逻辑推理排除法(6篇)

时间：2024-12-16

逻辑推理排除法篇1

一、排除数学语言障碍，为发展逻辑思维能力奠定基础

数学基础知识是思考的依据，不熟悉基本概念，公式，定理和法则，形成和发展逻辑思维能力将是一句空话。而数学语言是数学基础知识的重要组成部分.由于初中数学中出现了很多小学里没出现过的数学语言，再加上初中数学概念比小学严谨、抽象，不少初中生难以适应这个阶段的学习，一些学生没有真正理解数学语言，只会机械地背诵，导致学习基础知识时碰到困难，解题时推理无据，不严谨。

初中生数学语言学习的障碍主要表现为数学语言理解障碍，数学语言转化障碍，数学语言表达障碍.数学语言理解障碍是指初中生不能正确理解数学语言，比如“对边”，“互为相反数”，“任意非零整数”，“直线AB经过一点C”，“有且只有”等.初中生的数学思维在一定程度上依赖于具体的感性材料，这决定了他们学习数学语言时，只能由特殊到一般，由具体到抽象的循环渐进过程.因此，教师要根据这一特点，用具体的模型，学生熟悉的例子帮助学生理解数学语言。此外，教师必须引导学生分析定义，命题等中数学语言的含义，对某些语言要“咬文嚼字”。数学语言转换障碍是指学生对于不同表达形式表征同一数学语言时，或者在同一种表达形式的数学语言的内部进行转换时出现问题，主要表现在符号语言、图像语言和文字语言之间的相互转换产生障碍。比如：对三角形高的定义中的文字语言“顶点到……垂线段……”，不能转换为图像语言，导致了记住概念后却依旧不会作出三角形的高；不[]能将“不小于”转化为“大于或等于”等.为克服学生这一问题，教师要让学生多练习、多动手，比如要求学生能根据题意画出图形，将数学语言和图形结合起来；能将定义、定理、命题等翻译成符号语言；能将实际问题中的文字语言翻译成符号语言等.数学语言表达障碍主要表现为学生不能正确或全面地将数学问题的解决过程用数学语言表达出来，可分为口头表达障碍和书面表达障碍.针对口头表达障碍，教师可以在课堂上多提供机会让学生回答问题，提高口头表达能力，对学生多鼓励、表扬.针对书面表达障碍，教师可通过具体例题的解答书写过程演示，让学生体会如何将心中所想转换为清楚的数学语言；教师也可以给出解答同一道数学题的几种不同书面表达，让学生比较哪种表达更清楚，哪种表达有误，不全面，有歧义。

二、排除“推理不严”，做到推理有据

小学阶段的数学结论主要靠观察，经验获得，再加上初中学生的逻辑思维对直观图形依赖性太强，导致了初中生往往凭观察和经验创造出一些“想当然”的结论。比如，在解有关三角形的题目时，如果题目中的三角形看起来两腰相等，学生会凭观察直接把题中的三角形当成等腰三角形，并利用等腰三角形的知识进行求解。同时，初中生往往认识不到证明的必要性，他们困惑：为什么还要证明能直接观察出的结论？

考虑到初中生的认识发展规律，要消除这种思维习惯，教师只能逐步培养初中生逻辑思维能力。首先，教师要有意识地跟学生强调证明的重要性。比如，讲解三角形内角和定理时，教师让学生通过折纸，拼角，度量等方式提出猜想后，可以先用几何画板验证猜想，同时展示出不同形状、大小的三角形内角和，直观形象地体现出三角形数目之多。这时再抛出问题让学生思考：显然三角形是罗列不完的，那么，我们能只对一个给定的三角形动手探究就得到普遍结论吗？但即使我们对每个三角形都进行验证，我们能否全部验证完呢？此时，学生就会意识到凭实际操作是行不通的，迫切想知道解决的办法，教师再引入“数学证明”的定义，方法，作用.然后，再通过“三角形内角和定理”的证明示范，学生就会初步认识到证明的意义。其次，通过例题示范，让学生了解推理证明的方法、要求，做到推理有据。对例题的选择要遵循由易到难，由简到繁，逐步提高的原则，比如，在学习平行四边形判定时，在遵循教材学习顺序的基础上，先只要求学生能够找出条件，证明某个四边形是平行四边形；然后可要求学生在证明某个四边形是平行四边形的基础上，再证明另一个四边形也是平行四边形；先只要求不必添加辅助线的，再要求需要作辅助线才能求解的题目。这种由简到繁、逐步过渡的方法能让学生便于接受。同时，教师要告诉学生画图要有依据，不能把任意三角形画成等腰三角形，把矩形画成正方形。此外，在讲解题目时，教师要深入分析每一步证明的已知是什么，结论是什么，用了什么定理、公理.细致剖析证明过程，让学生明确逻辑推理的步骤，减少对图形的依赖，能避免学生思维混乱，形成清晰的思维层次，进而提高学生的逻辑思维能力。

三、排除“思维不缜密”，周密思考问题

由于小学的数学学习缺乏思维缜密的训练，到了初中后，学生考虑问题不全面，逻辑思维不缜密。比如：初中生习惯在非负数范围内讨论问题，容易忽视字母取负数的情况。这是由于初中数学中引入了字母，用抽象的字母代替具体的数值。而小学生接触到的数都是取定的自然数，受此影响。又比如：在解答“等腰三角形中有一个内角为35°，则其余各角的度数为多少？”这道题时，学生会出现这样的误解：把题意中的内角只当做顶角（或底角），导致出现漏解。

逻辑推理排除法篇2

［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。”

逻辑推理排除法篇3

归纳逻辑是关于或然性推理的逻辑。或然性推理是这样一种推理：当其前提真时其结论很可能真但不必然真。现代归纳逻辑的显著特点就是对或然性推理加以系统化和定量化。本世纪二、三十年代以后，随着数学概率论趋于成熟，概率归纳逻辑得以产生和发展。概率归纳逻辑是应用概率论来系统地研究和表述或然性推理的。本世纪七十年代前后，出现了一种非数学概率论的归纳逻辑理论，这种理论也被称为“非帕斯卡概率归纳逻辑”（参见非帕斯卡概率归纳逻辑）。不过从总体上讲，比起经典的（亦即帕斯卡的）概率归纳逻辑，非帕斯卡概率归纳逻辑还显得比较薄弱，亟待改进和发展。

