数学逻辑推理能力的重要性精选(九篇)

第1篇：数学逻辑推理能力的重要性范文

[关键词]数学教学 逻辑思维培养

开发智力，发展学生的逻辑思维能力，己成为当今社会共同关注的重要课题，也是我们教育工作者责无旁贷的重要任务。所谓智力，指的是人们认识客观世界的能力。它包括注意力、观察力、想象力、记忆力及思维能力等因素，其中思维能力是智力的核心部分。思维的基本形式是概念、判断和推理。在思维时，要求做到概念明确、评断恰当、推理有逻辑性、论证有说服力，或通俗地说，思维要合乎逻辑。这是正确思维最起码的要求。可见，逻辑思维能力是最重要、最基本的思维能力。培养和发展学生的逻辑思维能力有着多方面的途径。而数学这门科学，由于它是以客观世界的空间形式和数量关系为研究对象的，这就决定了它是一门抽象性很强、逻辑性很强的科学。如何在数学教学中培养学生的逻辑思维能力呢?

一、处理好教与学的关系

要正确处理好传授数学基础知识，有关数学概念、公式、定理与发展学生逻辑思维的关系；处理好培养运算能力、空间想象能力与发展学生逻辑思维的关系。努力做到在传授知识的基础上发展智能，在发展智能的指导下传授知识，使学生在掌握知识上达到高质量，在智能发展上达到高水平。在数学概念的教和学两个方面，一定要重视概念的教学，不能流于形式，要深刻揭示数学概念的内函和外延，对学生掌握概念的要求要严格，使学生能全面而深刻地理解概念。如学生在学习函数这个概念时，首先要让学生弄清楚在函数概念中涉及到的两个集合——函数的定义域和值域及它们之间元素的对应关系，弄清这个概念，才能更好地掌握函数这个概念。在数学公式、定理的教学方面，不能仅仅背会这些公式，知道怎么用就行了，而是要让学生掌握推导公式、定理的过程，掌握这些公式定理与教材其他内容的逻辑关系，从而使学生的逻辑思维能力得到提高。

二、重视教材中逻辑成分的讲解

培养学生逻辑思维能力的一个途径是教会学生在运用逻辑知识进行推理论证过程中，提高他们抽象概括、分析综合、推理证明的能力。在中学数学教材中运用了许多与逻辑知有关的数学内容的推理证明方法。因此，在数学教学过程中，可以结合具体教学和内容，通俗地讲授一些必要的逻辑知识，使学生能运用它来指导推理、证明，这会有助于他们提高逻辑思维能力。例如，当学生运用穷举法证明问题是，经常容易出现遗漏或重复等情况。那么为避免这类问题的出现，就需要学生掌握概念的分类方法和要求。数学内容的讲授应加强逻辑严谨性。例题、习题应适当增加些思考题、证明题、讨论题等，借以加强逻辑思维的训练。长此以往，对培养学生逻辑思维能力会有很大帮助。

三、加强学生平面几何与立体几何的教学

智力的发展、逻辑思维能力的发展与知识的增长，跟年龄也有很大关系。一个人的知识可以随着年龄的增长而不断丰富，积累和更新，即使老年人，通过学习，也还可以获得新的知识；但一个人的智力增长最佳年龄是在从出生到十七岁，错过了这个时期，智力的发展就会受到影响。因此在初中和高中阶段，加强学生平面几何和立体几何的教学十分重要，它有利于学生逻辑思维能力的培养。教师在教学过程中语言要严谨、文字要精炼、准确、规范、富有条理性逻辑性。对学生证题的叙述要从严要求，着力纠正学生所犯的逻辑性错误，对于学生不同的正确解题法，教师首先要给以肯定，以鼓励学生不断开阔思路，敢于创新。在平面几何证题的教学中，不主张把过于艰深、不符合学生实际的难题给学生去做，在教学上要贯彻因材施教的原则，对不同类型的学生，逻辑思维能力应有不同层次的要求。在学生解题过程中，发现学生可能遇到难题，教师要引导学生积极思考、克服困难，增强学生的解题能力，从而收到良好的教学效果。

四、重视章节的教学

在数学各科、各章节的教学中，教师要善于引导，善于归纳、总结、教给学生以规律性的知识，引导学生不断形成知识新的概念结构。初，高中数学课本的每一章，都设有小结一节。教师要重视小结的教学，要突出新知识之间及新旧知识之间的逻辑关系。如平面解析几何中的圆、椭圆、又曲线、抛物线，分别是不同的知识体系，但均可统一在二次曲线的概括结构之中。在向学生讲授数学归纳法时，可向学生介绍推理形式，如演绎推理、归纳推理、类比推理等。教师在教学中，学生在学习新知识、复习旧知识及探索解题方法时就要常常用到它们。这样进行教学，不但可以调动学生学习的积极性，还可以把分散在中学各个学习阶段的推理方法归纳上升到新的概括结构。这种引导学生的把新旧知识和技能按不同的系列、不同的层次不断形成新的概括结构，是发展学生逻辑思维能力的关健所在。

第2篇：数学逻辑推理能力的重要性范文

 

一、学习逻辑学的意义和作用

 

作为一门学科，逻辑学有广义与狭义两种理解。广义的逻辑学泛指研究思维形式、思维方法、思维规律的科学;狭义的逻辑学仅指形式逻辑，形式逻辑又可分为传统的形式逻辑和现代形式逻辑。

 

学习逻辑学可以帮助人们认识真理，人们的真理性认识归根结底是从社会实践中来的，正如“实践是检验真理的唯一标准”。认识真理有两条基本途径：

 

(1)从实践中获得感性认识并运用科学的思维方法对感性材料进行加工分析，实现感性认识向理性认识的飞跃，从而把握事物的本质和规律。要实现从感性认识向理性认识的本质转变，应当掌握丰富的、切合实际的感性材料，同时还要有分析这些材料的能力，即能够运用科学的逻辑思维方法，从感性材料中准确地提炼概念，作出判断，得到正确推理。

 

(2)根据已经被实践检验过的真理性认识，通过正确地推理，推出新的真理性认识。能否推出真实的结论，需要具备两个条件：①前提条件是真实的;②推理形式正确(即符合逻辑学的推理要求)。学习和掌握逻辑学中的概念、判断、推理，有助于人们在感性认识的基础上获得理性认识，也有助于人们根据已有的真理性认识推出新的真理性认识。

 

逻辑学的意义、作用和目的可概括为以下几点：

 

(1)通过学习逻辑，掌握逻辑学的专门技术和方法，应用这些技术和方法，可以帮助我们解决一些实际问题;

 

(2)通过学习逻辑，培养人们的逻辑思维意识，使这种逻辑思维意识成为我们知识结构中的重要组成部分，在我们的学习、工作和生活中起到潜移默化的作用;

 

(3)通过学习逻辑知识形成一种逻辑观念。

 

上述三者中，最为重要的是树立逻辑观念，任何形式的学习都是为了树立某种观念，具备相应的素质，从而为我们的工作和生活提供指导。若能达到这三个方面，说明逻辑学已经成为你素质的重要组成部分，成为你发现问题、处理问题、思考问题、分析问题的一种能力。大学教育除了培养学生的专业技能外，更为重要的是培养学生思考、分析、解决问题的能力，这也是国民素质强的一种表现。

 

二、逻辑学与素质教育

 

人的素质分为先天素质和后天素质，先天素质是人生来就有的素质，包括人的感觉器官、运动器官、神经系统、大脑的结构和机能等。先天素质是人们认识形成和发展的自然前提。后天素质是通过培养和锻炼而形成的素质，思想道德素质和科学文化素质就是后天素质。人的素质不仅表现在知识面非常广，更为重要的是对问题的处理能力及对问题的认识、思考、分析和判断等，用一个词来概括就是“能力”。因此，素质教育不仅仅是掌握几门知识、技术，更为深刻的是有没有处理问题的能力。因此，可以说逻辑学与素质教育应该是最为密切的。在实际生活中，最早培养逻辑思维能力的是语言，我们从学说话起就进行这种逻辑思维能力的培养。相对于数学，这种思维能力更为抽象，只是对于我们来说，日常应用，司空见惯而不讨论其本质。在实践中我们知道，数学学得好的，逻辑学也容易学得好，相反，则不容易。这是因为数学与逻辑学之间有联系，数学教学中，有一项教学任务就是训练学生的逻辑思维能力和抽象思维能力，正因如此，我们在逻辑学的教学中应按照不同的专业有不同的要求，使学生的素质得到均衡发展。

 

逻辑学与数学相比较，它更抽象，这点与大家的认识可能有误差，下面我们对比分析一下：(1)数学用数学语言(字母、符号等)表示，逻辑学用逻辑符号来表示，逻辑符号有具体含义，所以，逻辑学抽象的难度是既要理解符号的含义，理解符号之间的运算关系，还要理解运算规则所包含的意义。(2)日常生活中，我们使用的是文字符号，不是数学符号，因此，逻辑学与我们的日常生活联系更为紧密。所以，学生在进入大学后开始接触逻辑学就不感到陌生，基于这一点，我们的逻辑学是以语言为主、传统逻辑为主要内容的教学。

 

狭义的逻辑学分为传统的形式逻辑和现代形式逻辑。传统形式逻辑是现在高等专科学校逻辑学教学的主要内容，同时也是培养学生逻辑思维能力的基础学科的主要内容。随着科学技术的进一步发展，现代形式逻辑所具有的基础性、应用性和培养能力远远超过传统形式逻辑。现代逻辑是对传统逻辑的继承与发扬，现代逻辑不仅可以作为日常生活中的思维工具(具有传统逻辑的作用)，还可以解决传统逻辑所不能解决的问题。现代科学技术的发展和高等教育的发展，对人的思维能力的培养也提出了更高的水平，这已超出传统逻辑所能提供的要求。

 

因此，逻辑学与素质教育的关系不能停留在对传统形式逻辑的要求上，应当是两者共同发展的要求。现代形式逻辑的意义、性质和作用可以作为适应现代科学发展需要的素质要求，成为素质教育中的核心课程。这样才能更好地发挥逻辑学作为一门基础学科的意义和作用，体现逻辑学对素质培养的地位。

 

三、逻辑学与素质教育的展望

 

教育是民族振兴和社会进步的基石，十八大报告把教育放在改善民生和加强社会建设之前，全面提高全民受教育程度和创新人才培养水平，就能为基本实现教育现代化，进入人力资源强国行列作出贡献。建设创新型国家的战略任务，永远自立于世界先进民族之林的愿望，迫切要求我们加强素质教育，而逻辑思维能力的训练则构成素质教育的重要组成部分。逻辑学早已被联合国教科文组织列为基础学科之一，作为重要的基础学科，我们大家应高度重视逻辑思维能力训练，推动和加快素质教育的全面落实。

第3篇：数学逻辑推理能力的重要性范文

新疆第四师可克达拉市68团中学，新疆    兵团    835301

 

摘要：初中数学是培养学生逻辑推理能力的重要课程。学生通过学习教学要求的数学知识，解决相关的数学题目，逐步地掌握思考分析的方法，拥有具备良好的逻辑推理能力。在初中数学教学中引导学生收获逻辑推理能力，不仅教会学生如何在数学学习和解决数学题目时更加得心应手，也使学生掌握在未来的学习工作中举一反三的重要能力。

关键词：初中数学  数学教学  逻辑推理 

逻辑推理通常来说是根据已经存在的既有事实、已知条件等内容，依据一些客观的规律、规则，通过分析总结等演绎过程得出结论或论点的过程。这个过程贯穿整个初中数学科目，学生掌握逻辑推理的方法可以学好数学科目，在学习数学科目的过程中也逐渐掌握逻辑推理这种方法应用在更多科目和领域的学习中。认识到逻辑推理方法的重要性，作为初中数学教师更应该注重对学生逻辑推理能力的培养，不仅仅是为了让学生学好数学这一科，同时也让学生通过逻辑推理掌握分析问题、解决问题的能力，感受到数学的魅力。

一、创设生动的问题情境，加强学生的逻辑思维

根据逻辑推理的概念，我们可以了解到在数学教学中培养学生的逻辑推理能力，就是要教会学生从一个逻辑原点出发，利用已知条件和数学知识，通过分析、推理、总结从而得到正确的数学答案。通过解决数学题目的过程，学生可以学会灵活变通，通过眼前已知条件甚至是隐藏在已知条件背后的隐藏条件这些表面的现象去深究事物的本质。要想达到这样的教学目标，就需要教师可以引导学生学会“刨根问底”，主动思考，这就离不开结合问题创设的情境。创设问题情境通俗来说就是我们常见的应用题，不过是把应用题里面的情境设置的更加生动、更加贴近学生生活，让学生通过易于理解、生动形象的情境来理解抽象的数学知识，这本身就是一种举一反三的精神，能进一步提起学生思考探究的兴致。

二、利用思维导图工具，深化学生的思维逻辑

在初中数学教学中培养学生逻辑推理能力的关键在于思维逻辑的培养，让学生具备这样的思维是给学生一个可以终身使用的工具，正所谓“授之以鱼不如授之以渔”。在初中阶段，根据初中数学的课程内容，教师会带领学生从单个的知识点入手进行学习，有点带面，最终才把各个知识面串联成为一个完整的知识体系。初中数学课程内容的设置本身就是非常符合逻辑的，因此可以引导学生做好章节总结或者课程的周总结、月总结，通过写小结的过程把知识点逐渐地汇总起来，自然而然的就形成了知识网络。

引导学生进行知识点总结之前教师可以把思维导图的概念传递给学生，让学生首先掌握一种科学的分析、汇总的方法。思维导图就是利用一些图形符号、线条将一个主题下的内容层层分级、设置子母概念形成一个清晰全面的体系，这个非常适合用来总结数学概念、数学公式等内容。如今多媒体上课已经是非常普遍的一种上课方式，教师也可以利用一些软件教会学生思维导图的使用，比较常用的软件例如X-mind就是一款非常好操作的思维导图软件。为了加深同学们对知识点的理解，在利用电子软件教学的同时仍然鼓励学生自己根据电子版的思维导图进行手写的思维导图绘制。

通过在教学中传授给学生利用隐藏条件解题的做题方法，对学生来说益处多多。初中数学老师在教学过程中，往往是将单个知识点和对应题目搭配讲解，这样的做法更有利于学生接受单个的知识点。对于最终的应试和分析复杂问题，这样的方法显得有些单薄。笔者认为老师在讲解基础知识时，可以利用一些综合性题目对其中的隐含条件进行挖掘式讲解，这样可以提前给学生一种思考方法，未来面对有隐含条件的综合性题目时学生思考更加开阔，提升学生解决初中数学习题的思维层面，避免直接套公式等解题方法的出现。

三、小组合作共同探究问题，提高学生的推理能力

前面笔者有提到，逻辑推理能力的培养不是单纯的让学生学会掌握数学知识、会解决数学题目，更重要的是让学生在逻辑能力培养的过程中养成探究式的思考问题的方式。要想达到这个目的，教师就必须明确在教学过程中，学生才是学习的主体，教师在这个过程中更重要的是引导、指导，尤其不能过度地给学生解决问题，要让学生养成自主学习、主动思考的良好学习习惯。不可避免的问题是，学生自己的学习和思考能力有限，常常没有主动学习的乐趣，那么采用学习小组的学习方式就可以很好的解决这个问题。

通过设立学习小组，就把思考的工作交给了学生本身，善于思考的同学可以带动不爱动脑的学生。分成学习小组以后，各个学习小组之间又形成了竞争关系，这样学生为了更好的解决问题，会更加活跃地进行思考。在这个过程中，老师可以适当地给予学生一些指导，知识方面的纠错，思考方式的调整等。通过学习小组这种方式，学生除了渐渐地养成自己解决问题的习惯，也懂得了如何良性竞争，如何有效合作，一举多得。

四、习题训练注重解题过程，发展学生的逻辑推理

在数学教学的过程中，教师们常用的一种策略就是“题海战术”，以量变引起质变。但是经过笔者的观察很多学生会因为题海战术产生思维麻木的现象，在大量的题目中，学生很容易形成思维定式，这对于学生的思考探究能力的培养是非常不利的，也会忽视逻辑推理的重要性。因此，笔者建议教师可以在课堂练习或者作业布置方面有针对性的给学生布置一些综合性强的题目，让学生详细的写出解题过程。通过这样的方法，让学生能够更加清楚自己的思考过程，哪里有问题会更加的明晰，老师可以根据学生的解题过程了解学生逻辑能力的强弱，有针对性地给学生进行指导。

五、结束语

综合上述内容，我们不难发现逻辑思维能力的培养可以从不同角度入手，利用多种形式对学生进行培养。作为初中数学教师，深知逻辑推理的重要性，为了可以让学生更好的掌握这种能力，这个课题值得我们不断地思考探究。

参考文献：

[1]  陈小平.基于逻辑推理培养的初中数学教学策略[J].基础教育,2019(08):242.

