逻辑推理知识点篇1
在教学实践中，“逻辑学”、“逻辑与批判性思维”、“法律逻辑学”等课程在培养和提升大学生的理性思维和理性人格等方面有着重要的作用，并产生了良好效果。但由于课程内容和结构的单一性和注重理论知识教学的倾向性，导致学生在以逻辑思维实践能力测试等应用性的知识运用中掌握的知识不扎实不系统，学生运用逻辑思维和知识解决实际问题的能力较差。第一，解决怎样实现教学定位从“教会学生解题或探讨题目”到“教会学生现实使用”。近年来，越来越多的学生在努力考取教育硕士、工程硕士、国家公务员，在这些考试中有一个共通的地方就是要考察学生的逻辑知识，其考察重点并不是学生关于逻辑知识的学习情况，而是偏重在考查学生逻辑思维运用能力，即何把外在的基本逻辑知识转化成内在的逻辑分析能力。
在公务员、事业单位、选调生等考试中多数考生分数较低，原因是由于公务员考试的行政职业能力测试科目的重要内容之一就是逻辑判断，主要测试考生应用逻辑知识解决实际问题的能力。由于学生仅掌握了一定的理论知识，但应用实践能力不强，造成较多考生在逻辑试题上虽用了大量时间却没有做好，其他题目也受到了影响，造成行政职业能力测验单科成绩较低，影响了考试的整体成绩。第二，解决怎样实现教学目标从“知识掌握”到“能力培养”转移的问题。逻辑自身的性质决定了它不仅是一门理论知识，更重要的是一种运用逻辑思维分析和解决问题的能力的应用工具。在教学过程中，要引导学生树立“理论实用、掌握使用、动手能用”的学习理念，通过丰富的教学形式培育学生的兴趣，激发学生学习的创新动力。第三，解决怎样实现教学方式从“主动教”到“被动教”转变的问题。在当前的形势下，国内本科学生的就业压力越来越大，而作为工具性学科的逻辑学，在学生的思维认知和具体应用中具有重要的作用，对培养其正确的认知观念和树立正确的就业思维有着不可替代地位。通过深入的研究分析和论证，更深层次研究如何提高学生学习的主动性和积极性，提出切实改变教师教学被动性的有效办法和方式。
二、应用型本科院校逻辑学课程教学改革的侧重点
一是对传统逻辑学教育理念转变的必要性和可行性进行探索论证。探讨如何转变传统逻辑学教学观念和方式，探索如何树立逻辑学教育职业化和实践化理念的具体途径，论证对逻辑学教育模式进行实质性的改革的重要性和可行性。二是研究转变课程配置的方法。逻辑学教学需要借鉴国外高校相关的课程配置，依据各专业的实际情况，开展合适方式的逻辑学课程，定制对应的教学纲要和实行不同的授课方式。以法政学院为例，在法学专业开设法律逻辑课，有利于增强学生在法律论证中的逻辑思考能力；在思想政治教育专业开设逻辑课程，侧重于开展逻辑基础性知识的学习；在人力资源和行政管理专业开设逻辑学，重点在于通过对逻辑思维知识的讲解和对批判性思维的学习，增加学生的思想和语言表达的精确性、严谨性、条理性；在文化和传媒院校开设逻辑学课程，侧重于提高学生与写作、论辩和演说等中文实践相关的逻辑思维能力和逻辑技巧。三是分析现有实践教学模式的优缺性。对现有实践教学模式的优缺性进行分析，探讨如何实现传统教学模式和应试教学模式的综合互通。过具体而深入的论证，阐述如何推动逻辑实践教学改革循序渐进，保证教学效果的稳定提升，最大程度减少教师和学生在改革期的不适。
三、应用型本科院校逻辑学课程教学改革的具体路径
（一）建立科学的教学实践反馈机制探讨如何建立一套科学的逻辑教学实践反馈机制，从而不断优化逻辑学的授课方案，切实提升逻辑学教学模式的针对性和实效性。同时，探讨如何打破教学模式单一的现状，实现逻辑教学与传统教学方式（主要是案例教学方法）双向互通，分步骤进行，促进教学效果最优化的方式方法。主要是探讨采用具体个案与传统教学模式进行互动补充的方法，深入探讨实践教学改革循序渐进的具体路径。以公务员考试中的职业行政能力考试、行政管理mpa、工程管理GCt测试为例：逻辑试题分为：（1）推断型：（2）加强削弱型；（3）集合型；（4）排序型；（5）真假话型；（6）前提型；（7）形式比较型；（8）论点型；（9）因果型；按照具体的推理规则、论证思路又分为：简单判断推理、模态判断推理、直接推理、复合判断推理、aB结构：由因诉果、Ba结构：由果诉因。答题思路又可分为：运用逻辑方阵、“假言”、“联言”、“选言”综合运用、凭语感、常识和一般的逻辑推理等。剖析逻辑题目的分类，从出题的形式中寻找题目的普遍特征和答题思路。
（二）引导学生运用逻辑学知识解决实际问题运用逻辑学知识解决实际问题的能力体现在社会上的一些热门考试中，针对于这一现状，教学体系是如何突出问题导向，将逻辑学理论知识转化为实际解题能力。教师重点要解决的是将逻辑学知识转化为解题能力，依照不同题目的实际情况采用不同的解答方式，分析研究命题人的思路，提高学生跳过思维陷阱的能力。具体教学中的讲解重点要对逻辑试题进行细化分类，在教学中用贯穿不同知识点的案例进行分析，让学生在充分理解掌握的基础上,增强逻辑解题的各种方法,从而训练并提高其逻辑思维能力。逻辑与法律的交叉，在法律逻辑的教学中，要更加注重对实际案件的逻辑推理和论证分析，引导学生在掌握了逻辑理论知识，准确运用理论知识分析研究涉法案例，培养法治逻辑思维能力。
