时间：2023-06-16 16:06:17
开篇：写作不仅是一种记录，更是一种创造，它让我们能够捕捉那些稍纵即逝的灵感，将它们永久地定格在纸上。下面是小编精心整理的12篇逻辑学研究方向，希望这些内容能成为您创作过程中的良师益友，陪伴您不断探索和进步。
按照目前我国学科目录设置，逻辑学为哲学一级学科下的一个二级学科，逻辑学具体学科一般也设置在哲学系或哲学学院下的某个二级学科教研室或研究所。我国高校中哲学系(院)开设逻辑学硕士点或博士点也并不多，逻辑学专业研究生毕业时获得的学位是哲学硕士(博士)。另有少数高校曾经或者正在招收逻辑学专业本科生，主要由哲学系或数学系执行，学生毕业时获得的学位是哲学学士或理学学士。近些年，随着国内逻辑学者学科背景和学术经历的丰富以及国际交流的增多，逻辑学和其他学科的交叉研究变得越发活跃，主要体现在逻辑学与计算机科学、基础数学、语言学、法律、心理学等学科的交叉研究中。
二、以逻辑为核心的相关课程通识
教育存在的问题目前逻辑通识教育虽较之以前被重视了很多，但以普通逻辑为核心的逻辑通识教育仍存在较多问题，究其原因，我们认为主要有以下几点:首先，逻辑通识教育内容和逻辑学专业研究脱节。目前国内逻辑学通识教育课程涉及的多为普通逻辑和批判性思维等内容，而这些内容很难作为授课老师自身逻辑学专业研究的内容和方向。这使得逻辑通识教育和逻辑研究在授课老师那里成为两件不太相关的事情，极容易造成“教学科研两张皮”。于是，在面对科学研究、职称晋升等较大压力的时候，逻辑学者尤其是青年逻辑学教师没有足够的兴趣和时间去承担逻辑或批判性思维此类通识课程的教学任务。其次，逻辑和批判性思维通识教育未能与其他专业紧密结合，只是某种必要的理性能力训练，未深入到相关专业，对学生的吸引力有限。逻辑通识教育往往作为高校的全校选修课进行开设，选课学生来自各个学院，他们的学科背景复杂，学习需求大相径庭，这也在一定程度上加大了逻辑学通识教育课程的授课难度。而另一方面，由于授课老师很难在课程内容设置上兼顾到各个学科，也使很多学生学习逻辑通识课程时会产生“意犹未尽”的感觉，他们期望能学到更多逻辑学与其专业结合得更为深入的内容。再次，逻辑学专业教育与通识教育的需求严重脱节，逻辑专业毕业生的专业技能和知识往往无法在逻辑通识教育中体现出来。而同时，一个具有很好逻辑专业技能的毕业生却不一定能成为一个很好的逻辑学通识教育的承担者。除上述原因之外，我国对批判性思维这一以逻辑论证为核心基础的重要通识课程存在较大误解，且成为认知障碍，使得批判性思维教育要么不能得到推广，要么成为抽象、空洞和教条式的课程，不能起到激发思维和创造性的作用。要解决这些问题，现阶段缺少的可能正是处于专业教育和通识教育之间的逻辑教育和素质训练。
三、专业逻辑研究和教育的定位分析
如前所述，目前国内逻辑研究的学科交叉主要体现在哲学、数学、计算机、语言学、法学、心理学等领域。随着学科交叉研究的深入，逻辑学研究成果如何能得到交叉学科领域的认同?其他学科所不能替代的逻辑学研究方向和研究内容如何发展?逻辑学专业毕业生的职业规划如何?上述种种涉及专业逻辑研究和教育的定位问题也显得越来越重要。下面以数学和计算机两个与逻辑学研究联系较为紧密的学科为例，简单分析目前专业逻辑研究和教育的定位问题:在数学方向上，几乎每个大学都有数学本科专业，硕士点和博士点也很多，每年毕业的数学研究生数量庞大，整体上可能已经供大于求，尤其是基础数学专业。一般情况下，哲学背景的逻辑学研究生如果从事偏向数学基础的研究，比如以传统四论和两个演算为基础的数理逻辑方向，学生整体上学术水平较难跟数学专业的研究生竞争;更何况这样的研究在数学界也只需要较少人来从事，工作岗位稀缺，此方向的就业前景受到一定挑战。所以，除了那些特别有研究天分和能力特别强的数学基础爱好者，逻辑学专业的学生应该慎重选择在哲学系背景下从事偏向基础数学方向的研究。在理论计算机方向上，国内由于逻辑学是设置在哲学下的二级学科，计算机学院较少设置逻辑学相关的专业课程，在哲学系更是几乎不开设计算机的相关课程，想从事理论计算机研究的逻辑学研究生很难得到专业的训练。近些年，虽然基于逻辑的理论计算机的研究，和面向计算机应用的逻辑研究都引起了较多逻辑学者的关注，但对于学生而言，如没有计算机专业背景，或没有经过较为系统的计算机专业课程学习，即使其硕士研究生或博士研究生研究内容为逻辑学与计算机科学交叉领域，由于其最终所得学位为哲学学位，想进入高等学校计算机学院从事科研教学工作，难度依然较大。不仅仅是数学方向和理论计算机方向存在这种逻辑专业教育困境，其他交叉领域，也存在上述问题。事实上，逻辑专业教育虽然在许多专业训练和研究中有很强的应用，但随着各个学科专业化的深入和高层次人才培养的扩张，逻辑专业的研究生在就业出路等方面受到较大挑战。各个专业可能仅仅把逻辑看作一种必要的工具，相关领域通常也设置一些准入门槛，最常见的即是所谓的专业性。这样，国内哲学学科背景下逻辑专业的学生就很难有机会真正进入数学、计算机、语言学或法学等领域。正是由于对上述各种问题的反思，我们提倡一种上有专业理论和技能、下接“地气”的，不可替代的中间层次的领域逻辑教育和素质培养。领域逻辑教育研究是指在现代逻辑基础训练之下，进行某个领域的特殊逻辑训练和研究，然后再应用于相关领域，促进相关领域本身和相应逻辑学的发展。我们期望接受过领域逻辑教育的学生，既具有较强的逻辑能力，又具有某个应用领域的基本知识，可以成为相关应用领域不可替代的人才。按照这样的思路，领域逻辑教育和研究不能仅仅局限于哲学系和哲学背景，它甚至应该从各相关专业领域或机构中直接培养。只是，按照我国高校和研究机构现状，各相关专业领域一般缺乏既具有逻辑学专业能力又具备相关领域专业能力的人才。从这个角度考虑，哲学中逻辑学或相关专业教育应该承担起这一领域逻辑和相应专业素质培养的社会功能。
四、领域逻辑教育对其他学科和社会发展的意义
领域逻辑教育既能突破逻辑通识教育专业性不足的缺陷，又能在一定程度上解决现在逻辑学专业教育和研究受众较少的困境。我们对于这种中间层次的领域逻辑教育的终极目标是:训练后的毕业生能够在其相关领域的工作中成为佼佼者。而上述目标的实现需要逻辑和具体专业领域的深入结合。这对逻辑、对其他学科和社会发展均具有积极意义。除了现在已经具有一定发展的逻辑学与数学、计算机科学、语言学、法学、心理学等学科交叉研究之外，通过领域逻辑教育，我们也期望逻辑学能进一步地和医学、社会学、经济学、教育学等领域结合，在更多层面体现领域逻辑的价值。下面以医学逻辑学、社会选择理论等领域来说明这种领域逻辑教育和研究实现的可能。与医学结合的领域逻辑:医学院校的学生，尤其是非综合性大学的学生，逻辑学知识相对欠缺。事实上，逻辑思维在医学诊断中一直发挥着重要的作用，比如医学史上消毒问题的提出，青霉素的发现等具有里程碑意义的事件，在其研究过程中都闪烁着逻辑的火花。目前国际上，基于逻辑的医学诊断、医疗专家系统等主题的研究越来越受到重视，这无疑为逻辑学在医学界发挥作用提供了更好的契机。不妨设计这样的培养模式:招收具有医学背景的逻辑学研究生，导师和培养小组按照学术基本要求以及医学相关领域独特的逻辑需求，在对学生进行现代逻辑基础理论和技能的训练基础上，要求学生专攻医学领域某些独特的逻辑方法和应用。这一独特的医学逻辑是不同于传统意义上的逻辑学研究内容的，它建立于现代逻辑基础理论和方法之上，但又与相关的医学研究领域紧密结合。学生经过这样的学习和训练之后可以直接回到相关的医学领域的前沿研究和实践中。我们期望这样的毕业生在医学研究领域的成就总体上超过没有专门经过医学逻辑训练的学生。理想结果的实现可能还需要在现阶段增加一条“双学位”的标签，即经过上述程序培养后的研究生既获得哲学学位又获得医学学位，包括硕士和博士层次。
但从目前来看，从制度上实现这种双学位的培养模式，还任重而道远。与社会学、经济学等结合的领域逻辑:费舍尔(A．Fisher)和斯克里芬(M．Scriven)曾提出批判性思维定义是“对观察和交流，信息和论证的有技巧的和主动的解释和评估”。而这种判断信息真假、质量评估、进行有效论证等工作，在信息时代具有越来越重要的意义，尤其是在社会决策、理性选择等研究领域中。因此，在逻辑通识教育和逻辑专业教育之间也可以考虑进行社会学相关领域逻辑的研究。实际上，社会活动领域中很多问题均涉及到现代逻辑的工具和方法。例如，计算性社会选择领域，涉及用逻辑学等形式化方法去处理基于信息集合的社会群体中的决策、选择等过程和规律研究。在社会选择研究中涉及的领域逻辑可能包括动态认知逻辑、决策逻辑、博弈逻辑、联盟逻辑等。这一研究领域也可进行更为广泛的学科交叉研究，比如和经济学、管理学、政治科学等结合。进行社会学相关领域逻辑研究的研究生则可以考虑招收经济学、管理学、情报学、社会学、计算机科学等专业背景的学生。当然不管是面向哪一具体领域的领域逻辑教育和研究，其学生的培养都涉及到所授学位的问题，而双学位或许是最为理想的方式。
五、结束语
【关键词】高等教育出版社《逻辑学》教材传统词项逻辑谓词逻辑自然演绎系统
【中图分类号】G64【文献标识码】A【文章编号】2095-3089（2020）19-0004-02