[2]  李爱科.基于逻辑推理培养的初中数学教学探究[J].数学信息,2019(19):128.

[3]  虢铁平.基于逻辑推理培养的初中数学教学策略[J].2019全国教育教学创新与发展高端论坛论文集（卷七） ,2019(07).

第4篇：数学逻辑推理能力的重要性范文

【关键词】数学教学；逻辑思维；中学数学

一、数学课堂上的“教”与“学”

要正确处理好传授数学基础知识，有关数学概念、公式、定理与发展学生逻辑思维的关系；处理好培养运算能力、空间想象能力与发展学生逻辑思维的关系。努力做到在传授知识的基础上发展智能，在发展智能的指导下传授知识，使学生在掌握知识上达到高质量，在智能发展上达到高水平。在数学概念的教和学两个方面，一定要重视概念的教学，不能流于形式，要深刻揭示数学概念的内涵和外延，对学生掌握概念的要求要严格，使学生能全面而深刻地理解概念。如学生在学习函数这个概念时，首先要让学生弄清楚在函数概念中涉及到的两个集合―函数的定义域和值域及它们之间元素的对应关系，弄清这个概念，才能更好地掌握函数这个概念。在数学公式、定理的教学方面，不能仅仅背会这些公式，知道怎么用就行了，而是要让学生掌握推导公式、定理的过程，掌握这些公式定理与教材其他内容的逻辑关系，从而使学生的逻辑思维能力得到提高。

二、逻辑知识的讲解

培养学生逻辑思维能力的一个途径是教会学生在运用逻辑知识进行推理论证过程中，提高他们抽象概括、分析综合、推理证明的能力。在中学数学教材中运用了许多与逻辑知有关的数学内容的推理证明方法。因此，在数学教学过程中，可以结合具体教学和内容，通俗地讲授一些必要的逻辑知识，使学生能运用它来指导推理、证明，这会有助于他们提高逻辑思维能力。例如，当学生运用穷举法证明问题是，经常容易出现遗漏或重复等情况。那么为避免这类问题的出现，就需要学生掌握概念的分类方法和要求。数学内容的讲授应加强逻辑严谨性。例题、习题应适当增加些思考题、证明题、讨论题等，借以加强逻辑思维的训练。长此以往，对培养学生逻辑思维能力会有很大帮助。

三、平面几何与立体几何的教学

智力的发展、逻辑思维能力的发展与知识的增长，跟年龄也有很大关系。一个人的知识可以随着年龄的增长而不断丰富，积累和更新，即使老年人，通过学习，也还可以获得新的知识；但一个人的智力增长最佳年龄是在从出生到十七岁，错过了这个时期，智力的发展就会受到影响。因此在初中和高中阶段，加强学生平面几何和立体几何的教学十分重要，它有利于学生逻辑思维能力的培养。教师在教学过程中语言要严谨、文字要精炼、准确、规范、富有条理性逻辑性。对学生证题的叙述要从严要求，着力纠正学生所犯的逻辑性错误，对于学生不同的正确解题法，教师首先要给以肯定，以鼓励学生不断开阔思路，敢于创新。在平面几何证题的教学中，不主张把过于艰深、不符合学生实际的难题给学生去做，在教学上要贯彻因材施教的原则，对不同类型的学生，逻辑思维能力应有不同层次的要求。在学生解题过程中，发现学生可能遇到难题，教师要引导学生积极思考、克服困难，增强学生的解题能力，从而收到良好的教学效果。

四、章、节教学的连贯性

在数学各科、各章节的教学中，教师要善于引导，善于归纳、总结、教给学生以规律性的知识，引导学生不断形成知识新的概念结构。初，高中数学课本的每一章，都设有小结一节。教师要重视小结的教学，要突出新知识之间及新旧知识之间的逻辑关系。如平面解析几何中的圆、椭圆、又曲线、抛物线，分别是不同的知识体系，但均可统一在二次曲线的概括结构之中。在向学生讲授数学归纳法时，可向学生介绍推理形式，如演绎推理、归纳推理、类比推理等。教师在教学中，学生在学习新知识、复习旧知识及探索解题方法时就要常常用到它们。这样进行教学，不但可以调动学生学习的积极性，还可以把分散在中学各个学习阶段的推理方法归纳上升到新的概括结构。这种引导学生的把新旧知识和技能按不同的系列、不同的层次不断形成新的概括结构，是发展学生逻辑思维能力的关键所在。

第5篇：数学逻辑推理能力的重要性范文

［关键词］人工智能，常识推理，归纳逻辑，广义内涵逻辑，认知逻辑，自然语言逻辑

现代逻辑创始于19世纪末叶和20世纪早期，其发展动力主要来自于数学中的公理化运动。当时的数学家们试图即从少数公理根据明确给出的演绎规则推导出其他的数学定理，从而把整个数学构造成为一个严格的演绎大厦，然后用某种程序和方法一劳永逸地证明数学体系的可靠性。为此需要发明和锻造严格、精确、适用的逻辑工具。这是现代逻辑诞生的主要动力。由此造成的后果就是20世纪逻辑研究的严重数学化，其表现在于：一是逻辑专注于在数学的形式化过程中提出的问题；二是逻辑采纳了数学的方法论，从事逻辑研究就意味着象数学那样用严格的形式证明去解决问题。由此发展出来的逻辑被恰当地称为“数理逻辑”，它增强了逻辑研究的深度，使逻辑学的发展继古希腊逻辑、欧洲中世纪逻辑之后进入第三个高峰期，并且对整个现代科学特别是数学、哲学、语言学和计算机科学产生了非常重要的影响。

本文所要探讨的问题是：21世纪逻辑发展的主要动力将来自何处？大致说来将如何发展？我个人的看法是：计算机科学和人工智能将至少是21世纪早期逻辑学发展的主要动力源泉，并将由此决定21世纪逻辑学的另一幅面貌。由于人工智能要模拟人的智能，它的难点不在于人脑所进行的各种必然性推理（这一点在20世纪基本上已经做到了，如用计算机去进行高难度和高强度的数学证明，“深蓝”通过高速、大量的计算去与世界冠军下棋），而是最能体现人的智能特征的能动性、创造性思维，这种思维活动中包括学习、抉择、尝试、修正、推理诸因素，例如选择性地搜集相关的经验证据，在不充分信息的基础上作出尝试性的判断或抉择，不断根据环境反馈调整、修正自己的行为，……由此达到实践的成功。于是，逻辑学将不得不比较全面地研究人的思维活动，并着重研究人的思维中最能体现其能动性特征的各种不确定性推理，由此发展出的逻辑理论也将具有更强的可应用性。

实际上，在20世纪中后期，就已经开始了现代逻辑与人工智能（记为AI）之间的相互融合和渗透。例如，哲学逻辑所研究的许多课题在理论计算机和人工智能中具有重要的应用价值。AI从认知心理学、社会科学以及决策科学中获得了许多资源，但逻辑（包括哲学逻辑）在AI中发挥了特别突出的作用。某些原因促使哲学逻辑家去发展关于非数学推理

的理论；基于几乎同样的理由，AI研究者也在进行类似的探索，这两方面的研究正在相互接近、相互借鉴，甚至在逐渐融合在一起。例如，AI特别关心下述课题：

·效率和资源有限的推理；

·感知；

·做计划和计划再认；

·关于他人的知识和信念的推理；

·各认知主体之间相互的知识；

·自然语言理解；

·知识表示；

·常识的精确处理；

·对不确定性的处理，容错推理；

·关于时间和因果性的推理；

·解释或说明；

·对归纳概括以及概念的学习。[①]

21世纪的逻辑学也应该关注这些问题，并对之进行研究。为了做到这一点，逻辑学家们有必要熟悉AI的要求及其相关进展，使其研究成果在AI中具有可应用性。

我认为，至少是21世纪早期，逻辑学将会重点关注下述几个领域，并且有可能在这些领域出现具有重大意义的成果：（1）如何在逻辑中处理常识推理中的弗协调、非单调和容错性因素？（2）如何使机器人具有人的创造性智能，如从经验证据中建立用于指导以后行动的归纳判断？（3）如何进行知识表示和知识推理，特别是基于已有的知识库以及各认知主体相互之间的知识而进行的推理？（4）如何结合各种语境因素进行自然语言理解和推理，使智能机器人能够用人的自然语言与人进行成功的交际？等等。

1．常识推理中的某些弗协调、非单调和容错性因素

AI研究的一个目标就是用机器智能模拟人的智能，它选择各种能反映人的智能特征的问题进行实践，希望能做出各种具有智能特征的软件系统。AI研究基于计算途径，因此要建立具有可操作性的符号模型。一般而言，AI关于智能系统的符号模型可描述为：由一个知识载体（称为知识库KB）和一组加载在KB上的足以产生智能行为的过程（称为问题求解器PS）构成。经过20世纪70年代包括专家系统的发展，AI研究者逐步取得共识，认识到知识在智能系统中力量，即一般的智能系统事实上是一种基于知识的系统，而知识包括专门性知识和常识性知识，前者亦可看做是某一领域内专家的常识。于是，常识问题就成为AI研究的一个核心问题，它包括两个方面：常识表示和常识推理，即如何在人工智能中清晰地表示人类的常识，并运用这些常识去进行符合人类行为的推理。显然，如此建立的常识知识库可能包含矛盾，是不协调的，但这种矛盾或不协调应不至于影响到进行合理的推理行为；常识推理还是一种非单调推理，即人们基于不完全的信息推出某些结论，当人们得到更完全的信息后，可以改变甚至收回原来的结论；常识推理也是一种可能出错的不精确的推理模式，是在容许有错误知识的情况下进行的推理，简称容错推理。而经典逻辑拒斥任何矛盾，容许从矛盾推出一切命题；并且它是单调的，即承认如下的推理模式：如果p?r，则pùq?r；或者说，任一理论的定理属于该理论之任一扩张的定理集。因此，在处理常识表示和常识推理时，经典逻辑应该受到限制和修正，并发展出某些非经典的逻辑，如次协调逻辑、非单调逻辑、容错推理等。有人指出，常识推理的逻辑是次协调逻辑和非单调逻辑的某种结合物，而后者又可看做是对容错推理的简单且基本的情形的一种形式化。[②]

“次协调逻辑”（ParaconsistentLogic）是由普里斯特、达·科斯塔等人在对悖论的研究中发展出来的，其基本想法是：当在一个理论中发现难以克服的矛盾或悖论时，与其徒劳地想尽各种办法去排除

或防范它们，不如干脆让它们留在理论体系内，但把它们“圈禁”起来，不让它们任意扩散，以免使我们所创立或研究的理论成为“不足道”的。于是，在次协调逻辑中，能够容纳有意义、有价值的“真矛盾”，但这些矛盾并不能使系统推出一切，导致自毁。因此，这一新逻辑具有一种次于经典逻辑但又远远高于完全不协调系统的协调性。次协调逻辑家们认为，如果在一理论T中，一语句A及其否定?A都是定理，则T是不协调的；否则，称T是协调的。如果T所使用的逻辑含有从互相否定的两公式可推出一切公式的规则或推理，则不协调的T也是不足道的(trivial)。因此，通常以经典逻辑为基础的理论，如果它是不协调的，那它一定也是不足道的。这一现象表明，经典逻辑虽可用于研究协调的理论，但不适用于研究不协调但又足道的理论。达·科斯塔在20世纪60年代构造了一系列次协调逻辑系统Cn（1≤n≤w），以用作不协调而又足道的理论的逻辑工具。对次协调逻辑系统Cn的特征性描述包括下述命题：(i)矛盾律?(Aù?A)不普遍有效；(ii)从两个相互否定的公式A和?A推不出任意公式；即是说，矛盾不会在系统中任意扩散，矛盾不等于灾难。(iii)应当容纳与(i)和(ii)相容的大多数经典逻辑的推理模式和规则。这里，(i)和(ii)表明了对矛盾的一种相对宽容的态度，(iii)则表明次协调逻辑对于经典逻辑仍有一定的继承性。

在任一次协调逻辑系统Cn(1≤n≤w)中，下述经典逻辑的定理或推理模式都不成立：

?(Aù?A)

Aù?AB

A(?AB)

(A??A)B

(A??A)?B

A??A

(?Aù(AúB))B

(AB)(?B?A)

若以C0为经典逻辑，则系列C0,C1,C2,…Cn,…Cw使得对任正整数i有Ci弱于Ci-1，Cw是这系列中最弱的演算。已经为Cn设计出了合适的语义学，并已经证明Cn相对于此种语义是可靠的和完全的，并且次协调命题逻辑系统Cn还是可判定的。现在，已经有人把次协调逻辑扩展到模态逻辑、时态逻辑、道义逻辑、多值逻辑、集合论等领域的研究中，发展了这些领域内的次协调理论。显然，次协调逻辑将会得到更进一步的发展。[③]

非单调逻辑是关于非单调推理的逻辑，它的研究开始于20世纪80年代。1980年，D·麦克多莫特和J·多伊尔初步尝试着系统发展一种关于非单调推理的逻辑。他们在经典谓词演算中引入一个算子M，表示某种“一致性”断言，并将其看做是模态概念，通过一定程序把模态逻辑系统T、S4和S5翻译成非单调逻辑。B·摩尔的论文《非单调逻辑的语义思考》（1983）据认为在非单调逻辑方面作出了令人注目的贡献。他在“缺省推理”和“自动认知推理”之间做了区分，并把前者看作是在没有任何相反信息和缺少证据的条件下进行推理的过程，这种推理的特征是试探性的：根据新信息，它们很可能会被撤消。自动认知推理则不是这种类型，它是与人们自身的信念或知识相关的推理，可用它模拟一个理想的具有信念的有理性的人的推理。对于在计算机和人工智能中获得成功的应用而言，非单调逻辑尚需进一步发展。