（三）强化学生的逻辑实践学习能力通过对逻辑实践应用的教学指导，使学生更加有效地掌握和运用理论知识，增强学生运用逻辑知识解决实际问题的自觉性和主动性，使学生既熟知逻辑知识又具备运用逻辑理论分析和解决现实问题的能力。教学的实践不断证明，在课堂上精彩的逻辑谬误分析，对提高逻辑学教学效果和改善教学质量有很大帮助。在我自己的教学经历中，就会常常把收集到的各种生动有趣的逻辑案例运用在教学中，让学生具体分析，促进学生对逻辑知识理解的更快，接受的更容易。
（四）探索更加丰富有效的教学形式不断推进改革创新，不断优化教学效果。同时，注重教学过程中学生的认知主体地位和对教学过程的参与。在课堂教学中，创新并采用案例教学、多媒体教学、课堂讨论等方式，提高学生的学习兴趣，让教学过程成为“主导作用的教师”和“主动学习的学生”之间的互动作用的过程。同时，辅助以多媒体等多种教学方法，让学生切身感受逻辑知识应用的具体性和广泛性。
逻辑推理知识点篇2
关键词：逻辑学；计算机科学；谓词逻辑；人工智能
中图分类号：B812
随着社会的不断进步，计算机科学也在不断发展和完善。而在计算机科学不断取得进步的背后，逻辑学则是促使计算机科学不断前进的关键因素。逻辑学是人类认识和改造世界的有效武器，用于对形成的学说进行推理和判断。目前，逻辑学已被应用于社会科学和自然科学等学科中，而对于逻辑学的研究则是学术界的热门研究对象，它是人类永恒的主题。对于一些比较复杂的内容就要用更复杂的推理方法进行逻辑推理。逻辑学目前的学生分支有以下几个：传统逻辑；经典逻辑；扩展的逻辑；变异的逻辑以及归纳逻辑等等。
随着计算机技术的不断发展，逻辑学与其关系也更加紧密，在实际运用过程中，通过将人类的推理简单化，使得计算机技术能够代替人的推理成为可能，而目前，一些可能已经实现。数学逻辑在计算机方面的应用，尤其是硬件设计方面的应用使得逻辑学成为计算机科学的一个关键的理论，而且与命题与谓词演算关系密切。在计算机方面，对程序进行设计时，要将所有的推理和计算过程都编入程序里，计算机进行运行。如果程序出现一点点问题，都会对结果产生很大的影响。因此，对于逻辑学在计算机方面的研究就变得非常重要，逻辑学中的一些逻辑问题以及各种逻辑之间的联系对于逻辑学在计算机科学的研究来说，也显得至关重要。本文主要通过命题逻辑、谓词逻辑以及人工智能为例来说明逻辑学在计算机科学中的应用。
1命题逻辑和谓词逻辑在关系数据库中的应用
首先介绍一下数据库，数据库是计算机数据处理的核心部分，同时也是当代计算机技术的重要组成部分。而数据库管理系统是关系数据库中用于向用户提供使用数据库的语言，也被成为数据子语言。谓词逻辑也是一种语言研究，它是计算机中的数学基础，而对于数据子语言的改进和优化也成为谓词逻辑的化简问题。
命题逻辑是逻辑系统中最基本的一种逻辑，它可以将命题逻辑的推理归纳成简单的代数演算-命题演算，而命题演算又是命题逻辑能够在电路设计等得到应用的重要原因，命题演算由于推理局限和表达问题不能很好的应用于知识表示和知识推理。命题演算里的原子命题，顾名思义，它是不能再被分解的，可用于研究命题间的关系，但其应用又是很不充分的。
符号逻辑系统中比较关键的是一阶谓词逻辑。由于一阶谓词逻辑的研究比较完善和成熟，同时可以用来表示种类众多的语句，还可以用旧知识直接求得新知识，因此，符号逻辑系统中的一阶谓词逻辑是一种很有效的推理方法。一阶谓词逻辑既能对众多非古典逻辑奠定基础，又能找出新语句的导出来源。一阶谓词逻辑可以为“归结反演原理”提供求解方法。因此，谓词逻辑在逻辑程序设计和人工智能系统中得到很好的推广和应用。
2逻辑学在人工智能中的应用
人工智能作为计算机科学的一个重要分支，是解决计算机如何能表现出人类智能的问题。而人工智能的知识表示方法、归纳推理方法等对于计算机如何表现出人工智能来说至关重要。在对人工智能进行研究的同时，要重视知识表示、知识推理和知识运用等基本问题。谓词逻辑语言的演绎过程的形式化能帮助研究者更好的理解人工智能知识表示及推理中的某些子命题。其中，逻辑学中的经典逻辑在人工智能研究知识表示、知识推理，应用逻辑规则等方面也起到关键的作用，能为数学语句准确定义，经典逻辑是人工智能研究领域的数学基础。pRoLoG，是基于逻辑的程序设计语言，同时也是建立在逻辑学的理论基础之上的，pRoLoG是逻辑学家开发的一种描述式语言。pRoLoG语言以谓词逻辑为其表现形式，以消解原理为其实现基础。
3逻辑学在计算机科学中的作用及意义
对着科学技术的不断发展，计算机科学的发展也在不断进步和完善。计算机科学之所以能有这么快的发展和提升，逻辑学是主要原因，逻辑学是推动计算机科学前进的主要动力，对于计算机科学来说，逻辑学从硬件设计和软件处理两方面都起到很大作用。同时，逻辑学对于计算机的产生和发展也起到很大的促进作用。首先，从硬件设计来讲，命题逻辑和逻辑代数主要应用在计算机的电路设计中，同时在命题逻辑的基础上又发展了组合逻辑和时序逻辑等新的逻辑学。其次，从软件如理来讲，逻辑学对于计算机语言和程序的应用和发展又有很大的贡献。二值逻辑为现代计算机的发展奠定了理论基础，逻辑学在计算机的整个发展过程中都要用到，也就是说，计算机科学的发展离不开逻辑学，反过来，计算机科学和数字技术的不断发展，对逻辑学提出更大挑战，同时推动逻辑学的不断发展。由于起初的计算机只是对数字进行计算，之后，随着计算机科学的不断发展，计算机对文字进行处理，现在多媒体也在不断发展中，而计算机的这些发展，都是以逻辑学的应用为前提的，因此，计算机科学在智能化革命中瓶颈问题的解决和突破都依赖于逻辑学的不断完善和突破，学者对于逻辑学的研究在计算机科学中的应用有重要的意义，理应受到关注和重视。
