逻辑推理列表法(6篇)
时间：2024-12-09
时间：2024-12-09
［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?(A??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?蒲Ш腿斯ぶ悄艿难芯客贫侣匮荼涑上质怠6鞲袼乖缇椭赋觯吧缁嵋坏屑际跎系男枰蛘庵中枰仁笱Ц馨芽蒲葡蚯敖！盵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。
论文摘要：逻辑学是研究推理的一门学问，而推理是由概念、命题组成的，不懂得命题就不懂得推理。普通逻辑学在研究命题时，主要是从二值逻辑的角度研究命题逻辑形式的逻辑值与命题形式之间的真假关系。本文着重从认识论的角度阐述逻辑真理的内涵，同时详细论述逻辑真理与事实真理的区别。为了探求真理必须保证思维的逻辑性。
逻辑学离不开“真”这个概念。一般来说人们是从下述意义上使用“真”这个概念的：
（一）前提或者命题真。这种真是指命题的思想内容是真的。任何一个命题的内容不是真的就是假的，在这里真或假不是用以描述事物状态的，而是评价命题或陈述的内容的。它的核心是针对其所表达的知识或信念的，例如：“台湾不是一个国家。”这个命题的内容是符合客观事实的，所以是个真命题。
（二）推理真。这是指推理中前提真和结论真之间的关系。演绎推理前提真结论必然真，归纳推理和类比推理前提真而结论是或然性真。因此推理真就是推理中的结论相对于前提是必然的真或者是或然的真。这里“真”指的是否再现逻辑推断关系而不是对命题内容的评价。
（三）指派真和赋值真。在逻辑学中（特别是在现代逻辑中）把命题形式当作真值形式，而且只从真假的角度研究每一种命题形式的逻辑特征，真和假是命题的唯一属性。逻辑真在这里指这些真值形式和其中的变项与公式的真假，这时的真假和具体命题内容的真假无关，而只是一种假定的真假和根据这种假定而推论出的真假。
（四）形式真。这是指永真式（重言式）或普遍有效式的真。逻辑学中有一类公式，对其中的变项可以代以任何命题、谓词、个体词总能得到真命题。这类公式的真是一种逻辑关系的真，例如：P或者非P中不管变项P赋真值或是假值，这个公式都是真的。
（五）系统真。现代逻辑建立了形式系统，如果它的定理都是形式真，即都是永真公式或是普遍有效式，那么整个系统便是可靠的和一致的，这种可靠性和一致性就是一种系统的真。
在以上这五种“真”的情况下，逻辑学不考虑第一种意义的“真”，而只关注后四种“真”。后四种“真”在逻辑学中有各种表现，在其他科学中也有这些意义上的真的表现，就被称为逻辑真理。
所谓逻辑真理是一种特殊的真理，是一种因逻辑关系或逻辑原因而成为真的一种真理。逻辑真理不能凭经验而得知其为真，它需要我们借助逻辑分析、语义分析、关系分析确定它们是真的。它和我们日常生活中所说的真理是有区别的。
恩格斯认为：全部哲学特别是近代哲学的重大基本问题，是思维与存在的关系问题。它包括两个方面的问题，一方面是思维与存在何者为本原的问题；另一方面是思维和存在有无同一性的问题，也就是我们的思维能否认识现实或者正确地反映现实世界的问题。从逻辑哲学的角度来看，其重大的基本问题就是逻辑与客观现实的关系问题，任何逻辑学家都要回答：逻辑真理是否与客观现实一致？逻辑真理与事实真理之间又有什么关系？
关于这个理论问题，亚里士多德在其所著《形而上学》一书中明确提出并详细论述了逻辑基本规律（矛盾律与排中律）。在谈到矛盾律时认为，事物不能同时存在又不存在。矛盾律首先是存在的规律。它之所以能够成为逻辑思维的基本规律，是因为它符合“事理”。亚里士多德肯定了逻辑规律与存在规律的一致性，其根据就是真理符合现实的理论，即所谓真理符合论。它在解释真与假这对概念时说，凡以不是为是、是为不是者，这就是假的；凡以实为实、以假为假者这就是真的。按照真理符合论，一切真理必需与现实一致，逻辑真理也不能例外。可见亚里士多德的真理观，是唯物主义的一元论，这个真理论肯定了思维与存在的同一性。但是亚里士多德只强调逻辑真理与存在规律的一致性，却忽视了逻辑真理的特殊性。