2．归纳以及其他不确定性推理

人类智能的本质特征和最高表现是创造。在人类创造的过程中，具有必然性的演绎推理固然起重要作用，但更为重要的是具有某种不确定性的归纳、类比推理以及模糊推理等。因此，计算机要成功地模拟人的智能，真正体现出人的智能品质，就必须对各种具有不确定性的推理模式进行研究。

首先是对归纳推理和归纳逻辑的研究。这里所说的“归纳推理”是广义的，指一切扩展性推理，它们的结论所断定的超出了其前提所断定的范围，因而前提的真无法保证结论的真，整个推理因此缺乏必然性。具体说来，这种意义的“归纳”包括下述内容：简单枚举法；排除归纳法，指这样一些操作：预先通过观察或实验列出被研究现象的可能的原因，然后有选择地安排某些事例或实验，根据某些标准排除不相干假设，最后得到比较可靠的结论；统计概括：从关于有穷数目样本的构成的知识到关于未知总体分布构成的结论的推理；类比论证和假说演绎法，等等。尽管休谟提出著名的“归纳问题”，对归纳推理的合理性和归纳逻辑的可能性提出了深刻的质疑，但我认为，（1）归纳是在茫茫宇宙中生存的人类必须采取也只能采取的认知策略，对于人类来说具有实践的必然性。（2）人类有理由从经验的重复中建立某种确实性和规律性，其依据就是确信宇宙中存在某种类似于自然齐一律和客观因果律之类的东西。这一确信是合理的，而用纯逻辑的理由去怀疑一个关于世界的事实性断言则是不合理的，除非这个断言是逻辑矛盾。（3）人类有可能建立起局部合理的归纳逻辑和归纳方法论。并且，归纳逻辑的这种可能性正在计算机科学和人工智能的研究推动下慢慢地演变成现实。恩格斯早就指出，“社会一旦有技术上的需要，则这种需要比十所大学更能把科学推向前进。”[④]有人通过指责现有的归纳逻辑不成熟，得出“归纳逻辑不可能”的结论，他们的推理本身与归纳推理一样，不具有演绎的必然性。（4）人类实践的成功在一定程度上证明了相应的经验知识的真理性，也就在一定程度上证明了归纳逻辑和归纳方法论的力量。毋庸否认，归纳逻辑目前还很不成熟。有的学者指出，为了在机器的智能模拟中克服对归纳模拟的困难而有所突破，应该将归纳逻辑等有关的基础理论研究与机器学习、不确定推理和神经网络学习模型与归纳学习中已有的成果结合起来。只有这样，才能在已有的归纳学习成果上，在机器归纳和机器发现上取得新的突破和进展。[⑤]这是一个极有价值且极富挑战性的课题，无疑在21世纪将得到重视并取得进展。

再谈模糊逻辑。现实世界中充满了模糊现象，这些现象反映到人的思维中形成了模糊概念和模糊命题，如“矮个子”、“美人”、“甲地在乙地附近”、“他很年轻”等。研究模糊概念、模糊命题和模糊推理的逻辑理论叫做“模糊逻辑”。对它的研究始于20世纪20年代，其代表性人物是L·A·查德和P·N·马林诺斯。模糊逻辑为精确逻辑（二值逻辑）解决不了的问题提供了解决的可能，它目前在医疗诊断、故障检测、气象预报、自动控制以及人工智能研究中获得重要应用。显然，它在21世纪将继续得到更大的发展。

3．广义内涵逻辑

经典逻辑只是对命题联结词、个体词、谓词、量词和等词进行了研究，但在自然语言中，除了这些语言成分之外，显然还存在许多其他的语言成分，如各种各样的副词，包括模态词“必然”、“可能”和“不可能”

、时态词“过去”、“现在”和“未来”、道义词“应该”、“允许”、“禁止”等等，以及各种认知动词，如“思考”、“希望”、“相信”、“判断”、“猜测”、“考虑”、“怀疑”，这些认知动词在逻辑和哲学文献中被叫做“命题态度词”。对这些副词以及命题态度词的逻辑研究可以归类为“广义内涵逻辑”。

大多数副词以及几乎所有命题态度词都是内涵性的，造成内涵语境，后者与外延语境构成对照。外延语境又叫透明语境，是经典逻辑的组合性原则、等值置换规则、同一性替换规则在其中适用的语境；内涵语境又称晦暗语境，是上述规则在其中不适用的语境。相应于外延语境和内涵语境的区别，一切语言表达式（包括自然语言的名词、动词、形容词直至语句）都可以区分为外延性的和内涵性的，前者是提供外延语境的表达式，后者是提供内涵性语境的表达式。例如，杀死、见到、拥抱、吻、砍、踢、打、与…下棋等都是外延性表达式，而知道、相信、认识、必然、可能、允许、禁止、过去、现在、未来等都是内涵性表达式。在内涵语境中会出现一些复杂的情况。首先，对于个体词项来说，关键性的东西是我们不仅必须考虑它们在现实世界中的外延，而且要考虑它们在其他可能世界中的外延。例如，由于“必然”是内涵性表达式，它提供内涵语境，因而下述推理是非有效的：

晨星必然是晨星，

晨星就是暮星，

所以，晨星必然是暮星。

这是因为：这个推理只考虑到“晨星”和“暮星”在现实世界中的外延，并没有考虑到它们在每一个可能世界中的外延，我们完全可以设想一个可能世界，在其中“晨星”的外延不同于“暮星”的外延。因此，我们就不能利用同一性替换规则，由该推理的前提得出它的结论：“晨星必然是暮星”。其次，在内涵语境中，语言表达式不再以通常是它们的外延的东西作为外延，而以通常是它们的内涵的东西作为外延。以“达尔文相信人是从猿猴进化而来的”这个语句为例。这里，达尔文所相信的是“人是从猿猴进化而来的”所表达的思想，而不是它所指称的真值，于是在这种情况下，“人是从猿猴进化而来的”所表达的思想（命题）就构成它的外延。再次，在内涵语境中，虽然适用于外延的函项性原则不再成立，但并不是非要抛弃不可，可以把它改述为新的形式：一复合表达式的外延是它出现于外延语境中的部分表达式的外延加上出现于内涵语境中的部分表达式的内涵的函项。这个新的组合性或函项性原则在内涵逻辑中成立。

一般而言，一个好的内涵逻辑至少应满足两个条件：（i）它必须能够处理外延逻辑所能处理的问题；（ii）它还必须能够处理外延逻辑所不能处理的难题。这就是说，它既不能与外延逻辑相矛盾，又要克服外延逻辑的局限。这样的内涵逻辑目前正在发展中，并且已有初步轮廓。从术语上说，内涵逻辑除需要真、假、语句真值的同一和不同、集合或类、谓词的同范围或不同范围等外延逻辑的术语之外，还需要同义、内涵的同一和差异、命题、属性或概念这样一些术语。广而言之，可以把内涵逻辑看作是关于象“必然”、“可能”、“知道”、“相信”，“允许”、“禁止”等提供内涵语境的语句算子的一般逻辑。在这种广义之下，模态逻辑、时态逻辑、道义逻辑、认知逻辑、问题逻辑等都是内涵逻辑。不过，还有一种狭义的内涵逻辑，它可以粗略定义如下：一个内涵逻辑是一个形式语言，其中包括（1）谓词逻辑的算子、量词和变元，这里的谓词逻辑不必局限于一阶谓词逻辑，也可以是高阶谓词逻辑；（2）合式的λ—表达式，例如(λx)A，这里A是任一类型的表达式，x是任一类型的变元，(λx)A本身是一函项，它把变元x在其中取值的那种类型的对象映射到A所属的那种类型上；（3）其他需要的模态的或内涵的算子，例如€，ù、ú。而一个内涵逻辑的解释，则由下列要素组成：（1）一个可能世界的非空集W；（2）一个可能个体的非空集D；（3）一个赋值，它给系统内的表达式指派它们在每w∈W中的外延。对于任一的解释Q和任一的世界w∈W，判定内涵逻辑系统中的任一表达式X相对于解释Q在w∈W中的外延总是可能的。这样的内涵逻辑系统有丘奇的LSD系统，R·蒙塔古的IL系统，以及E·N·扎尔塔的FIL系统等。[⑥]

在各种内涵逻辑中，认识论逻辑（epistemiclogic）具有重要意义。它有广义和狭义之分。广义的认识论逻辑研究与感知（perception）、知道、相信、断定、理解、怀疑、问题和回答等相关的逻辑问题，包括问题逻辑、知道逻辑、相信逻辑、断定逻辑等；狭义的认识论逻辑仅指知道和相信的逻辑，简称“认知逻辑”。冯·赖特在1951年提出了对“认知模态”的逻辑分析，这对建立认知逻辑具有极大的启发作用。J·麦金西首先给出了一个关于“知道”的模态逻辑。A·帕普于1957年建立了一个基于6条规则的相信逻辑系统。J·亨迪卡于60年代出版的《知识和信念》一书是认知逻辑史上的重要著作，其中提出了一些认知逻辑的系统，并为其建立了基于“模型集”的语义学，后者是可能世界语义学的先导之一。当今的认知逻辑纷繁复杂，既不成熟也面临许多难题。由于认知逻辑涉及认识论、心理学、语言学、计算机科学和人工智能等诸多领域，并且认知逻辑的应用技术，又称关于知识的推理技术，正在成为计算机科学和人工智能的重要分支之一，因此认知逻辑在20世纪中后期成为国际逻辑学界的一个热门研究方向。这一状况在21世纪将得到继续并进一步强化，在这方面有可能出现突破性的重要结果。

4．对自然语言的逻辑研究

对自然语言的逻辑研究有来自几个不同领域的推动力。首先是计算机和人工智能的研究，人机对话和通讯、计算机的自然语言理解、知识表示和知识推理等课题，都需要对自然语言进行精细的逻辑分析，并且这种分析不能仅停留在句法层面，而且要深入到语义层面。其次是哲学特别是语言哲学，在20世纪哲学家们对语言表达式的意义问题倾注了异乎寻常的精力，发展了各种各样的意义理论，如观念论、指称论、使用论、言语行为理论、真值条件论等等，以致有人说，关注意义成了20世纪哲学家的职业病。再次是语言学自身发展的需要，例如在研究自然语言的意义问题时，不能仅仅停留在脱离语境的抽象研究上面，而要结合使用语言的特定环境去研究，这导致了语义学、语用学、新修辞学等等发展。各个方面发展的成果可以总称为“自然语言逻辑”，它力图综合后期维特根斯坦提倡的使用论

，J·L·奥斯汀、J·L·塞尔等人发展的言语行为理论，以及P·格赖斯所创立的会话含义学说等成果，透过自然语言的指谓性和交际性去研究自然语言中的推理。

自然语言具有表达和交际两种职能，其中交际职能是自然语言最重要的职能，是它的生命力之所在。而言语交际总是在一定的语言环境（简称语境）中进行的，语境有广义和狭义之分。狭义的语境仅指一个语词、一个句子出现的上下文。广义的语境除了上下文之外，还包括该语词或语句出现的整个社会历史条件，如该语词或语句出现的时间、地点、条件、讲话的人（作者）、听话的人（读者）以及交际双方所共同具有的背景知识，这里的背景知识包括交际双方共同的信念和心理习惯，以及共同的知识和假定等等。这些语境因素对于自然语言的表达式（语词、语句）的意义有着极其重要的影响，这具体表现在：（i）语境具有消除自然语言语词的多义性、歧义性和模糊性的能力，具有严格规定语言表达式意义的能力。（ii）自然语言的句子常常包含指示代词、人称代词、时间副词等，要弄清楚这些句子的意义和内容，就要弄清楚这句话是谁说的、对谁说的、什么时候说的、什么地点说的、针对什么说的，等等，这只有在一定的语境中才能进行。依赖语境的其他类型的语句还有：包含着象“有些”和“每一个”这类量化表达式的句子的意义取决于依语境而定的论域，包含着象“大的”、“冷的”这类形容词的句子的意义取决于依语境而定的相比较的对象类；模态语句和条件语句的意义取决于因语境而变化的语义决定因素，如此等等。（iii）语言表达式的意义在语境中会出现一些重要的变化，以至偏离它通常所具有的意义（抽象意义），而产生一种新的意义即语用涵义。有人认为，一个语言表达式在它的具体语境中的意义，才是它的完全的真正的意义，一旦脱离开语境，它就只具有抽象的意义。语言的抽象意义和它的具体意义的关系，正象解剖了的死人肢体与活人肢体的关系一样。逻辑应该去研究、理解、把握自然语言的具体意义，当然不是去研究某一个（或一组）特定的语句在某个特定语境中唯一无二的意义，而是专门研究确定自然语言具体意义的普遍原则。[⑦]

美国语言学家保罗·格赖斯把语言表达式在一定的交际语境中产生的一种不同于字面意义的特殊涵义，叫做“语用涵义”、“会话涵义”或“隐涵”（implicature），并于1975年提出了一组“交际合作原则”，包括一个总则和四组准则。总则的内容是：在你参与会话时，你要依据你所参与的谈话交流的公认目的或方向，使你的会话贡献符合这种需要。仿照康德把范畴区分为量、质、关系和方式四类，格赖斯提出了如下四组准则：

（1）数量准则：在交际过程中给出的信息量要适中。

a．给出所要求的信息量；

b．给出的信息量不要多于所要求的信息量。

（2）质量准则：力求讲真话。

a．不说你认为假的东西，。

b．不说你缺少适当证据的东西。

（3）关联准则：说话要与已定的交际目的相关联。

（4）方式准则：说话要意思明确，表达清晰。

a．避免晦涩生僻的表达方式；

b．避免有歧义的表达方式；

c．说话要简洁；

d．说话要有顺序性。[⑧]

后来对这些原则提出了不和补充，例如有人还提出了交际过程中所要遵守的“礼貌原则”。只要把交际双方遵守交际合作原则之类的语用规则作为基本前提，这些原则就可以用来确定和把握自然语言的具体意义（语用涵义）。实际上，一个语句p的语用涵义，就是听话人在具体语境中根据语用规则由p得到的那个或那些语句。更具体地说，从说话人S说的话语p推出语用涵义q的一般过程是：

（i）S说了p；

（ii）没有理由认为S不遵守准则，或至少S会遵守总的合作原则；

（iii）S说了p而又要遵守准则或总的合作原则，S必定想表达q；

（iv）S必然知道，谈话双方都清楚：如果S是合作的，必须假设q；

（v）S无法阻止听话人H考虑q；

（vi）因此，S意图让H考虑q，并在说p时意味着q。

试举二例：

（1）a站在熄火的汽车旁，b向a走来。a说：“我没有汽油了。”b说：“前面拐角处有一个修车铺。”这里a与b谈话的目的是：a想得到汽油。根据关系准则，b说这句话是与a想得到汽油相关的，由此可知：b说这句话时隐涵着：“前面的修车铺还在营业并且卖汽油。”