4结语
对于数学逻辑来说，其最大优势就是将复杂的人类推理化解成简单而又原始的机械操作，正是因为有了逻辑学，人类才能制造出机器和计算机这些高科技来替代人的推理，而到目前为止，一些设想也已成为现实。在计算机中，要先设定程序，之后才能进行推理等过程，机器才能运算和操作。随着社会的不断进步，人们对于时间的把握，要求快速、正确的编写出程序，且要将程序的错误降到最低，这对于逻辑学也是一个重大挑战，因此，逻辑学在计算机科学中的地位日益重要。而对于科学技术来说，它要求人类有对科学技术的认识和实践过程，而对于科学技术来说，在科技上的每次理论或实践上的突破，同时也都是科学方法和方法论上的一种创新。作为计算机科学的研究者和使用者，人类应该充分重视和应用科学技术方法，用科学的方法去探索逻辑学在计算机科学中的应用。不仅要重视科学方法的理论和应用，更要将两者有效结合，让逻辑学在计算机科学中发挥最大效用，反过来，也能利用计算机科学丰富科学方法论。
参考文献：
[1]王岚，乐毓俊.计算机智能推理与智能教学[m].北京：北京邮电大学出版社，2005.
[2]布勒斯.可计算性与数理逻辑[m].北京：电子工业出版社，2005.
[3]王国俊.数理逻辑引论与归结原理[m].北京：科学出版社，2006.
[4]胡思.面向计算机科学的数理逻辑系统建模与推理[J].机械工业出版社，2005.
逻辑推理知识点篇3
［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。”
逻辑推理知识点篇4
［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?(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??ahref=//shiti.7139.com/3034/target=_blankclass=infotextkey>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ㄍ评砗蜕窬缪澳p陀牍槟裳爸幸延械某晒岷掀鹄础V挥姓庋拍茉谝延械墓槟裳俺晒希诨鞴槟珊突鞣⑾稚先〉眯碌耐黄坪徒埂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。
逻辑推理知识点篇5
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。
逻辑推理知识点篇6
一、培养前提：让学生打好双基，练好基本功
扎实的基础知识是培养逻辑思维和逻辑推理能力的基础，是前提。如果学生对数学基础知识都不能掌握，就根本谈不上逻辑思维的培养了。
例1：下列四人图像中，是函数图像的是（）
分析：此题考察函数的概念，“对于X的每一个值，y都有唯一的值与它对应”，“一个X，有唯一一个y”这是概念的实质，如果学生没有练好基本功，对“函数”这个概念理解不透彻，就有可能选错。本题应选（C）。
二、培养训练过程：要分阶段，循序渐进地进行。
1、第一阶段――准备与入门（可在七年级有意识地进行）
例2：解方程（一元一次方程）
解：4（2x-1）-2（10+1）=3（2x+1）-12（去分母）
8x-4-20x-2=6x+3-12（去括号）
8x-20x-6x=3-12+4+2（移项）
-18x=-3（合并同类项）
x=（系数化为1）
说明：象这样的题目，要求学生能说出或写出方程的每一步变形的依据，这样可使学生受到简单的逻辑推理训练，培养学生做到落笔有据。言之有理的良好逻辑思维习惯。
2、第二阶段――使逻辑思维与逻辑推理能力逐渐成熟
在初步了解什么是推理证明，并能完成较为简单的证明后，就得重点培养学生的逻辑思维和逻辑推理能力。首先要求学生学会对较为复杂的题目进行分析，既要会从已知条件入手，经过推理论证得出结论，也要学会从结论入手，探索要使结论成立需要什么条件，当需要的条件是题目的已知条件时，问题就自然解决了。其次，教师要以身作则，对书写格式要严格要求，一招一式，典型示范。再次，对学生在解题中出现的错误推理，应帮助学生找出产生错误的原因，及时纠正错误。
例3：如图，已知四边形aBCD是等腰梯形，过对角线交点o作eF平行于aB，求证：e0=oF
分析：（1）要证eo=oF，需证aoe≌BoF；
（2）要证aoe≌BoF，只需证∠1=∠2，∠3=∠4和ao=Bo；
（3）要证∠1=∠2，∠3=∠4和ao=Bo，只需证∠5=∠6；
（4）要证∠5=∠6，只需证aBC≌BaD。然而由已知条件，
易证aBC≌BaD，于是命题得证。
证明的书写格式，按“综合法”的思路倒过来写，现证明如下：
证明：在aBC和BaD中
aB=Ba
∠aBC=∠BaD
aD=BCaBC≌BaD（SaS）
∠5=∠6∠1=∠2，ao=Bo
又eF//aB∠3=∠4
aoe≌BoF（aSa）oe=oF
3、第三阶段――灵活运用所学知识，进一步提高学生逻辑思维与逻辑推理能力。