凡属经典概率归纳逻辑的理论都满足数学概率论的三条公理即：（1）任何事件或命题的概率大于等于0，即P（A）≥0；（2）一个必然事件或命题的概率等于1；（3）对于任何两个互斥的事件或命题A和B，P（A∨B）＝P（A）＋P（B）。任一事件或命题A的概率P（A）叫做“基本概率”。概率公理系统的逻辑功能就是在给定基本概率之后推导出有关的其他概率来。至于基本概率如何确定，概率公理除了告诉我们，一组互斥且穷举的事件或命题的基本概率之和等于1外，什么也没说。这种情况类似于演绎逻辑。演绎逻辑并没有告诉我们如何得到真前提，其作用仅仅在于我们得到真前提之后保证由此推出的其他命题都是真的。可见，概率公理系统实际上只是演绎逻辑或数学的一个分支。正如怎样获得真前提的问题属于归纳逻辑研究的范围。怎样获得基本概率的问题也属于归纳逻辑研究的范围。因此，确定基本概率的原则属于归纳原则，它与概率公理系统一道构成一个扩充的系统，这个扩充的系统就是概率归纳逻辑系统。采取不同的确定基本概率的原则以及对概率给以不同的解释就导致不同的概率归纳逻辑系统，进而导致不同的概率归纳逻辑学派，其中主要包括经验主义，逻辑主义和主观主义（即贝叶斯主义）。

现代归纳逻辑还面临着一个传统逻辑遗留下来的疑难问题即休谟问题亦即归纳合理性问题。此问题的严重性在于，如果作为经验科学基础的归纳推理没有合理性，那么，人们的科学活动也就成为非理性的行为。对于休谟问题，现代归纳逻辑的各个派别都试图给出解答，但是至今尚未得到一个令人满意的答案。除了休谟问题外，现代归纳逻辑还面临若干悖论，其中包括认证悖论（乌雅悖论）、绿蓝悖论（新归纳之谜）和抽彩悖论，它们分别由当代逻辑学家和哲学家亨佩尔（C.G.Hempel）、古德曼（N.Goodman）和凯伯格（H.E.Kyburg）提出。这些悖论的共同特点是，从人们通常公认的原则或原理出发，却得出逻辑矛盾或与常识相违的结论。对于这些悖论能否给出恰当的解决，是衡量一种归纳理论是否恰当的重要标志。

出于解决休谟问题、归纳悖论以及其他归纳疑难的企图，本世纪六、七十年代出现了一种新的思潮即局部归纳逻辑。局部归纳逻辑不同于整体归纳逻辑的地方在于，它不要求对一切非演绎的原则或知识进行辩护，而只要求对那些在科学家们看来已经成为问题的原则或知识进行辩护。这意味着，如果科学家们对诸如简单枚举法这些最常用的归纳原则的合理性没有产生疑问的话，那么，哲学家们也大可不必为此操心。可见，局部归纳逻辑在很大程度上是绕过休谟问题以及其他一些疑难问题的。尽管局部归纳逻辑对于现代归纳逻辑的发展起了相当大的促进作用，但是如此宽泛的局部化使其哲学价值受到怀疑。主观主义亦即贝叶斯主义概率归纳逻辑走了一条介于局部归纳逻辑和整体归纳逻辑之间的道路，而且近年来其发展势头仍然不减甚至愈来愈猛，显示出一个进化的研究纲领的某些特征。在笔者看来，贝叶斯主义概率归纳逻辑代表着现代归纳逻辑的发展趋势。下面就对有关问题分别加以简要的讨论。

二、休谟问题

休谟问题也叫做归纳问题，是由十八世纪的英国哲学家休谟（D.Hume）提出来的，它在现代归纳逻辑中仍然是核心问题之一，并且至今尚未得到令人满意的解决。休谟提出的问题是：归纳法具有理性的依据吗？如何为归纳法的合理性进行辩护？休谟本人的回答是：为归纳法的合理性进行辩护是不可能的，因此归纳法没有合理性，只不过是人的一种心理本能。休谟的理由大致是：一切推理可以分为两类，一类是关于观念间的推理，具有必然性；另一类是关于经验事实的推理，具有或然性。归纳法是要根据过去发生的事情推断将来要发生的事情，既然过去和将来之间没有逻辑上的必然性，所以不能用前一种推理为它进行辩护；但也不能用后一种推理为它进行辩护，否则就会出现循环论证。在概率归纳逻辑中，休谟问题转化为：如何为确定基本概率的原则进行辩护？对此问题，不同的学派采取了不同的论证方式或思路，但有一种趋向似乎是共同的，即为归纳法的实用合理性进行辩护。实用合理性与真理性之间并无直接关系，而是与人的主观目的性直接相关的：如，为归纳法的渐近性、简单性或可避免大弃赌等性质进行辩护均属关于实用合理性的辩护。尽管这些辩护还存有这样或那样的缺陷，但却是富有启发性的；至于从实用合理性的角度为归纳法辩护是否最终取得成功，则有待进一步的研究。笔者在拙作《归纳逻辑与归纳悖论》（1994年）中也对休谟问题提出一种尝试性的解决方案。