2017年11月6日至9日，教育部在北京组织开展了对7月份高等教育新近出版的教材《逻辑学》任课教师的全国示范培训，意在切实推进此系列教材在全国的统一使用工作。作者有幸与来自全国各个省市高校的130余位逻辑学教师接受了教材编写组中部分专家的集中培训。在三天的培训里，笔者受益良多，也发现教材中存在一些偏颇之处。本评论意在指出其中几个对理解会产生偏差的问题。几个问题主要出在书中第一章传统词项逻辑与第五章谓词逻辑的自然演绎系统中。
一、第一章传统词项逻辑部分存在的问题
传统的词项逻辑与现代逻辑在理解全称命题时候有着明显的差异。在现代逻辑看来SAP（即？坌x（SxPx））推不出来SIP（即？埚x（Sx∧Px）），当然也推不出来？埚xSx。但在传统词项逻辑中，如果词项S是非空词项的话，SAP既可以推理得到SIP，当然也可以得到？埚xSx；而如果词项S是空词项的话，SAP就推不出来SIP，也推不出来？埚xSx。除了“？坌xSx？埚xSx”这样的预设论域非空的逻辑原理外，现代谓词逻辑抛弃了传统词项逻辑对词项是否非空的区分，寻找的是对所有可能论域或世界都为真的，或不论词项是否非空都为真的逻辑原理。换句话说，现代逻辑把传统词项逻辑中那些只对词项非空才真，而对词项为空就为假的逻辑原理全都排除在了逻辑真理或原理之外。比如？坌x（SxPx）～？坌x（Sx～Px）（上反对关系）以及～？埚x（Sx∧Px）？埚x（Sx∧～Px）（下反对关系）这两个在传统词项逻辑中只要S非空就是有效逻辑原理的推理公式都被排除在现代逻辑真理之外，而是以间接的方式把其成立条件明确指明的方式接受下来，即（？坌x（SxPx）∧？埚xSx）～？坌x（Sx～Px）以及（～？埚x（Sx∧Px）∧？埚xSx）？埚x（Sx∧～Px）是现代逻辑的逻辑真理。同样的，当差等关系也被表达成（？坌x（SxPx）∧？埚xSx）？埚x（Sx∧Px），才为现代逻辑接受为逻辑真理。所以在讲授传统词项逻辑时候，特别要注意指出对当方阵中的哪些推理关系、哪些三段论格式以及换质、换位以及换质位方法的成立是否依赖于以及依赖于哪些词项非空。在此问题上，本书的讲述有几处明显问题。
1.比如在教材第77页中，编者说：“最后需要说明的是，使用文恩图解法还可以清晰地表明本章第三节所描述的传统逻辑关于直言推理的有效式，也都是在词项非空的条件下获得的。”这句话是错的。这是因为，本章第三节不但讲了对当方阵所体现的有效直接推理，也讲了对A、E、I、O命题的换质法，也讲了对E、I命题的换位法，而且讲了A（也应该有O）命题的换质位。很显然，除了对当方阵中反对关系、下反对关系、以及差等关系的成立需要“词项非空”这一预设，上述其余直接推理的成立都不需要这一预设。比如？埚x（Sx∧Px）？圮？埚x（Px∧Sx）（I命题换位法）是普遍成立的，既不需要预设词项S不是空词项，也不需要预设词项P不是空词项。其余类似。
2.在教材第77页中，接着上句话，编者说：“最后需要说明的是，使用文恩图解法还可以清晰地表明本章第三节所描述的传统逻辑关于直言推理的有效式，也都是在词项非空的条件下获得的。若取消词项非空预设，SAP：PIS为无效式，而传统对当方阵中的差等关系、反对关系、下反对关系以及依据它们的推理也都不再成立，而只有矛盾关系及依据它们的推理仍然成立。请读者用文恩图对上述结论加以证明。”这句话即便抛开上一条指出的错误之外还有问题。鉴于作者明确说要求“词项非空”，而在第32页本章开头，作者说“传统逻辑所指的‘词项’是指充当直言命题的主项与谓项的概念。”所以说，本书上在要求“主项和谓项”都要非空这一预设，不难看出，这与传统教科书在讲授对当方阵时候，指出反对关系、下反对关系、以及差等关系的成立仅仅依赖于“主项非空”这一预设差异巨大，因为很显然，这会使得传统教科书认定的无穷多的依据这三条关系的有效推理在本书中被判定为无效的。比如，传统教科书会认为：“对现实世界来说，如果所有人都法力无边，那么有些人法力无边。”这个推理是有效推理，而本书则认定为无效。[1]
3.另外本书编者在本章第70以及第78頁中说：“三段论有256个可能式，在有词项非空的预设条件下，共有24个有效式；在没有词项非空的预设条件下，共有15个有效式”。由于本书编者实际上是在要求三段论中所有词项非空，这句话也有问题。编者并没有仔细说明哪些三段论的成立依赖于哪些词项非空。若此要求不加限制，显然会排除“所有神仙都不爱财，所有爱财的都是人，所以有人不是神仙。”这样的传统教科书认定为有效的三段论如EAO-4会被判定为无效，而在传统教学中其有效性仅仅依赖于中项非空。
亚里士多德24式有效三段论中有15式无条件有效三段论被现代逻辑直接接受外，其余9式中，有5式有条件有效三段论依赖于“小项非空”这一预设，有3式有条件有效三段论依赖于“中项非空”这一预设，有1式有条件有效三段论依赖于“大项非空”这一预设。[2]若直接不加区分地要求“词项非空”，而不仔细区分哪些格式三段论依赖大项、小项或中项的非空条件，很显然，理由同上一条，会使得无穷多的传统逻辑教科书中认定为有效三段论在本书中被判定为无效，在这一方面，本书的撰写存在一定问题。
二、第五章谓词逻辑的自然演绎系统中存在的问题
本书的谓词逻辑自然演绎系统是在第三章的命题逻辑自然演绎系统的基础上添加全称与存在量词引入与消去四条规则构成的。但本书所讲述的谓词逻辑系统并不是经典的一阶谓词逻辑系统，这是因为其存在消去规则与全称引入规则的设置都存在着明显的问题。
很明显，若x在A中自由出现，则证明第4与5步都会出现新常量c，进而第7步骤的概括是不合编者自己给出的全称引入规则的，其余11个例子也是如此。
三、结语
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。
关键词：因明学；根本思想
自上世纪八十年代起，因明学一直备受社会各界学者的广泛关注，因明学的研究发展也有了很大的进步，但是对因明学思维规律的把握却见仁见智。对因明学思想规律的准确把握十分重要，这不仅关乎因明学的研究方向，同时对因明学的发展方向也有着举足轻重的作用。通过对因明学产生的、发展的历程和与佛教关系的探究，笔者认为，因明学的思维规律是在对知识精进与舍弃的统一发展中来实现自悟与他悟，同时这也是因明学持续发展的方向。
一、因明学的产生
因明学在印度起源于满足人们对论辩的需要，最早的雏形来源于古印度正统婆罗门哲学派别于祭祀的辩论，在相互的论辩中，人们开始注意论辩的方法和技巧，渐渐形成了固定的推理形式。[1]释尊本身善于应用逻辑的“立式”与“破式”来说理。佛灭后演化出的部派佛教，为了厘清义理，非常重视逻辑的推理，从后来（约于公元50年）编集的《大毗婆沙论》中，即可看出端倪。因明论典传译到藏地后，经过历代藏人的钻研，而有进一步的发展，在一问一答的辩经中，将佛法的深意剖析入微。
二、因明学发展历程
（一）量的标准化发展
量在初期的说法有很多，因明学家的量论主要是源于对正理学派量论的扬弃，正理派认为量有四种：相量、比量、譬喻量和声量。现量指的是由人的感官直接接触过程中所得到的知识，它有无误、决定（即知识无增减的直取与外界）、不可显示（即离开名词只于外界直接接触的知识）三个特征。比量指的是特殊事物到特殊事物的类比推理。譬喻量是由与已知物相似而进一步了解未知物。声量，即得自可信之人的演说的知识。量之所以被区分成为如此繁多的品类，是因为没有以一个统一思维标准进行归纳。
在五支论中，因支的自身功能功能：证宗，得到明确，随着其演绎化的程度不断加深，宗支得证的可靠性也愈发增强。在十支论中，因支除作为立宗依据之外，为了使人们的智能和知识得到增长，专门在因支的后面附带了解说因支的释因支。到了五支论阶段，释因支被去除，标志着古因明更专注于为宗成立提供理由。在初期的五支论中把因分为代表“因”的“生因”和代表“果”的“了因”，“了因”实际上就是关心因阐述之后他人是否对其了解，因支的功能尚不明确，到了五支论后期，这一点得到改变，在《瑜伽师地论》中，将因定义为“谓为生就所立宗义，依所引喻”，至此，因支的主要功能真正确立。尽管五支论式在推理形式上有了一定的进展与突破，但仍然无法摆脱论辩的遗风，其中第四支和第五支只是对前三支的整理与总结，似乎也是多余繁琐的。因此，陈那对古因明的论式加以
至此因明的发展被分为古、新两个阶段向。陈那所创建的三支论式之所以被后人称为新因明，不仅仅是因为对古因明论式形式的精简，更重要的是对喻支和因支进行了合理的改造。在古因明中喻支只是简单举例到演绎推理的过渡，而到了新因明中喻支已经具有了完全演绎推理的性质，其一，在五支论中喻是特殊的命题，而在三支论中喻变成了一个普遍的命题，喻与宗的关系从特殊和特殊发展为一般和特殊；其二，在五支论中同喻与异喻缺乏必然的联系，在三支论中同喻与异喻是有因必有果，无果必无因的对值关系；其三，在新因明中的喻除了有喻依还有古因明中的喻体，增强了推理的必然性，解决了古因明的一些缺陷。
此外，陈那的新因明体系中区分了同品和异品事物，故而在此基础上，陈那将因法在同异品中有、非有、有非有三种情况进行完全排列组合，形成了九句因，并从中归纳出了其因三相理论；实际上，陈那是通过因法与同品事物和异品事物间的关系，将单纯的证明宗有法具备宗法性质扩大到了证明与宗有法相同或相异的全部事物是否具有宗法的情况，从而在此基础上演绎地建立起了与因支与宗支间的必然联系。使得因的证宗属性的可靠性增强。