在前两个阶段的基础上，对较为复杂的题目，教师应加强引导，充分发挥学生想象力，多角度分析，用不同的思路、方法证明题目，从而提高学生的逻辑思维水平，并灵活进行逻辑推理证明，使学生能针对题目灵活、简捷地完成逻辑推理证明。
例4：如图，aB是o的直径，C在aB延长线上，CD切o于D，DeaB于e，求证：∠eDB=∠BDC
图1图2图3
图4图5
思路一：如图1，因联想“直径所对的圆周角是直角”，于是连结aD，则∠aDB=90°，则有∠eDB=∠a=∠BDC
思路二：如图2，由“切线垂直于过切点的半径”，于是连结oD，则∠oDC=90°（因∠oDB=∠oBD），∠BDC+∠oDB=90°，所以∠eDB=∠BDC
思路三：如图3，直径aBDe，想到“垂径定理”，于是延长De交o于F，B结BF，则BD=BF，那么∠F=∠eDB，又∠BDC=∠F（弦切角定理），故∠eDB=∠BDC
思路四：如图4，因“过直径端点的垂线是圆的切线”，于是，过B作BGaB，交CD于G，由“切线长定理”有BG=DG，则∠BDC=∠GBD，又BG//De，则∠GBD=∠eDB，故∠eDB=∠BDC
思路五：如图5，连结oD，过B作BmCD于m，证BDe≌BDm，得到∠eDB=∠BDC
三、辅助训练：数学语言的训练
数学中的概念、定理、法则，甚至符号、图形都可以看成是数学语言。语言是思维的载体，思维水平和推理过程靠语言的表达而表现出来（包括文字语言、符号语言）。在进行逻辑思维与逻辑推理能力培养的同时也要同步进行数学语言的训练。特别是初中几何数学中，更应注意数学语言的教学。
例5，对于图形：
逻辑推理知识点篇7
一、简易逻辑进入中学数学教材的理由简析
1.符合数学新课程教育理念．
这次数学课程改革是在分析我国建国以来数学教育的历史及现状，分析国外数学课程情况的基础上，根据国外数学课程改革趋势，结合我国的实际和数学课程的特点提出了一些新的数学课程理念．其中之一是数学教学要适应学生的可持续发展，简易逻辑进入中学教材正是实现这个课程理念的有效途径．逻辑是研究思维形式、思维规律和思维方法的科学，是一门帮助人们正确思维、带有工具性质的科学，所以逻辑对学生来说既是未来社会所需要的，又是个体发展所必需的；既对学生走向社会适应未来生活有帮助；又对学生智力训练有价值．由于社会经济的发展，人人必须掌握一些关于数学语言的数学知识，而数理逻辑是应用数学语言的典范，所以逻辑知识进入数学教材也是社会经济发展和个人发展的需要．
2.逻辑知识的掌握是一个人成才的必要条件．
人们在社会中，时时刻刻都离不开推理和判断，而推理和判断属于逻辑学范畴，所以思维形式、思维规律及一些简单的逻辑方法对一般人是必需的，更是一个人成才离不了的．
⑴可以帮助人们正确地认识世界．
认识世界离不开思维，从而离不开对思维规律的运用．如果我们有正确的前提，并且把思维规律正确地运用于这个前提，那么结果必定与现实相符，正如同解析几何的演算必定与几何作图相符一样．形式逻辑虽然只从特定角度研究一部分思维规律，其作用有一定的限度，但是它的适用范围却非常广泛，给人们提供了一个从已知到未知的认识方法．科学中许
多定理、真命题、规律都是运用逻辑知识得来的，如欧氏几何、罗氏几何、黎曼几何、牛顿定律等等．
⑵可以帮助人们正确地论证和说明自己的观点．
生活在现实中的人，都有一定的思想，对任何一件事都有他自己的观点．思想离不开表达，观点离不开论证，不论是表达，还是论证，都是一个运用概念进行推理、作出判断的过程，只有学习和运用形式逻辑，才能明确表达概念作出恰当判断得出合乎逻辑的结论．并且论证有力，首尾一贯，前后关联，这样，别人才能了解你的思想，接受你的观点．
⑶在接受和领会别人的思想（如听课、听报告、听别人谈话、看书）时，可以做到完整、准确、提纲挈领，抓住要点、领会其精神实质．
（4）在现实生活中，有些人违背客观规律、逻辑规律而得出一些结论即谬论，为论证谬论，他们采取各种手法进行诡辩，而逻辑知识是推翻这些谬论、揭穿这些诡辩的有力工具．
3.逻辑是学习数学必备的知识．
由以上叙述可知，日常生活、工作都离不开基本的逻辑知识，学习更是如此．其实逻辑是一门公共课程，学习各门功课的过程，实质上是逻辑知识的应用过程，对数学的学习尤为重要（1）可以培养学生进行简单推理的技能，发展学生的思维能力．（2）有利于学生的数学学习．其一有利于学生对数学基本知识的学习．数学基础知识就是用逻辑来阐明的，要全面理解概念、掌握规律和运算法则，就离不开对逻辑知识的掌握和运用，如数学分析中的函数极限概念，在中学，由于学生逻辑知识的贫乏，只能用自然语言来形象地给出，而这样给出的概念不确切，学生只能定性理解，不能定量把握，若用数理逻辑中的谓词演算公式给出则美观大方，简单明了．其二有利于基本技能的掌握，基本技能就是逻辑方法在解决数学问题中的应用，如证明，就是使用某些已知的真命题，判定另一个命题的真实性的逻辑方法．通俗来说，证明就是应用逻辑知识讲道理．
二、逻辑和数学的关系
逻辑与数学既相互联系，又相互独立，既相互作用，又相互促进，相互渗透，共同发展．
1.数理逻辑是数学的一个分支．