（2）某教授写信推荐他的学生任某项哲学方面的工作，信中写到：“亲爱的先生：我的学生c的英语很好，并且准时上我的课。”根据量的准则，应该提供所需要的信息量；作为教授，他对自己的学生的情况显然十分熟悉，也可以提供所需要的信息量，但他有意违反量的准则，在信中只用一句话来介绍学生的情况，任用人一旦接到这封信，自然明白：教授认为c不宜从事这项哲学工作。

并且，语用涵义还具有如下5个特点：（i）可取消性：在给原话语附加上某些话语之后，它原有的语用涵义可被取消。在例（1）中，若b在说“前面拐角处有一个修车铺”之后又补上一句：“不过它这时已经关门了”，则原有的语用涵义“你可从那里得到汽油”就被取消了。（ii）不可分离性：如果某话语在特定的语境中产生了语用涵义，则无论采用什么样的同义结构，该含义始终存在，因为它所依附的是话语的内容，而不是话语的形式。（iii）可推导性，前面已说明这一点。（iv）非规约性：语用涵义不能单独从话语本身推出来，除要考虑交际合作原则之类的语用规则之外，也需要假定通常的逻辑推理规则，并需要把上文语句、交际双方所共有的背景知识作为附加前提考虑在内。（v）不确定性：同一句话语在不同的语境中可以产生不同的语用涵义。显然，确定某个话语的语用涵义是一个极其复杂的过程，需要综合和分析、归纳和演绎的统一应用，因此具有一定的或然性。研究如何迅速有效地把握自然语言表达式在具体语境中的语用涵义，这正是自然语言逻辑所要完成的任务之一，它将在21世纪取得进展。［摘要］本文认为，计算机科学和人工智能将是21世纪逻辑学发展的主要动力源泉，并且在很大程度上将决定21世纪逻辑学的面貌。至少在21世纪早期，逻辑学将重点关注下列论题：（1）如何在逻辑中处理常识推理的弗协调、非单调和容错性因素？（2）如何使机器人具有人的创造性智能，如从经验证据中建立用于指导以后行动的可错的归纳判断？（3）如何进行知识表示和知识推理，特别是基于已有的知识库以及各认知主体相互之间的知识而进行的推理？（4）如何结合各种语境因素进行自然语言理解和推理，使智能机器人能够用人的自然语言与人进行成功的交际？等等。

［关键词］人工智能，常识推理，归纳逻辑，广义内涵逻辑，认知逻辑，自然语言逻辑

现代逻辑创始于19世纪末叶和20世纪早期，其发展动力主要来自于数学中的公理化运动。当时的数学家们试图即从少数公理根据明确给出的演绎规则推导出其他的数学定理，从而把整个数学构造成为一个严格的演绎大厦，然后用某种程序和方法一劳永逸地证明数学体系的可靠性。为此需要发明和锻造严格、精确、适用的逻辑工具。这是现代逻辑诞生的主要动力。由此造成的后果就是20世纪逻辑研究的严重数学化，其表现在于：一是逻辑专注于在数学的形式化过程中提出的问题；二是逻辑采纳了数学的方法论，从事逻辑研究就意味着象数学那样用严格的形式证明去解决问题。由此发展出来的逻辑被恰当地称为“数理逻辑”，它增强了逻辑研究的深度，使逻辑学的发展继古希腊逻辑、欧洲中世纪逻辑之后进入第三个高峰期，并且对整个现代科学特别是数学、哲学、语言学和计算机科学产生了非常重要的影响。

本文所要探讨的问题是：21世纪逻辑发展的主要动力将来自何处？大致说来将如何发展？我个人的看法是：计算机科学和人工智能将至少是21世纪早期逻辑学发展的主要动力源泉，并将由此决定21世纪逻辑学的另一幅面貌。由于人工智能要模拟人的智能，它的难点不在于人脑所进行的各种必然性推理（这一点在20世纪基本上已经做到了，如用计算机去进行高难度和高强度的数学证明，“深蓝”通过高速、大量的计算去与世界冠军下棋），而是最能体现人的智能特征的能动性、创造性思维，这种思维活动中包括学习、抉择、尝试、修正、推理诸因素，例如选择性地搜集相关的经验证据，在不充分信息的基础上作出尝试性的判断或抉择，不断根据环境反馈调整、修正自己的行为，……由此达到实践的成功。于是，逻辑学将不得不比较全面地研究人的思维活动，并着重研究人的思维中最能体现其能动性特征的各种不确定性推理，由此发展出的逻辑理论也将具有更强的可应用性。

实际上，在20世纪中后期，就已经开始了现代逻辑与人工智能（记为AI）之间的相互融合和渗透。例如，哲学逻辑所研究的许多课题在理论计算机和人工智能中具有重要的应用价值。AI从认知心理学、社会科学以及决策科学中获得了许多资源，但逻辑（包括哲学逻辑）在AI中发挥了特别突出的作用。某些原因促使哲学逻辑家去发展关于非数学推理

的理论；基于几乎同样的理由，AI研究者也在进行类似的探索，这两方面的研究正在相互接近、相互借鉴，甚至在逐渐融合在一起。例如，AI特别关心下述课题：

·效率和资源有限的推理；

·感知；

·做计划和计划再认；

·关于他人的知识和信念的推理；

·各认知主体之间相互的知识；

·自然语言理解；

·知识表示；

·常识的精确处理；

·对不确定性的处理，容错推理；

·关于时间和因果性的推理；

·解释或说明；

·对归纳概括以及概念的学习。[①]

21世纪的逻辑学也应该关注这些问题，并对之进行研究。为了做到这一点，逻辑学家们有必要熟悉AI的要求及其相关进展，使其研究成果在AI中具有可应用性。

我认为，至少是21世纪早期，逻辑学将会重点关注下述几个领域，并且有可能在这些领域出现具有重大意义的成果：（1）如何在逻辑中处理常识推理中的弗协调、非单调和容错性因素？（2）如何使机器人具有人的创造性智能，如从经验证据中建立用于指导以后行动的归纳判断？（3）如何进行知识表示和知识推理，特别是基于已有的知识库以及各认知主体相互之间的知识而进行的推理？（4）如何结合各种语境因素进行自然语言理解和推理，使智能机器人能够用人的自然语言与人进行成功的交际？等等。

1．常识推理中的某些弗协调、非单调和容错性因素

AI研究的一个目标就是用机器智能模拟人的智能，它选择各种能反映人的智能特征的问题进行实践，希望能做出各种具有智能特征的软件系统。AI研究基于计算途径，因此要建立具有可操作性的符号模型。一般而言，AI关于智能系统的符号模型可描述为：由一个知识载体（称为知识库KB）和一组加载在KB上的足以产生智能行为的过程（称为问题求解器PS）构成。经过20世纪70年代包括专家系统的发展，AI研究者逐步取得共识，认识到知识在智能系统中力量，即一般的智能系统事实上是一种基于知识的系统，而知识包括专门性知识和常识性知识，前者亦可看做是某一领域内专家的常识。于是，常识问题就成为AI研究的一个核心问题，它包括两个方面：常识表示和常识推理，即如何在人工智能中清晰地表示人类的常识，并运用这些常识去进行符合人类行为的推理。显然，如此建立的常识知识库可能包含矛盾，是不协调的，但这种矛盾或不协调应不至于影响到进行合理的推理行为；常识推理还是一种非单调推理，即人们基于不完全的信息推出某些结论，当人们得到更完全的信息后，可以改变甚至收回原来的结论；常识推理也是一种可能出错的不精确的推理模式，是在容许有错误知识的情况下进行的推理，简称容错推理。而经典逻辑拒斥任何矛盾，容许从矛盾推出一切命题；并且它是单调的，即承认如下的推理模式：如果p?r，则pùq?r；或者说，任一理论的定理属于该理论之任一扩张的定理集。因此，在处理常识表示和常识推理时，经典逻辑应该受到限制和修正，并发展出某些非经典的逻辑，如次协调逻辑、非单调逻辑、容错推理等。有人指出，常识推理的逻辑是次协调逻辑和非单调逻辑的某种结合物，而后者又可看做是对容错推理的简单且基本的情形的一种形式化。[②]

“次协调逻辑”（ParaconsistentLogic）是由普里斯特、达·科斯塔等人在对悖论的研究中发展出来的，其基本想法是：当在一个理论中发现难以克服的矛盾或悖论时，与其徒劳地想尽各种办法去排除

或防范它们，不如干脆让它们留在理论体系内，但把它们“圈禁”起来，不让它们任意扩散，以免使我们所创立或研究的理论成为“不足道”的。于是，在次协调逻辑中，能够容纳有意义、有价值的“真矛盾”，但这些矛盾并不能使系统推出一切，导致自毁。因此，这一新逻辑具有一种次于经典逻辑但又远远高于完全不协调系统的协调性。次协调逻辑家们认为，如果在一理论T中，一语句A及其否定?A都是定理，则T是不协调的；否则，称T是协调的。如果T所使用的逻辑含有从互相否定的两公式可推出一切公式的规则或推理，则不协调的T也是不足道的(trivial)。因此，通常以经典逻辑为基础的理论，如果它是不协调的，那它一定也是不足道的。这一现象表明，经典逻辑虽可用于研究协调的理论，但不适用于研究不协调但又足道的理论。达·科斯塔在20世纪60年代构造了一系列次协调逻辑系统Cn（1≤n≤w），以用作不协调而又足道的理论的逻辑工具。对次协调逻辑系统Cn的特征性描述包括下述命题：(i)矛盾律?(Aù?A)不普遍有效；(ii)从两个相互否定的公式A和?A推不出任意公式；即是说，矛盾不会在系统中任意扩散，矛盾不等于灾难。(iii)应当容纳与(i)和(ii)相容的大多数经典逻辑的推理模式和规则。这里，(i)和(ii)表明了对矛盾的一种相对宽容的态度，(iii)则表明次协调逻辑对于经典逻辑仍有一定的继承性。

在任一次协调逻辑系统Cn(1≤n≤w)中，下述经典逻辑的定理或推理模式都不成立：

?(Aù?A)

Aù?AB

A(?AB)

(A??A)B

(A??A)?B

A??A

(?Aù(AúB))B

(AB)(?B?A)

若以C0为经典逻辑，则系列C0,C1,C2,…Cn,…Cw使得对任正整数i有Ci弱于Ci-1，Cw是这系列中最弱的演算。已经为Cn设计出了合适的语义学，并已经证明Cn相对于此种语义是可靠的和完全的，并且次协调命题逻辑系统Cn还是可判定的。现在，已经有人把次协调逻辑扩展到模态逻辑、时态逻辑、道义逻辑、多值逻辑、集合论等领域的研究中，发展了这些领域内的次协调理论。显然，次协调逻辑将会得到更进一步的发展。[③]

非单调逻辑是关于非单调推理的逻辑，它的研究开始于20世纪80年代。1980年，D·麦克多莫特和J·多伊尔初步尝试着系统发展一种关于非单调推理的逻辑。他们在经典谓词演算中引入一个算子M，表示某种“一致性”断言，并将其看做是模态概念，通过一定程序把模态逻辑系统T、S4和S5翻译成非单调逻辑。B·摩尔的论文《非单调逻辑的语义思考》（1983）据认为在非单调逻辑方面作出了令人注目的贡献。他在“缺省推理”和“自动认知推理”之间做了区分，并把前者看作是在没有任何相反信息和缺少证据的条件下进行推理的过程，这种推理的特征是试探性的：根据新信息，它们很可能会被撤消。自动认知推理则不是这种类型，它是与人们自身的信念或知识相关的推理，可用它模拟一个理想的具有信念的有理性的人的推理。对于在计算机和人工智能中获得成功的应用而言，非单调逻辑尚需进一步发展。

2．归纳以及其他不确定性推理

人类智能的本质特征和最高表现是创造。在人类创造的过程中，具有必然性的演绎推理固然起重要作用，但更为重要的是具有某种不确定性的归纳、类比推理以及模糊推理等。因此，计算机要成功地模拟人的智能，真正体现出人的智能品质，就必须对各种具有不确定性的推理模式进行研究。

首先是对归纳推理和归纳逻辑的研究。这里所说的“归纳推理”是广义的，指一切扩展性推理，它们的结论所断定的超出了其前提所断定的范围，因而前提的真无法保证结论的真，整个推理因此缺乏必然性。具体说来，这种意义的“归纳”包括下述内容：简单枚举法；排除归纳法，指这样一些操作：预先通过观察或实验列出被研究现象的可能的原因，然后有选择地安排某些事例或实验，根据某些标准排除不相干假设，最后得到比较可靠的结论；统计概括：从关于有穷数目样本的构成的知识到关于未知总体分布构成的结论的推理；类比论证和假说演绎法，等等。尽管休谟提出著名的“归纳问题”，对归纳推理的合理性和归纳逻辑的可能性提出了深刻的质疑，但我认为，（1）归纳是在茫茫宇宙中生存的人类必须采取也只能采取的认知策略，对于人类来说具有实践的必然性。（2）人类有理由从经验的重复中建立某种确实性和规律性，其依据就是确信宇宙中存在某种类似于自然齐一律和客观因果律之类的东西。这一确信是合理的，而用纯逻辑的理由去怀疑一个关于世界的事实性断言则是不合理的，除非这个断言是逻辑矛盾。（3）人类有可能建立起局部合理的归纳逻辑和归纳方法论。并且，归纳逻辑的这种可能性正在计算机科学和人工智能的研究推动下慢慢地演变成现实。恩格斯早就指出，“社会一旦有技术上的需要，则这种需要比十所大学更能把科学推向前进。”[④]有人通过指责现有的归纳逻辑不成熟，得出“归纳逻辑不可能”的结论，他们的推理本身与归纳推理一样，不具有演绎的必然性。（4）人类实践的成功在一定程度上证明了相应的经验知识的真理性，也就在一定程度上证明了归纳逻辑和归纳方法论的力量。毋庸否认，归纳逻辑目前还很不成熟。有的学者指出，为了在机器的智能模拟中克服对归纳模拟的困难而有所突破，应该将归纳逻辑等有关的基础理论研究与机器学习、不确定推理和神经网络学习模型与归纳学习中已有的成果结合起来。只有这样，才能在已有的归纳学习成果上，在机器归纳和机器发现上取得新的突破和进展。[⑤]这是一个极有价值且极富挑战性的课题，无疑在21世纪将得到重视并取得进展。

再谈模糊逻辑。现实世界中充满了模糊现象，这些现象反映到人的思维中形成了模糊概念和模糊命题，如“矮个子”、“美人”、“甲地在乙地附近”、“他很年轻”等。研究模糊概念、模糊命题和模糊推理的逻辑理论叫做“模糊逻辑”。对它的研究始于20世纪20年代，其代表性人物是L·A·查德和P·N·马林诺斯。模糊逻辑为精确逻辑（二值逻辑）解决不了的问题提供了解决的可能，它目前在医疗诊断、故障检测、气象预报、自动控制以及人工智能研究中获得重要应用。显然，它在21世纪将继续得到更大的发展。

3．广义内涵逻辑

经典逻辑只是对命题联结词、个体词、谓词、量词和等词进行了研究，但在自然语言中，除了这些语言成分之外，显然还存在许多其他的语言成分，如各种各样的副词，包括模态词“必然”、“可能”和“不可能”