从因明论式的不断变迁中，论式不断的去繁求简，而学理性不断增强，对因果联系的认识也不断的深化，符合佛教的发展逻辑。适应了古因明满足论辩到新因明满足自悟、悟人的倾向需求，体现了因明学不断舍弃和精进的特点。
三、因明学与佛教的联系
（一）因明学与佛教联系密切
逻辑学在世界上主要有三个起源：古希腊逻辑、中国先秦时期的名辩学和印度的因明逻辑，三者都与认识论问题有着密切的联系。因明逻辑产生于宗教气息浓厚的印度，因明从诞生就受了佛教天然的影响。因明学是特定的佛教逻辑，佛教的基本义理中，三法印被认为是佛教与其他流派学说想去别的标准和试金石， “诸行无常”和“诸法无我”道出了世间万法皆空，无自性。因而人们不应执着于痛苦的物与我；而“涅磐寂静”又指明了在无限舍弃的同时，人们的一切和烦恼皆尽，处于寂静安然的常住世界。由此，可以看出佛家在“有”与“无”之间深刻的理解，作为佛教逻辑不可缺少的一部分因明学，也是为这种思想的传播服务的，也必然是精进和舍弃的统一。
（二）因明论式符合佛教义理的精神
因明学带有佛性自觉思维这一特点，在因明的量论与三法印的关系有着深刻的体现：
“诸行无常印”和“诸法无我印”所强调的是，事物由众多因缘合和而成，因此是非永恒的，而真正的自我即灵魂，由于世间万物都是不断变化的，因而有无常推出无我，不可能存在一个真正不变的自我。“涅磐寂静印”是指，熄灭了烦恼无明之后净化了的人精神境界，肯定了事物空性的本质。现量由于是纯感性的认识，范围狭小，只能获得关于诸行无常印，和诸法无我印的知识。要进入涅磐境界获得事物的实相，就需要比量，比量能够得到关于事物共相的知识，而其所观见的共相即是涅磐境界中事物的空性，因为事物的实相超离了世俗万物的生灭流转变化，人们在思维中比量所认识的并不是自相，而是以空性为实体看不见得摸不到的实相即共相。
佛家对因明有着极为深刻的影响，有诸多相通之处，探究因明的中心思想需要借助与对佛教义理的深刻理解。在对因明逻辑学的探索中，佛家对因明的影响，并与中国名辩学、古希腊逻辑学比对研究，在比较中深入，在舍弃的同时精进。
【关键词】藏传佛教因明；内明；关系
一、藏传佛教因明的发展和传播的角度分析两者关系问题
因明是藏族文化大五明之一，它是早在1200多年前随着佛教的传入藏地，最早可追溯到藏王墀松德赞（755——797年）请寂护到藏地弘法。寂炉与藏人法光先译出陈那的《因轮论》，之后，吉祥积译出了莲花戒的《正理滴论前品摄》。这一时期中藏族的“三大译师”（玛格硪罗追、俄·洛丹喜饶、萨班·贡噶坚赞）译出了许多陈那和法称的因明典籍。萨班·贡噶坚赞首次著作藏族人自己的因明《正理宝藏论》14世纪，藏地最有影响的佛教学者是布顿仁钦珠巴（1290—— 1364年），在因明学方面，他著有《量抉择论注释明显句义论》等。稍后，萨迦派后期学者仁达瓦童慧（1349— 1412年）亦有一部综述陈那因明的著作。仁达瓦曾为宗喀巴、贾曹杰、克珠杰之师，他的因明思想对格鲁派有一定的影响，宗喀巴《因明七论入门》中就曾提及：“系尊者仁达瓦之主张” 14、15世纪格鲁派始祖宗喀巴亦详细地研究了陈那、法称的因明，并提出了新的看法。宗喀巴发挥了法称后学教义派的思想，更注重于因明的知识论内容，并把因明与内明融为一体，故藏地亦把因明称之为量论。经过无数藏族学者的研习吸收、消化改造、提高发展，变成了藏学中一个闪光的组成部分。这些学者大量翻译因明融入藏族的本体文化中，从而有机地与藏族本体文化融入到了一起。这就说明因明随着佛学内明的传入而传入的，并非独立转播和研习，通常在藏地各寺院的佛学院里要学五部大论时候无一列外地把因明也是放在首要研习的地位，从而不难看出它与内明的关系不是单一的而是两者已经混在一块了，不能单一地讲因明同样也是不能单一地讲内明，开始学习因明时就已经讲到了内明的基础部分，因此，无论如何都是不能分开讲解的。为此萨迦班智达说：“不学若成遍知者，因果之理哪有谁？”又说：“如果不学能成遍知者，因果之说就成就了谎言。”弥勒菩萨在《庄严经论》中也说：“如果不精通五明，即便是大菩萨也成不了佛。”多识仁波齐说：“佛学是一门独立在高度发达思维科学基础上的，以精神的哲理为主要内容的高级人文科学，没有较高的语文、逻辑知识水平和良好的思辨能力，想了解其深理，只能被看做是一种好的愿望而实际上并无此可能。”这就足以说明学习佛理就要精通因明的思辨规律才能遍知内明。
二、逻辑学、内明、因明三种关系的角度来分析两者的关系问题
逻辑就是思维的规律，逻辑学就是关于思维规律的学说。内明是佛陀讲的理论，即五部大论。佛教在印度创有四个支派，经部、有部、唯识、中观派，他们都讲因明，没有哪个教派不将因明作为学习佛教的内明的基础。
有学者认为因明是佛家逻辑、佛教辩论，并没有把它看成佛学的内明组成的一部分，仅仅当做逻辑学，我们学习因明的不难看出因明既是逻辑学，又是内明的组成部分。为什么这么说呢？原因是在佛教发展到今天，它不是一成不变的，内明的学习方法和修行方法也随着地理环境、文化背景等因素也会本土化。因明的认识论部分和因理部分都在讲佛家最高思想缘起论，始终极力证实佛教的最高思想。再回过头来为什么说是它是逻辑学呢？在讲因明时候它是主要靠逻辑的推理和归纳来思维方法来学习内明。但并非是西方形式逻辑，它当中包含的精密的逻辑思维、系统的推理论辩形式，以及丰富的认识论，已经使得它有了一个自己的独立而完整的知识体系和结构。多识教授说：“以揭示人类认识规律，锻炼提高思维能力为宗旨的因明学，早在一千二百多年前就与佛教一起传入了藏区，经过无数藏族学者的研习吸收、消化改造、提高发展，变成了藏学中一个闪光的组成部分。”因明是藏学的一个组成部分，内明也是藏学的一个组成部分，两者是各自独立存在的。另外，“因明的思辩方式不仅在学术领域被广泛应用，而且在藏民族的日常生活交流中也应用的相当普遍，实用性非常强，不仅被学经僧人在日常修行、读经、讲法是随时运用，而且学过因明的一般学者之间交流学术观点时也都离不开辩明是非的辩论形式。”可见，因明学的应用领域和范围是相当广泛的。三者之间着你中有我，我中有你的形式，但不能完全地说因明和内明无分别的可以等号的。多识教授在《爱心中爆发的智慧》一书中，总结和概括了佛学所具备的四个主要特征：知识性，理辩性，情感性，实践性。而因明学也同样具备知识性，理辩性，实践性等特征。首先，从理辩性特征看，作为逻辑推理的因明学，它自身所具备的理辩性特征是不容质疑的。“格鲁派各大寺院将《因明论》作为五部之首，大力学研弘扬，其目的就是保持发扬佛法的理性特点。”不仅如此，“藏传佛教中的每个命题笼统地是说不清楚的，必须从逻辑上讲通讲透，必须经过辩论。”佛教并非是盲目的迷信崇拜，而是以理性思辩为基础和框架建构起来的。其次，从知识性特征看，藏传因明从严格意义上来说，是应该称为“量学”的。这正是由于它本身所具备的知识性特征这一点上说的。因为藏传因明并非仅仅只是一个逻辑推理的学科，它当中的闪光点在于它还包括了认识论的部分。而在它的认识论部分当中，始终贯穿着内明（佛学）方面的知识。最后，从实践性特征看，“佛教重视理论知识，因为一个不懂佛法义理知识的人，不可能产生正信正见，一切真知正见都来自对佛法的学习，即闻思修。”“佛教起信的正道是闻思修。‘闻’是学习经典理论；‘思’是动脑筋，应用自己的智慧，进行分析、辨认；‘修’是根据认识的道理，经过反复实践，达到亲证亲验。”在闻思修的过程中，始终离不开逻辑、推理、思辩的因明学，通过因明的辩论，可以增强僧人对高深而玄妙的佛法义理的理解，从而破除邪见和种种偏执。在这样的实践过程中，既掌握了辩论技巧，提高了逻辑思维能力，同时也领悟了佛法。因而，从因明和内明所具备的知识性，理辩性，实践性等特征来看，因明和内明之间是可以找到契合点的，这种契合点使得我们不能简单地将因明只看作是研习内明的工具。这种契合点使二者有种互相依赖而又互相补充、完善的意味。
三、因明讲述的具体内容来分析与内明有着怎样的关系
因明的主旨在求真。《因明正理门论》开宗即云“为欲简持能立能破义中真实，故造斯论”。形式逻辑只关心立破论式的规则通不通、合理不合理而已，它的论式与论旨是两回事，因此它不涉及论旨之真实。因明学是求证论旨真实为主旨的，至于论式之理则则是附带的。佛教认为名能诠义，佛法的真实之理是可以运用因明方法来显现。内明在于证真，因明在于论真，一知一行本应合一。总之克珠杰在《正理庄严破除心暗论》中说：“所谓内明”指的就是教导破除心中无明，开发无我智慧的知识理论。“因明”是以理辩明是非之意。量学因明以正理论证人无我、法无我教义而阐明慧学，若这还不算“内明”，什么可算“内明”呢？如果说因明的思辨性非内明的话，佛经中也有许多用因明推理思辨规则组成的说理之语，因此，佛经也无资格称作“内明”了。这还能说得通吗？
不管怎么说内明和因明在大五明中虽然学科分为另类，根据上述很清楚地看到两者不可能分开学习，分开研究。不管学习和研究哪一个都将两者精通才能有所成就，否则将本末倒置，寸步难行！
参考文献
[1] 因明鼻祖陈那法师著.集量论[M].德格出版社出版， 1983 第2版.
[2] 多识仁波齐著.爱心中爆发的智慧[M].国际文化出版公司，2010年6月第一版.
[3] 多识仁波齐著.藏学研究甘露[M].甘肃民族出版社， 2003年9月.
[4] 克珠杰著.正理庄严破除心暗论[M].民族出版杜，1984年版.