首先数学起源于公元前3000年，数理逻辑是近300年产生的，特别是近100年才发展起来的一门科学．16世纪30年代莱布尼茨对当时数学界广泛关注的求切线和求面积问题进行了研究，取得了划时代的成果即创立了微积分，但很不完善，还需要将大量的思想表达成具体的内容，使之内容系统化、符号化．当时数学在这一方面有点欠缺，很难解决这个问题，于是莱布尼茨对数学符号化继续进行研究，再经过布尔等人的努力，产生了数理逻辑，所以数理逻辑是数学发展到一定阶段的必然结果，是把数学上的形式化方法，应用到逻辑领域的结果．其次，数理逻辑被广泛应用于数学领域．例如，数学的支柱学科即数学标准分析，它是在从数学中彻底赶出无穷小后，在柯西建立极限论的基础上建立起来的．但是，数学家没有忘记无穷小，因为它在数学中做出过杰出贡献，为了使无穷小重新回到数学中，不少数学家一直奋斗不息，直到20世纪，由逻辑学家用数理逻辑的一支模型论的方法严格论证了起源于莱布尼茨的转移原则，是无穷小得到合法地位，从而在R上建立了微积分，称为非标准分析．再次，数理逻辑的研究方法，是数学上的形式化方法，研究的对象相当一部分是数学中的逻辑问题，综合以上三点可以看出，数理逻辑是数学的一个分支．
2.数学是数理逻辑的一部分．
数理逻辑是用数学方法来研究数学中演绎思维和数学基础问题的，数学是研究数量关系和空间图形的一门科学，数学是数理逻辑的一部分，其原因有二：（1）数量关系和空间形式是以数理逻辑提供的思维形式为工具，并按照数理逻辑提供的思维规律进行研究，如公理集合论，证明论等．（2）数学可以由逻辑推导出来，也可以用逻辑的方法和概念来规定数学的概念，证明数学的命题．因此，数学是一种应用逻辑的特殊形式的演算，即数学是逻辑的特例如，非标准分析．
3.数学与逻辑是相互渗透，相互作用，共同发展．
数学学科正式创立于公元前6世纪，逻辑起源于公元前4世纪，这二者差不多是同时产生的，在发展过程中，既有交叉又有分离，它们是在交叉与分离不断转化过程中生长的．如数理逻辑是数学和逻辑发展到一定阶段共同作用的产物，并且，随着对数理逻辑的深入研究，使逻辑和数学都得到了很大发展，所以数学与逻辑是相互作用、相互渗透、共同发展的关系．
三、教材中的简易逻辑
1.对教材中简易逻辑的一些认识．
简易逻辑的教学，既要使学生掌握简单的逻辑知识，又要为学生学习更深、更多的逻辑知识打下基础．通过教学实践，对本单元内容有三点认识：
（1）命题是数理逻辑中最基本、最重要的概念，其他理论都是围绕命题展开的，学生对命题概念掌握的程度直接影响后面其他内容的学习，所以在教学中对命题概念的教学不宜过简．
命题概念教材上是用一句话和几个正面的例子给出的，在教学时还应指出，命题是用句子给出的，而句子有陈述句、疑问句、祈使句、感叹句等．表达命题的语句是陈述句，需要注意的是能够判断命题的真假与是否知道它的真假是两回事．
（2）教材第一章讲了三部分内容：集合、不等式、简易逻辑，它们的安排顺序是先讲集合，再讲不等式，最后讲简单逻辑．以前教材中没有简易逻辑，学生对集合、不等式中的有关知识都是不自觉应用简易逻辑而学习的，教学中，集合中交集、并集、补集的概念及集合相等的证明，不等式中的“或”、“且”的应用是教学上的难点，难的原因正是由于学生对简易逻辑中逻辑连接词没有深刻理解造成的，所以，教学时若能先让学生系统学习简易逻辑知识，再学习集合与不等式效果更好．
⑶ 简易逻辑的编排是按三部分编排的，简易逻辑的教学要考虑到它是非纯数学内容，要从逻辑本身的特点和规律出发，既要使学生掌握简单的逻辑知识，又要为学生继续学习逻辑打下基础，所以本单元若按命题与逻辑连接词两大部分进行教学，在四种命题及充要条件上适当予以加强，可以使学生整体把握，理解深刻．
2.教学上的疑点
（1）命题．
命题是从思维形式方面对客观现实的反映，它具有表述、报道的作用，而且通过表述、报道显示出一种肯定与否定功能，指明对某事物的认识和理解是对的或错的．它涉及两个问题，第一，一个句子是不是命题，对简单命题，前面已有叙述，要补充的是，悖论不是命题．看一个命题是不是复合命题，不能仅从自然语言意义上看，更重要的是分析语句所表达的逻辑思想，逻辑内容，不能仅看命题中是否含有“或”、“且”、“非”、“如果……那么……”、“当且仅当”等逻辑连接词，有些语句中含有逻辑连接词，这个语句是不是命题还要看这些逻辑连接词是否连接两个命题或开语句，若是就是命题，否则就不是命题．另有些语句虽然不含逻辑连接词，但意思关联中含有逻辑连接词的意思，那么它们也是复合命题，在具体运用时，要将它们改写成含逻辑连接词的形式．需要注意的是在复合命题中，用逻辑连接词连接的命题，有时有某种内在联系．
（2）逻辑连接词．
逻辑连接词是经历了漫长的岁月才总结得到的．它是对自然语言进行分析，从中把带有逻辑成分的连接词提取出来形成的，可以看作是自然语言的一种模式．它有两种意义：一是结构意义，是由逻辑系统所决定的；二是语义意义，是由逻辑系统投射于某个客体域之上而赋予的，即是逻辑系统经过解释而取得．所以逻辑连接词的意义与自然语言中连接词的意义不完全相同，前者决定于逻辑系统，后者决定于语言系统．例如：“且”在自然语言中表示两种同类事物的并列关系，在数理逻辑中，两种事物在意义上可以毫不相干．如：他可能是100米或400米赛跑的冠军，它属于“可兼或”，是含“或”的复合命题．有一些句子虽然含“或”但它不是命题，如：他昨天做了二十道或三十道习题，这只表示了习题的近似数目，教材中所讲的逻辑连接词共有五个：“或”、“且”、“非”、“如果……那么……”、“当且仅当”.