、时态词“过去”、“现在”和“未来”、道义词“应该”、“允许”、“禁止”等等，以及各种认知动词，如“思考”、“希望”、“相信”、“判断”、“猜测”、“考虑”、“怀疑”，这些认知动词在逻辑和哲学文献中被叫做“命题态度词”。对这些副词以及命题态度词的逻辑研究可以归类为“广义内涵逻辑”。

大多数副词以及几乎所有命题态度词都是内涵性的，造成内涵语境，后者与外延语境构成对照。外延语境又叫透明语境，是经典逻辑的组合性原则、等值置换规则、同一性替换规则在其中适用的语境；内涵语境又称晦暗语境，是上述规则在其中不适用的语境。相应于外延语境和内涵语境的区别，一切语言表达式（包括自然语言的名词、动词、形容词直至语句）都可以区分为外延性的和内涵性的，前者是提供外延语境的表达式，后者是提供内涵性语境的表达式。例如，杀死、见到、拥抱、吻、砍、踢、打、与…下棋等都是外延性表达式，而知道、相信、认识、必然、可能、允许、禁止、过去、现在、未来等都是内涵性表达式。在内涵语境中会出现一些复杂的情况。首先，对于个体词项来说，关键性的东西是我们不仅必须考虑它们在现实世界中的外延，而且要考虑它们在其他可能世界中的外延。例如，由于“必然”是内涵性表达式，它提供内涵语境，因而下述推理是非有效的：

晨星必然是晨星，

晨星就是暮星，

所以，晨星必然是暮星。

这是因为：这个推理只考虑到“晨星”和“暮星”在现实世界中的外延，并没有考虑到它们在每一个可能世界中的外延，我们完全可以设想一个可能世界，在其中“晨星”的外延不同于“暮星”的外延。因此，我们就不能利用同一性替换规则，由该推理的前提得出它的结论：“晨星必然是暮星”。其次，在内涵语境中，语言表达式不再以通常是它们的外延的东西作为外延，而以通常是它们的内涵的东西作为外延。以“达尔文相信人是从猿猴进化而来的”这个语句为例。这里，达尔文所相信的是“人是从猿猴进化而来的”所表达的思想，而不是它所指称的真值，于是在这种情况下，“人是从猿猴进化而来的”所表达的思想（命题）就构成它的外延。再次，在内涵语境中，虽然适用于外延的函项性原则不再成立，但并不是非要抛弃不可，可以把它改述为新的形式：一复合表达式的外延是它出现于外延语境中的部分表达式的外延加上出现于内涵语境中的部分表达式的内涵的函项。这个新的组合性或函项性原则在内涵逻辑中成立。

一般而言，一个好的内涵逻辑至少应满足两个条件：（i）它必须能够处理外延逻辑所能处理的问题；（ii）它还必须能够处理外延逻辑所不能处理的难题。这就是说，它既不能与外延逻辑相矛盾，又要克服外延逻辑的局限。这样的内涵逻辑目前正在发展中，并且已有初步轮廓。从术语上说，内涵逻辑除需要真、假、语句真值的同一和不同、集合或类、谓词的同范围或不同范围等外延逻辑的术语之外，还需要同义、内涵的同一和差异、命题、属性或概念这样一些术语。广而言之，可以把内涵逻辑看作是关于象“必然”、“可能”、“知道”、“相信”，“允许”、“禁止”等提供内涵语境的语句算子的一般逻辑。在这种广义之下，模态逻辑、时态逻辑、道义逻辑、认知逻辑、问题逻辑等都是内涵逻辑。不过，还有一种狭义的内涵逻辑，它可以粗略定义如下：一个内涵逻辑是一个形式语言，其中包括（1）谓词逻辑的算子、量词和变元，这里的谓词逻辑不必局限于一阶谓词逻辑，也可以是高阶谓词逻辑；（2）合式的λ—表达式，例如(λx)A，这里A是任一类型的表达式，x是任一类型的变元，(λx)A本身是一函项，它把变元x在其中取值的那种类型的对象映射到A所属的那种类型上；（3）其他需要的模态的或内涵的算子，例如€，ù、ú。而一个内涵逻辑的解释，则由下列要素组成：（1）一个可能世界的非空集W；（2）一个可能个体的非空集D；（3）一个赋值，它给系统内的表达式指派它们在每w∈W中的外延。对于任一的解释Q和任一的世界w∈W，判定内涵逻辑系统中的任一表达式X相对于解释Q在w∈W中的外延总是可能的。这样的内涵逻辑系统有丘奇的LSD系统，R·蒙塔古的IL系统，以及E·N·扎尔塔的FIL系统等。[⑥]

在各种内涵逻辑中，认识论逻辑（epistemiclogic）具有重要意义。它有广义和狭义之分。广义的认识论逻辑研究与感知（perception）、知道、相信、断定、理解、怀疑、问题和回答等相关的逻辑问题，包括问题逻辑、知道逻辑、相信逻辑、断定逻辑等；狭义的认识论逻辑仅指知道和相信的逻辑，简称“认知逻辑”。冯·赖特在1951年提出了对“认知模态”的逻辑分析，这对建立认知逻辑具有极大的启发作用。J·麦金西首先给出了一个关于“知道”的模态逻辑。A·帕普于1957年建立了一个基于6条规则的相信逻辑系统。J·亨迪卡于60年代出版的《知识和信念》一书是认知逻辑史上的重要著作，其中提出了一些认知逻辑的系统，并为其建立了基于“模型集”的语义学，后者是可能世界语义学的先导之一。当今的认知逻辑纷繁复杂，既不成熟也面临许多难题。由于认知逻辑涉及认识论、心理学、语言学、计算机科学和人工智能等诸多领域，并且认知逻辑的应用技术，又称关于知识的推理技术，正在成为计算机科学和人工智能的重要分支之一，因此认知逻辑在20世纪中后期成为国际逻辑学界的一个热门研究方向。这一状况在21世纪将得到继续并进一步强化，在这方面有可能出现突破性的重要结果。

4．对自然语言的逻辑研究

对自然语言的逻辑研究有来自几个不同领域的推动力。首先是计算机和人工智能的研究，人机对话和通讯、计算机的自然语言理解、知识表示和知识推理等课题，都需要对自然语言进行精细的逻辑分析，并且这种分析不能仅停留在句法层面，而且要深入到语义层面。其次是哲学特别是语言哲学，在20世纪哲学家们对语言表达式的意义问题倾注了异乎寻常的精力，发展了各种各样的意义理论，如观念论、指称论、使用论、言语行为理论、真值条件论等等，以致有人说，关注意义成了20世纪哲学家的职业病。再次是语言学自身发展的需要，例如在研究自然语言的意义问题时，不能仅仅停留在脱离语境的抽象研究上面，而要结合使用语言的特定环境去研究，这导致了语义学、语用学、新修辞学等等发展。各个方面发展的成果可以总称为“自然语言逻辑”，它力图综合后期维特根斯坦提倡的使用论

，J·L·奥斯汀、J·L·塞尔等人发展的言语行为理论，以及P·格赖斯所创立的会话含义学说等成果，透过自然语言的指谓性和交际性去研究自然语言中的推理。

自然语言具有表达和交际两种职能，其中交际职能是自然语言最重要的职能，是它的生命力之所在。而言语交际总是在一定的语言环境（简称语境）中进行的，语境有广义和狭义之分。狭义的语境仅指一个语词、一个句子出现的上下文。广义的语境除了上下文之外，还包括该语词或语句出现的整个社会历史条件，如该语词或语句出现的时间、地点、条件、讲话的人（作者）、听话的人（读者）以及交际双方所共同具有的背景知识，这里的背景知识包括交际双方共同的信念和心理习惯，以及共同的知识和假定等等。这些语境因素对于自然语言的表达式（语词、语句）的意义有着极其重要的影响，这具体表现在：（i）语境具有消除自然语言语词的多义性、歧义性和模糊性的能力，具有严格规定语言表达式意义的能力。（ii）自然语言的句子常常包含指示代词、人称代词、时间副词等，要弄清楚这些句子的意义和内容，就要弄清楚这句话是谁说的、对谁说的、什么时候说的、什么地点说的、针对什么说的，等等，这只有在一定的语境中才能进行。依赖语境的其他类型的语句还有：包含着象“有些”和“每一个”这类量化表达式的句子的意义取决于依语境而定的论域，包含着象“大的”、“冷的”这类形容词的句子的意义取决于依语境而定的相比较的对象类；模态语句和条件语句的意义取决于因语境而变化的语义决定因素，如此等等。（iii）语言表达式的意义在语境中会出现一些重要的变化，以至偏离它通常所具有的意义（抽象意义），而产生一种新的意义即语用涵义。有人认为，一个语言表达式在它的具体语境中的意义，才是它的完全的真正的意义，一旦脱离开语境，它就只具有抽象的意义。语言的抽象意义和它的具体意义的关系，正象解剖了的死人肢体与活人肢体的关系一样。逻辑应该去研究、理解、把握自然语言的具体意义，当然不是去研究某一个（或一组）特定的语句在某个特定语境中唯一无二的意义，而是专门研究确定自然语言具体意义的普遍原则。[⑦]

美国语言学家保罗·格赖斯把语言表达式在一定的交际语境中产生的一种不同于字面意义的特殊涵义，叫做“语用涵义”、“会话涵义”或“隐涵”（implicature），并于1975年提出了一组“交际合作原则”，包括一个总则和四组准则。总则的内容是：在你参与会话时，你要依据你所参与的谈话交流的公认目的或方向，使你的会话贡献符合这种需要。仿照康德把范畴区分为量、质、关系和方式四类，格赖斯提出了如下四组准则：

（1）数量准则：在交际过程中给出的信息量要适中。

a．给出所要求的信息量；

b．给出的信息量不要多于所要求的信息量。

（2）质量准则：力求讲真话。

a．不说你认为假的东西，。

b．不说你缺少适当证据的东西。

（3）关联准则：说话要与已定的交际目的相关联。

（4）方式准则：说话要意思明确，表达清晰。

a．避免晦涩生僻的表达方式；

b．避免有歧义的表达方式；

c．说话要简洁；

d．说话要有顺序性。[⑧]

后来对这些原则提出了不和补充，例如有人还提出了交际过程中所要遵守的“礼貌原则”。只要把交际双方遵守交际合作原则之类的语用规则作为基本前提，这些原则就可以用来确定和把握自然语言的具体意义（语用涵义）。实际上，一个语句p的语用涵义，就是听话人在具体语境中根据语用规则由p得到的那个或那些语句。更具体地说，从说话人S说的话语p推出语用涵义q的一般过程是：

（i）S说了p；

（ii）没有理由认为S不遵守准则，或至少S会遵守总的合作原则；

（iii）S说了p而又要遵守准则或总的合作原则，S必定想表达q；

（iv）S必然知道，谈话双方都清楚：如果S是合作的，必须假设q；

（v）S无法阻止听话人H考虑q；

（vi）因此，S意图让H考虑q，并在说p时意味着q。

试举二例：

（1）a站在熄火的汽车旁，b向a走来。a说：“我没有汽油了。”b说：“前面拐角处有一个修车铺。”这里a与b谈话的目的是：a想得到汽油。根据关系准则，b说这句话是与a想得到汽油相关的，由此可知：b说这句话时隐涵着：“前面的修车铺还在营业并且卖汽油。”

第6篇：数学逻辑推理能力的重要性范文

［关键词］ 人工智能，常识推理，归纳逻辑，广义内涵逻辑，认知逻辑，自然语言逻辑

现代 逻辑创始于19世纪末叶和20世纪早期，其发展动力主要来自于数学中的公理化运动。当时的数学家们试图即从少数公理根据明确给出的演绎规则推导出其他的数学定理，从而把整个数学构造成为一个严格的演绎大厦，然后用某种程序和 方法 一劳永逸地证明数学体系的可靠性。为此需要发明和锻造严格、精确、适用的逻辑工具。这是现代逻辑诞生的主要动力。由此造成的后果就是20世纪逻辑 研究 的严重数学化，其表现在于：一是逻辑专注于在数学的形式化过程中提出的 问题 ；二是逻辑采纳了数学的方法论，从事逻辑研究就意味着象数学那样用严格的形式证明去解决问题。由此发展出来的逻辑被恰当地称为“数理逻辑”，它增强了逻辑研究的深度，使逻辑学的发展继古希腊逻辑、欧洲中世纪逻辑之后进入第三个高峰期，并且对整个现代科学特别是数学、 哲学 、语言学和计算机科学产生了非常重要的 影响 。

本文所要探讨的问题是：21世纪逻辑发展的主要动力将来自何处？大致说来将如何发展？我个人的看法是：计算机科学和人工智能将至少是21世纪早期逻辑学发展的主要动力源泉，并将由此决定21世纪逻辑学的另一幅面貌。由于人工智能要模拟人的智能，它的难点不在于人脑所进行的各种必然性推理（这一点在20世纪基本上已经做到了，如用计算机去进行高难度和高强度的数学证明，“深蓝”通过高速、大量的计算去与世界冠军下棋），而是最能体现人的智能特征的能动性、创造性思维，这种思维活动中包括 学习 、抉择、尝试、修正、推理诸因素，例如选择性地搜集相关的经验证据，在不充分信息的基础上作出尝试性的判断或抉择，不断根据环境反馈调整、修正自己的行为，……由此达到实践的成功。于是，逻辑学将不得不比较全面地研究人的思维活动，并着重研究人的思维中最能体现其能动性特征的各种不确定性推理，由此发展出的逻辑 理论 也将具有更强的可 应用 性。

实际上，在20世纪中后期，就已经开始了现代逻辑与人工智能（记为ai）之间的相互融合和渗透。例如，哲学逻辑所研究的许多课题在理论计算机和人工智能中具有重要的应用价值。ai从认知心 理学 、 社会 科学以及决策科学中获得了许多资源，但逻辑（包括哲学逻辑）在ai中发挥了特别突出的作用。某些原因促使哲学逻辑家去发展关于非数学推理

的理论；基于几乎同样的理由，ai研究者也在进行类似的探索，这两方面的研究正在相互接近、相互借鉴，甚至在逐渐融合在一起。例如，ai特别关心下述课题：

·效率和资源有限的推理；

·感知；

·做计划和计划再认；

·关于他人的知识和信念的推理；

·各认知主体之间相互的知识；

·自然语言理解；

·知识表示；

·常识的精确处理；

·对不确定性的处理，容错推理；

·关于时间和因果性的推理；

·解释或说明；

·对归纳概括以及概念的学习。[①]

21世纪的逻辑学也应该关注这些问题，并对之进行研究。为了做到这一点，逻辑学家们有必要熟悉ai的要求及其相关进展，使其研究成果在ai中具有可应用性。

我认为，至少是21世纪早期，逻辑学将会重点关注下述几个领域，并且有可能在这些领域出现具有重大意义的成果：（1）如何在逻辑中处理常识推理中的弗协调、非单调和容错性因素？（2）如何使机器人具有人的创造性智能，如从经验证据中建立用于指导以后行动的归纳判断？（3）如何进行知识表示和知识推理，特别是基于已有的知识库以及各认知主体相互之间的知识而进行的推理？（4）如何结合各种语境因素进行自然语言理解和推理，使智能机器人能够用人的自然语言与人进行成功的交际？等等。

