esquecemos se p é verdadeiro, não aprendemos que p é falso — tornamo-nos incertos sobre p. O esquecimento pode ser seletivo (esquecer detalhes mantendo o geral), sistemático (esquecer eventos antes de certo tempo), ou aleatório (degradação não-previsível). Modelar esquecimento é crucial para agentes com memória limitada e sistemas que precisam gerenciar informação ao longo do tempo.
A teoria AGM (Alchourrón-Gärdenfors-Makinson) fornece princípios racionais para revisar crenças quando nova informação contradiz crenças existentes. O princípio de mudança mínima sugere preservar o máximo possível de crenças antigas. O princípio de prioridade dá preferência a informações mais confiáveis. A recuperação garante que revisões podem ser desfeitas. Estes princípios guiam design de sistemas que mantêm crenças consistentes face a informações conflitantes.
Nem toda comunicação é cooperativa. Agentes podem mentir, omitir informação, ou revelar seletivamente para manipular crenças de outros. A lógica epistêmica dinâmica modela comunicação estratégica onde o falante escolhe o que revelar baseado em seus objetivos. Isto é crucial para entender negociação, persuasão, e design de mecanismos que incentivam honestidade.
Quando agentes aprendem observando ações de outros, podem surgir cascatas informacionais. Se os primeiros agentes fazem mesma escolha, os seguintes podem ignorar sua informação privada e seguir a multidão, mesmo quando a multidão está errada. Este fenômeno, modelado através de atualizações sequenciais de crença, explica modas, pânicos financeiros, e disseminação de desinformação.
Em interações repetidas, agentes aprendem sobre estratégias e tipos de outros jogadores. Cada rodada revela informação que atualiza crenças sobre o oponente. Este aprendizado dinâmico pode levar a equilíbrios diferentes dos previstos em jogos de informação completa. Reputações emergem, cooperação pode surgir em dilemas, e estratégias evoluem baseadas em história observada.
Em sistemas reais, ações epistêmicas levam tempo. Comunicação tem latência, computação tem custo, observação tem duração. A lógica epistêmica temporal-dinâmica adiciona dimensão temporal explícita, modelando não apenas o que muda mas quando muda. Isto é essencial para sistemas distribuídos onde sincronização é imperfeita e informação propaga com atrasos.
A dinâmica do conhecimento revela que informação é fundamentalmente processual, não estática. Cada momento traz oportunidades para aprender, compartilhar, revisar e esquecer. Compreender estes processos dinâmicos é essencial para modelar agentes que operam em ambientes em mudança, sistemas que evoluem com o tempo, e sociedades onde conhecimento flui e transforma continuamente. A lógica epistêmica dinâmica fornece as ferramentas formais para capturar esta rica temporalidade do conhecimento. Com esta compreensão da mudança epistêmica, estamos prontos para explorar alguns dos quebra-cabeças mais intrigantes: os paradoxos epistêmicos!
Os paradoxos são os koans da lógica epistêmica — quebra-cabeças que parecem impossíveis mas revelam verdades profundas sobre a natureza do conhecimento. Como pode uma afirmação verdadeira tornar-se falsa ao ser anunciada? Por que é impossível surpreender alguém que sabe que será surpreendido? Como podem pessoas racionais concordar em discordar? Estes paradoxos não são meras curiosidades intelectuais — eles expõem limitações fundamentais em nossa compreensão intuitiva do conhecimento e motivam refinamentos cruciais na teoria formal.
G.E. Moore observou que a frase "Está chovendo, mas eu não acredito que está chovendo" soa absurda, mesmo podendo ser verdadeira. Este paradoxo revela a tensão entre verdade objetiva e estado epistêmico subjetivo. A frase é perfeitamente consistente — pode estar chovendo sem que eu saiba — mas pragmaticamente incoerente. Afirmar p implica acreditar em p, criando uma contradição performativa.
Um professor anuncia: "Haverá um exame surpresa na próxima semana". Os alunos raciocinam: não pode ser sexta, pois na quinta saberíamos. Não pode ser quinta, pois eliminada sexta, na quarta saberíamos. Continuando, concluem que é impossível. Mas na quarta-feira, o professor aplica o exame e todos ficam surpresos! Este paradoxo mostra como conhecimento sobre próprio conhecimento futuro pode criar loops autodestrutivos.
Três crianças brincam, algumas com lama na testa. Cada uma vê as outras mas não a si mesma. O pai diz: "Pelo menos uma tem lama". Então pergunta repetidamente: "Você sabe se tem lama?". Após k rodadas de "não", todas as k crianças com lama respondem "sim" simultaneamente. Como silêncio comunica informação? Este puzzle demonstra como ausência de ação pode ser epistemicamente informativa.