（3）真值表．
真值表是逻辑系统对逻辑连接词的解释，也是命题演算的法则．从教学实践得知，学生学习简易逻辑的难点是复合命题真假的判别与对复合命题的否定，只要学生深刻理解真值表，掌握真值表的应用，这个难点就可以得到突破．
逻辑推理知识点篇8
关键词：地理教学；简单数学思维模式；地理逻辑思维能力
在中学地理教学中，地球运动、等值线地图等教学难点常常是老师费尽九牛二虎之力，效果却总是不尽人意，而且这些难点不同老师处理方式不同，学生掌握起来难易也明显不同，本人长期在教学第一线，并听取了同行的大量公开课、竞教课、考调课，总结出了“巧用简单数学逻辑思维模式轻松突破中学地理教学难点”的心得，也可理解为用地理逻辑思维轻松突破，并在长期的教学实践中不断验证和完善，效果良好，现阐述如下：
一、简单数学逻辑思维模式原理
有的同学看到数学逻辑思维模式，就被吓着了，其实我们这里说的数学逻辑思维模式非常简单，就是连小学生都会的简单逻辑推理，常见形式表达如下：
（一）逻辑Ⅰ（最简单）：
如：中国首都北京（40°n，116°e）
（二）逻辑Ⅱ（最灵活）：
如：3+2=？，3+？=5；？+2=5
实质：三个条件，任意已知两个，求第三个
推广：四个条件，任知三个，求第四个
二、巧用简单数学逻辑思维模式轻松突破地理教学难点运用实例
（一）逻辑Ⅰ数学思维模式在地理教学中的运用
逻辑Ⅰ其难点主要体现在地理知识的综合性，不同地理要素间联系十分密切，关键是在平常的学习中要理清各知识间的逻辑联系，才能做到一环套一环的推导，推出需要的条件，从而完成题目。逻辑Ⅰ在区域地理中的运用就能充分说明：考题中最常见的就是定位，位置一定，一系列的自然特征和人文特征就逐一推导出来了。
（二）逻辑Ⅱ数学思维模式在地理教学中的运用实例
若在地理教学中能很好地运用逻辑Ⅱ数学思维模式，地理教学的很多难点将会迎忍而解，地理教学中有很多难点知识的实质就是逻辑Ⅱ的思维模式，可惜很多老师都没能把这些难点转化为逻辑Ⅱ的思维模式去教，更不要说学生了，于是就导致学生常常学一类型，就只会这一类型，稍一变化就又做不来了，学生总感觉变化无穷一样，而逻辑Ⅱ数学思维模式才是真正把握了这些难点的实质，掌握了这种思维方式，一切变化就在掌握之中，就能触类旁通、灵活运用。本人在长期的一线教学中分析了大量地理难点的实质，很多都能转化为逻辑Ⅱ数学思维模式，既把握住了实质，又能灵活运用，收到事倍功半的良好效果，受到学生的高度认可。逻辑Ⅰ与逻辑Ⅱ的联用又使很多难题变得更加灵活，现举两个典型的实例运用加以说明。
1、用逻辑Ⅱ数学思维模式轻松突破地球自转意义和公转意义。
（1）昼夜更替：昼夜更替看似自转三个意义中最好理解的，最简单的，其实变化是最灵活的，充分体现了越简单越灵活的特点，很多老师都没把昼夜更替讲透，导致学生不会做日照图的题，或学一类型，就只会这一类型，更谈不上灵活变化了。如果按逻辑Ⅱ数学思维模式来讲解，将会取得意想不到的效果。从逻辑Ⅱ的思维模式理解为：三个条件，任知两个，可推出第三个，如下图。
我们这里暂时把这三个条件自命名为日照图三要素：自转方向、光照方向、晨线（昏线），尽管日照图有正侧视、正俯视，侧俯视、示意图等各种变化，但都离不开这三要素，奥妙就在于三个条件，任知两个，可推出第三个的变化。
（2）时差：由于地球的自转，全球产生了时间差异，对于时间的计算，也常常是教学的难点，从逻辑Ⅰ的思维方式理解为：已知一个地点的时间全球任何地点的时间（遇到算时间的题，只要能找到一个已知地点的时间即能完成）
从逻辑Ⅱ的思维模式理解为：
两个地点（经度），两个对应的时刻，四个条件，任知三个，可求第四个（方法是画数轴，东+西-）
（3）地球上水平运动物体的偏移
逻辑Ⅱ的思维模式理解：
（4）用逻辑Ⅱ数学思维模式轻松突破地球公转意义――正午太阳高度的计算的变化（上图）
2、用逻辑Ⅱ数学思维模式轻松突破等值线的灵活变化。
逻辑Ⅱ数学思维模式，将使等值线的灵活变化变得易如反掌，如下图，限于篇幅，不再赘述。
参考文献：
[1]王树声主编：《中学地理教材教法》，高等教育出版社，1995版.