1．常识推理中的某些弗协调、非单调和容错性因素

ai研究的一个目标就是用机器智能模拟人的智能，它选择各种能反映人的智能特征的问题进行实践，希望能做出各种具有智能特征的软件系统。ai研究基于计算途径，因此要建立具有可操作性的符号模型。一般而言，ai关于智能系统的符号模型可描述为：由一个知识载体（称为知识库kb）和一组加载在kb上的足以产生智能行为的过程（称为问题求解器ps）构成。经过20世纪70年代包括专家系统的发展，ai研究者逐步取得共识，认识到知识在智能系统中力量，即一般的智能系统事实上是一种基于知识的系统，而知识包括专门性知识和常识性知识，前者亦可看做是某一领域内专家的常识。于是，常识问题就成为ai研究的一个核心问题，它包括两个方面：常识表示和常识推理，即如何在人工智能中清晰地表示人类的常识，并运用这些常识去进行符合人类行为的推理。显然，如此建立的常识知识库可能包含矛盾，是不协调的，但这种矛盾或不协调应不至于影响到进行合理的推理行为；常识推理还是一种非单调推理，即人们基于不完全的信息推出某些结论，当人们得到更完全的信息后，可以改变甚至收回原来的结论；常识推理也是一种可能出错的不精确的推理模式，是在容许有错误知识的情况下进行的推理，简称容错推理。而经典逻辑拒斥任何矛盾，容许从矛盾推出一切命题；并且它是单调的，即承认如下的推理模式：如果p?r，则pùq?r；或者说，任一理论的定理属于该理论之任一扩张的定理集。因此，在处理常识表示和常识推理时，经典逻辑应该受到限制和修正，并发展出某些非经典的逻辑，如次协调逻辑、非单调逻辑、容错推理等。有人指出，常识推理的逻辑是次协调逻辑和非单调逻辑的某种结合物，而后者又可看做是对容错推理的简单且基本的情形的一种形式化。[②]

“次协调逻辑”（paraconsistent logic）是由普里斯特、达·科斯塔等人在对悖论的研究中发展出来的，其基本想法是：当在一个理论中发现难以克服的矛盾或悖论时，与其徒劳地想尽各种办法去排除

或防范它们，不如干脆让它们留在理论体系内，但把它们“圈禁”起来，不让它们任意扩散，以免使我们所创立或研究的理论成为“不足道”的。于是，在次协调逻辑中，能够容纳有意义、有价值的“真矛盾”，但这些矛盾并不能使系统推出一切，导致自毁。因此，这一新逻辑具有一种次于经典逻辑但又远远高于完全不协调系统的协调性。次协调逻辑家们认为，如果在一理论t中，一语句a及其否定?a都是定理，则t是不协调的；否则，称t是协调的。如果t所使用的逻辑含有从互相否定的两公式可推出一切公式的规则或推理，则不协调的t也是不足道的(trivial)。因此，通常以经典逻辑为基础的理论，如果它是不协调的，那它一定也是不足道的。这一现象表明，经典逻辑虽可用于研究协调的理论，但不适用于研究不协调但又足道的理论。达·科斯塔在20世纪60年代构造了一系列次协调逻辑系统cn（1≤n≤w），以用作不协调而又足道的理论的逻辑工具。对次协调逻辑系统cn的特征性描述包括下述命题：(i)矛盾律?(aù?a)不普遍有效；(ii)从两个相互否定的公式a和?a推不出任意公式；即是说，矛盾不会在系统中任意扩散，矛盾不等于灾难。(iii)应当容纳与(i)和(ii)相容的大多数经典逻辑的推理模式和规则。这里，(i)和(ii)表明了对矛盾的一种相对宽容的态度，(iii)则表明次协调逻辑对于经典逻辑仍有一定的继承性。

在任一次协调逻辑系统cn(1≤n≤w)中，下述经典逻辑的定理或推理模式都不成立：

?(aù?a)

aù?ab

a(?ab)

(a??a)b

(a??a)?b

a??a

(?aù(aúb))b

(ab)(?b?a)

若以c0为经典逻辑，则系列c0, c1, c2,… cn,… cw使得对任正整数i有ci弱于ci-1，cw是这系列中最弱的演算。已经为cn设计出了合适的语义学，并已经证明cn相对于此种语义是可靠的和完全的，并且次协调命题逻辑系统cn还是可判定的。现在，已经有人把次协调逻辑扩展到模态逻辑、时态逻辑、道义逻辑、多值逻辑、集合论等领域的研究中，发展了这些领域内的次协调理论。显然，次协调逻辑将会得到更进一步的发展。[③]

非单调逻辑是关于非单调推理的逻辑，它的研究开始于20世纪80年代。1980年，d·麦克多莫特和j·多伊尔初步尝试着系统发展一种关于非单调推理的逻辑。他们在经典谓词演算中引入一个算子m，表示某种“一致性”断言，并将其看做是模态概念，通过一定程序把模态逻辑系统t、s4和s5翻译成非单调逻辑。b·摩尔的论文《非单调逻辑的语义思考》（1983）据认为在非单调逻辑方面作出了令人注目的贡献。他在“缺省推理”和“自动认知推理”之间做了区分，并把前者看作是在没有任何相反信息和缺少证据的条件下进行推理的过程，这种推理的特征是试探性的：根据新信息，它们很可能会被撤消。自动认知推理则不是这种类型，它是与人们自身的信念或知识相关的推理，可用它模拟一个理想的具有信念的有理性的人的推理。对于在计算机和人工智能中获得成功的应用而言，非单调逻辑尚需进一步发展。

2．归纳以及其他不确定性推理

人类智能的本质特征和最高表现是创造。在人类创造的过程中，具有必然性的演绎推理固然起重要作用，但更为重要的是具有某种不确定性的归纳、类比推理以及模糊推理等。因此，计算机要成功地模拟人的智能，真正体现出人的智能品质，就必须对各种具有不确定性的推理模式进行研究。

首先是对归纳推理和归纳逻辑的研究。这里所说的“归纳推理”是广义的，指一切扩展性推理，它们的结论所断定的超出了其前提所断定的范围，因而前提的真无法保证结论的真，整个推理因此缺乏必然性。具体说来，这种意义的“归纳”包括下述 内容 ：简单枚举法；排除归纳法，指这样一些操作：预先通过观察或实验列出被研究现象的可能的原因，然后有选择地安排某些事例或实验，根据某些标准排除不相干假设，最后得到比较可靠的结论；统计概括：从关于有穷数目样本的构成的知识到关于未知总体分布构成的结论的推理；类比论证和假说演绎法，等等。尽管休谟提出著名的“归纳问题”，对归纳推理的合理性和归纳逻辑的可能性提出了深刻的质疑，但我认为，（1）归纳是在茫茫宇宙中生存的人类必须采取也只能采取的认知策略，对于人类来说具有实践的必然性。（2）人类有理由从经验的重复中建立某种确实性和 规律 性，其依据就是确信宇宙中存在某种类似于自然齐一律和客观因果律之类的东西。这一确信是合理的，而用纯逻辑的理由去怀疑一个关于世界的事实性断言则是不合理的，除非这个断言是逻辑矛盾。（3）人类有可能建立起局部合理的归纳逻辑和归纳方法论。并且，归纳逻辑的这种可能性正在计算机科学和人工智能的研究推动下慢慢地演变成现实。恩格斯早就指出，“社会一旦有技术上的需要，则这种需要比十所大学更能把科学推向前进。”[④] 有人通过指责现有的归纳逻辑不成熟，得出“归纳逻辑不可能”的结论，他们的推理本身与归纳推理一样，不具有演绎的必然性。（4）人类实践的成功在一定程度上证明了相应的经验知识的真理性，也就在一定程度上证明了归纳逻辑和归纳方法论的力量。毋庸否认，归纳逻辑 目前 还很不成熟。有的学者指出，为了在机器的智能模拟中克服对归纳模拟的困难而有所突破，应该将归纳逻辑等有关的基础理论研究与机器学习、不确定推理和神经 网络 学习模型与归纳学习中已有的成果结合起来。只有这样，才能在已有的归纳学习成果上，在机器归纳和机器发现上取得新的突破和进展。[⑤] 这是一个极有价值且极富挑战性的课题，无疑在21世纪将得到重视并取得进展。

再谈模糊逻辑。现实世界中充满了模糊现象，这些现象反映到人的思维中形成了模糊概念和模糊命题，如“矮个子”、“美人”、“甲地在乙地附近”、“他很年轻”等。研究模糊概念、模糊命题和模糊推理的逻辑理论叫做“模糊逻辑”。对它的研究始于20世纪20年代，其代表性人物是l·a·查德和p·n·马林诺斯。模糊逻辑为精确逻辑（二值逻辑）解决不了的问题提供了解决的可能，它目前在医疗诊断、故障检测、气象预报、自动控制以及人工智能研究中获得重要应用。显然，它在21世纪将继续得到更大的发展。

3．广义内涵逻辑

经典逻辑只是对命题联结词、个体词、谓词、量词和等词进行了研究，但在自然语言中，除了这些语言成分之外，显然还存在许多其他的语言成分，如各种各样的副词，包括模态词“必然”、“可能”和“不可能”

、时态词“过去”、“现在”和“未来”、道义词“应该”、“允许”、“禁止”等等，以及各种认知动词，如“思考”、“希望”、“相信”、“判断”、“猜测”、“考虑”、“怀疑”，这些认知动词在逻辑和哲学 文献 中被叫做“命题态度词”。对这些副词以及命题态度词的逻辑研究可以归类为“广义内涵逻辑”。

大多数副词以及几乎所有命题态度词都是内涵性的，造成内涵语境，后者与外延语境构成对照。外延语境又叫透明语境，是经典逻辑的组合性原则、等值置换规则、同一性替换规则在其中适用的语境；内涵语境又称晦暗语境，是上述规则在其中不适用的语境。相应于外延语境和内涵语境的区别，一切语言表达式（包括自然语言的名词、动词、形容词直至语句）都可以区分为外延性的和内涵性的，前者是提供外延语境的表达式，后者是提供内涵性语境的表达式。例如，杀死、见到、拥抱、吻、砍、踢、打、与…下棋等都是外延性表达式，而知道、相信、认识、必然、可能、允许、禁止、过去、现在、未来等都是内涵性表达式。

在内涵语境中会出现一些复杂的情况。首先，对于个体词项来说，关键性的东西是我们不仅必须考虑它们在现实世界中的外延，而且要考虑它们在其他可能世界中的外延。例如，由于“必然”是内涵性表达式，它提供内涵语境，因而下述推理是非有效的：

晨星必然是晨星，

晨星就是暮星，

所以，晨星必然是暮星。

这是因为：这个推理只考虑到“晨星”和“暮星”在现实世界中的外延，并没有考虑到它们在每一个可能世界中的外延，我们完全可以设想一个可能世界，在其中“晨星”的外延不同于“暮星”的外延。因此，我们就不能利用同一性替换规则，由该推理的前提得出它的结论：“晨星必然是暮星”。其次，在内涵语境中，语言表达式不再以通常是它们的外延的东西作为外延，而以通常是它们的内涵的东西作为外延。以“达尔文相信人是从猿猴进化而来的”这个语句为例。这里，达尔文所相信的是“人是从猿猴进化而来的”所表达的思想，而不是它所指称的真值，于是在这种情况下，“人是从猿猴进化而来的”所表达的思想（命题）就构成它的外延。再次，在内涵语境中，虽然适用于外延的函项性原则不再成立，但并不是非要抛弃不可，可以把它改述为新的形式：一复合表达式的外延是它出现于外延语境中的部分表达式的外延加上出现于内涵语境中的部分表达式的内涵的函项。这个新的组合性或函项性原则在内涵逻辑中成立。

一般而言，一个好的内涵逻辑至少应满足两个条件：（i）它必须能够处理外延逻辑所能处理的 问题 ；（ii）它还必须能够处理外延逻辑所不能处理的难题。这就是说，它既不能与外延逻辑相矛盾，又要克服外延逻辑的局限。这样的内涵逻辑 目前 正在 发展 中，并且已有初步轮廓。从术语上说，内涵逻辑除需要真、假、语句真值的同一和不同、集合或类、谓词的同范围或不同范围等外延逻辑的术语之外，还需要同义、内涵的同一和差异、命题、属性或概念这样一些术语。广而言之，可以把内涵逻辑看作是关于象“必然”、“可能”、“知道”、“相信”，“允许”、“禁止”等提供内涵语境的语句算子的一般逻辑。在这种广义之下，模态逻辑、时态逻辑、道义逻辑、认知逻辑、问题逻辑等都是内涵逻辑。不过，还有一种狭义的内涵逻辑，它可以粗略定义如下：一个内涵逻辑是一个形式语言，其中包括（1）谓词逻辑的算子、量词和变元，这里的谓词逻辑不必局限于一阶谓词逻辑，也可以是高阶谓词逻辑；（2）合式的λ—表达式，例如(λx)a，这里a是任一类型的表达式，x是任一类型的变元，(λx)a本身是一函项，它把变元x在其中取值的那种类型的对象映射到a所属的那种类型上；（3）其他需要的模态的或内涵的算子，例如?，ù、ú。而一个内涵逻辑的解释，则由下列要素组成：（1）一个可能世界的非空集w；（2）一个可能个体的非空集d；（3）一个赋值，它给系统内的表达式指派它们在每w∈w中的外延。对于任一的解释q和任一的世界w∈w，判定内涵逻辑系统中的任一表达式x相对于解释q在w∈w中的外延总是可能的。这样的内涵逻辑系统有丘奇的lsd系统，r·蒙塔古的il系统，以及e·n·扎尔塔的fil系统等。[⑥]

在各种内涵逻辑中，认识论逻辑（epistemic logic）具有重要意义。它有广义和狭义之分。广义的认识论逻辑 研究 与感知（perception）、知道、相信、断定、理解、怀疑、问题和回答等相关的逻辑问题，包括问题逻辑、知道逻辑、相信逻辑、断定逻辑等；狭义的认识论逻辑仅指知道和相信的逻辑，简称“认知逻辑”。冯·赖特在1951年提出了对“认知模态”的逻辑 分析 ，这对建立认知逻辑具有极大的启发作用。j·麦金西首先给出了一个关于“知道”的模态逻辑。a·帕普于1957年建立了一个基于6条规则的相信逻辑系统。j·亨迪卡于60年代出版的《知识和信念》一书是认知逻辑史上的重要著作，其中提出了一些认知逻辑的系统，并为其建立了基于“模型集”的语义学，后者是可能世界语义学的先导之一。当今的认知逻辑纷繁复杂，既不成熟也面临许多难题。由于认知逻辑涉及认识论、心 理学 、语言学、 计算 机 科学 和人工智能等诸多领域，并且认知逻辑的 应用 技术，又称关于知识的推理技术，正在成为计算机科学和人工智能的重要分支之一，因此认知逻辑在20世纪中后期成为国际逻辑学界的一个热门研究方向。这一状况在21世纪将得到继续并进一步强化，在这方面有可能出现突破性的重要结果。