［关键词］人工智能，常识推理，归纳逻辑，广义内涵逻辑，认知逻辑，自然语言逻辑
现代逻辑创始于19世纪末叶和20世纪早期，其发展动力主要来自于数学中的公理化运动。当时的数学家们试图即从少数公理根据明确给出的演绎规则推导出其他的数学定理，从而把整个数学构造成为一个严格的演绎大厦，然后用某种程序和方法一劳永逸地证明数学体系的可靠性。为此需要发明和锻造严格、精确、适用的逻辑工具。这是现代逻辑诞生的主要动力。由此造成的后果就是20世纪逻辑研究的严重数学化，其表现在于：一是逻辑专注于在数学的形式化过程中提出的问题；二是逻辑采纳了数学的方法论，从事逻辑研究就意味着象数学那样用严格的形式证明去解决问题。由此发展出来的逻辑被恰当地称为“数理逻辑”，它增强了逻辑研究的深度，使逻辑学的发展继古希腊逻辑、欧洲中世纪逻辑之后进入第三个高峰期，并且对整个现代科学特别是数学、哲学、语言学和计算机科学产生了非常重要的影响。
本文所要探讨的问题是：21世纪逻辑发展的主要动力将来自何处？大致说来将如何发展？我个人的看法是：计算机科学和人工智能将至少是21世纪早期逻辑学发展的主要动力源泉，并将由此决定21世纪逻辑学的另一幅面貌。由于人工智能要模拟人的智能，它的难点不在于人脑所进行的各种必然性推理（这一点在20世纪基本上已经做到了，如用计算机去进行高难度和高强度的数学证明，“深蓝”通过高速、大量的计算去与世界冠军下棋），而是最能体现人的智能特征的能动性、创造性思维，这种思维活动中包括学习、抉择、尝试、修正、推理诸因素，例如选择性地搜集相关的经验证据，在不充分信息的基础上作出尝试性的判断或抉择，不断根据环境反馈调整、修正自己的行为，……由此达到实践的成功。于是，逻辑学将不得不比较全面地研究人的思维活动，并着重研究人的思维中最能体现其能动性特征的各种不确定性推理，由此发展出的逻辑理论也将具有更强的可应用性。
实际上，在20世纪中后期，就已经开始了现代逻辑与人工智能（记为AI）之间的相互融合和渗透。例如，哲学逻辑所研究的许多课题在理论计算机和人工智能中具有重要的应用价值。AI从认知心理学、社会科学以及决策科学中获得了许多资源，但逻辑（包括哲学逻辑）在AI中发挥了特别突出的作用。某些原因促使哲学逻辑家去发展关于非数学推理
的理论；基于几乎同样的理由，AI研究者也在进行类似的探索，这两方面的研究正在相互接近、相互借鉴，甚至在逐渐融合在一起。例如，AI特别关心下述课题：
·效率和资源有限的推理；
·感知；
·做计划和计划再认；
·关于他人的知识和信念的推理；
·各认知主体之间相互的知识；
·自然语言理解；
·知识表示；
·常识的精确处理；
·对不确定性的处理，容错推理；
·关于时间和因果性的推理；
·解释或说明；
·对归纳概括以及概念的学习。[①]
21世纪的逻辑学也应该关注这些问题，并对之进行研究。为了做到这一点，逻辑学家们有必要熟悉AI的要求及其相关进展，使其研究成果在AI中具有可应用性。
我认为，至少是21世纪早期，逻辑学将会重点关注下述几个领域，并且有可能在这些领域出现具有重大意义的成果：（1）如何在逻辑中处理常识推理中的弗协调、非单调和容错性因素？（2）如何使机器人具有人的创造性智能，如从经验证据中建立用于指导以后行动的归纳判断？（3）如何进行知识表示和知识推理，特别是基于已有的知识库以及各认知主体相互之间的知识而进行的推理？（4）如何结合各种语境因素进行自然语言理解和推理，使智能机器人能够用人的自然语言与人进行成功的交际？等等。
1．常识推理中的某些弗协调、非单调和容错性因素
AI研究的一个目标就是用机器智能模拟人的智能，它选择各种能反映人的智能特征的问题进行实践，希望能做出各种具有智能特征的软件系统。AI研究基于计算途径，因此要建立具有可操作性的符号模型。一般而言，AI关于智能系统的符号模型可描述为：由一个知识载体（称为知识库KB）和一组加载在KB上的足以产生智能行为的过程（称为问题求解器PS）构成。经过20世纪70年代包括专家系统的发展，AI研究者逐步取得共识，认识到知识在智能系统中力量，即一般的智能系统事实上是一种基于知识的系统，而知识包括专门性知识和常识性知识，前者亦可看做是某一领域内专家的常识。于是，常识问题就成为AI研究的一个核心问题，它包括两个方面：常识表示和常识推理，即如何在人工智能中清晰地表示人类的常识，并运用这些常识去进行符合人类行为的推理。显然，如此建立的常识知识库可能包含矛盾，是不协调的，但这种矛盾或不协调应不至于影响到进行合理的推理行为；常识推理还是一种非单调推理，即人们基于不完全的信息推出某些结论，当人们得到更完全的信息后，可以改变甚至收回原来的结论；常识推理也是一种可能出错的不精确的推理模式，是在容许有错误知识的情况下进行的推理，简称容错推理。而经典逻辑拒斥任何矛盾，容许从矛盾推出一切命题；并且它是单调的，即承认如下的推理模式：如果p?r，则pùq?r；或者说，任一理论的定理属于该理论之任一扩张的定理集。因此，在处理常识表示和常识推理时，经典逻辑应该受到限制和修正，并发展出某些非经典的逻辑，如次协调逻辑、非单调逻辑、容错推理等。有人指出，常识推理的逻辑是次协调逻辑和非单调逻辑的某种结合物，而后者又可看做是对容错推理的简单且基本的情形的一种形式化。[②]
“次协调逻辑”（ParaconsistentLogic）是由普里斯特、达·科斯塔等人在对悖论的研究中发展出来的，其基本想法是：当在一个理论中发现难以克服的矛盾或悖论时，与其徒劳地想尽各种办法去排除
或防范它们，不如干脆让它们留在理论体系内，但把它们“圈禁”起来，不让它们任意扩散，以免使我们所创立或研究的理论成为“不足道”的。于是，在次协调逻辑中，能够容纳有意义、有价值的“真矛盾”，但这些矛盾并不能使系统推出一切，导致自毁。因此，这一新逻辑具有一种次于经典逻辑但又远远高于完全不协调系统的协调性。次协调逻辑家们认为，如果在一理论T中，一语句A及其否定?A都是定理，则T是不协调的；否则，称T是协调的。如果T所使用的逻辑含有从互相否定的两公式可推出一切公式的规则或推理，则不协调的T也是不足道的(trivial)。因此，通常以经典逻辑为基础的理论，如果它是不协调的，那它一定也是不足道的。这一现象表明，经典逻辑虽可用于研究协调的理论，但不适用于研究不协调但又足道的理论。达·科斯塔在20世纪60年代构造了一系列次协调逻辑系统Cn（1≤n≤w），以用作不协调而又足道的理论的逻辑工具。对次协调逻辑系统Cn的特征性描述包括下述命题：(i)矛盾律?(Aù?A)不普遍有效；(ii)从两个相互否定的公式A和?A推不出任意公式；即是说，矛盾不会在系统中任意扩散，矛盾不等于灾难。(iii)应当容纳与(i)和(ii)相容的大多数经典逻辑的推理模式和规则。这里，(i)和(ii)表明了对矛盾的一种相对宽容的态度，(iii)则表明次协调逻辑对于经典逻辑仍有一定的继承性。
在任一次协调逻辑系统Cn(1≤n≤w)中，下述经典逻辑的定理或推理模式都不成立：
?(Aù?A)
Aù?AB
A(?AB)
(A??A)B
(A??A)?B
A??A
(?Aù(AúB))B
(AB)(?B?A)
若以C0为经典逻辑，则系列C0,C1,C2,…Cn,…Cw使得对任正整数i有Ci弱于Ci-1，Cw是这系列中最弱的演算。已经为Cn设计出了合适的语义学，并已经证明Cn相对于此种语义是可靠的和完全的，并且次协调命题逻辑系统Cn还是可判定的。现在，已经有人把次协调逻辑扩展到模态逻辑、时态逻辑、道义逻辑、多值逻辑、集合论等领域的研究中，发展了这些领域内的次协调理论。显然，次协调逻辑将会得到更进一步的发展。[③]
非单调逻辑是关于非单调推理的逻辑，它的研究开始于20世纪80年代。1980年，D·麦克多莫特和J·多伊尔初步尝试着系统发展一种关于非单调推理的逻辑。他们在经典谓词演算中引入一个算子M，表示某种“一致性”断言，并将其看做是模态概念，通过一定程序把模态逻辑系统T、S4和S5翻译成非单调逻辑。B·摩尔的论文《非单调逻辑的语义思考》（1983）据认为在非单调逻辑方面作出了令人注目的贡献。他在“缺省推理”和“自动认知推理”之间做了区分，并把前者看作是在没有任何相反信息和缺少证据的条件下进行推理的过程，这种推理的特征是试探性的：根据新信息，它们很可能会被撤消。自动认知推理则不是这种类型，它是与人们自身的信念或知识相关的推理，可用它模拟一个理想的具有信念的有理性的人的推理。对于在计算机和人工智能中获得成功的应用而言，非单调逻辑尚需进一步发展。
2．归纳以及其他不确定性推理
人类智能的本质特征和最高表现是创造。在人类创造的过程中，具有必然性的演绎推理固然起重要作用，但更为重要的是具有某种不确定性的归纳、类比推理以及模糊推理等。因此，计算机要成功地模拟人的智能，真正体现出人的智能品质，就必须对各种具有不确定性的推理模式进行研究。
首先是对归纳推理和归纳逻辑的研究。这里所说的“归纳推理”是广义的，指一切扩展性推理，它们的结论所断定的超出了其前提所断定的范围，因而前提的真无法保证结论的真，整个推理因此缺乏必然性。具体说来，这种意义的“归纳”包括下述内容：简单枚举法；排除归纳法，指这样一些操作：预先通过观察或实验列出被研究现象的可能的原因，然后有选择地安排某些事例或实验，根据某些标准排除不相干假设，最后得到比较可靠的结论；统计概括：从关于有穷数目样本的构成的知识到关于未知总体分布构成的结论的推理；类比论证和假说演绎法，等等。尽管休谟提出著名的“归纳问题”，对归纳推理的合理性和归纳逻辑的可能性提出了深刻的质疑，但我认为，（1）归纳是在茫茫宇宙中生存的人类必须采取也只能采取的认知策略，对于人类来说具有实践的必然性。（2）人类有理由从经验的重复中建立某种确实性和规律性，其依据就是确信宇宙中存在某种类似于自然齐一律和客观因果律之类的东西。这一确信是合理的，而用纯逻辑的理由去怀疑一个关于世界的事实性断言则是不合理的，除非这个断言是逻辑矛盾。（3）人类有可能建立起局部合理的归纳逻辑和归纳方法论。并且，归纳逻辑的这种可能性正在计算机科学和人工智能的研究推动下慢慢地演变成现实。恩格斯早就指出，“社会一旦有技术上的需要，则这种需要比十所大学更能把科学推向前进。”[④]有人通过指责现有的归纳逻辑不成熟，得出“归纳逻辑不可能”的结论，他们的推理本身与归纳推理一样，不具有演绎的必然性。（4）人类实践的成功在一定程度上证明了相应的经验知识的真理性，也就在一定程度上证明了归纳逻辑和归纳方法论的力量。毋庸否认，归纳逻辑目前还很不成熟。有的学者指出，为了在机器的智能模拟中克服对归纳模拟的困难而有所突破，应该将归纳逻辑等有关的基础理论研究与机器学习、不确定推理和神经网络学习模型与归纳学习中已有的成果结合起来。只有这样，才能在已有的归纳学习成果上，在机器归纳和机器发现上取得新的突破和进展。[⑤]这是一个极有价值且极富挑战性的课题，无疑在21世纪将得到重视并取得进展。