逻辑推理知识点篇9
【关键词】基础性；工具性；影响力
逻辑学作为一门基础性学科，是用来构建人类思想的工具。作为一门支柱性学科，逻辑能够促进社会朝更加理性的方向发展。不管是创新人才的教育培养，还是科学理论的建立以及技术的进步，都与逻辑紧密相关。而目前在我国，逻辑学并没有获得与其自身相符合的社会地位，而且存在被边缘化等一系列问题。高校的存在就是为培育创造型人才，提高当代青年表达和学习的各项能力。而逻辑思考能力是上述各项能力的基石，在我国逻辑学作为如此不可或缺的学科，却未能获得与之相符的地位，有人误认为它是形而上学，有人更是把它作为形式主义的一种类型。不仅如此，在高校教育体系中，逻辑学老师的数目显著减少，能力也明显降低。普通逻辑学这门课已经有退出日常教学的趋势。师资力量较弱、教学理念、方式、方法和现代教育不能很好的适应，都是造成逻辑学学科与其本身所应有的地位完全不相符的原因。所以，彻底地了解逻辑学及其地位和影响，能够进一步完善逻辑学学科各方面的良好发展态势。
一、逻辑是理性思维的工具
当时世界正处在知识经济飞速发展的时期，这个时期的最明显的特点是知识不到被创造，人如果不想落后于世界的发展，就需要具备理性思维。逻辑思维能力是人持续发展前进的产物，也是区分野蛮人和文明人的重要标志之一。在创新人才的综合素质中，科学严密的逻辑思想是十分重要的逻辑思维能力。它不仅有影响创新的作用，同时也是创新思想产生和应用的坚实基础。如果某个人没有良好的逻辑能力，很易发生定义不清晰、判断不准确、推论不符合逻辑、证明缺少说服力这类低级错误，很难理智地看清事情的最本质特征，这样虽然具有很强的创新意识，还是很难让思想准确地反映出真实状况。从某种程度来讲，创新思想的形成是循序渐进的过程，整个过程都与逻辑思维最基本的素质密不可分。
逻辑学的基础作用是对人思维的培养，作为一门应用型学科，是指导人类使用逻辑思维并进行高效交流和讨论的必备手段。而发明和创新也把逻辑科学作为基石。西方的前沿科学一直以来都把演绎和归纳逻辑作为基石，这与当今科学的迅猛发展以及令人震惊的科技的飞速发展紧密相关。在人的知识体系中，逻辑思维是最初所具备的内容之一。其理论和方式对科学的诞生和发展都具有深远影响，逻辑学是一门基础性学科，它不仅改变了自然科学，还对人文社会科学的发展起到重要作用。虽然科学分类广泛，研究内容差异巨大，研究手段各具特色，但是即使在科学如此迅猛前进的当代，逻辑仍是它所依靠并且不能背离的。每一种类型的科学均是由一连串理念、假设、推断所形成，并且随其一起不断进步。整个理论体系也会做出相符合逻辑的改善和调整。所有这些都无法离开逻辑学，无法离开对逻辑知识在现实条件下的实践。在此层面上，列宁引用黑格尔的名言：“任何科学都是应用逻辑”。所以，不管是自然科学或是社会科学，都需要建立严谨、正确并且具有逻辑的体系。如果缺少逻辑知识，未经严格的逻辑练习，人类无法拥有丰富的理论知识。任何科学内容都需要把逻辑当做基石，需要符合逻辑，不符合逻辑要求的一定不能被称作科学。在缺失逻辑的情况下，不会有任何科学的诞生。严复曾经说过：“是学为一切法之法，一切学之学。”
二、逻辑是培养人才的重要手段
逻辑思维和创新思维的培养，特别是逻辑知识积淀和内化是一个长期的过程，需要从长远进行考虑和规划，不能只贪图短期的效果。要有庞大的、全面的逻辑知识作为基础，才能更好地激发逻辑潜意识。知识积累越深厚，潜意识开发的可能性则越大。根据相关专家预计，2020年，发达国家会创建把知识创新作为基石的国家高新技术体系，而发展中国家在2040年能够完成这项任务，所以全球预计在21世纪后半世纪迈进知识经济时代。伴随着知识经济时代的来到，社会文化的基础和核心就是知识创新，同时作为国家竞争力的核心，创新型人才会起到重要作用。所以，中国需要教育培养出一批拥有创新思想、理念和能力的新型人才，在新的知识经济时代具有更强竞争力，占据更高的地位，而逻辑在这一个过程中具有不可或缺的作用。
因此，唯有让创新人才了解熟悉逻辑学知识，接受系统的训练，培养良好的逻辑素质，才可以利用创新思维完成所需要的创造。在谈论21世纪创新型人才时，钱伟长教授曾说：“学好一门功课并非仅按照此课所教的方法工作，这是由于这门课所教的内容也许在几年后甚至几十年后都没能在实践中得以运用。但是倘若我们着重培养学生的逻辑思维素养，那他们在这门课所学到的逻辑思维的方式永远都会有用武之地”。曾经听说过一个打牌的例子，两种水平差异很大者都不按照常理出牌，但是水平较差这常是胡乱出牌，输的一塌糊涂，偶然获得胜利，也纯属巧合；而水平较高者常常连出妙招，以奇制胜。这两种人最大的不同是，水平高者收到过系统的训练，知道“工欲善其事，必先利其器”，一个人如果想进一步提高创新能力，需要尽最大努力提升逻辑能力。逻辑学是一种认知方法，从已经了解的事物到未曾了解事物，它可以帮助我们增强自我学习的能力，探寻新兴事物。人们了解世界，探索未来，总是想要在保证正确率高的同时提高效率。所以，唯有彻底地明确逻辑在整个学科体系中所占据的地位和影响，同时把握好我国强力推动社会科学发展的良好机会，进一步开展逻辑学教育，重视研究工作，才可以推动逻辑学的不断前进和发展。
三、逻辑是新科学发展的重要动力
张晓芒曾经说：“思维素养是一个不可分割的整体，它对于认识、了解和创造世界具有统一概括的重要作用，它还把人类最本质的逻辑思维作为基石。所以，在思维素养的塑造过程中，只有关注到逻辑思维基石的地位，才能够在创造过程中，了解掌握并具备人各方面的特点。逻辑对的获得全新知识起到的影响，大多依靠演绎、总结和类比等等方法完成。更加具体地来说：我们能够通过逻辑演绎推理，把已知领域一般性的规律和与内容运用到其他某些非常规性的问题中，然后得到新结论和新理解；或者通过总结推理，从已知领域的非常规性的知识总结出常规性知识，拓宽我们的视野，了解新知识；另外我们还能够通过类比推理，由非常规到非常规，举一反三，以获取新知识。