三、经验主义概率归纳逻辑

经验主义概率归纳逻辑主要是由莱欣巴赫（H.Reichenbach）于本世纪三十年代提出的，后由萨尔蒙（W.Salmon）等人给以进一步的发展。在此理论中，概率被定义为相对频率的极限。具体地说，在关于某一事件A的无穷序列中，如果被观察的某一特征B出现的相对频率Fn（B，A）趋向某一极限L，那么，L就是B相对于A的概率，记为：

lim

P（B，A）＝F[,n]（B，A）＝L

n∞

由于这种定义下的概率涉及到事件的无穷序列，所以是不可能被直接观察到的，只能由渐近认定的方法来得到。渐近认定的方法是一个不断修正的过程即：当观察次数n为一有限数n[,1]时，观察到特征B出现了m[,1]次，便认定概率P（B，A）就是相对频率m[,1]／n[,1]；当n增加到n[,2]时，相对频率变为m[,2]／n[,2]，那么便重新认定P（B，A）就是m[,2]／n[,2]；以此类推，直到n充分大。这种渐近认定方法并不假定事件的无穷序列一定存在极限，但它仍然是合理的，因为，如果不存在极限，用任何方法都找不到极限，反之，如果存在极限，那么用这种方法便一定能够找到。这就是说，对于寻找频率极限，渐进认定方法不会比其他方法差而只会比其他方法好。渐近认定方法的这种合理性与真理性并无直接关系，因此常常被称为“实用的合理性”。然而，具有这种实用合理性的渐近认定规则并非只此一种，而是有无数种，它们可被统一地表述为：给定Fn（B，A）＝m／n，则推得

lim

F[,n]（B，A）＝m／n＋C（当n∞，则C0）

n∞

显然，上面提及的那种渐近认定方法只是当C为常数0时的特例，比起其他一般的渐近认定方法，它的优越性亦即合理性仅仅在于它的简单性；这能否成为对休谟问题的一种恰当解决，乃是一个有争议的问题。此外，把概率定义为无穷序列的频率极限，从根本上讲是不适用于单个事件或有限多个事件的，这一事实威胁到此定义的恰当性，也是此理论所面临的一个疑难问题。

四、逻辑主义概率归纳逻辑

逻辑主义概率归纳逻辑起源于凯恩斯（J.M.Keynes）和杰弗里斯（H.Jeffreys）等人，不过其代表人物当推卡尔纳普（R.Carnap），他于本世纪四、五十年代系统地建立起这一理论，后由欣蒂卡（J.Hintikka）等人给以改进和发展。该理论把概率定义为假设h相对于证据e的认证度（thedegreeofconfirmation），记为C（h，e）。C（h，e）仅仅表达了h和e这两个命题之间的某种逻辑关系，而对h和e各自的真假毫无断定，因此对它的确定只需进行语义分析，而无需与事实相对照。该理论是建立在一个简单的语言系统之上的，该语言仅由个体常项、一元谓词和逻辑常项构成，而且其数目都是有限的；这样便可形成一些对所有个体的各种性质同时有所断定的语句即“状态描述”，而其他任一语句的概率都可根据状态描述的概率从逻辑上加以确定。问题的关键在于如何确定各个状态描述的概率，对此，卡尔纳普先后采取了不同的方法和态度。它开始将无差别原则直接用于状态描述，从而给各个状态描述以相等的概率；后又改为将无差别原则用于所谓的结构描述，最后又建立了一个“归纳方法连续统”，允许用无数多种方法对状态描述赋予概率；至于一个人如何在这诸多的归纳方法中加以选择，则取决于他在实用上甚至在直觉上的理由。这样一来，卡尔纳普便在很大程度上放弃了原先的逻辑主义主张，在很大程度上转入主观主义的阵营。

五、主观主义概率归纳逻辑

主观主义概率归纳逻辑也叫做私人主义（Personalism）或贝叶斯主义（Bayesianism）概率归纳逻辑。此理论发端于本世纪三十年代，其创始人是拉姆齐（F.P.Ramsey）和菲耐蒂（deFinetti）。在此理论中，概率被解释为一个人的合理的主观置信度。主观置信度是人的内省经验，为了使之具有可测度性，它又被定义为一个人关于某一命题的

d[,1]真实性所愿接受的最大赌商，即：P（A）＝───────，这里d[,1]

d[,1]＋d[,2]代表某人关于命题A的真实性进行打赌时所愿下的最大赌金，d[,2]是其对手所下的赌金。该理论的一条重要定理即大弃赌定理（theDutchBooktheorem，有文献译为“荷兰赌定理”）表明，一个人要能避免大弃赌，当且仅当，他的最大赌商满足概率论公理。所谓大弃赌是这样一种，无论所赌的那个命题是真还是假，赌者都要输钱。显然，导致大弃赌的赌商以及相应的置信度是不合理的；这表明，把概率解释为一个人的合理置信度是恰当的。该理论的另一条重要定理是意见收敛定理，它表明，如果按照贝叶斯定理来不断地修正验前概率，那么，无论验前概率是怎样的，验后概率终将趋于一致；这样，验前概率的主观性和任意性就成为无关紧要的，因为它们终将淹没在验后概率的客观性和确定性之中。一个人对被检验假设的验前概率是由他当时的背景知识决定的，这表明主观主义具有局部归纳逻辑的特征；同时，主观主义又要求按照贝叶斯定理用检验结果不断地修正验前概率，从而使局部化的程度及其影响降至最低。可见，主观主义走了一条介于整体归纳逻辑与通常的局部归纳逻辑之间的道路。

意见收敛定理也是对休谟问题的一种解答，然而，哈金（I.Hacking）指出，贝叶斯定理仅仅是关于条件概率的，而非关于验后概率的，因为从逻辑上讲，验后概率可以不等于条件概率。把验后概率等同于条件概率，这是主观主义概率归纳逻辑的一个预设，其合理性有待进一步的辨护。在这方面，拙作《归纳逻辑与归纳悖论》作出一定的努力。