再谈模糊逻辑。现实世界中充满了模糊现象，这些现象反映到人的思维中形成了模糊概念和模糊命题，如“矮个子”、“美人”、“甲地在乙地附近”、“他很年轻”等。研究模糊概念、模糊命题和模糊推理的逻辑理论叫做“模糊逻辑”。对它的研究始于20世纪20年代，其代表性人物是L·A·查德和P·N·马林诺斯。模糊逻辑为精确逻辑（二值逻辑）解决不了的问题提供了解决的可能，它目前在医疗诊断、故障检测、气象预报、自动控制以及人工智能研究中获得重要应用。显然，它在21世纪将继续得到更大的发展。
3．广义内涵逻辑
经典逻辑只是对命题联结词、个体词、谓词、量词和等词进行了研究，但在自然语言中，除了这些语言成分之外，显然还存在许多其他的语言成分，如各种各样的副词，包括模态词“必然”、“可能”和“不可能”
、时态词“过去”、“现在”和“未来”、道义词“应该”、“允许”、“禁止”等等，以及各种认知动词，如“思考”、“希望”、“相信”、“判断”、“猜测”、“考虑”、“怀疑”，这些认知动词在逻辑和哲学文献中被叫做“命题态度词”。对这些副词以及命题态度词的逻辑研究可以归类为“广义内涵逻辑”。
大多数副词以及几乎所有命题态度词都是内涵性的，造成内涵语境，后者与外延语境构成对照。外延语境又叫透明语境，是经典逻辑的组合性原则、等值置换规则、同一性替换规则在其中适用的语境；内涵语境又称晦暗语境，是上述规则在其中不适用的语境。相应于外延语境和内涵语境的区别，一切语言表达式（包括自然语言的名词、动词、形容词直至语句）都可以区分为外延性的和内涵性的，前者是提供外延语境的表达式，后者是提供内涵性语境的表达式。例如，杀死、见到、拥抱、吻、砍、踢、打、与…下棋等都是外延性表达式，而知道、相信、认识、必然、可能、允许、禁止、过去、现在、未来等都是内涵性表达式。在内涵语境中会出现一些复杂的情况。首先，对于个体词项来说，关键性的东西是我们不仅必须考虑它们在现实世界中的外延，而且要考虑它们在其他可能世界中的外延。例如，由于“必然”是内涵性表达式，它提供内涵语境，因而下述推理是非有效的：
晨星必然是晨星，
晨星就是暮星，
所以，晨星必然是暮星。
这是因为：这个推理只考虑到“晨星”和“暮星”在现实世界中的外延，并没有考虑到它们在每一个可能世界中的外延，我们完全可以设想一个可能世界，在其中“晨星”的外延不同于“暮星”的外延。因此，我们就不能利用同一性替换规则，由该推理的前提得出它的结论：“晨星必然是暮星”。其次，在内涵语境中，语言表达式不再以通常是它们的外延的东西作为外延，而以通常是它们的内涵的东西作为外延。以“达尔文相信人是从猿猴进化而来的”这个语句为例。这里，达尔文所相信的是“人是从猿猴进化而来的”所表达的思想，而不是它所指称的真值，于是在这种情况下，“人是从猿猴进化而来的”所表达的思想（命题）就构成它的外延。再次，在内涵语境中，虽然适用于外延的函项性原则不再成立，但并不是非要抛弃不可，可以把它改述为新的形式：一复合表达式的外延是它出现于外延语境中的部分表达式的外延加上出现于内涵语境中的部分表达式的内涵的函项。这个新的组合性或函项性原则在内涵逻辑中成立。
一般而言，一个好的内涵逻辑至少应满足两个条件：（i）它必须能够处理外延逻辑所能处理的问题；（ii）它还必须能够处理外延逻辑所不能处理的难题。这就是说，它既不能与外延逻辑相矛盾，又要克服外延逻辑的局限。这样的内涵逻辑目前正在发展中，并且已有初步轮廓。从术语上说，内涵逻辑除需要真、假、语句真值的同一和不同、集合或类、谓词的同范围或不同范围等外延逻辑的术语之外，还需要同义、内涵的同一和差异、命题、属性或概念这样一些术语。广而言之，可以把内涵逻辑看作是关于象“必然”、“可能”、“知道”、“相信”，“允许”、“禁止”等提供内涵语境的语句算子的一般逻辑。在这种广义之下，模态逻辑、时态逻辑、道义逻辑、认知逻辑、问题逻辑等都是内涵逻辑。不过，还有一种狭义的内涵逻辑，它可以粗略定义如下：一个内涵逻辑是一个形式语言，其中包括（1）谓词逻辑的算子、量词和变元，这里的谓词逻辑不必局限于一阶谓词逻辑，也可以是高阶谓词逻辑；（2）合式的λ—表达式，例如(λx)A，这里A是任一类型的表达式，x是任一类型的变元，(λx)A本身是一函项，它把变元x在其中取值的那种类型的对象映射到A所属的那种类型上；（3）其他需要的模态的或内涵的算子，例如€，ù、ú。而一个内涵逻辑的解释，则由下列要素组成：（1）一个可能世界的非空集W；（2）一个可能个体的非空集D；（3）一个赋值，它给系统内的表达式指派它们在每w∈W中的外延。对于任一的解释Q和任一的世界w∈W，判定内涵逻辑系统中的任一表达式X相对于解释Q在w∈W中的外延总是可能的。这样的内涵逻辑系统有丘奇的LSD系统，R·蒙塔古的IL系统，以及E·N·扎尔塔的FIL系统等。[⑥]
在各种内涵逻辑中，认识论逻辑（epistemiclogic）具有重要意义。它有广义和狭义之分。广义的认识论逻辑研究与感知（perception）、知道、相信、断定、理解、怀疑、问题和回答等相关的逻辑问题，包括问题逻辑、知道逻辑、相信逻辑、断定逻辑等；狭义的认识论逻辑仅指知道和相信的逻辑，简称“认知逻辑”。冯·赖特在1951年提出了对“认知模态”的逻辑分析，这对建立认知逻辑具有极大的启发作用。J·麦金西首先给出了一个关于“知道”的模态逻辑。A·帕普于1957年建立了一个基于6条规则的相信逻辑系统。J·亨迪卡于60年代出版的《知识和信念》一书是认知逻辑史上的重要著作，其中提出了一些认知逻辑的系统，并为其建立了基于“模型集”的语义学，后者是可能世界语义学的先导之一。当今的认知逻辑纷繁复杂，既不成熟也面临许多难题。由于认知逻辑涉及认识论、心理学、语言学、计算机科学和人工智能等诸多领域，并且认知逻辑的应用技术，又称关于知识的推理技术，正在成为计算机科学和人工智能的重要分支之一，因此认知逻辑在20世纪中后期成为国际逻辑学界的一个热门研究方向。这一状况在21世纪将得到继续并进一步强化，在这方面有可能出现突破性的重要结果。
4．对自然语言的逻辑研究
对自然语言的逻辑研究有来自几个不同领域的推动力。首先是计算机和人工智能的研究，人机对话和通讯、计算机的自然语言理解、知识表示和知识推理等课题，都需要对自然语言进行精细的逻辑分析，并且这种分析不能仅停留在句法层面，而且要深入到语义层面。其次是哲学特别是语言哲学，在20世纪哲学家们对语言表达式的意义问题倾注了异乎寻常的精力，发展了各种各样的意义理论，如观念论、指称论、使用论、言语行为理论、真值条件论等等，以致有人说，关注意义成了20世纪哲学家的职业病。再次是语言学自身发展的需要，例如在研究自然语言的意义问题时，不能仅仅停留在脱离语境的抽象研究上面，而要结合使用语言的特定环境去研究，这导致了语义学、语用学、新修辞学等等发展。各个方面发展的成果可以总称为“自然语言逻辑”，它力图综合后期维特根斯坦提倡的使用论
，J·L·奥斯汀、J·L·塞尔等人发展的言语行为理论，以及P·格赖斯所创立的会话含义学说等成果，透过自然语言的指谓性和交际性去研究自然语言中的推理。
自然语言具有表达和交际两种职能，其中交际职能是自然语言最重要的职能，是它的生命力之所在。而言语交际总是在一定的语言环境（简称语境）中进行的，语境有广义和狭义之分。狭义的语境仅指一个语词、一个句子出现的上下文。广义的语境除了上下文之外，还包括该语词或语句出现的整个社会历史条件，如该语词或语句出现的时间、地点、条件、讲话的人（作者）、听话的人（读者）以及交际双方所共同具有的背景知识，这里的背景知识包括交际双方共同的信念和心理习惯，以及共同的知识和假定等等。这些语境因素对于自然语言的表达式（语词、语句）的意义有着极其重要的影响，这具体表现在：（i）语境具有消除自然语言语词的多义性、歧义性和模糊性的能力，具有严格规定语言表达式意义的能力。（ii）自然语言的句子常常包含指示代词、人称代词、时间副词等，要弄清楚这些句子的意义和内容，就要弄清楚这句话是谁说的、对谁说的、什么时候说的、什么地点说的、针对什么说的，等等，这只有在一定的语境中才能进行。依赖语境的其他类型的语句还有：包含着象“有些”和“每一个”这类量化表达式的句子的意义取决于依语境而定的论域，包含着象“大的”、“冷的”这类形容词的句子的意义取决于依语境而定的相比较的对象类；模态语句和条件语句的意义取决于因语境而变化的语义决定因素，如此等等。（iii）语言表达式的意义在语境中会出现一些重要的变化，以至偏离它通常所具有的意义（抽象意义），而产生一种新的意义即语用涵义。有人认为，一个语言表达式在它的具体语境中的意义，才是它的完全的真正的意义，一旦脱离开语境，它就只具有抽象的意义。语言的抽象意义和它的具体意义的关系，正象解剖了的死人肢体与活人肢体的关系一样。逻辑应该去研究、理解、把握自然语言的具体意义，当然不是去研究某一个（或一组）特定的语句在某个特定语境中唯一无二的意义，而是专门研究确定自然语言具体意义的普遍原则。[⑦]
美国语言学家保罗·格赖斯把语言表达式在一定的交际语境中产生的一种不同于字面意义的特殊涵义，叫做“语用涵义”、“会话涵义”或“隐涵”（implicature），并于1975年提出了一组“交际合作原则”，包括一个总则和四组准则。总则的内容是：在你参与会话时，你要依据你所参与的谈话交流的公认目的或方向，使你的会话贡献符合这种需要。仿照康德把范畴区分为量、质、关系和方式四类，格赖斯提出了如下四组准则：
（1）数量准则：在交际过程中给出的信息量要适中。
a．给出所要求的信息量；
b．给出的信息量不要多于所要求的信息量。
（2）质量准则：力求讲真话。
a．不说你认为假的东西，。
b．不说你缺少适当证据的东西。
（3）关联准则：说话要与已定的交际目的相关联。
（4）方式准则：说话要意思明确，表达清晰。
a．避免晦涩生僻的表达方式；
b．避免有歧义的表达方式；
c．说话要简洁；
d．说话要有顺序性。[⑧]
后来对这些原则提出了不和补充，例如有人还提出了交际过程中所要遵守的“礼貌原则”。只要把交际双方遵守交际合作原则之类的语用规则作为基本前提，这些原则就可以用来确定和把握自然语言的具体意义（语用涵义）。实际上，一个语句p的语用涵义，就是听话人在具体语境中根据语用规则由p得到的那个或那些语句。更具体地说，从说话人S说的话语p推出语用涵义q的一般过程是：
（i）S说了p；
（ii）没有理由认为S不遵守准则，或至少S会遵守总的合作原则；