Considere a sentença: "Você não sabe que esta sentença é verdadeira". Se você soubesse que é verdadeira, saberia que não sabe que é verdadeira — contradição. Logo, você não sabe que é verdadeira. Mas acabamos de provar isso, então você sabe! Este paradoxo auto-referencial expõe problemas em sistemas epistêmicos que permitem auto-referência irrestrita.
Robert Aumann provou que agentes racionais com priors comuns não podem "concordar em discordar" — se suas probabilidades posteriores são conhecimento comum, elas devem ser idênticas. Isto parece paradoxal: pessoas razoáveis frequentemente discordam mesmo após extensa discussão. O teorema revela que discordância persistente implica irracionalidade, priors diferentes, ou ausência de conhecimento comum das crenças.
Se toda verdade é conhecível, então toda verdade é conhecida — esta conclusão aparentemente absurda segue de premissas plausíveis. O argumento: suponha p verdadeiro mas não conhecido. Então "p é verdadeiro mas não conhecido" é verdadeiro. Se é conhecível, alguém pode saber "p é verdadeiro mas não conhecido". Mas saber isso implica saber p e saber que não se sabe p — contradição!
Em uma loteria com milhões de bilhetes, é racional acreditar de cada bilhete individual que perderá. Mas também sabemos que algum bilhete ganhará. Temos assim crenças individualmente racionais que coletivamente implicam uma falsidade. Este paradoxo questiona a relação entre probabilidade alta e conhecimento, e se conhecimento é fechado sob conjunção.
Um previsor confiável coloca $1000 na caixa A e, se prevê que você pegará apenas B, $1 milhão em B (senão nada). Você vê ambas fechadas. Pegar ambas parece dominante — sempre ganha $1000 a mais. Mas quem pega apenas B tipicamente ganha $1 milhão, quem pega ambas ganha apenas $1000. O paradoxo opõe causalidade (suas ações não mudam o passado) contra evidencialismo (suas ações evidenciam o passado).
Um autor cuidadoso acredita em cada afirmação de seu livro, tendo pesquisado meticulosamente. Mas no prefácio, modestamente afirma que certamente há erros no livro. Assim, acredita em cada proposição individual mas também que pelo menos uma é falsa — crenças logicamente inconsistentes mas epistemicamente razoáveis. Isto desafia o ideal de consistência lógica perfeita.
Paradoxos epistêmicos não são bugs mas features — eles revelam sutilezas e forçam precisão. Algumas resoluções envolvem distinguir níveis de linguagem, outras requerem revisar princípios aparentemente óbvios, outras ainda mostram que intuições conflitam. Cada paradoxo resolvido deepena nossa compreensão e melhora nossos formalismos.
Paradoxos epistêmicos são espelhos que refletem as complexidades e limitações de nosso entendimento sobre conhecimento. Longe de serem problemas a eliminar, são recursos valiosos que aguçam nossa teoria e revelam fenômenos sutis. Cada paradoxo é uma porta para compreensão mais profunda, forçando-nos a questionar assunções, refinar definições, e desenvolver frameworks mais sofisticados. Com esta apreciação dos limites e sutilezas revelados por paradoxos, estamos prontos para ver como a lógica epistêmica se aplica a um domínio fascinante: jogos e decisões estratégicas!
Jogos são laboratórios naturais para lógica epistêmica. Cada decisão estratégica depende não apenas do que você sabe, mas do que você acredita que outros sabem, do que eles acreditam que você sabe sobre o que eles sabem, numa espiral de raciocínio mútuo. Do poker ao mercado de ações, do xadrez à diplomacia internacional, sucesso requer navegar complexas paisagens epistêmicas onde informação é poder e incerteza é a regra. Este capítulo explora como a lógica epistêmica ilumina, formaliza e às vezes resolve os desafios estratégicos que permeiam jogos e vida.
Jogos sequenciais criam histórias de ações observáveis e não-observáveis. No poker, você vê apostas mas não cartas. No xadrez, vê todos os movimentos mas não o plano do oponente. Conjuntos de informação capturam esta observabilidade parcial — agrupam histórias indistinguíveis para um jogador. A estratégia ótima depende crucialmente destes conjuntos, pois decisões devem ser tomadas sem distinguir entre histórias no mesmo conjunto.
O conceito de racionalização iterada elimina estratégias sucessivamente. Primeiro, remove estratégias dominadas. Todos sabem que jogadores racionais não as usarão. Então remove estratégias dominadas no jogo reduzido. Este processo continua, com cada iteração representando um nível deeper de raciocínio mútuo. O resultado depende crucialmente do conhecimento comum de racionalidade.