4．对 自然 语言的逻辑研究

对自然语言的逻辑研究有来自几个不同领域的推动力。首先是计算机和人工智能的研究，人机对话和通讯、计算机的自然语言理解、知识表示和知识推理等课题，都需要对自然语言进行精细的逻辑分析，并且这种分析不能仅停留在句法层面，而且要深入到语义层面。其次是 哲学 特别是语言哲学，在20世纪哲学家们对语言表达式的意义问题倾注了异乎寻常的精力，发展了各种各样的意义 理论 ，如观念论、指称论、使用论、言语行为理论、真值条件论等等，以致有人说，关注意义成了20世纪哲学家的职业病。再次是语言学自身发展的需要，例如在研究自然语言的意义问题时，不能仅仅停留在脱离语境的抽象研究上面，而要结合使用语言的特定环境去研究，这导致了语义学、语用学、新修辞学等等发展。各个方面发展的成果可以总称为“自然语言逻辑”，它力图综合后期维特根斯坦提倡的使用论

，j·l·奥斯汀、j·l·塞尔等人发展的言语行为理论，以及p·格赖斯所创立的会话含义学说等成果，透过自然语言的指谓性和交际性去研究自然语言中的推理。

自然语言具有表达和交际两种职能，其中交际职能是自然语言最重要的职能，是它的生命力之所在。而言语交际总是在一定的语言环境（简称语境）中进行的，语境有广义和狭义之分。狭义的语境仅指一个语词、一个句子出现的上下文。广义的语境除了上下文之外，还包括该语词或语句出现的整个 社会 历史 条件，如该语词或语句出现的时间、地点、条件、讲话的人（作者）、听话的人（读者）以及交际双方所共同具有的背景知识，这里的背景知识包括交际双方共同的信念和心理习惯，以及共同的知识和假定等等。这些语境因素对于自然语言的表达式（语词、语句）的意义有着极其重要的 影响 ，这具体表现在：（i）语境具有消除自然语言语词的多义性、歧义性和模糊性的能力，具有严格规定语言表达式意义的能力。（ii）自然语言的句子常常包含指示代词、人称代词、时间副词等，要弄清楚这些句子的意义和 内容 ，就要弄清楚这句话是谁说的、对谁说的、什么时候说的、什么地点说的、针对什么说的，等等，这只有在一定的语境中才能进行。依赖语境的其他类型的语句还有：包含着象“有些”和“每一个”这类量化表达式的句子的意义取决于依语境而定的论域，包含着象“大的”、“冷的”这类形容词的句子的意义取决于依语境而定的相比较的对象类；模态语句和条件语句的意义取决于因语境而变化的语义决定因素，如此等等。（iii）语言表达式的意义在语境中会出现一些重要的变化，以至偏离它通常所具有的意义（抽象意义），而产生一种新的意义即语用涵义。有人认为，一个语言表达式在它的具体语境中的意义，才是它的完全的真正的意义，一旦脱离开语境，它就只具有抽象的意义。语言的抽象意义和它的具体意义的关系，正象解剖了的死人肢体与活人肢体的关系一样。逻辑应该去研究、理解、把握自然语言的具体意义，当然不是去研究某一个（或一组）特定的语句在某个特定语境中唯一无二的意义，而是专门研究确定自然语言具体意义的普遍原则。[⑦]

美国语言学家保罗·格赖斯把语言表达式在一定的交际语境中产生的一种不同于字面意义的特殊涵义，叫做“语用涵义”、“会话涵义”或“隐涵”（implicature），并于1975年提出了一组“交际合作原则”，包括一个总则和四组准则。总则的内容是：在你参与会话时，你要依据你所参与的谈话交流的公认目的或方向，使你的会话贡献符合这种需要。仿照康德把范畴区分为量、质、关系和方式四类，格赖斯提出了如下四组准则：

（1）数量准则：在交际过程中给出的信息量要适中。

a．给出所要求的信息量；

b．给出的信息量不要多于所要求的信息量。

（2）质量准则：力求讲真话。

a．不说你认为假的东西，。

b．不说你缺少适当证据的东西。

（3）关联准则：说话要与已定的交际目的相关联。

（4）方式准则：说话要意思明确，表达清晰。

a．避免晦涩生僻的表达方式；

b．避免有歧义的表达方式；

c．说话要简洁；

d．说话要有顺序性。[⑧]

后来对这些原则提出了不和补充，例如有人还提出了交际过程中所要遵守的“礼貌原则”。只要把交际双方遵守交际合作原则之类的语用规则作为基本前提，这些原则就可以用来确定和把握自然语言的具体意义（语用涵义）。实际上，一个语句p的语用涵义，就是听话人在具体语境中根据语用规则由p得到的那个或那些语句。更具体地说，从说话人s说的话语p推出语用涵义q的一般过程是：

（i）s说了p；

（ii）没有理由认为s不遵守准则，或至少s会遵守总的合作原则；

（iii）s说了p而又要遵守准则或总的合作原则，s必定想表达q；

（iv）s必然知道，谈话双方都清楚：如果s是合作的，必须假设q；

（v）s无法阻止听话人h考虑q；

（vi）因此，s意图让h考虑q，并在说p时意味着q。

试举二例：

（1）a站在熄火的汽车旁，b向a走来。a说：“我没有汽油了。”b说：“前面拐角处有一个修车铺。”这里a与b谈话的目的是：a想得到汽油。根据关系准则，b说这句话是与a想得到汽油相关的，由此可知：b说这句话时隐涵着：“前面的修车铺还在营业并且卖汽油。”

第7篇：数学逻辑推理能力的重要性范文

—、逻辑学与科学

逻辑学与科学之间有着天然的联系。逻辑学是一门工具性学科，也是支撑人类思维大厦的基础性学科。科学的特点在于“求知求真”，而逻辑的力量也正是源于对纯粹真理的不断追求。对科学而言，逻辑学不仅提供了建构完整的科学理论体系的基本方法，而且更为重要的是，它塑造了科学事业得以进展的“求真”氛围。所谓的“科学精神”即为求真之精神。逻辑学是科学产生和发展的内驱力。离开逻辑学谈科学，必定是残缺的、畸形的科学。

亚里士多德创立的以三段论为核心的演绎逻辑学，是人类历史上第一个较为完整的逻辑学体系。

人类历史上第一门成型的科学 几何学就是欧几里得在逻辑演泽法指导下构造的。欧几里得从少数被认为是不证自明的公理出发，按照逻辑原理，推演出一系列定理或命题。这正是演绎式科学方法的基本特征。他严密的逻辑，完整的体系，不知使后世多少个科学家着迷，一直被认为是科学理论逻辑结构的典范。到了近代，牛顿仿效欧几里得，用公理方法把前人的力学知识加以系统化，形成了一个逻辑体系，牛顿的经典著作《自然哲学的数学原理》就是由许多定义、定律、推论组成的；后来拉格朗日的力学著作、克劳胥斯的热力学著作、斯宾诺莎的哲学著作，也都是用类似方法写成的；欧氏几何的逻辑性给12岁的爱因斯坦奠定了重要的理论基础。逻辑学对科学所产生的作用可见一斑。

中国先秦时代就出现了可以和古希腊相媲美的名辩之风，具备了逻辑学产生的思想条件。然而，政治“实用理性”大行其道，导致中国传统文化中的逻辑意识十分薄弱，在相当长的历史时期内，逻辑发展处于“中断”状态，而直觉、顿悟却大行其道。这种直觉、顿悟并不同于今天的直觉思维和灵感，它几乎不需要什么逻辑过程，因为那种“大全”既不能用概念分析也不能用语言表达，“道，可道，非常道；名，可名，非常名玄之又玄，众妙之门”（《道德经第一章》中国文化中最具影响的儒、释、道三家都特别强调直觉、顿悟。正如金岳霖在其名篇《中国哲学》中写道：“中国哲学的特点之一，是那可以称为逻辑和认识论的意识不发达”。其实，.不只是哲学，中国的其他学科也多如此。例如，中医起点与西医相比较也许要高，即使在中国西医也比中医普遍得多。为什么中医难发展？这与中医基本理论没有为逻辑分析留下足够空间有关。简言之，中国缺乏逻辑学传统。著名逻辑学家殷海光先生曾指出：“在文化的规范、美艺、器用、认知四种特征中，中国文化的规范特征过于发达，特别是自汉以降逐渐成为文化价值取向的主导力，由此导致‘在价值的主观主义的主宰之下，益之以美艺的韵赏和情感的满足，认知作用遭到灭顶的惨祸’：这是对中国社会思想状况的准确概括。逻辑系统不发达导致中国系统的逻辑学贫乏，科学也就缺少发展的前提，科学理性在实用理性之前处于劣势，最终导致中国科学的落后。

作为科学发展主要基础的形式逻辑和几何学这两大知识体系是中国传统文化所缺少的。中国古代几乎没有可与亚氏逻辑、欧氏几何相提并论的科学体系，即使在被李约瑟先生称为“中国科技的领先时代”时的《齐民要术》、《梦溪笔谈》、《农政全书》、《本草纲目》等著作中，大多只是关于技术的描述性记述，或者零散的科学思想，而缺乏系统的科学理论建构。也就是说，这些著述只“知其然”，而“不知其所以然”。“四大发明”也仅仅停留在经验的总结之上，实用价值较大，理论价值小。它们只告诉人们“是什么”和“怎么做”，而很少涉及“为什么”。相应地，我国至今也没有创造出像相对论、宇宙大爆炸理论、耗散结构论等世界级的科学理论，迄今与诺贝尔科学奖无缘。

逻辑学的昌盛是科学事业发展和发达的一个必要条件，逻辑精神的缺乏是造成中国古代没有科学和近代科学落后的关键因素。中国文化整体偏重直觉和顿悟，缺乏逻辑思维传统，而西方的传统却是重理性和逻辑思维。我国在逻辑学研究和应用方面一直落后于西方,这是我国近代科学落后于西方的重大根源之一。

爱因斯坦认为，近代西方科学的发展是建立在两大基础上的:一是亚里士多德创立的演绎逻辑体系，二是近代实验科学家创立的探求因果联系的方法(即培根为代表的归纳逻辑）。正是有了演绎逻辑和归纳逻辑，西方近代科学才得以稳步发展;也正是缺乏逻辑基础，缺乏逻辑传统，尽管中国有引人称羡的悠久文化，却没有产生一门系统的自然科学；尽管我们历代科举制度培养了500多名状元，还有不计其数的进士、举人、秀才，却没有培养出一名牛顿或爱因斯坦式的科学家。费正清在论及中国近代科学不发达的问题时也认为：中国科学未能发展同中国没有更完善的逻辑系统有关。如果中西方不加接触与交往，双方思维传统的迥异及其后果还不明显。历史是无情的，面对着西方先进的科技，面对着西方的工业文明，面对着西方的坚船利炮，近代中国能说什么，做什么呢？那段血与火铸成的近代史无遗暴露了中国传统思维模式的弊病，也警示我们必须以人之长补己之短，才能屹立于世界先进民族之林。正如冯友兰所说广逻辑分析方法就是西方的手指头，中国人要的是手指头，这里的‘手指头’是指点石成金，即发展科学技术的手指。”为了提高国民素质,实现强国富民，现代大学教育应该加强和重视逻辑学。

二、逻辑学与创新思维

逻辑与创新的关系，近年来已成为逻辑界的热门话题。这一话题又可分为两个层次:逻辑能否出新知，以及逻辑思维与创新思维的关系。

笔者赞同逻辑能出新知的观点:首先，演绎出新知主要表现在把已知中所蕴涵的、不为主体意识到的“潜存”揭示、显明出来，使主体更全面、深刻地认识已知。例如，亚里士多德就认为三段论是发现事物存在和变化原因的工具;数学理论系统就是以少数公理为依据，经过一系列演绎推理建立起来的;正是运用演绎工具，罗素发现了震惊数学界和逻辑学界的集合论悖论。其次，归纳是个别经验知识到一般知识的飞跃，结论已超出了前提，有着前提无法蕴涵的内容——这显然是新知。近现代各种发明创造及新发现运用归纳推理的事例比比皆是。第三，类比是据两个(类)对象有若干属性相同，从而推出它们的另一属性也相同的或然推理，其含义本身就说明了其与新知的关系。类比推理能够启发人的思维，在创新思维中，它具有提供线索、触类旁通、举一反三的作用。“每当理智缺乏可靠论证的思路时，类比这个方法往往能指引我们前进”。在科学史上,科学理论的许多重大突破就是通过类比实现的。例如,卢瑟福的原子结构模型,莱布尼兹的乘法计算机原理等。

有人认为，创新思维（含灵感)是非逻辑反逻辑的。但笔者以为这种看法值得商榷:第一，创新思维是相对常规思维而言的。如前述，逻辑能出新知，逻辑思维亦有创新功能。逻辑思维与创新思维外延上是交叉关系。第二，灵感过程也有鲜明的逻辑性——在其诱发、触发、巩固阶段中，逻辑始终居于主导地位。灵感始于问题。任何问题都包括三个基本成分——条件A、目标E、A与E之间的障碍集D。当主体意识到不能消除D时，就可能进人冥思苦想状态，形成诱发灵感的态势场。为何主体会意识到无法消除的D存在？这显然是逻辑分析的结果。在触发阶段，无法消除D的原因是A必须联合另外的(条件)信息集B才能导出E。B便是主体冥思苦想、孜孜以求的对象，也是灵感的触发器旦它为主体意识检索到，便会触发灵感。无论B源自外界还是潜意识，都必然与D逻辑相关，胡思乱想难以成就灵感。由于与D逻辑相关且不为主体意识到的集合C的元素可能并不惟一，对B的寻求就显露出一种不确定性。但无论如何B都受制于C，其加上A就能消除D、导出E也说明了灵感触发阶段的逻辑性。在巩固阶段，灵感结果只有通过逻辑论证才可能完善定型、转化为成果，才能在其基础上，“推理一个接着一个”,得到新的认识成果。结果的必需论证性和逻辑上的可续发性进一步说明了灵感的逻辑性。其实，不仅灵感有逻辑思维活动，“根据现代心理学和认知科学的一些成果和观点,想象、经验、直觉这些心理活动都有推理，都是思维活动”。

三、逻辑学是大学教育中培养求真精神与创新水平的重要手段

大学教育旨在培养创造型人才，旨在提高学生的学习和语言表达等能力，而这些都是以逻辑思维素质为基础的。学习能力是主体获得其他能力的先行条件。在21世纪，这种能力的重要性日益突出。信息大爆炸、知识快速更新，“吾生也有涯，而知也无涯”的观念越来越深入人心；就业、失业、再就业已成为社会常态。当人们进人一个与以前知识技能结构几乎毫无牵连的岗位时，也必须使自己尽快具备新岗位所必需的知识技能。这一切都表明，自学教育将成为个人教育的主流。美国教育学家罗伯特赫钦斯认为，教育的目的是让学生学会自己教育自己。大学教育不再只是给学生传授知识，而更关键、更重要的是培养学生的智能、培养学生的学习能力。近年来有学者在大学生中作过一个调查，结果表明：刚入大学时逻辑思维能力测试成绩优秀者，三年后其各科成绩均优良，三好生、专业奖学金获得者也多出自这部分人；而测试成绩最差者（正确率低于40%),三年后学习上几乎都是后进生，甚至有的因不及格学科累计超过学校规定而被劝退另一方面，各学科飞速发展，越来越高精尖化，这也意味着各门学科的抽象化程度愈来愈高、逻辑性越来越强，许多学科向形式系统化、公理化方向发展，符号越来越普遍地出现在学科之中，甚至深人生活的各个角落。学科系统化、生活符号化，已成为不可阻挡的潮流。如果主体逻辑思维素质不高，就难以驾驭这些符号,难与这些符号系统交流。良好的逻辑思维素质是学业和事业成功的保障。