六、贝叶斯定理

贝叶斯定理是概率论的一个定理，它在现代归纳逻辑中常常扮演着重要的角色，因为它提供了一种计算假设的验后概率的方法。贝叶斯定理的表达式是：

在P（e）＞0和P（h[,i]）＞0的条件下，如果h[,1]，h[,2]，…，h[,n]是互斥且穷举的，那么，

P（h[,j]）P（e／h[,j]）

P（h[,j]／e）＝─────────────（1≤j≤n）

∑P（h[,i]）P（e／h[,i]）

i＝1

此等式左边的条件概率P（h[,j]／e）一般被称为被检验假设h[,j]相对于证据e的验后概率（上面提到，哈金已指出此说法并不严格），等式右边分子中的P（h[,j]）表示h[,j]的验前概率，P（e／h[,j]）表示h[,j]对e的预测度（或似然度）；类似地，分母中的P（h[,i]）和P（e／h[,i]）分别表示该组假设中的任一假设h[,i]的验前概率亦即主观概率和对e的预测度。根据贝叶斯定理，在对一个假设进行检验的时候应当满足以下几个要求：（1）至少存在另一个竞争假设，即n≥2；（2）这n个假设中至少并且至多有一为真；（3）任何一个竞争假设的验前概率大于0而小于1；（4）证据的无条件概率大于0。应当说，这些要求对于科学检验的实际过程来说都是合理的；并且有文献表明，满足这些要求对于解决归纳逻辑的一些疑难问题是必要的。由于贝叶斯定理给各个竞争假设的验前概率亦即主观概率留有发挥作用的余地（对之只有很弱的限制即大于0而小于1），从而成为从假设的验前概率过度到验后概率的桥梁。这使得它在现代归纳逻辑中，尤其在主观主义概率归纳逻辑中起着重要的作用，这就是主观主义概率归纳逻辑又被称为贝叶斯主义的原因。

七、无差别原则

无差别原则也叫作“不充分理由原则”，其内容是：对于任何两个事件或命题A和B，如果我们关于它们的知识是无差别的，亦即我们没有理由认为其中一个比另一个更有可能发生，那么，我们就应当对它们赋予相等的概率，即P（A）＝P（B）。无差别原则在古典概率论中起着重要的作用，因为概率的古典定义是：

A所包含的基本事件的数目

P（A）＝─────────────

全部基本事件的数目

基本事件的特征之一是具有等概性，而这种等概性就是由无差别原则确定的。无差别原则在现代归纳逻辑中也起着重要的作用，这在逻辑主义概率归纳逻辑中是十分明显的。无差别原则在很大程度上具有主观性和任意性，因为在一定意义上它是基于人们对两个事件或命题的相等的无知，这势必导致某些荒谬的结论。正因为此，现代归纳逻辑的另一些学派都尽量避免使用无差别原则。但是，这种努力是否成功，还是一个值得研究的问题。不过有一点是可以肯定的，即使保留无差别原则，也必须对它的使用条件或使用范围加以限制。

八、相关变项法

相关变项法（therelatedvariablesmethod）是由英国逻辑学家和哲学家科恩（J.Cohen）于本世纪70年代提出来的。它的新颖之处在于试图给出一个分级的而非连续的归纳支持测度。这种分级归纳测度的现实根据在于，科学家们为检验一个科学假设而进行的科学实验是经过精心策划的和有限的，而不是盲目的和无限多的，科学家们设计实验的基本方法就是逐一改变与被检验假设相关的变项及其组合。例如，对于“蜜蜂能辨别颜色”这一假设的检验来说，相关的变项包括：蜜蜂所追逐的目标的排列位置，目标的气味，等等；这些变项可以分别记为：V[,1]，V[,2]，……V[,n]；其中每一变项又包括若干变素（即变项的值），如气味这一变项所包含的变素有：甜味、苦味、酸味，等等；变项V[,i]（1≤i≤n）的k个变素可记为：V[1][,i]，V[2]，…，V[k][,i]。由于各个变项对于被检验假设的相关性程度是有所不同的，相应地，它们对于检验的重要性也就有所不同。相关变项V[,1]，V[,2]，…，V[,n]是依其重要性程度由小到大的次序来排列的。为检验一个具有“所有R都是S”这种形式的假设，实验可以按照如下方式来安排。实验t[,1]：改变相关变项V[,1]，让它依次在k[,1]个变素中取值，其他变项均保持不变，这样就构成k[,1]个子实验，从而构成一个实验完备组，即“规范实验”；如果假设没有通过这个规范实验，那么检验到此为止，否则，继续进行实验t[,2]；以此类推，直到实验t[,n]。请注意，构成实验t[,2]的一组于实验并非仅由改变V[,2]的变素决定的，而是由改变V[,1]的k[,1]个变素和V[,2]的k[,2]个变素的组合决定的。显然，t[,2]包含了t[,1]，这使得如果一个假设通过了t[,2]，那它就一定通过了t[,1]，但反之不然。这种关系适合于任何两个实验t[,j]和t[,i]（j＞i）。在进行t[,1]之前，被检验假设已经具有一定的支持度，否则它就没有被检验的价值；因此可以说，被检验假设首先通过t[,0]。这样，n个相关变项便构成包含t[,0]在内的n＋1个规范实验，从而使被检验假设的支持度可以分为n＋1个级别。如果一个假设H通过t[,i]，而没有通过t[,i]＋1，

i＋1那么它就获得第i＋1级的支持，其支持度记为S（H，E[,i]）＝────，

n＋1，其中E[,i]是关于t[,i]的证据报告。当假设H通过t[,n]时，其支持度便达到1。科恩宣称，此方法是对培根和穆勒的传统排除法的发展和精制；不过，此方法还面临一些有待克服的困难。