（iii）S说了p而又要遵守准则或总的合作原则，S必定想表达q；
（iv）S必然知道，谈话双方都清楚：如果S是合作的，必须假设q；
（v）S无法阻止听话人H考虑q；
（vi）因此，S意图让H考虑q，并在说p时意味着q。
试举二例：
（1）a站在熄火的汽车旁，b向a走来。a说：“我没有汽油了。”b说：“前面拐角处有一个修车铺。”这里a与b谈话的目的是：a想得到汽油。根据关系准则，b说这句话是与a想得到汽油相关的，由此可知：b说这句话时隐涵着：“前面的修车铺还在营业并且卖汽油。”
（2）某教授写信推荐他的学生任某项哲学方面的工作，信中写到：“亲爱的先生：我的学生c的英语很好，并且准时上我的课。”根据量的准则，应该提供所需要的信息量；作为教授，他对自己的学生的情况显然十分熟悉，也可以提供所需要的信息量，但他有意违反量的准则，在信中只用一句话来介绍学生的情况，任用人一旦接到这封信，自然明白：教授认为c不宜从事这项哲学工作。
并且，语用涵义还具有如下5个特点：（i）可取消性：在给原话语附加上某些话语之后，它原有的语用涵义可被取消。在例（1）中，若b在说“前面拐角处有一个修车铺”之后又补上一句：“不过它这时已经关门了”，则原有的语用涵义“你可从那里得到汽油”就被取消了。（ii）不可分离性：如果某话语在特定的语境中产生了语用涵义，则无论采用什么样的同义结构，该含义始终存在，因为它所依附的是话语的内容，而不是话语的形式。（iii）可推导性，前面已说明这一点。（iv）非规约性：语用涵义不能单独从话语本身推出来，除要考虑交际合作原则之类的语用规则之外，也需要假定通常的逻辑推理规则，并需要把上文语句、交际双方所共有的背景知识作为附加前提考虑在内。（v）不确定性：同一句话语在不同的语境中可以产生不同的语用涵义。显然，确定某个话语的语用涵义是一个极其复杂的过程，需要综合和分析、归纳和演绎的统一应用，因此具有一定的或然性。研究如何迅速有效地把握自然语言表达式在具体语境中的语用涵义，这正是自然语言逻辑所要完成的任务之一，它将在21世纪取得进展。［摘要］本文认为，计算机科学和人工智能将是21世纪逻辑学发展的主要动力源泉，并且在很大程度上将决定21世纪逻辑学的面貌。至少在21世纪早期，逻辑学将重点关注下列论题：（1）如何在逻辑中处理常识推理的弗协调、非单调和容错性因素？（2）如何使机器人具有人的创造性智能，如从经验证据中建立用于指导以后行动的可错的归纳判断？（3）如何进行知识表示和知识推理，特别是基于已有的知识库以及各认知主体相互之间的知识而进行的推理？（4）如何结合各种语境因素进行自然语言理解和推理，使智能机器人能够用人的自然语言与人进行成功的交际？等等。
［关键词］人工智能，常识推理，归纳逻辑，广义内涵逻辑，认知逻辑，自然语言逻辑
现代逻辑创始于19世纪末叶和20世纪早期，其发展动力主要来自于数学中的公理化运动。当时的数学家们试图即从少数公理根据明确给出的演绎规则推导出其他的数学定理，从而把整个数学构造成为一个严格的演绎大厦，然后用某种程序和方法一劳永逸地证明数学体系的可靠性。为此需要发明和锻造严格、精确、适用的逻辑工具。这是现代逻辑诞生的主要动力。由此造成的后果就是20世纪逻辑研究的严重数学化，其表现在于：一是逻辑专注于在数学的形式化过程中提出的问题；二是逻辑采纳了数学的方法论，从事逻辑研究就意味着象数学那样用严格的形式证明去解决问题。由此发展出来的逻辑被恰当地称为“数理逻辑”，它增强了逻辑研究的深度，使逻辑学的发展继古希腊逻辑、欧洲中世纪逻辑之后进入第三个高峰期，并且对整个现代科学特别是数学、哲学、语言学和计算机科学产生了非常重要的影响。
本文所要探讨的问题是：21世纪逻辑发展的主要动力将来自何处？大致说来将如何发展？我个人的看法是：计算机科学和人工智能将至少是21世纪早期逻辑学发展的主要动力源泉，并将由此决定21世纪逻辑学的另一幅面貌。由于人工智能要模拟人的智能，它的难点不在于人脑所进行的各种必然性推理（这一点在20世纪基本上已经做到了，如用计算机去进行高难度和高强度的数学证明，“深蓝”通过高速、大量的计算去与世界冠军下棋），而是最能体现人的智能特征的能动性、创造性思维，这种思维活动中包括学习、抉择、尝试、修正、推理诸因素，例如选择性地搜集相关的经验证据，在不充分信息的基础上作出尝试性的判断或抉择，不断根据环境反馈调整、修正自己的行为，……由此达到实践的成功。于是，逻辑学将不得不比较全面地研究人的思维活动，并着重研究人的思维中最能体现其能动性特征的各种不确定性推理，由此发展出的逻辑理论也将具有更强的可应用性。
实际上，在20世纪中后期，就已经开始了现代逻辑与人工智能（记为AI）之间的相互融合和渗透。例如，哲学逻辑所研究的许多课题在理论计算机和人工智能中具有重要的应用价值。AI从认知心理学、社会科学以及决策科学中获得了许多资源，但逻辑（包括哲学逻辑）在AI中发挥了特别突出的作用。某些原因促使哲学逻辑家去发展关于非数学推理
的理论；基于几乎同样的理由，AI研究者也在进行类似的探索，这两方面的研究正在相互接近、相互借鉴，甚至在逐渐融合在一起。例如，AI特别关心下述课题：
·效率和资源有限的推理；
·感知；
·做计划和计划再认；
·关于他人的知识和信念的推理；
·各认知主体之间相互的知识；
·自然语言理解；
·知识表示；
·常识的精确处理；
·对不确定性的处理，容错推理；
·关于时间和因果性的推理；
·解释或说明；
·对归纳概括以及概念的学习。[①]
21世纪的逻辑学也应该关注这些问题，并对之进行研究。为了做到这一点，逻辑学家们有必要熟悉AI的要求及其相关进展，使其研究成果在AI中具有可应用性。
我认为，至少是21世纪早期，逻辑学将会重点关注下述几个领域，并且有可能在这些领域出现具有重大意义的成果：（1）如何在逻辑中处理常识推理中的弗协调、非单调和容错性因素？（2）如何使机器人具有人的创造性智能，如从经验证据中建立用于指导以后行动的归纳判断？（3）如何进行知识表示和知识推理，特别是基于已有的知识库以及各认知主体相互之间的知识而进行的推理？（4）如何结合各种语境因素进行自然语言理解和推理，使智能机器人能够用人的自然语言与人进行成功的交际？等等。
1．常识推理中的某些弗协调、非单调和容错性因素
AI研究的一个目标就是用机器智能模拟人的智能，它选择各种能反映人的智能特征的问题进行实践，希望能做出各种具有智能特征的软件系统。AI研究基于计算途径，因此要建立具有可操作性的符号模型。一般而言，AI关于智能系统的符号模型可描述为：由一个知识载体（称为知识库KB）和一组加载在KB上的足以产生智能行为的过程（称为问题求解器PS）构成。经过20世纪70年代包括专家系统的发展，AI研究者逐步取得共识，认识到知识在智能系统中力量，即一般的智能系统事实上是一种基于知识的系统，而知识包括专门性知识和常识性知识，前者亦可看做是某一领域内专家的常识。于是，常识问题就成为AI研究的一个核心问题，它包括两个方面：常识表示和常识推理，即如何在人工智能中清晰地表示人类的常识，并运用这些常识去进行符合人类行为的推理。显然，如此建立的常识知识库可能包含矛盾，是不协调的，但这种矛盾或不协调应不至于影响到进行合理的推理行为；常识推理还是一种非单调推理，即人们基于不完全的信息推出某些结论，当人们得到更完全的信息后，可以改变甚至收回原来的结论；常识推理也是一种可能出错的不精确的推理模式，是在容许有错误知识的情况下进行的推理，简称容错推理。而经典逻辑拒斥任何矛盾，容许从矛盾推出一切命题；并且它是单调的，即承认如下的推理模式：如果p?r，则pùq?r；或者说，任一理论的定理属于该理论之任一扩张的定理集。因此，在处理常识表示和常识推理时，经典逻辑应该受到限制和修正，并发展出某些非经典的逻辑，如次协调逻辑、非单调逻辑、容错推理等。有人指出，常识推理的逻辑是次协调逻辑和非单调逻辑的某种结合物，而后者又可看做是对容错推理的简单且基本的情形的一种形式化。[②]
“次协调逻辑”（ParaconsistentLogic）是由普里斯特、达·科斯塔等人在对悖论的研究中发展出来的，其基本想法是：当在一个理论中发现难以克服的矛盾或悖论时，与其徒劳地想尽各种办法去排除
或防范它们，不如干脆让它们留在理论体系内，但把它们“圈禁”起来，不让它们任意扩散，以免使我们所创立或研究的理论成为“不足道”的。于是，在次协调逻辑中，能够容纳有意义、有价值的“真矛盾”，但这些矛盾并不能使系统推出一切，导致自毁。因此，这一新逻辑具有一种次于经典逻辑但又远远高于完全不协调系统的协调性。次协调逻辑家们认为，如果在一理论T中，一语句A及其否定?A都是定理，则T是不协调的；否则，称T是协调的。如果T所使用的逻辑含有从互相否定的两公式可推出一切公式的规则或推理，则不协调的T也是不足道的(trivial)。因此，通常以经典逻辑为基础的理论，如果它是不协调的，那它一定也是不足道的。这一现象表明，经典逻辑虽可用于研究协调的理论，但不适用于研究不协调但又足道的理论。达·科斯塔在20世纪60年代构造了一系列次协调逻辑系统Cn（1≤n≤w），以用作不协调而又足道的理论的逻辑工具。对次协调逻辑系统Cn的特征性描述包括下述命题：(i)矛盾律?(Aù?A)不普遍有效；(ii)从两个相互否定的公式A和?A推不出任意公式；即是说，矛盾不会在系统中任意扩散，矛盾不等于灾难。(iii)应当容纳与(i)和(ii)相容的大多数经典逻辑的推理模式和规则。这里，(i)和(ii)表明了对矛盾的一种相对宽容的态度，(iii)则表明次协调逻辑对于经典逻辑仍有一定的继承性。
在任一次协调逻辑系统Cn(1≤n≤w)中，下述经典逻辑的定理或推理模式都不成立：
?(Aù?A)
Aù?AB
A(?AB)
(A??A)B
(A??A)?B
A??A
(?Aù(AúB))B
(AB)(?B?A)
若以C0为经典逻辑，则系列C0,C1,C2,…Cn,…Cw使得对任正整数i有Ci弱于Ci-1，Cw是这系列中最弱的演算。已经为Cn设计出了合适的语义学，并已经证明Cn相对于此种语义是可靠的和完全的，并且次协调命题逻辑系统Cn还是可判定的。现在，已经有人把次协调逻辑扩展到模态逻辑、时态逻辑、道义逻辑、多值逻辑、集合论等领域的研究中，发展了这些领域内的次协调理论。显然，次协调逻辑将会得到更进一步的发展。[③]