莱布尼兹是现代逻辑的创始人。他第一个提出了用数学方法研究逻辑学中的推理问题，对亚里士多德的真理一元论提出了挑战。他认为有两种真理：即推理的真理和事实的真理。推理的真理是必然的，事实的真理是偶然的。推理的真理不像事实真理那样依赖于经验，它们的证明只能来自所谓的天赋的内在原则。因此莱布尼兹的这种观点，就成为真理二元论和逻辑真理先验论的一个起源。
基于莱布尼兹的推理真理和事实真理的对立，在康德的哲学中就演变为分析判断和综合判断的分歧。康德认为一切来源于经验的判断都是综合判断；分析判断是绝对独立于一切经验的知识，即先天知识。例如：“白人是人”就是分析判断，在康德看来表示逻辑规律的判断就属于分析判断。
数理逻辑问世之后，逻辑哲学领域中出现了维特根斯坦学派，即以维也纳小组为核心的逻辑实证主义者。他们的一个共同的工作就是利用数理逻辑的成果，发展从莱布尼兹到康德的真理二元论和逻辑真理的先验论，使之获得科学化的外观和现代化的形式。维特根斯坦把逻辑真理称为重言式。他认为重言式的命题是无条件的真，由此他断言，重言式既不能为经验所证实，同样的也不能为经验所否定，也就是说与现实没有任何描述关系。逻辑实证主义者进一步把康德关于分析判断和综合判断的区分推向极端。在他们看来，凡是先天的都是分析的；反之，凡分析的都是先天的。逻辑实证主义者确立了一个基本的哲学信条：分析真理与综合真理有根本的区别。这个学派的主要代表卡尔纳普认为，哲学家们常常区分两类真理，某些陈述的真理是逻辑的、必然的、根据意义而定的，另一些陈述的真理是经验的、偶然的、取决于世界上的事实的。前一类推理就是所谓的分析推理，后一类推理就是所谓的综合推理。逻辑真理被看作是分析真理的一个特殊的真子集。
1933年塔尔斯基以形式化的方法给出了真理的语义学概念，他用非形式化方法对其语义学的成果作出概述。他认为逻辑真理同其他真理一样，必需与客观现实相符合或者相一致，在形式语言中，一个语句是不是逻辑真理，取决于它是不是在每一种解释下都成为真语句；同时一个语句在某一解释下是否为真，取决于它在这一解释下，是否与它所“谈论的对象”相一致。可见逻辑真理的概念直接依赖于形式语言中的语句，与它们所描述的客观现实之间的符合关系，这说明它的逻辑真理或者分析真理并非先验的真或者先天的真，它们为真同样是因为它们与现实相符合。塔尔斯基重新建立了真理符合论，表明一切真理包括事实真理和逻辑真理，它们的共同特征就是必需与客观现实相符合。
综上所述，我们可以看出亚里士多德提出的真理符合论，肯定了逻辑真理与存在规律的一致性，但是忽视了它们之间的差别。莱布尼兹、康德、维特根斯坦和逻辑实证主义者认为，逻辑真理和现实绝对无关，与事实真理根本不同。塔尔斯基主张真理必需以亚里士多德的真理符合论为基础，而且只能以形式语言来构造，这种观点有一定的局限性。
马克思主义认识论认为，真理是客观事物及其规律在人们思维中的正确反映。同样逻辑真理也是客观世界规律性的反映。列宁指出，人的实践经过千百万次的重复，它在人的意识中以逻辑的格固定下来，而最普遍的逻辑格，就是事物被描述的很幼稚的……最普遍的关系。列宁认为逻辑的公理、正确的推理形式是事物最普遍的关系，是由人们实践中千百万次的重复而反映和巩固在意识中。列宁说的最普遍的逻辑格是指三段论推理的正确形式。在这一点上我们说逻辑真和事实真是相容的，事实真是基础，逻辑真是建立在事实真基础之上的，二者是一致的，但是逻辑真理与任何具体的经验事实无关。
第一，逻辑系统的公理和定理的真是逻辑系统设定，其为真的根据是某种初始的逻辑关系。第二，逻辑公理和定理经过解释的真命题，其为真不取决于解释中的内容，而取决于这些公理、定理所显示的逻辑关系。第三，逻辑推断关系这种推论的结论真是一种逻辑关系真。第四，根据逻辑联系词的性质，由逻辑真得到逻辑真。如：A、B是逻辑真命题，那么A并且B、如果A那么B都是逻辑真命题。第五，数学中的逻辑真命题，是建立在公理演绎基础之上。以上这些逻辑真由于逻辑的原因或者逻辑关系而真，在这一点上我们可以说，在局部意义上，相对于特定的逻辑系统而言，逻辑真理可以说是分析的，是以逻辑意义为根据的，而与任何具体的经验事实无关。超级秘书网