九、非帕斯卡概率归纳逻辑

“非帕斯卡概率论”这个概念首先由科恩于1977年正式提出，但对它的研究可以追溯到沙克尔（G.Shackle，1949）。所谓帕斯卡（Pascal）概率论就是经典概率论；它有一条定理即：P（＠①H）＝1－P（H），此定理叫做“否定律”，也叫做“互补律”。但是，此定理在非帕斯卡概率论中不成立，而代之以另一条定理即：如果P（H）＞0，则P（＠①H）＝0。科恩的非帕斯卡概率归纳逻辑是对其归纳支持理论的简单扩展，即把一个普遍概括的归纳支持度移植到它的某个特殊事例上。前面谈到，归纳支持理论是以相关变项法为其语义模型的，因此，科恩的非帕斯卡概率如同支持度也是分级的而非连续的。具体地说，如果假i＋1设“所有R是S”获得的支持度是───，那么某一具有性质R的特殊

n＋1

i＋1i＋1事例a具有性质s的概率也是─────，记为：P（Sa，Ra）＝──。

n＋1n＋1由于非帕斯卡概率不满足经典概率的互补律，这使得，任何一个假设如果曾经获得大于0的支持度，那么它就永远不会被彻底否定：更有甚者，如果一个假设曾经在实验t[,i]中获得较高的支持度如4／5，那么，t[,i]以后的任何否证性实验t[,j]都不能使之降低一丝一毫。应该说，这一结论是与科学检验的实际情况相违的。总之，与帕斯卡概率论相比，非帕斯卡概率论以及相应的归纳逻辑无论从语法上还是从语义上都显得不够成熟，亟待改进和发展。超级秘书网

十、局部归纳逻辑与整体归纳逻辑

局部（local）归纳逻辑是于本世纪六七十年代在归纳逻辑研究范围内兴起的潮流之一，其代表人物是科恩、莱维（I.Levi）等。局部归纳逻辑是相对于整体（global）归纳逻辑而言的，而且同归纳逻辑的辩护问题直接相关。休谟把对一切或然性推理即归纳推理的辩护归结为对简单枚举法的辩护，他论证了简单枚举法的合理性得不到辩护，因此一切归纳推理都得不到辩护。休谟这里所要求的辩护是一种整体的辩护，即除演绎推理原则以外的任何原则或知识都需要辩护。以整体辩护为目标的归纳逻辑就是整体归纳逻辑。卡尔纳普和莱欣巴赫等人的归纳逻辑均属此类。与此不同，局部归纳逻辑只要求对归纳推理作局部的辩护。以科恩的相关变项法为例，它是以相关变项及其相关程度的知识为前提的，至于这种知识是如何得到的，此问题则超出归纳逻辑的范围，正是需要哲学家们向科学家们请教的，而不是相反；事实上，对于一个成熟的科学共同体来说，有关相关变项的意见往往是一致的，因而无需哲学家们节外生枝地对此提出质疑。用莱维的话来讲：“在科学中，仅当在具体的研究语境中产生了辩护的需要，关于信念的辩护才成为必要的。”现在一般认为，休谟所要求的那种关于归纳逻辑的整体辩护是不可能达到的，只能达到局部辩护，问题在于局部化的程度。应当说，一种归纳逻辑理论的局部化程度越低，其哲学价值越高。在许多学者看来，科恩和莱维等人所主张的归纳逻辑的局部化程度太高了，几乎等于对休谟问题的回避，因而是不能令人满意的。相比之下，贝叶斯主义归纳逻辑的局部化程度要低得多。

【参考文献】

〔1〕C.Howson&P.Urbach,ScientificReasoning——TheBayesianApproach,Chicago:OpencourtPublishingCompany,1989.

〔2〕R.J.Bogdan,LocalInduction,Dordrecht:Reidel,1976.

〔3〕M.Hesse,TheStructureofScientificInference,Berkeley:UniversityofCaliforniapress,1974

逻辑推理排除法篇4

【关键词】课改；教学；逻辑思维；培养

一、培养小学生数学逻辑思维能力的重要性

大量心理生理医生指出，7-12岁的学生正处于思维转变的关键时期，不仅是好奇心、求知欲、质疑意识的高涨期，也是最能接收新观念、新思维的启蒙期。在小学数学中，分母、公式、代数就是一种抽象的符合，加减乘除四种不同的运算方式初步使学生认识到抽象的运算手法，思维能力也从中提升。《小学数学教学大纲》中规定，要“使学生具有初步的逻辑思维能力。”逻辑思维就是通过比较、分析以及判断推理等思考方法思考并解决问题，培养小学数学逻辑思维能力不仅是让学生掌握知识、促进数学学习，更是让学生把思维带入生活实践，活学活用。

二、培养小学数学思维能力的具体措施

（一）培养学生学习兴趣，结合情境教学

新课标的“前言”中指出“让学生亲身经历将实际问题抽象成数学模型并进行解释与应用的过程”，而情境教学向来都是学生喜爱的方式。小学生有着极强的动手的操作能力，沉闷的照书本教学严重的阻碍了学生追寻知识的兴趣。在老师设定好的情境中，从引出问题到问题的讨论，学生亲身经历并认真思考，能很好地锻炼脑力思维，还会产生丰富的兴趣。教学情境的设置既可以增加学生学习的兴趣，又可以引发学生独立的思考，促进其逻辑思维能力的形成。

（二）直观教学，加深感受，提高学生课堂参与度

具备一定的抽象观念是数学逻辑思维的基础，在小学数学教学中，要将这一抽象的观念快速引入学生的思维中可以利用多媒体教学、教学与生活实践结合等方式。教师可以基于小学生的思维发展情况用具体直观的形象来推进数学逻辑思维的形成。例如，教师可以充分的利用多媒体，在讲“图形”有关的内容时，可以将各个图形清晰地呈现在电脑屏幕上，让同学们观察、比较各个图形的异同，以助于他们深刻地记忆。并且，针对同一图形，我们可以在电脑扩大或缩小，纵向比较，把每个图形用不同颜色线条展现。通过这样直观的教学，学生可以很容易得出图形变化的规律，通过分析比较记忆各类图形的特点。除此之外，老师还可以通过具体事物展示的方式让学生更好地理解具体数学内容。例如，如在学习三角形时，可以充分利用三角板教具来让学生感受理解；在教学有关重量的相关章节时，可以以50克为例，准备50克盐带入课堂让学生感受重量。通过直观教学，学生能更快融入教学内容，其思维思想上也会对抽象事物有一定的具体认识感知。