非单调逻辑是关于非单调推理的逻辑，它的研究开始于20世纪80年代。1980年，D·麦克多莫特和J·多伊尔初步尝试着系统发展一种关于非单调推理的逻辑。他们在经典谓词演算中引入一个算子M，表示某种“一致性”断言，并将其看做是模态概念，通过一定程序把模态逻辑系统T、S4和S5翻译成非单调逻辑。B·摩尔的论文《非单调逻辑的语义思考》（1983）据认为在非单调逻辑方面作出了令人注目的贡献。他在“缺省推理”和“自动认知推理”之间做了区分，并把前者看作是在没有任何相反信息和缺少证据的条件下进行推理的过程，这种推理的特征是试探性的：根据新信息，它们很可能会被撤消。自动认知推理则不是这种类型，它是与人们自身的信念或知识相关的推理，可用它模拟一个理想的具有信念的有理性的人的推理。对于在计算机和人工智能中获得成功的应用而言，非单调逻辑尚需进一步发展。
2．归纳以及其他不确定性推理
人类智能的本质特征和最高表现是创造。在人类创造的过程中，具有必然性的演绎推理固然起重要作用，但更为重要的是具有某种不确定性的归纳、类比推理以及模糊推理等。因此，计算机要成功地模拟人的智能，真正体现出人的智能品质，就必须对各种具有不确定性的推理模式进行研究。
首先是对归纳推理和归纳逻辑的研究。这里所说的“归纳推理”是广义的，指一切扩展性推理，它们的结论所断定的超出了其前提所断定的范围，因而前提的真无法保证结论的真，整个推理因此缺乏必然性。具体说来，这种意义的“归纳”包括下述内容：简单枚举法；排除归纳法，指这样一些操作：预先通过观察或实验列出被研究现象的可能的原因，然后有选择地安排某些事例或实验，根据某些标准排除不相干假设，最后得到比较可靠的结论；统计概括：从关于有穷数目样本的构成的知识到关于未知总体分布构成的结论的推理；类比论证和假说演绎法，等等。尽管休谟提出著名的“归纳问题”，对归纳推理的合理性和归纳逻辑的可能性提出了深刻的质疑，但我认为，（1）归纳是在茫茫宇宙中生存的人类必须采取也只能采取的认知策略，对于人类来说具有实践的必然性。（2）人类有理由从经验的重复中建立某种确实性和规律性，其依据就是确信宇宙中存在某种类似于自然齐一律和客观因果律之类的东西。这一确信是合理的，而用纯逻辑的理由去怀疑一个关于世界的事实性断言则是不合理的，除非这个断言是逻辑矛盾。（3）人类有可能建立起局部合理的归纳逻辑和归纳方法论。并且，归纳逻辑的这种可能性正在计算机科学和人工智能的研究推动下慢慢地演变成现实。恩格斯早就指出，“社会一旦有技术上的需要，则这种需要比十所大学更能把科学推向前进。”[④]有人通过指责现有的归纳逻辑不成熟，得出“归纳逻辑不可能”的结论，他们的推理本身与归纳推理一样，不具有演绎的必然性。（4）人类实践的成功在一定程度上证明了相应的经验知识的真理性，也就在一定程度上证明了归纳逻辑和归纳方法论的力量。毋庸否认，归纳逻辑目前还很不成熟。有的学者指出，为了在机器的智能模拟中克服对归纳模拟的困难而有所突破，应该将归纳逻辑等有关的基础理论研究与机器学习、不确定推理和神经网络学习模型与归纳学习中已有的成果结合起来。只有这样，才能在已有的归纳学习成果上，在机器归纳和机器发现上取得新的突破和进展。[⑤]这是一个极有价值且极富挑战性的课题，无疑在21世纪将得到重视并取得进展。
再谈模糊逻辑。现实世界中充满了模糊现象，这些现象反映到人的思维中形成了模糊概念和模糊命题，如“矮个子”、“美人”、“甲地在乙地附近”、“他很年轻”等。研究模糊概念、模糊命题和模糊推理的逻辑理论叫做“模糊逻辑”。对它的研究始于20世纪20年代，其代表性人物是L·A·查德和P·N·马林诺斯。模糊逻辑为精确逻辑（二值逻辑）解决不了的问题提供了解决的可能，它目前在医疗诊断、故障检测、气象预报、自动控制以及人工智能研究中获得重要应用。显然，它在21世纪将继续得到更大的发展。
3．广义内涵逻辑
经典逻辑只是对命题联结词、个体词、谓词、量词和等词进行了研究，但在自然语言中，除了这些语言成分之外，显然还存在许多其他的语言成分，如各种各样的副词，包括模态词“必然”、“可能”和“不可能”
、时态词“过去”、“现在”和“未来”、道义词“应该”、“允许”、“禁止”等等，以及各种认知动词，如“思考”、“希望”、“相信”、“判断”、“猜测”、“考虑”、“怀疑”，这些认知动词在逻辑和哲学文献中被叫做“命题态度词”。对这些副词以及命题态度词的逻辑研究可以归类为“广义内涵逻辑”。
大多数副词以及几乎所有命题态度词都是内涵性的，造成内涵语境，后者与外延语境构成对照。外延语境又叫透明语境，是经典逻辑的组合性原则、等值置换规则、同一性替换规则在其中适用的语境；内涵语境又称晦暗语境，是上述规则在其中不适用的语境。相应于外延语境和内涵语境的区别，一切语言表达式（包括自然语言的名词、动词、形容词直至语句）都可以区分为外延性的和内涵性的，前者是提供外延语境的表达式，后者是提供内涵性语境的表达式。例如，杀死、见到、拥抱、吻、砍、踢、打、与…下棋等都是外延性表达式，而知道、相信、认识、必然、可能、允许、禁止、过去、现在、未来等都是内涵性表达式。在内涵语境中会出现一些复杂的情况。首先，对于个体词项来说，关键性的东西是我们不仅必须考虑它们在现实世界中的外延，而且要考虑它们在其他可能世界中的外延。例如，由于“必然”是内涵性表达式，它提供内涵语境，因而下述推理是非有效的：
晨星必然是晨星，
晨星就是暮星，
所以，晨星必然是暮星。
这是因为：这个推理只考虑到“晨星”和“暮星”在现实世界中的外延，并没有考虑到它们在每一个可能世界中的外延，我们完全可以设想一个可能世界，在其中“晨星”的外延不同于“暮星”的外延。因此，我们就不能利用同一性替换规则，由该推理的前提得出它的结论：“晨星必然是暮星”。其次，在内涵语境中，语言表达式不再以通常是它们的外延的东西作为外延，而以通常是它们的内涵的东西作为外延。以“达尔文相信人是从猿猴进化而来的”这个语句为例。这里，达尔文所相信的是“人是从猿猴进化而来的”所表达的思想，而不是它所指称的真值，于是在这种情况下，“人是从猿猴进化而来的”所表达的思想（命题）就构成它的外延。再次，在内涵语境中，虽然适用于外延的函项性原则不再成立，但并不是非要抛弃不可，可以把它改述为新的形式：一复合表达式的外延是它出现于外延语境中的部分表达式的外延加上出现于内涵语境中的部分表达式的内涵的函项。这个新的组合性或函项性原则在内涵逻辑中成立。
一般而言，一个好的内涵逻辑至少应满足两个条件：（i）它必须能够处理外延逻辑所能处理的问题；（ii）它还必须能够处理外延逻辑所不能处理的难题。这就是说，它既不能与外延逻辑相矛盾，又要克服外延逻辑的局限。这样的内涵逻辑目前正在发展中，并且已有初步轮廓。从术语上说，内涵逻辑除需要真、假、语句真值的同一和不同、集合或类、谓词的同范围或不同范围等外延逻辑的术语之外，还需要同义、内涵的同一和差异、命题、属性或概念这样一些术语。广而言之，可以把内涵逻辑看作是关于象“必然”、“可能”、“知道”、“相信”，“允许”、“禁止”等提供内涵语境的语句算子的一般逻辑。在这种广义之下，模态逻辑、时态逻辑、道义逻辑、认知逻辑、问题逻辑等都是内涵逻辑。不过，还有一种狭义的内涵逻辑，它可以粗略定义如下：一个内涵逻辑是一个形式语言，其中包括（1）谓词逻辑的算子、量词和变元，这里的谓词逻辑不必局限于一阶谓词逻辑，也可以是高阶谓词逻辑；（2）合式的λ—表达式，例如(λx)A，这里A是任一类型的表达式，x是任一类型的变元，(λx)A本身是一函项，它把变元x在其中取值的那种类型的对象映射到A所属的那种类型上；（3）其他需要的模态的或内涵的算子，例如€，ù、ú。而一个内涵逻辑的解释，则由下列要素组成：（1）一个可能世界的非空集W；（2）一个可能个体的非空集D；（3）一个赋值，它给系统内的表达式指派它们在每w∈W中的外延。对于任一的解释Q和任一的世界w∈W，判定内涵逻辑系统中的任一表达式X相对于解释Q在w∈W中的外延总是可能的。这样的内涵逻辑系统有丘奇的LSD系统，R·蒙塔古的IL系统，以及E·N·扎尔塔的FIL系统等。[⑥]
在各种内涵逻辑中，认识论逻辑（epistemiclogic）具有重要意义。它有广义和狭义之分。广义的认识论逻辑研究与感知（perception）、知道、相信、断定、理解、怀疑、问题和回答等相关的逻辑问题，包括问题逻辑、知道逻辑、相信逻辑、断定逻辑等；狭义的认识论逻辑仅指知道和相信的逻辑，简称“认知逻辑”。冯·赖特在1951年提出了对“认知模态”的逻辑分析，这对建立认知逻辑具有极大的启发作用。J·麦金西首先给出了一个关于“知道”的模态逻辑。A·帕普于1957年建立了一个基于6条规则的相信逻辑系统。J·亨迪卡于60年代出版的《知识和信念》一书是认知逻辑史上的重要著作，其中提出了一些认知逻辑的系统，并为其建立了基于“模型集”的语义学，后者是可能世界语义学的先导之一。当今的认知逻辑纷繁复杂，既不成熟也面临许多难题。由于认知逻辑涉及认识论、心理学、语言学、计算机科学和人工智能等诸多领域，并且认知逻辑的应用技术，又称关于知识的推理技术，正在成为计算机科学和人工智能的重要分支之一，因此认知逻辑在20世纪中后期成为国际逻辑学界的一个热门研究方向。这一状况在21世纪将得到继续并进一步强化，在这方面有可能出现突破性的重要结果。
4．对自然语言的逻辑研究
对自然语言的逻辑研究有来自几个不同领域的推动力。首先是计算机和人工智能的研究，人机对话和通讯、计算机的自然语言理解、知识表示和知识推理等课题，都需要对自然语言进行精细的逻辑分析，并且这种分析不能仅停留在句法层面，而且要深入到语义层面。其次是哲学特别是语言哲学，在20世纪哲学家们对语言表达式的意义问题倾注了异乎寻常的精力，发展了各种各样的意义理论，如观念论、指称论、使用论、言语行为理论、真值条件论等等，以致有人说，关注意义成了20世纪哲学家的职业病。再次是语言学自身发展的需要，例如在研究自然语言的意义问题时，不能仅仅停留在脱离语境的抽象研究上面，而要结合使用语言的特定环境去研究，这导致了语义学、语用学、新修辞学等等发展。各个方面发展的成果可以总称为“自然语言逻辑”，它力图综合后期维特根斯坦提倡的使用论
，J·L·奥斯汀、J·L·塞尔等人发展的言语行为理论，以及P·格赖斯所创立的会话含义学说等成果，透过自然语言的指谓性和交际性去研究自然语言中的推理。