Blefar é fundamentalmente epistêmico — tentar criar crenças falsas em oponentes. No poker, apostar forte com mão fraca sinaliza força. Mas blefe só funciona se ocasionalmente você aposta forte com mão forte. Este equilíbrio entre honestidade e decepção, formalizado através de estratégias mistas e crenças Bayesianas, é central em jogos com informação privada.
Jogos de coordenação pura têm múltiplos equilíbrios onde jogadores querem fazer o mesmo. Encontrar-se em uma cidade estranha, escolher padrão tecnológico, ou sincronizar ações requer coordenar expectativas. Conhecimento comum de convenções, pontos focais, ou sinais públicos permite coordenação sem comunicação explícita.
Em interações repetidas, ações presentes afetam crenças futuras. Cooperar hoje sinaliza tipo cooperativo, influenciando como outros interagirão amanhã. Reputação emerge como equilíbrio onde comportamento presente é motivado por benefícios futuros de ser percebido favoravelmente. A lógica epistêmica modela como crenças sobre tipos evoluem baseadas em histórico observado.
Jogadores raramente conhecem completamente o jogo que jogam. Aprendem sobre payoffs, estratégias dos oponentes, e estrutura do jogo através de experiência. Fictitious play assume que oponentes jogarão como no passado. Reinforcement learning ajusta baseado em sucessos anteriores. Estes processos de aprendizado, fundamentalmente epistêmicos, determinam convergência para equilíbrio.
Como desenhar jogos onde jogadores revelam informação privada honestamente? Leilões de segundo preço incentivam lances verdadeiros. Mecanismos de Groves-Clarke-Vickrey extraem preferências reais. A chave é alinhar incentivos para que revelar verdade seja estratégia dominante. Design de mecanismos é essencialmente engenharia epistêmica — estruturar jogos para elicitar e agregar informação distribuída.
Trabalhadores sinalizam habilidade através de educação. Empresas sinalizam qualidade através de garantias. Políticos sinalizam compromisso através de ações custosas. Jogos de sinalização envolvem tipos privados tentando comunicar (ou esconder) sua natureza através de ações observáveis. Equilíbrios podem ser separadores (tipos diferentes agem diferentemente) ou pooling (tipos imitam uns aos outros).
Negociações frequentemente envolvem informação privada sobre valores de reserva. Compradores sabem quanto estão dispostos a pagar, vendedores sabem mínimo aceitável. Esta assimetria pode causar ineficiência — negócios mutuamente benéficos podem falhar. Estratégias envolvem screening (ofertas para revelar tipo), signaling (demonstrar força), e delay estratégico (guerra de atrito informacional).
Cybersegurança é um jogo epistêmico entre atacantes e defensores. Atacantes sondam por vulnerabilidades sem revelar presença. Defensores escondem fraquezas enquanto detectam intrusões. Honeypots criam crenças falsas sobre sistemas. Criptografia garante que mesmo com acesso, informação permanece oculta. A batalha é fundamentalmente sobre conhecimento — quem sabe o quê sobre quem.
A teoria dos jogos e a lógica epistêmica são parceiras naturais, cada uma iluminando a outra. Jogos fornecem contextos concretos onde raciocínio epistêmico determina sucesso. A lógica epistêmica fornece ferramentas formais para analisar informação em jogos. Juntas, elas explicam fenômenos desde blefes no poker até corridas armamentistas, desde leilões online até diplomacia internacional. Entender esta conexão não apenas melhora análise de jogos, mas revela como considerações epistêmicas moldam toda interação estratégica. Com esta compreensão de aplicações estratégicas, estamos prontos para o capítulo final: como a lógica epistêmica opera no mundo digital moderno!
A revolução digital transformou a lógica epistêmica de curiosidade filosófica em necessidade tecnológica. Cada busca no Google, cada recomendação da Netflix, cada transação blockchain, cada decisão de IA envolve raciocínio sobre conhecimento. Sistemas distribuídos precisam coordenar conhecimento através de redes não-confiáveis. Algoritmos de aprendizado inferem o que usuários sabem e querem. Protocolos de privacidade controlam fluxo de informação. Este capítulo final explora como conceitos epistêmicos fundamentam tecnologias que definem nosso século, revelando a lógica epistêmica como linguagem essencial da era da informação.
Robôs colaborativos, carros autônomos, e drones precisam coordenar ações baseadas em conhecimento distribuído. Cada agente tem sensores limitados, vendo apenas parte do ambiente. Precisam comunicar descobertas, inferir o que outros sabem, e agir coordenadamente apesar de informação incompleta. Protocolos epistêmicos garantem que decisões críticas são tomadas apenas com conhecimento suficiente, enquanto permitem ação sob incerteza quando necessário.