三、在小学数学中培养逻辑思维

一个人的逻辑思维能力培养并不是一蹴而就的，它需要有一个长期并且系统的训练过程。因此，培养数学逻辑也不是短时间的杰作，而是一个长期坚持、系统培养的结果。

小学跨度六个年级，那么培养学生思维能力必要贯穿在小学阶段各个年级的教学中。各年级的逻辑思维培养各有侧重，低年级应该注重抽象逻辑的引入和兴趣的培养，中年级的时候应该注重逻辑思维能力的加强和锻炼，高年级的时候应当侧重逻辑思维的发散和兴趣的保持与发展。

（一）科学系统地安排练习，发展学生的思维能力

在课堂练习中努力创造活跃思维的条件是发展思维能力的第一步，接着，就需要对数学逻辑思维能力的巩固和强化。教师应当有计划地引导学生从不同的角度思考同一问题，防止单调重复。采取递进的方式扩展学生地思维水平。

除了教师在课堂练习中对学生安排进行的问题设计与训练，提高学生的数学思维能力和水平调动学生积极性外，还应针对不同时段安排一定数量的有助于发展学生思维能力的练习题。教师应根据班级学生的不同水平因材施教，对个别数学思维能力突出学生安排启蒙奥数类的扩展训练，对较差学生重新梳理教学内容，提高成绩。

（二）培养学生自主解决问题的能力

每个人都有一定的依赖性，小学生更是如此。在教学工作中应注意培养学生自主分析、比较、发现解决问题的能力，让学生自己从知识的殿堂收获东西。小学生的逻辑思维能力是逐步发展起来的，没有克服问题的经历很难获得真正意义上思维的提高，在学生学习中，我们既要注意不让其减少学习的积极性，也不能让他们做只会背书的“书呆子”。甚至在教学过程中，教师有意做出错误讲解让学生发现、纠正错误，提高他们的质疑观念。

（三）思维能力的培养贯穿在教学的各个部分

在教学数学概念、计算法则、解答应用题或操作技能（如测量、画图等）时，都要注意培养思维能力。数学的每一个部分与其他部分都是相互关联的。因此，在教学每一个概念时，都要注意让学生自己对问题做出分析、比较，再稍加指导，让学生做出正确的判断，形成正确的概念。

逻辑推理排除法篇5

一、法规和判例

在英美法理学中，有关法律推理的性质的讨论，主要参照法院适用的两种法律“渊源”：立法机关（或立法机关授权的其他制定规则的机构）制定的一般规则；特定的判例或作为抽出法律规则的材料的法院过去的判决。当然，后者不象立法规则那样具有权威的或唯一正确的规则表达形式。传统理论常常将立法规则适用于具体案件这一过程，单纯地描绘为演绎推理。传统理论认为，法院的判决是演绎三段论中的结论，规则是大前提，而案件中一致同意或确立的事实陈述是小前提。与此相类似，就法院引用判例而言，传统观点认为法院从过去判例中抽出规则是归纳推理，而将抽出的规则适用于当前的案件是演绎推理。

怀疑论者在抨击这些司法推理的传统看法时，揭露了许多对理解和评价司法判决方法具有重要意义的内容。毋庸置疑，在适用法律规则和引用判例审判案件的过程中，必定会有某些不局限于逻辑运作的至关重要的方面，而这些方面常被法院在审判案件中和法学家在描述法院活动中使用的传统术语弄得模糊不清。不幸的是，认为在司法过程中逻辑几乎没有或完全没有作用的观点，尽管表面上简易和明确，实际上也是含糊其辞的。这种观点涉及一些不同的有时是相互冲突的争论点，我们必须将其分开加以考察。下面将指出和讨论其中最重要的争论点。不过在打算认真描述法律推理的形式时，需要注意哲学家和逻辑学家特别关注的两个基本问题。

1．演绎推理

有人极力主张，不能将法律规则适用于具体案件这一过程视为三段论推理，或其他任何演绎推理，因为一般法律规则和法律的具体陈述（如规定个人权利义务）的性质无所谓真假，它们本身之间或与事实的陈述之间段有逻辑关系，进而言之，它们不能充当演绎推理的前提或结论。这种观点根据逻辑学上的真与假，以有效演绎推理和诸如同一律和矛盾律等逻辑关系的含义的严格界定为依据，在演绎推理范围内不仅排除了法律规则或法律陈述，而且排除了被视为逻辑关系制约的要素和被视为有效演绎推理的要素以及其他许多简洁形式。尽管涉及相当复杂的技术性问题，但逻辑学家目前仍设想了几种更为普遍有效的有关演绎推理的定义这些定义表达了适用于推论的含义，且使推论的要素又不具有真假的性质。在下面，正象大多数当代法理学著作一样，我们假定了这些定义的普遍有效性。

2．归纳推理

较为传统的法理学家主张，引用判例这一过程包含着归纳推理。这种观点相当模糊。这些法理学家如此讨论归纳推理，通常旨在对人们讨论的将立法规则适用于具体案件这一过程所包含的演绎推理进行比较。“法官不是以一般规则为出发点，而是应从有关案件出发，发现其中蕴含的一般规则……两种方法明显的不同之处在于大前提的来源有所不同。演绎推理假定了这个大前提，而归纳推理则从具体例子出发寻找这个大前提。

当然，法院的确是不断地参考过去的判例，以期发现规则和证明它们认为这些规则有效是合理的。判例被视为从其中“抽出来”规则的“权威性”案例。但是，如果以这种方式从逻辑上证明一项规则的可接受性，那么就必须满足一个必要条件，即过去判例必须是该规则的一个例子。这意味着判例中的判决可以从规则和判例中的事实陈述中推导出来。就满足这个必要条件而言，这种推理实际上是演绎推理的逆向运用。然而，这个条件毕竟不是法院接受以判例为基础的规则的充足条件。因为对任何判例来说，在逻辑上都有数目不定的，可供选择的一般规则能够满足这个必要条件。同时，选择一个判例作为权威的规则，也必须依据其他限制选择的标准。这些标准不是逻辑问题，而是随制度而异或在同一制度中随时间而异的实体问题。正因为如此，某些关于使用判例的理论极力主张，判例作为权威的规则，是法院通过判例中视为实质性事实的选择，以明示方式或默示方式加以说明的规则。而其他理论则认为，这种规则是后来的法院在考虑判例，权衡一般道德和社会因素之后，从逻辑上可能的各项选择中进行选择而得出的规则。