论文摘要:“逻辑推演”是指利用已知信息，通过分析和判断，得出未知信息的过程。计算机解决逻辑推演问题要依靠逻辑表达式。本文结合逻辑推演，剖析了程序设计在现实生活中的应用。[
一、经典逻辑推演问题的引入
问题1：从前，一个农夫带一只狼，一只羊和一颗白菜过河(注意该狼已被农夫驯服，但还是会吃羊)。他要将所有东西安全的带到河的对岸。不幸的是河边只有一条小船，只能装下农夫和他的一样东西，并且农夫必须每次都随船过河，因为只有他能撑船。在无人看管的情况下狼要吃羊，羊要吃白菜，因此，农夫不能在河的某边岸上单独留下狼和羊，也不能单独留下羊和白菜。问农夫如何才能使三样东西平安过河。——农夫过河
问题2：公安人员审问四名嫌疑犯。已知四人中仅有一名是窃贼还知道这四个人中每人要么是诚实的，要么总是说谎的。在回答公安人员的问题时：
甲说：“乙没有偷，是丁偷的。”
乙说：“我没有偷，是丙偷的。”
丙说：“甲没有偷，是乙偷的。”
丁说：“我没有偷。”
请根据这四人的答话判别谁是盗窃者。——窃贼说谎要解决上面两个问题需通过合理假设与逻辑推演将问题简化，通过正确的表达逻辑关系来驾驭程序设计。
二、逻辑推演在程序设计中的运用
1、委派任务问题
某任务需要在a，b，c，d，e这五人中物色人员去完成，但派人受限于下列条件：
(1)若a去，则b跟去；(2)d，e两人中必有人去；(3)b，c两人中必有人去，但只去一人；(4)c，d两人要么都去，要么都不去；(5)若e去，则a，b都去。问这五个条件如何表示?
分析：求一个逻辑判断类问题的关键是写出正确的逻辑表达式。c语言中提供了丰富的算术和逻辑操作符，可以借助它们将问题化繁为简。将题设条件用程序语言描述清楚后计算机就可以依此穷举。
第一种方法
用0和1表示执行任务的状态：1(去)，0(不去)，则
a==o或a+b=：2’
d-4-e>1
b+c==l
c+d：=0或c+d==2
e==0或a+b+e=3
各表达式之间是“与”的关系。穷举每个人去或不去的各种可能，代入表达式中进行推理运算，使上述各表达式值均为真的情况就是正确结果。
第二种方法
用位操作。令a，b，c，d，e都为逻辑型值true或false。则：
条件1可以表示为：a—b，它等价于!attb。
条件2可以表示为：diie。
条件3可以表示为：(b＆＆!c)b&＆c)，推演为!b：c。
条件4可以表示为：(!ciid)&＆(clid!)，更简单的形式是c==d。
条件5可以表示为：!eii(a&&b)。
如果将每个人的去与不去看成是5位整数的其中1位，其中a对应最高位，e对应最低位，那么所有可能的调派方案为从全部不派的00000到全部派去的11111之间变化。显然，共有32种方案。全部遍历的循环为：for(inti_0；i<32；i++)。其中每个i对应一个二进制数，为一种调派方案。在某一种调派方案i中：
a为最高位(i&16)>>4或者i>>4(将低位都挤掉)
b为次高位(i＆8)>>3
c为中间位(i＆4)>>2
d为次低位(i＆2)>>l
e为最低位(i&1)
根据求解模式，把这五个条件表示成否定的形式：否定条件1为(!aiib)=a&＆b，否定条件2为!(djie)，否定条件3为b==c，否定条件4为c!=d，否定条件5为e&＆!fa＆＆b)。在将a——e的式子代入条件表达式，即可编程求解。
2、窃贼说谎问题
来看文章开始时提到的问题2：用a，b，c，d分别代表四人，变量的值为1代表该人是窃贼。已知：四人中仅有一名窃贼，且这四个人中的每个人要么说真话，要么说假话，而由于甲乙丙三人都说了两句话：××没偷，××偷了”，故不论该人是否说谎，他提到的两人之中必有人是小偷。故在列条件表达式时，可以不关心谁说谎，谁说实话。这样，可以列出下列条件表达式：
甲说：“乙没有偷，是丁偷的。”b+d=i