人类文明发展的历程中，通过逻辑推理产生的重大科学成就数不胜数。欧几里德的几何学是依据已经存在的公理，通过演绎推理，得出了多个先前没有被发现定理。21世纪以来，我国现当代逻辑学取得的长远进步，不只为国内近代逻辑科学的进步起到继往开来的效果，让国内逻辑学进步产生巨大变化，另外它对于西方逻辑的系统输入，在某种方面上触发了我国陈旧思想方法的改革，而且让这类改革深入科学、历史学、教学、哲学等许多领域，因而它在我国社会甚至我国文化从传统转向现代的过程中具有一定的影响。爱因斯坦对此曾经评价：“我们所崇敬的古希腊是西方科学的诞生地，世界在此前所未有地见证了逻辑系统的产生，这个系统这样精确地一步步向前发展，这使其中的任一命题均成为无法置疑的―在此所说的其实正是欧几里德几何学。推理所取得的这种令人赞叹的成就，让人的理智得到了为获得未来成绩所需的自信”。举世闻名的化学家门捷列夫通过归纳推理，建立了元素周期表，提出了元素的周期律。类比推理在科学发展及取得的成就中有打开思维、举一反三的重要作用。历史中众多科学理论的提出常常由类比推理得到。康德曾说：“当理智缺少值得被讨论的想法观点的时候，类比常常可以给我们指出正确的方向”。如此可以看出，逻辑是获得新知识的重要工具。
逻辑学历史悠久而富有生命力，从古至今，不论哪个年代，不论东方、西方，逻辑学曾经都极为繁荣，有很多受人尊敬的逻辑学家，有严密的逻辑思维和震惊学术界的著作，它对人类思想的改变和文明社会的发展具有十分重要的意义。因为逻辑学对当前教育、文化、技术、科学等各个方面的进步的巨大作用，联合国教科文组织在1974年偏斜的学科类型中，清楚地把逻辑学列入七大基础学科。这七大基础学科分别是：数学、逻辑学、天文学和天体物理学、地球科学和空间科学、物理、化学和生命科学。而英国大百科全书（1977）将逻辑学写入知识五大分科的第一位，这五大分科分别是：逻辑学、数学、科学（包括技术、自然、社会科学）、历史学和人文学（主要指语言文字）、哲学。通过这些可以看出逻辑学在社会历史中产生的难以磨灭的影响。
参考文献
[1]黑格尔.逻辑学[m].人民出版社，2002.
[2]孙中原.逻辑哲学讲演录[m].广西师范大学出版社，2009.
[3]王克喜.中国语言与中国逻辑[m].中国戏剧出版社，2006.
[4]王习胜，张建军.逻辑的社会功能[m].北京大学出版社，2010.
逻辑推理知识点篇10
一、使学生切实掌握数学基础知识及必要的逻辑知识
数学学科的基础知识，是思维的依据，而这些基础知识严密的逻辑体系，又是逻辑思维的基本形式和方法在演绎过程中的充分显示和运用.教学中应该高度重视这一点，在指导学生循序渐进地学习数学基础知识的同时，适当地介绍有关逻辑的初步知识，要求学生有意识地去领会、理解并逐步掌握这些逻辑思维的基本形式和方法，保证思维的正确性和合理性.例如，结合教学内容，适时地介绍概念定义的方式、概念的正确分类方法、推理与证明的规则和方法等，就可以避免和防止诸如分类的重复和遗漏、没有依据的推理证明等逻辑错误，就可以让学生逐步体验数学知识的逻辑体系，提高逻辑思维能力.
二、提高学生分析和综合、抽象与概括以及推理证明的能力
在数学中，对用数学符号表示的文字或图形的分解与组合、寻求证明途径、推理论证都离不开分析与综合，在教学中结合具体实例，经常反复地阐明这种思维方法，会促进学生逻辑思维能力的提高.分析与综合在证明时思考方向的不同可分为分析法与综合法.分析与综合从逻辑思维方法的角度来看，还有另一种含义：分析就是把思维对象分成若干部分来考察；综合就是把各部分考察的结果结合起来，形成对整体的认识.在教学中，经常地运用这种方法，阐明其思维过程，树立“化整为零、积零为整”的思想观点，是培养学生逻辑思维能力的有效途径.
例1求证mn（m2-n2）（m、n为整数）一定是3的倍数.
这道题我们可以分以下几个步骤考察：
①若m、n有一个是3的倍数，结论成立.
②若m、n都不是3的倍数，且m，n被3除的余数相同，则3│（m-n），即3│mn（m2-n2）；
③若m、n都不是3的倍数且被3除后的余数不相同，一为3k+1型，一为3k+2型（k为整数），则3│（m+n），即3│mn（m2-n2）.
综合以上三个步骤的考察，即可得出原命题的正确性.
抽象与概括也是一种逻辑思维的方法.在数学中，要形成概念，获得命题，建立公式和归纳法则等都需要运用它，数学中若能有意识地经常展现这一逻辑方法的思维过程，也是培养学生逻辑思维的有效途径.
例2对于│a│（a为任意实数）的教学，可采用如下表格填空：
由上述表格中的规律概括出结论：
│a│=a（a>0）
0（a=0）
-a（a
三、加强推理与证明的严格训练
首先，教师在数学教学中，从语言到板书要求严格遵守逻辑规律，正确运用推理形式，作出示范，这对中学生潜移默化的影响是相当大的.长期做好这项工作是十分必要的.
其次，必须教育学生养成严谨推理和证明的习惯，要通过课堂提问、课堂练习、课外练习，及时发现和了解学生在推理证明方向的困难和缺陷，并帮助他们克服改正.
再次，随时指出并纠正学生在推理论证中犯的错误.这也是进行推理和证明训练不可忽视的工作.
例3求证：1=2.
证明：假设a=b，那么a2=ab
a2-b2=ab-b2
（a+b）（a-b）=b（a-b），即a+b=b