尽管许多法学家仍在讨论从判例中抽出一般规则这个问题，但某些法学家已认为，引用判例过程中包含的推理，基本上是一种“靠例子”的从案件到案件的推理。换言之，如果一个过去的案件在“相关”方面与当前的案件“足够”相似，那么法院就以相同的方式审判当前的案件。而且将过去的案件作为判例，而不首先从其中抽出任何一般的规则和说明这个规则。尽管如此，主张法院引用过去的案例的目的是发现一般规则并证明接受一般规则是正当的传统理论，仍是流传极广的，而且令人觉得在值得讨论的范围内使用“归纳”这个术语似乎是有理的。

但是无论如何，用“归纳”这个术语去说明在查明过去的一个案例是一般规则的例子时包含的逆向演绎推理，会使人产生误解。因为它使人更强烈地想到类推，而非科学中运用的或然推理。当一般事实命题或关于未观察到的具体事例陈述，从观察到的具体事例推论出来或被其证实时，就存在着这种或然推理。不仅如此，“归纳”一词还会混同于演绎推理形式中作为大前提的全称归纳判断，或混同于真实存在的或说传说中的发现一般命题的直觉归纳。

当然，如果引用判例过程中的逆向演绎推理被视为假设推理，或假设式演绎推理，那么，它也的确是科学程序中一个重要的组成部分．在不断精炼科学假设以避免被相反事例所证伪的过程中，科学理论和观察之间存在着相互影响。同样，法院也需要不断精炼一般规则，以适应各种案件和避免不公正或不适当的判决结果。这两者之间存在着有趣的类比。尽管如此，那些由例证提出可能性而同时又会被将来经验所证伪的一般命题，和判决案件中适用的规则之间，仍然有着十分重要的区别。有关司法过程的经验科学当然是可能的，它可以由关于法院审判过程的一般事实命题所构成，也可以是一个重要的预测工具。但是，区别这样一个经验科学的一般命题和法院说明及运用的一般规则，还是颇为重要的。

二、描述理论和规范理论

认为逻辑在判案中仅起次要作用的理论，有时旨在纠正有关司法过程的错误描述，有时意在批判法院“过份注重逻辑的”、“形式的”、“机械的”或“自动的”司法方法。我们必须区别并分别评估对法院实际使用的方法的描述，和希望法院使用某种方法的要求这两种东西。但值得注意的是，在许多关于法律推理的讨论中，这两者常常被混淆了。这也许是因为，人们认识到了法律规则和判例具有相对模糊性这一重要的但又常常被忽略的事实，同时这种认识又激发了人们努力纠正传统的有关司法过程的错误描述，努力纠正这种过程的本身。在形成一般规则时，预期并提出各种将来可能产生的情况组合，是不可能的。这就产生了法律规则和判例的相对模糊性。任何规则无论怎样加以精确描述，总会遇到关于某些具体情况是否属于其规定范围的问题。而解决这些问题，又无法求助于语言规范，求助于法律解释规则，甚至参考明确的或假定的立法目的，也是无济于事的。在这种情况下，规则就会模糊不清或模棱两可。如果两个规则可适用于一种具体情况，同时规则又包含“合理的”或“实质性的”等不确定的术语，那么类似的模糊性也会产生。要解决这些问题，只能依靠其他一些方法，这些方法的合理性不在于结论和前提之间具有逻辑关系。与此类似，判例也无法从逻辑上归类于数目不定的一般规则，因而要确定—个判例显示权威的一般规则，也不能求助于逻辑加以解决。

人们普遍以为，对司法过程的传统描述的这些批评，一般来说是可以接受的。法学家和法官们，尤其是权力分立得到尊重的司法管辖区的法学家和法官，在说明审判过程中适用一般规则或引用判例的情形时，常常抑制一般规则和判例的不确定性，或将它们的不确定性减小到最低限度。另一方面，他们也抱怨司法过程中的形式主义或过分注重逻辑的情况，尽管这种抱怨不易被理解，也不易被证明是有根据的。他们这种抱怨意在批评法院在适用法律规则或引用判例时，没有首先利用法律规则或判例的相对模糊性，以说明社会目的政策和价值。在他们看来，法院不是利用某项法规的含义在某些问题上不明确这个事实，而是因为在某些不同法律环境中相似用语以一定方式加以解释，或因为一个特定的解释是这些用语所使用的“通常”的含义，就简单地将该项法规的含义看作是明确的。

否认法律规则的模糊性（常常被错误地描绘成分析法学或诋毁为概念主义），可使判决的明确性和可预见性增加到最大限度，同时可激发建立具有极少数目的独立规则和分类范畴的法律体系的理想，因此人们有时为其辩护，有时对其表示欢迎。但是这样看待规则的缺点是，它对人们根据各种情况的组合无法一览无遗地加以预见这一状况所做的努力具有偏见，即忽视社会价值和道德价值，固守范畴不同性和相似性的严格分类。而这正是抱怨司法过程中过分使用逻辑的要点。当然，“过分使用逻辑”这种措词是不适当的，因为当社会价值及其它区别在解释法律规则和将具体情况归类的过程中被忽视时，判决与其说是逻辑的，不如说正是适当认可了这些因素。换言之，逻辑并未决定词义解释和归类范围，因为解释和归类已预先承认了社会价值及其区别。这就说明了为什么事实上，在一个严格解释模式普遍存在的制度中，总会出现更多的法官将规则的含义视为已预先确定了的情况。