乙说：“我没有偷，是丙偷的。”b+c=i
丙说：“甲没有偷，是乙偷的。”a+b=i
丁说：“我没有偷。”a+b+c+d=i
其中丁只说了一句话，无法判定真假，表达式反映了四个人中仅有一名是窃贼的条件。有了条件表达式，运用程序设计中的穷举法就可以轻松求解。
3、农夫过河问题(逻辑推演方法与bfs、dfs相结合的实例)
用一个四位二进制数来分别表示白菜、羊、狼、和农夫的过河状态0表示在原始岸边，即尚未过河；1表示在目的岸边，已经过河。将过河对象定义为枚举enum类型，bitset<4>类型定义为bitvee(这里用到了c++标准函数库stl)。枚举类型定义过河者时，是按照白菜、羊、狼、和农夫的次序分别定义的。这种次序中前三者的顺序可以随意，但农夫farmer必须在最后，目的是便于在试探随农夫过河的对象时逐序进行所有的东西都不能带过河时，最后才选择让农夫单独过河。
enumwader
{
cabbage,／／默认为1
goat，／／默认为2
wolf,／／默认为3
farmer，／／默认为4j；
typedefbitset<4>bitvec；
过河的对象必须与农夫在河的同一侧，设计函数withfarmer来判断。如果当前state下，过河对象与农夫的状态参数一致，则返回真，表示二者在河的同一侧。
此外，不论农夫每次过河带的东西如何，首先都应该判断这样过河是否安全，即在无人看管的情况下，狼和羊，羊和白菜都没有在河的同侧，函数is_sme完成判断。当农夫与羊不在河的同侧时，羊与白菜、或羊与狼在同侧都是不安全的，返回false；其他情况则是安全的，返回true。
boolissafe(constbitvec＆state)
{
，／羊吃白菜
if((state[cabbage】==state[goat])＆＆(state[farmer]!=state[goat]))returnfalse；
，／狼吃羊
if((state[goat】==state[~olq)＆＆(state[farmer]!=state[wolq))retumfalse；
／／其它状态为安全状态
}
为了防止发生状态的往复，即农夫将一个东西带过去又带回来的情况发生，也为了记录过河的状态过程，对所有可能的状态进行标定。四位二进制数的所有可能状态为16，都初始化为一1，表示过河过程中尚未出现过；随着过河过程的不断进行，它被改变为其前一状态二进制数对应的整数值。
于是，农夫过河问题经过二进制化以后，化为从初始状态0000出发，经过～系列安全状态后，如果最后状态到达，即path[15]有前驱状态，则表示过河成功。问题求解后得到一系--进制数，将这一系列二进制数表示的过河状态转换为实际的过河方案即可。
三、总结
程序设计是将人的思维转化为机器语言的过程，程序抽象程度越高，与人的思维方式就越类似。逻辑推演是建立在思维之上的，是有依据的推演，将逻辑推演的思想融人程序，在一定程度上可以实现程序的智能化。随着程序设计语言的发展，逻辑推演的应用一定会越来越广。
参考文献
[1]严蔚敏著．数据结构(c语言版)北京：清华大学出版社
[2]郭福顺著．数据结构与算法基础．辽宁：大连出版社
[3]李建学，李光元，吴春芳著．数据结构课程设计案例精编：用c／c++描述．北京：清华大学出版社
【关键词】《线性代数》；教学；数理逻辑
数理逻辑又称符号逻辑、理论逻辑。它既是数学的一个分支.它是用数学方法研究逻辑或形式逻辑的学科。其研究对象是对证明和计算这两个直观概念进行符号化以后的形式系统.数理逻辑[1]中把能判断真假的陈述句称为命题，它是逻辑中最基本、最小的研究单位。数理逻辑研究方法就是把论述或推理中的各种要素都符号化，即把自然语言中的命题，连接词如：“非”、“并且”、“或”、“如果……，则……”、“当且仅当”、都用符号语言来表示.
设A，B，C是三个命题，■A表示A的否定，A∧B表示A并且B，A∨B表示A或B，AB表示如果A，则B，A？圮B表示A当且仅当B，A？圳B表示A与B等价，则有下面16组重要的等值式.