语言是人类的重要能力。“舌头”、“原子弹”和“金钱”曾经被称为三大战略武器，现在也把“舌头”放在“美元”和“电脑”之前，作为新三大战略武器之首,语言表达能力越来越重要。语言要有“三性”:准确性、鲜明性和生动性。准确性显然是逻辑问题，语无伦次的语言无论词藻如何华美，对别人只能是灾难，对自己更是悲剧。逻辑学最初又叫“雄辩术”(logic)，log的一个解释,是“说”的意思,是逻辑的延伸意义。惟有良好的逻辑素质，思维才能敏捷严密，富有说服力。逻辑的力量赋予语言表达不可抗拒的威力，逻辑是语言表达的支柱，逻辑思维素质是语言表达能力的核心。

第8篇：数学逻辑推理能力的重要性范文

【关键词】数学 学生 意识 培养

我们要做好数学应用教育的研究，提高数学教育水平和效率，开创数学教育新局面。教师是课堂教学双边活动的“引导者”、“组织者”，哪些问题可以合作完成、哪些问题不需要合作完成，以及如何更好地处理学习过程中生成与预设的关系都对学生合作学习的过程起到决定性的作用。在学生合作学习的过程中，我始终参与其中，关注他们合作的进程和出现的问题，平等地和他们交流，给他们建议，给他们启示，积极加以引导。教师作为一名特殊的学习伙伴，他应当是更优秀的“学习性他者”，学生合作过程中，教师只有最大限度的收集信息、提供适时帮助和指导，才能更有效地关注学生合作学习后对问题的解决。

引起中学生数学应用意识和能力差的原因

1、对数学的价值认识不足。

“科学技术是第一生产力”，“科学技术的基础是应用科学，而应用科学的基础是数学”。这一论述揭示了数学在生产力中的巨大作用。数学作为从量的方面处理现实世界中各种关系的科学，当然也要处理有关生产关系的问题。这就是数学的价值。但由于历史的影响，教师们在过去的教学中过份强调数学的逻辑性、严谨性、系统性和理论性，宁可一遍遍地去重复那些严谨的数学概念、讲授那些主要为解题服务的技巧，却很少去讲数学的精神、数学的价值、数学结论的形成与发现过程、数学对科学进步所起的作用等等内容。这使学生对数学的认识片面化、狭隘化，比如许多学生就认为“数学不过是一些逻辑证明和计算，”甚至认为“数学只是一个考试科目。”

2、用数学的意识差

用数学的意识，简言之就是用数学的眼光，从数学的角度观察事物、阐释现象、分析问题， 意识是一个思想认识问题，也是一种心理倾向，其重在自觉性、自主选择性，它需要在较长时间中通过一定量的实践才能形成。我国旧的数学教育内容的选择，由于受苏联模式的影响，以在体系结构上追求严格的理论推导和论述为主的“理论型教材”占多数。课程内容的选择在极大程度上反映了数学应用的程度和水平，理论型教材对实施数学应用教育是极其不利的，这是造成学生缺乏、甚至是逐渐丧失应用意识的主要原因。显而易见，学生在学习与社会实践中缺乏用数学的自觉自愿，又何从谈起用数学解决问题。

第9篇：数学逻辑推理能力的重要性范文

【英文摘要】Philosophicallogicisapolysemantincontemporarylogicalliterature.Webelieveit''''sanon-classicallogicwithphiloso-phicalpurportorcause.Itsrisearosesalotoftheoreticalproblems.Thisessayexpoundsthelimitsofclassicallogic,non-monotonyanddeduction,logicalmathematicalizationanddepart-mentalization,theownershipofinductivelogic,etc.

【关键词】经典逻辑/非经典逻辑/演绎性/数学化/部门化/哲学逻辑classicallogic/non-classicallogic/deduction/mathematicalization/departmentalization/philosophicallogic

【正文】

哲学逻辑的崛起引发一系列理论问题。我们仅就其中几个提出一些不成熟的看法。

一、经典逻辑和非经典逻辑的界限

在这里经典逻辑是指标准的一阶谓词演算(CQC)，它的语义学是模型论。随着非经典逻辑分支不断出现，使得我们对经典逻辑和非经逻辑的界限的认识逐步加深。就目前情况看，经典逻辑具有下述特征：二值性、外延性、存在性、单调性、陈述性和协调性。

传统的主流观点：每个命题（语句）或是真的或是假的。这条被称做克吕西波(Chrysippus)原则一直被大多数逻辑学家所恪守。20年代初卢卡西维茨(J.Lukasiwicz)建立三值逻辑系统，从而打破了二值性原则的一统天下，出现了多值逻辑、部分逻辑（偏逻辑）等一系列非二值型的逻辑。

经典逻辑是外延逻辑。外延性逻辑具有下述特点：第一，这种逻辑认为每个表达式（词项、语句）的外延就是它们的意义。每个个体词都指称解释域中的个体；而语句的外延是它们的真值。第二，每个复合表达式的值是由组成它的各部分表达式的值所决定，也就是说，复合表达式的意义是其各部分表达式意义的函项，第三，同一性替换规则和等值置换定理在外延关系推理中成立。也是在20年代初，刘易士(C.I.Lewis)在构造严格蕴涵系统时，引入初始模态概念“相容性”（或“可能性”），并进一步构建模态系统S1-S5。从而引发一系列非外延型的逻辑系统出现，如模态逻辑、时态逻辑、道义逻辑和认知逻辑等等出现。

从弗雷格始，经典逻辑系统的语义学中，总是假定一个非空的解释域，要求个体词项解释域是非空的。这就是说，经典逻辑对量词的解释中隐含着“存在假设”，在60年代被命名为“自由逻辑”的非存型的逻辑出现了。自由逻辑的重要任务就在于：(1)把经典逻辑中隐含的存在假设变明显；(2)区分开逻辑中的两种情况：一种与存在假设有关的推理，另一种与它无关。

在经典逻辑范围内，由已知事实的集合推出结论，永远不会被进一步推演所否定，即无论增加多少新信息作前提，也不会废除原来的结论。这就是说经典逻辑推理具有单调性。然而于70年代末，里特(R.Reiter)提出缺省(Default)推理系统，于是一系列非单调逻辑出现。

经典逻辑总是从真假角度研究命题间关系。因而只考察陈述句间关系的逻辑，像祈使句、疑问句、感叹句就被排斥在逻辑学直接研究之外。自50年代始，命令句逻辑、疑问句逻辑相继出现。于是，非陈述型的逻辑存在已成事实。

经典逻辑中有这样两条定理：（p∧q）（矛盾律）和p∧pq（司各特律），前者表明：在一个系统内禁不协调的命题作为论题，后者说的是：由矛盾可推出一切命题。也就是说，如果一个系统是不协调的，那么一切命题都是它的定理。这样的系统是不足道的(trivial)。柯斯塔(M.C.A.daCosta)于1958年构造逻辑系统Cn（1〈n≤ω）。矛盾律和司各特律在该系统中不普遍有效，而其他最重要模式和推理规则得以保留。这就开创了非经典逻辑一个新方向弗协调逻辑。

综上所述非经典逻辑诸分支从不同方面突破经典逻辑某些原则。于是，我们可以以上面六种特征作为划分经典逻辑与非经典逻辑的根据。凡是不具有上述六种性质之一的逻辑系统均属非经典逻辑范畴。

二、非单调性与演绎性

通常这样来刻画演绎：相对于语句集合Γ，对于任一语句S，满足下述条件的其最后语句为S的有穷序列是S由Γ演绎的：序列中每个语句或者是公理，或者是Г的元素，或者根据推理规则由前面的语句获得的。它的一个同义词是导出(derivation)。演绎是相对于系统的概念，说一个公式（或语句）是演绎的只是相对于一不定的公理和推理规则的具体系统而言的。演绎概念是证明概念的概括。一个证明是语句这样的有穷序列：它的每个语句或是公理或是根据推理规则由前面的语句得出的。在序列中最后一个语句是定理。

现在我们考察单调逻辑中演绎情况。令W是一阶逻辑公式的集合，D为缺省推理的可数集，cons(D)为D中缺省的后承的集合。我们来建立公式Φ的缺省证明概念：首先我们必须确定从WUcons(D[,0])。导出Φ这种性质的缺省集合D[,0]。为确保在D[,0]中缺省的适用性，我们须确定缺省集合D[,1]，致使能从WUcons(D[,1])中得出在D[,0]中缺省的所有必须的预备条件。我们从这种方式操作直至某一空的D[,K]。这意谓着从W得出在D[,K-1]中的必须的预备条件。然后我们确定一个证明，只是我们不陷入矛盾，即是W必须跟包括在证明中的所有缺省后承的集合相一致。例如，给定缺省理论：

T=(｛p｝,｛δ[,1]=p:r/r,δ[,2]=r:ps/pS｝)

(｛δ[,2]｝),｛δ[,1]｝，Φ是S在T中的缺省证明。

形式地说，Φ在正规缺省理论T=(W,D)中的一个缺省证明是满足下述条件的D的子集合的有穷序列(D[,0],D[,1],…D[,K])：

（i）Φ从WUcons(D[,0])得出。

（ii）对于所有i〈K,从Wucona(D[,i+1])得出缺省的所有预备条件。

（iii）D[,K]=Φ。

（iV）WUcons(U[,i]D[,i])是一致的。

由上面可以看出缺省推理中的证明是与通常的演绎证明是不同的，前者比后者要宽广些。

附图

由此可见，缺省逻辑中的推出关系比经典逻辑中的要宽。因而相应扩大了“演绎性”概念的外延。于是可把演绎性分为：强演绎性和弱演绎性。后者是随着作为前提的信息逐步完善，而导出的结论逐步逼近真的结论。

三、逻辑的数学化和部门化。

正如有人所指出的那样，“逻辑学在智力图谱中占有战略地位，它联结着数学、语言学、哲学和计算机科学不同学科。”[2]作为构建各学科系统的元科学手段的逻辑与各门科学联系越来越密切。它在当展中，表现出两个重要特征：数学化和部门化。

逻辑学日益数学化，这表现为：(1)逻辑采取更多的数学方法，因而技术性程度越来越高。一些逻辑问题（如系统特征问题）的解决需要复杂的证明技术和数学技巧。(2)它更侧重于数学形式化的问题。其实数学化的本质是抽象化、理想化和泛化（普遍化）。这对像逻辑这样的形式科学显然是非常重要的，近一个世纪逻辑迅速发展就证明了这一点。逻辑方法论的数学化在本世纪下半叶正在加速。这给予逻辑的一些重要结论以复杂的结构和深入的处理，使逻辑变得更精确更丰富。但是，由于逻辑中数学专门化已定型并且限定了它自己，所以逻辑需向其他领域扩张，拓宽其研究领域就势所必然。

逻辑向其他学科领域的延伸并吸收营养，于是出现了各种部门逻辑，如认知逻辑、道义逻辑、量子逻辑等等。我们把逻辑学这种延伸和部门逻辑出现称做逻辑部门化。

哲学逻辑就是逻辑部门化的产物，它是方面逻辑或部门逻辑。众所周知，经典逻辑演算的理论、方法和运算技术具有高度的概括性，它适用于一切领域、一切语言所表达的演绎推理形式。所以，它具有普遍性，是一般的逻辑。有人认为一阶演算完全性定理表明“采用现代数学方法和数学语言来刻画的全体‘演绎推理规律’恰好就是人们在思维中所用的演绎推理规律的全体，不多也不少！”[3]。表达一阶逻辑规律的公式是普通有效的，即是这些公式在任何一种解释中都是真的。而哲学逻辑各分支只是研究某一方面或领域的演绎推理规律，表达这些规律的公式只是在一定条件下在某一领域是有效的，即是它们在具有某种条件解释下是真的。例如，模态公式(D)PP,(T)PP,(B)PP,(4)PP,(E)PP，分别在串行的、自反的、对称的、传递的、欧几里得的模型中有效。而动态逻辑的一些规律只适用于像计算程序那样的由一种状态过渡到另一种状态转换的动态关系。

部门逻辑另一种含义是为某一特定领域提供逻辑工具。例如，当人们找出描述一个微观物理系统在某一时刻的可观察属性的命题的一般形式。对其进行运算时，发现一些经典逻辑规律失效，如分配律对这里定义的合取、析取运算不成立。于是人们构造一种能够描述微观物理世界新的逻辑系统，这就是量子逻辑。

四、哲学逻辑划界问题

哲学逻辑形形并且难于表征。在现代逻辑文献中，“哲学逻辑”是个多义词。它的涵义主要的有三种：它的第一种涵义是指关于现代逻辑中一些重要概念和论题的理论研究。例如，对于名称（词项）、摹状词、量词、模态词、命题、分析性、真理、意义、指涉、命题态度、悖论、存在乃至索引等概念及与它们相关的论题的理论研究以及利用形式逻辑工具处理逻辑和语言的逻辑结构的哲学争论。它的第二种涵义是指非经典逻辑中一个学科群体，它包括模态逻辑、多值逻辑等等众多逻辑分支。它的第三种涵义是兼指上述两种涵义的“哲学逻辑”。

我们认为，第一种涵义上的“哲学逻辑”不是研究推理有效式意义上的逻辑，而是逻辑哲学。我们赞成在第二种涵义上使用“哲学逻辑”一词。于是可以给出下述定义：哲学逻辑是具有哲学旨趣或涉及哲学事业的非经典逻辑，在这里应对“哲学”做广义的理解。哲学逻辑不仅与传统哲学中的概念和论题有直接或间接联系。而且也涉及各门科学中具有方法论性质的问题和其他元科学问题。

在我们看来，“归纳”和“演绎”一样，是传统哲学所关注的重要哲学概念，而且也是现代一些哲学家所争议的问题之一。同时归纳逻辑方法的启发作用在认知过程中不可低估，归纳的一些方法和技术同样是一些学科的元科学因素，是发现真理构建学科系统不可少的。因此，它应属于哲学逻辑。《哲学逻辑杂志》亦把它列入哲学逻辑诸分支之首。

问题在于，归纳推理的复杂性，对它的形式刻画和找出能行程序遇到不易克服的困难，致使其成果与演绎推理所获得成果相比，显得不那么丰硕。然而，由于人工智能等技术上的需要，推动着更多的人研究归纳推理，总会有一天，归纳逻辑也像演绎逻辑那样用形式方法来处理。

【参考文献】

[1]Antoniou,G.:1997,NonmontonicReasoning,TheMITPress,Cambridge,Masschusetts.