Blockchain é fundamentalmente sobre criar conhecimento comum em sistemas descentralizados. Cada bloco confirmado torna-se conhecimento comum entre nós honestos. Proof-of-work garante que alterar história requer poder computacional impossível. Smart contracts executam quando condições tornam-se conhecimento comum. A revolução blockchain é epistêmica — criar verdade compartilhada sem autoridade central.
Privacidade digital é sobre controlar quem sabe o quê sobre você. Differential privacy adiciona ruído para ocultar indivíduos preservando estatísticas. Homomorphic encryption permite computação em dados encriptados. Multi-party computation permite colaboração sem compartilhar dados. Estas técnicas implementam políticas epistêmicas — garantir que certas informações permanecem desconhecidas enquanto outras são reveladas.
Sistemas de recomendação são máquinas de inferência epistêmica. Netflix infere seus gostos observando visualizações. Amazon prediz o que você comprará baseado em histórico. Spotify descobre suas preferências musicais. Estes sistemas mantêm modelos epistêmicos complexos — crenças sobre conhecimento, preferências, e intenções de usuários — atualizando continuamente com cada interação.
A disseminação de desinformação é um fenômeno epistêmico. Fake news explora vieses cognitivos, criando crenças falsas que se propagam viralmente. Echo chambers amplificam crenças existentes. Filter bubbles limitam exposição a perspectivas diferentes. Combater desinformação requer entender como crenças se formam e propagam em redes sociais, aplicando lógica epistêmica para detectar e conter falsidades.
IA moderna cada vez mais incorpora raciocínio epistêmico explícito. Chatbots mantêm modelos do que usuários sabem para comunicar efetivamente. Sistemas de diagnóstico raciocinam sobre sintomas e conhecimento médico. Assistentes pessoais inferem intenções do contexto. Large Language Models implicitamente codificam vast conhecimento e raciocinam sobre o que diferentes personas saberiam.
Internet funciona através de protocolos que gerenciam conhecimento distribuído. TCP garante entrega confiável através de acknowledgments. TLS estabelece canais seguros através de handshakes criptográficos. DNS distribui conhecimento de mapeamento nome-endereço. Cada protocolo implementa políticas epistêmicas específicas sobre o que deve ser conhecido, por quem, e quando.
Bilhões de dispositivos IoT criam unprecedented desafios epistêmicos. Sensores geram torrentes de dados. Edge computing processa informação localmente para reduzir latência e bandwidth. Fog computing cria hierarquias de conhecimento. Decisões precisam ser tomadas com conhecimento local incompleto, balanceando autonomia com coordenação.
Computação quântica introduz novo tipo de conhecimento — superposição quântica onde sistema está em múltiplos estados simultaneamente até observação colapsar para estado definido. Quantum entanglement cria correlações não-locais que desafiam intuições clássicas sobre informação. Quantum cryptography usa princípios quânticos para garantir segurança incondicional. A lógica epistêmica quântica está emergindo para formalizar estes fenômenos.
Estamos construindo um mundo onde máquinas raciocinam sobre conhecimento tão naturalmente quanto humanos. Carros autônomos navegam incerteza urbana. Assistentes virtuais antecipam necessidades. Sistemas financeiros detectam fraude através de padrões epistêmicos anômalos. A próxima fronteira envolve sistemas que não apenas processam informação, mas verdadeiramente entendem conhecimento — sua estrutura, dinâmica, e papel na cognição e sociedade.
A lógica epistêmica não é mais apenas teoria abstrata — é a linguagem operacional do mundo digital. De protocolos de rede a sistemas de IA, de blockchain a privacidade, conceitos epistêmicos fundamentam as tecnologias que moldam nosso futuro. Compreender esta lógica não é apenas exercício intelectual, mas literacy essencial para navegar e moldar a sociedade da informação. Como vimos ao longo deste livro, o conhecimento sobre conhecimento — meta-conhecimento formalizado pela lógica epistêmica — é talvez o conhecimento mais poderoso de todos. Em um mundo onde informação é o recurso mais valioso, a capacidade de raciocinar rigorosamente sobre conhecimento, crença, e informação torna-se não apenas útil, mas indispensável para indivíduos, organizações, e sociedades que buscam prosperar na era digital.
A lógica epistêmica emergiu da confluência de filosofia, matemática, ciência da computação e ciências cognitivas. Esta bibliografia abrange trabalhos fundamentais que estabeleceram a área, desenvolvimentos contemporâneos que expandem suas fronteiras, e aplicações práticas que demonstram seu valor. Os textos selecionados oferecem caminhos para aprofundamento em aspectos teóricos e práticos da lógica epistêmica.