（1）双重否定律A？圳■■A
（2）幂等律A？圳A∨A，A？圳A∧A
（3）交换律A∨B？圳B∨A，A∧B？圳B∧A
（4）结合律（A∨B）∨C？圳A∨（B∨C），（A∧B）∧C？圳A∧（B∧C）
（5）分配律A∨（B∧C）？圳（A∨B）∧（A∨C），
A∧（B∨C）？圳（A∧B）∨（A∧C）
（6）德摩根律■（A∨B）？圳■A∧■B，■（A∧B）？圳■A∨■B
（7）吸收律A∨（A∧B）？圳A，
（8）零律A∨1？圳A，A∧0？圳0
（9）同一律A∨0？圳A，A∧1？圳A
（10）排中律A∨■A？圳1
（11）矛盾律A∧■A？圳0
（12）蕴含等值式AB？圳■A∨B
（13）等价等值式（A？圮B）？圳（AB）∧（BA）
（14）假言易位AB？圳■B■A
（15）等价否定等值式A？圮B？圳■A？圮■B
（16）归谬论（AB）∧（A■B）？圳■A
《线性代数》这门课抽象知识比较多，比如向量、线性空间；逻辑性强，矩阵、行列式、线性方程组都具有一定的联系具有抽象性、注重技巧，比如求行列式有三种方法，三种方法适合于不同的题型，等等.所以我们要想把这么课学好，首先要把里面的逻辑关系搞明白，而数理逻辑提供了更好的理解逻辑知识的方法.
1熟悉一些常用的证明方法，证明技巧.
1.1证明两个数相等，p=q？圳p≤q，q≤p；两个集合相同，A=B？圳A？哿B，B？哿A.
定理1[2]在全部的n级排列中，奇、偶排列的个数相等，各有■个.
分析：假设在全部的n级排列中有p个奇排列，q个偶排列，即证明p=q.p=q等价于p≤q，q≤p.若对p个奇排列做一次对换，则p个奇排列变成p个偶排列，故p≤q（因为全部的n级排列中，共有q个偶排列）.同理对q个偶排列做一次对换，可得q≤p，所以p=q=■.
证明两个线性无关的等价的向量组含有向量的个数相同，矩阵的行秩等于列秩，也采用此种方法.
1.2反证法.在从条件推出结论无法着手时，常采用反证法，即pq？圳■q■p，特别是指证明唯一性，至少，最多等的情况.
定理2[2]若矩阵A可逆，则An的逆矩阵是唯一的.
分析：显然要证明矩阵A的逆矩阵是唯一的，无法从逆矩阵定义正面出发，故应用反证法.假设矩阵B和C是A的逆矩阵，则有AB=BA=E，AC=CA=E，从而B=BE=BAC=EC=C，即矛盾，得证.
在证明向量组的线性相关与线性无关问题时，也常采用反证法.
1.3数学归纳法，即n=1时，命题成立；假设n
证明：Dn=■=cosna
证明：对二阶行列式，有D2=■=2cos2a-1=cos2a，结论成立.
假设对阶数小于n的行列式结论成立.
对n阶行列式按第n行展开，得
Dn=2cosaDn-1-Dn-2
=2cosacos（n-1）a-cos（n-2）a
=2cosacos（n-1）a-（cos（n-1）acosa+sin（n-1）asina）
=cosacos（n-1）a-sin（n-1）asina
=cosna
故由数学归纳法得，Dn=cosna
2弄清逻辑命题之间的关系.
定理3[2]如果齐次线性方程组的系数行列式不为零，则齐次线性方程组只有零解.
a11x1+a12x2+…+a1nxn=0a21x1+a22x2+…+a2nxn=0…………an1x1+an2x2+…+annxn=0
定理3′[2]如果齐次线性方程组有非零解，则齐次线性方程组的系数行列式为零.