三、发现的方法和估价的标准

在考虑司法推理的描述理论和规范理论时，重要的是要区别：1．关于法官实际作出判决时的一般过程及思维习惯的主张；2．关于应遵循的司法判决的建议；3．评价司法判决的的标准。其中第一个涉及描述性心理学，就其在此范围内超越所观察的事例的描述而言，它属于经验的普遍化或心理学规律。第二个涉及法律判决的艺术或技术，这个范围的一般化理论是司法技术的原理。第三个涉及评价判决或证明判决为正当的问题。

有人主张，既然法官作出判决时并未经过以法律规则或判例为出发点的推论过程或思考过程，那么认为在判决中以法律规则为大前提的演绎推理有其作用则是错误的。这种主张是混乱的。因为通常来说，问题不在于法官事实上或应该怎样作出判决，而在于法官在证明判决为正当时尊重了何种准则，不论判决是如何作出的。此外，在判决中有没有逻辑存在或许是个事实问题，不管作出判决的靠深思熟虑，还是靠直觉顿悟。

四、简单案件和模糊规则

在区别上述三个问题时，还会出现另外两个问题。其一是，在一项法律规则的含义和可适用性毫无疑问时，法院怎样审判“简单”案件；其二是，在承认相关法律规则和判例具有模糊性时，法院怎样判决。

1．简单案件

即使法院承认作为判决前提的法律规则绝对地确定了一个具体结果，某些理论家仍是宣称，法院不会这样承认的。他们以为，法院总是“在选择”，并以为，不同主张只能溯及既往地合理化。这种怀疑论的产生原因常常在于混淆了发现的方法和评价的标准这两个问题。尽管如此，它有时却得到如下两个事实理由的支持：即使法院没有适用清楚地规定了明确结果且又可适用的规则，这也不是一个可惩罚的过错；一个判决仍是有权威性的，而且如果是由最高法院作出的，那么这个判决就是最终的。正因为如此，怀疑论主张。虽然法院在判决中表现出一定程度的规律性。但法院从来不是必须如此，它仍总是自由地决定如何判决。怀疑论的观点混淆了判决的终局决定性和判决的确实可靠性，利用了“法院必须尊重法律规则”这句话中“必须”一词的含义存在着争论这个事实。

当然，这种怀疑论无论怎样无法为人所接受，它也的确是有其价值的。因为它使人们清楚地意识到，要想充分说明“简单案件”何以成为简单案件，或一般规则何以清楚地绝对地可适用于具体案件，不是一件容易的事情。规则自己不会举例，事实情况也不会等着法官简单地用可适用于它们的规则去分类。规则自己也不会适用自己，即使在最简单案件中，也必须由人来适用它们。有人以为，简单案件是那些人们一致同意它们属于规则规定范围内的案件。令人感兴趣的是，有人又以为，应将这种一致同意归之于语言常规中必有一致同意这个事实。但是，将这种一致同意归之于后者是过于简单化了，因为它没有考虑到法律用语具有不同于日常用语的特殊规范性，或考虑到明确表述的或普遍共认的法律实施的目的会制约着语词意思。而全面考察这些问题则是研究法律解释的主题。

2．模糊规则

有些判决过程没有表现出以明确的法律规则作为大前提的演绎推理形式，以至人们往往将其描绘为法官任意审判的过程。虽然较多的司法过程的经验性研究还有待人们去进行，但是很明显，如果因此便以为逻辑演绎和任意判决二分式描述已详尽无遗地说明了司法过程，那么显然是自欺欺人的。即使法律规则对某种结果没有明确的规定，法官一般也不会强加他们的个人爱好或盲目地选择某种判决理由。使用“选择”和“自由裁量权”，或“创造性活动”和“缝隙立法”等词汇描述判决，并不意味着法院的确是不说明理由而任意判决，何况任何法律制度都认可运用自由裁量权这类判决方式。

法院判决时所面对的实际情况不是在真空中，而是在一套现行的法规的运作中出现的，这一点十分重要。在这种运作中，根据实际情况而作出的各种考虑，都可以看作是支持判决的理由。这些考虑范围是广泛的，包括各种各样的个人的和社会的利益，社会的和政治的目的，以及道德和正义标准。它们一般可以用原则、政策和准则这样的术语表达出来。在某些案件中，也许只有某个考虑是相关的，它可以象一条法律规则一样明确地作为判决的根据。但是在许多案件中并不如此，法官也许会将这些考虑结合起来加以思索，安排其先后，并以为这样就足以支持他作出的判决，尽管每项单独的考虑做不到这一点。根据实际情况作出的考虑经常是相互冲突的，法院不得不权衡它们以确定何者为优先。当法院必须从判例中抽出的规则中进行选择时，或必须考虑眼前案件在相关方面是否足以相似过去案件时，或在引用判例中遇到相互冲突时，也要权衡这些考虑。

五、证据规则

采纳并估价证人证言，从其他陈述中推出事实陈述，承认某些陈述作为证据是可能的或比其他陈述更具可能性，或者承认这些陈述“没有合理的疑点”，这些是法院认定证据的活动。当谈到这些活动展现了法律推理的特殊模式，谈到法律证据不同于一般证据的时候，人们倾向于参照证据法中的排除规则（这种规则要求法院在查明事实问题时，不去理会逻辑上不相关的事情〕，或参照比一般推理准则更多或更少重视逻辑上相关的问题的各种推论。

最著名的排除规则的例子是排除“传闻”规则，即不采纳证人提供的关于他人所说的话的报告作为证据（会有某些例外），无论其多么令人可信。排除规则的另一例子是：当一个人被指控犯罪时，有关他过去类似犯罪的定罪及处理的证据，不能作为他现在被指控的犯罪的证据。比一般推理准则更多或更少重视某些事实的规则的一个例子是这样一种推论：除非相反的情况被证明为没有合理的疑点，否则一名妇女在婚姻期间所生的孩子就认定是夫妻双方的孩子。

逻辑推理排除法篇6

［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

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。

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

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”。

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。

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

（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。