AUMANN, Robert J. Agreeing to Disagree. The Annals of Statistics, v. 4, n. 6, p. 1236-1239, 1976.
BALTAG, Alexandru; MOSS, Lawrence S.; SOLECKI, Slawomir. The Logic of Public Announcements, Common Knowledge, and Private Suspicions. In: Proceedings of TARK VII, p. 43-56, 1998.
BATTIGALLI, Pierpaolo; BONANNO, Giacomo. Recent Results on Belief, Knowledge and the Epistemic Foundations of Game Theory. Research in Economics, v. 53, n. 2, p. 149-225, 1999.
BLACKBURN, Patrick; DE RIJKE, Maarten; VENEMA, Yde. Modal Logic. Cambridge: Cambridge University Press, 2001.
BRASIL. Base Nacional Comum Curricular: Educação é a Base. Brasília: MEC/CONSED/UNDIME, 2018.
CHELLAS, Brian F. Modal Logic: An Introduction. Cambridge: Cambridge University Press, 1980.
DITMARSCH, Hans van; HOEK, Wiebe van der; KOOI, Barteld. Dynamic Epistemic Logic. Dordrecht: Springer, 2007.
FAGIN, Ronald; HALPERN, Joseph Y.; MOSES, Yoram; VARDI, Moshe Y. Reasoning about Knowledge. Cambridge: MIT Press, 1995.
FITTING, Melvin; MENDELSOHN, Richard L. First-Order Modal Logic. Dordrecht: Kluwer Academic Publishers, 1998.
GÄRDENFORS, Peter. Knowledge in Flux: Modeling the Dynamics of Epistemic States. Cambridge: MIT Press, 1988.
GETTIER, Edmund. Is Justified True Belief Knowledge? Analysis, v. 23, n. 6, p. 121-123, 1963.
GOLDBLATT, Robert. Logics of Time and Computation. 2nd ed. Stanford: CSLI Publications, 1992.
HALPERN, Joseph Y. Reasoning about Uncertainty. Cambridge: MIT Press, 2003.
HINTIKKA, Jaakko. Knowledge and Belief: An Introduction to the Logic of the Two Notions. Ithaca: Cornell University Press, 1962.
HUGHES, George E.; CRESSWELL, Maxwell J. A New Introduction to Modal Logic. London: Routledge, 1996.
KONOLIGE, Kurt. A Deduction Model of Belief. San Francisco: Morgan Kaufmann, 1986.
KRIPKE, Saul. Semantical Analysis of Modal Logic I: Normal Modal Propositional Calculi. Zeitschrift für Mathematische Logik und Grundlagen der Mathematik, v. 9, p. 67-96, 1963.
LENZEN, Wolfgang. Recent Work in Epistemic Logic. Amsterdam: North-Holland, 1978.
LEWIS, David. Convention: A Philosophical Study. Cambridge: Harvard University Press, 1969.
MEYER, John-Jules Ch.; HOEK, Wiebe van der. Epistemic Logic for AI and Computer Science. Cambridge: Cambridge University Press, 1995.
MOORE, Robert C. Reasoning about Knowledge and Action. Technical Note 191, SRI International, 1980.
OSBORNE, Martin J.; RUBINSTEIN, Ariel. A Course in Game Theory. Cambridge: MIT Press, 1994.
PARIKH, Rohit. Knowledge and the Problem of Logical Omniscience. In: ISMIS-87, p. 432-439, 1987.
PLAZA, Jan. Logics of Public Communications. Synthese, v. 158, n. 2, p. 165-179, 2007.
RESCHER, Nicholas. Epistemic Logic: A Survey of the Logic of Knowledge. Pittsburgh: University of Pittsburgh Press, 2005.
SEGERBERG, Krister. Belief Revision from the Point of View of Doxastic Logic. Bulletin of the IGPL, v. 3, p. 535-553, 1995.
SHOHAM, Yoav; LEYTON-BROWN, Kevin. Multiagent Systems: Algorithmic, Game-Theoretic, and Logical Foundations. Cambridge: Cambridge University Press, 2009.
STALNAKER, Robert. Knowledge, Belief and Counterfactual Reasoning in Games. Economics and Philosophy, v. 12, p. 133-163, 1996.
WILLIAMSON, Timothy. Knowledge and Its Limits. Oxford: Oxford University Press, 2000.
WOOLDRIDGE, Michael. An Introduction to MultiAgent Systems. 2nd ed. Chichester: John Wiley & Sons, 2009.