［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]转贴于
“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少修正和补充，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。”
1.数理逻辑
采用一整套人工语言（符号），运用数学演算的方法来研究逻辑，就是数理逻辑。它是相对于传统逻辑而言，也是相对于我国一部分研究者的观念而言的。现代数理逻辑的内容，有命题演算、谓词演算、集合论、递归论、证明论、模型论等。数理逻辑不仅使人们对逻辑推理的研究达到了极为精确和深刻的程度，还能对数学基础、自然语言、逻辑机的研究产生巨大的作用。
我国有些逻辑学工作者对接受数理逻辑有一些错误的认识，最有代表性的是数理.逻辑与传统逻辑不同，不能应用于自然语言的推理，学了也没有用”。这种观点的错误有二：①数理逻辑并非不能应用于自然语言的推理。以当前国外流行的逻辑学著作为例，不管是大学教科书、一般逻辑专著还是逻辑基础读物，如果涉及传统逻辑的话，它们都注意把介绍传统逻辑知识与数理逻辑知识结合起来。所介绍的传统逻辑知识，一般也已经过了改造，其特点是对逻辑联结词、命舾形110式和真值表极为重视，而概念问题往往放在语言部分处理，对逻辑规律很少、甚至不予讨论。这些都体现了数理逻辑的精神。但是，这种做法并不妨碍这些书简洁、概括、有效地介绍自然语言的主要推理形式。用数理逻辑研究自然语言的推理的潜力是极大的。特别是那些通过数理逻辑的应用所开辟的新的研究方向或所创立的新的逻辑分支，往往提供了研究自然语言的巨大可能性。譬如，现代语言逻辑重视对语境的研究，已经可以使逻辑分析进入文学语言的禁区。当然，现在还不能说数逻辑可以处理所有用自理然语言表达的推理。但传统逻辑在这方面所存在的问题只会更多而不是更少。②根据我国科学事业的发展，现在的逻辑教学不能再局限于自然语言的推理。电子计算机是当代科学技术发展的突出成就。在发达国家，它已经广泛地进入了社会生活的各个方面。在我国，也有着普及和发展计算机的迫切需要，尤其是那些从事各级管理工作的人员，都有必要掌握计算机。事实上，现在学习经济管理、社会管理的人员，一般都开设有计算机课程。而数理逻辑是与计算机的设计及操作都有关的理论I同时，逻辑不仅是大学课程，就连中学数学教材也涉及到了。布尔代数、集合论的初步知识及概率的初步知识已经编进了中学数学教材布尔代数就是逻辑代数，集合论是数理逻辑的基础理论。概率是现代归纳逻辑。其中又涉及类演算的知识。如果我们的逻辑课程只讲自然语言推理，对数理逻辑不作介绍，这就会落后于教学内容。
2.语言逻辑
语言逻辑最早不是逻辑学界搞起来的，而是语言学界搞起来的，是语言学界利用符号逻辑作工具，对自然语言加以研究所产生的成果。大概是出于这种原因，语言逻辑这个名称至今未见流行。但这种研究方向却是实实在在存在着的。
语言逻辑的成果体现在形式语言学上。而形式语言学又可分为“语法学”、“语文学”和“语用学”三个组成部分。美国的诺姆乔姆斯基(NoamChomsky1928-)在形式语言学上取得了杰出的成就。他所创立的转换生成语言论,把形式语言学推到了一个崭新的阶段。根据转换生成语言论，研究语言的目的不是为了对语言进行分类的描写，而是为了建立一整套形式化的演绎系统。这种形式系统包含有限的语法规则，却能够生成无限的合乎语法的句子，还能够解释句子内部的语法关系和语义的分歧性。
转换生成语言学派认为，所谓语法，就是“产生所分析的句子的某种装置”。簪如：有限状态语法，是用有限的递归规则，对有限的词汇进行处理，能够生成无穷数目的句子集合。有限状态语法规定，句子由“从左到右”依次选择的一系列的词所生成。也就是说，在第一个（或者是最左边那一个）成分被选定以后，随后的每次选择都由前面已经出现的成分来决定。这种简单的有限状态语法，就是一种线性信号装置。
乔姆斯基的转换生成语言论使得语言学与数理逻辑、信息系统理论有机地结合起来。可以说，也使得逻辑研究出现了崭新的天地。在逻辑研究中采用形式语言学的成果，起码有以下一些好处：①是为逻辑研究指出了新的方向。②是为研究自然语言的逻辑问题提供更为有力的工具。③是有利于人们理解.和掌握计算机的语言形式。
3.逻辑哲学
有的外国研究者认为：逻辑哲学的任务是研究在逻辑中产生的哲学问题。根据这样的观点，我国相当多的逻辑学著述（包括逻辑学教科书）所讨论的问题是可以归结为逻辑哲学问题的。不仅局部性的问题可以归入逻辑哲学当中，连一些所谓的新领域，也有相当大的内容可以归入逻辑哲学当中。訾如有些研究者塑造的辩证逻辑，除一部分内容可以归入科学方法论外，大部分内容可以看作是逻辑哲学问题。
上一篇：校园安全管理总结范例(3篇)
热门推荐