自然语言具有表达和交际两种职能，其中交际职能是自然语言最重要的职能，是它的生命力之所在。而言语交际总是在一定的语言环境（简称语境）中进行的，语境有广义和狭义之分。狭义的语境仅指一个语词、一个句子出现的上下文。广义的语境除了上下文之外，还包括该语词或语句出现的整个社会历史条件，如该语词或语句出现的时间、地点、条件、讲话的人（作者）、听话的人（读者）以及交际双方所共同具有的背景知识，这里的背景知识包括交际双方共同的信念和心理习惯，以及共同的知识和假定等等。这些语境因素对于自然语言的表达式（语词、语句）的意义有着极其重要的影响，这具体表现在：（i）语境具有消除自然语言语词的多义性、歧义性和模糊性的能力，具有严格规定语言表达式意义的能力。（ii）自然语言的句子常常包含指示代词、人称代词、时间副词等，要弄清楚这些句子的意义和内容，就要弄清楚这句话是谁说的、对谁说的、什么时候说的、什么地点说的、针对什么说的，等等，这只有在一定的语境中才能进行。依赖语境的其他类型的语句还有：包含着象“有些”和“每一个”这类量化表达式的句子的意义取决于依语境而定的论域，包含着象“大的”、“冷的”这类形容词的句子的意义取决于依语境而定的相比较的对象类；模态语句和条件语句的意义取决于因语境而变化的语义决定因素，如此等等。（iii）语言表达式的意义在语境中会出现一些重要的变化，以至偏离它通常所具有的意义（抽象意义），而产生一种新的意义即语用涵义。有人认为，一个语言表达式在它的具体语境中的意义，才是它的完全的真正的意义，一旦脱离开语境，它就只具有抽象的意义。语言的抽象意义和它的具体意义的关系，正象解剖了的死人肢体与活人肢体的关系一样。逻辑应该去研究、理解、把握自然语言的具体意义，当然不是去研究某一个（或一组）特定的语句在某个特定语境中唯一无二的意义，而是专门研究确定自然语言具体意义的普遍原则。[⑦]
美国语言学家保罗·格赖斯把语言表达式在一定的交际语境中产生的一种不同于字面意义的特殊涵义，叫做“语用涵义”、“会话涵义”或“隐涵”（implicature），并于1975年提出了一组“交际合作原则”，包括一个总则和四组准则。总则的内容是：在你参与会话时，你要依据你所参与的谈话交流的公认目的或方向，使你的会话贡献符合这种需要。仿照康德把范畴区分为量、质、关系和方式四类，格赖斯提出了如下四组准则：
（1）数量准则：在交际过程中给出的信息量要适中。
a．给出所要求的信息量；
b．给出的信息量不要多于所要求的信息量。
（2）质量准则：力求讲真话。
a．不说你认为假的东西，。
b．不说你缺少适当证据的东西。
（3）关联准则：说话要与已定的交际目的相关联。
（4）方式准则：说话要意思明确，表达清晰。
a．避免晦涩生僻的表达方式；
b．避免有歧义的表达方式；
c．说话要简洁；
d．说话要有顺序性。[⑧]
后来对这些原则提出了不和补充，例如有人还提出了交际过程中所要遵守的“礼貌原则”。只要把交际双方遵守交际合作原则之类的语用规则作为基本前提，这些原则就可以用来确定和把握自然语言的具体意义（语用涵义）。实际上，一个语句p的语用涵义，就是听话人在具体语境中根据语用规则由p得到的那个或那些语句。更具体地说，从说话人S说的话语p推出语用涵义q的一般过程是：
（i）S说了p；
（ii）没有理由认为S不遵守准则，或至少S会遵守总的合作原则；
（iii）S说了p而又要遵守准则或总的合作原则，S必定想表达q；
（iv）S必然知道，谈话双方都清楚：如果S是合作的，必须假设q；
（v）S无法阻止听话人H考虑q；
（vi）因此，S意图让H考虑q，并在说p时意味着q。
试举二例：
（1）a站在熄火的汽车旁，b向a走来。a说：“我没有汽油了。”b说：“前面拐角处有一个修车铺。”这里a与b谈话的目的是：a想得到汽油。根据关系准则，b说这句话是与a想得到汽油相关的，由此可知：b说这句话时隐涵着：“前面的修车铺还在营业并且卖汽油。”
［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。并且，归纳逻辑的这种可能性正在计算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?【鲇谝烙锞扯ǖ南啾冉系亩韵罄啵荒L锞浜吞跫锞涞囊庖迦【鲇谝蛴锞扯浠挠镆寰龆ㄒ蛩兀绱说鹊取＃╥ii）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]超级秘书网
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。”
[关键词]大学生 就业能力 结构 提升途径
[作者简介]王久梅（1969- ），女，唐山职业技术学院管理系党总支副书记，经济师，硕士，研究方向为教育管理与大学生就业。（河北 唐山 063004）
[基金项目]本文系河北省2011年社会科学基金项目“大学生就业问题与对策研究”的研究成果之一。（项目编号：HB11JY001）
[中图分类号]G647 [文献标识码]A [文章编号]1004-3985（2013）20-0072-02
随着大学生就业难问题的呈现，大学生就业问题成了政府、高校和科研机构的研究热点，而大学生就业能力研究是近几年从大学生就业问题研究中细分出来的新课题，它更体现了在市场经济条件下人力资源竞争的激烈性。大学生就业能力问题研究不仅直接关系到学生个体的生存和发展，还关系到我国高等教育的健康发展以及整个社会的和谐稳定，具有非常重要的现实意义和长远意义。
一、大学生就业能力的概念
能力是体力和智力的总和，是指具有一定素质的社会主体从事对象性活动的内在可能性及实际本领，是主体的综合素质或内在本质力量的外化活动和水平体现。人的能力不是一成不变的，它是在后天的社会实践中不断完善，不断提高的。关于大学生就业能力的概念在国内外也有各种说法，各种观点的分歧就在于是否把专业性能力归属于大学生就业能力的范畴之内。在这里，我们把大学生就业能力界定为大学生能够获得工作、保有工作、做好工作并不断获得晋升的持续发展能力的总和，是一种综合能力的体现。既然是综合能力，自然包括专业性能力。之所以这样界定，是因为在理工类学科以及一些前沿科学的高精端学科，用人单位在招聘技术人才时，专业是用人单位首先要考虑的问题，在专业对口的情况下，再考虑应聘者的综合素质，比如生物科学行业、应用物理学行业、机电行业、建筑行业、医学行业等。
二、大学生就业能力结构
结构是系统中各要素的相互联系方式，大学生就业能力结构的研究是大学生就业能力研究的瓶颈。研究大学生就业能力结构可以为测量和评价大学生的就业能力，探讨大学生就业能力的发展特点以及提高大学生的就业能力提供科学依据。
大学生就业能力的结构可以从不同的角度进行构建，本文将其结构构建如下：大学生应具备的就业能力包括基础性能力和专业性能力，基础性能力是普遍性的、各个专业的大学毕业生都必须具备的，它包括思维能力、学习能力、沟通能力、适应能力、组织管理能力、团队协作能力；专业性能力是指大学生经过系统的专业学习和严格的专业训练，全面系统掌握的本专业基本理论知识和方法，并能够运用它指导实践的能力，包括专业知识、专业技能和职业道德。
三、提高大学生就业能力的途径
大学生就业能力的培养是一个系统工程。就高校而言，既要注重大学生基础性能力的培养，又要注重专业性能力的培养，全面提高大学生的综合素质，提高育人质量，适应社会需求。
（一）大学生基础性能力的提升途径
1.思维能力的培养。思维能力包括社会洞察力、判断力、信息处理能力、创新能力、应变能力以及分析问题和解决问题的能力。思维能力的培养可以从以下方面着手：第一，开设或加强以培养学生的思维能力为目的的课程。如开设“逻辑学”“哲学概论”“心理学概论”以及某些讲授方法论的课程，在课程讲授中，要改变传统的教学模式，注重知识的运用，从以知识型教学为主向以能力型教学为主转变，多引用情境教学法和案例教学法，引导学生运用所学知识进行分析，作出判断，从而增强学生的思维逻辑。第二，专门开设“解决问题能力训练”课程，以此提高学生分析问题、解决问题的能力。“解决问题能力训练”课程要采用实践性的教学方式，即教师给学生出一些具体的问题，让学生以小组的形式完成调研并制订解决方案。如果条件具备，这些方案还可以实施或部分实施，以检验学生的方案成效。这种课程必须是讨论式的或者是开放式的，即对同一个问题，不同的学生可以有不同的解决途径和解决方案，在评价讨论中提高学生分析问题和解决问题的思维能力。
2.学习能力的培养。学习能力是一个人的可持续发展能力，是每个人不断获取知识的能力，是大学生就业能力的基石。对于高校来讲，在课堂教学上要注重学生学习能力的提高，课堂教学应当注意对学生学习方法的培养和学习氛围的营造，教师既要“授之以鱼”，又要“授之以渔”，适当采用传授知识、小组讨论、专题研究、情景模拟等授课方式，调动学习积极性，激发学习兴趣，培养好的学习习惯，引导学生爱学习、会学习，树立终身学习理念。教师在课堂教学中还要加强对学生专业技能的训练，使学生知道如何将所学的专业理论知识转化为实践能力。
关键词：人工智能；人机交互；机器学习；深度学习；数据挖掘
中图分类号：TP27 文献标识码：A 文章编号：1671-2064（2017）03-0221-02
人工智能是当今科技发展中最具潜力的热点问题之一，2016年初轰动世界的谷歌AlphaGo打败围棋世界冠军李世石的经典案例更是引起了全世界广泛的关注和热议。“人工智能”这个概念再次被推到了风口浪尖。那么，究竟什么是人工智能呢？它会对我们的生活有什么影响？在这个背景下，我们深入探究人工智能及其相关的技术领域，对于人工智能的普及和发展有着重要意义，也希望能给予人工智能相关领域的科学研究者们提供一些参考和方向。
1 什么是人工智能
人工智能（Artificial Intelligence，AI）是一门全新的信息技术科学，是计算机科学技术的一个重要分支，是指对于模拟、拓展和延伸人类的智能的应用系统及相关的理论和技术方法的开发研究。主要通过研究及了解人类智能的本质从而开发出能给出类似人类智能反馈的智能机器，计算机系统在理解目标方向之后所取得的最大化成果是计算机实现的最大智慧。人工智能不单单是一个特定的技术，它所研究的往往是能创造智能意识的高科技机器，包括了算法和其他应用程序，处理的任务也远远超出了简单计算，从学习感知规划到推理识别控制等等。人工智能的研究方向包含语言及图像识别技术、机器人设计、自然语言处理等，日益成熟的理论方法和技术实践也使得应用领域范围大规模扩张，人工智能是人类智慧的结晶，未来也可能展现出超过人类的智能。
2 人机智能的研究方向
人工智能的科学研究通常涉及到数学、逻辑学、认知科学、以及最重要的计算机科学等多学科领域，延伸出了以下几个主要的研究方向：
2.1 逻辑推理与证明
早期的人工智能更多的解决了大量数学问题，逻辑推理是基础也是研究时间最长最重点的领域之一。通过找到可靠的证明或者反证方法实现潜在的定理证明，根据数据库的实例进行推导并及时更新证明结论，演绎和直觉相结合，在推理和证明中实现部分智能。
2.2 问题求解
问题求解领域的一大重要应用则是下棋程序的功能实现，化繁为简、将困难的问题点拆分成为独立的子问题进行求解；而另一个实例则是数学方程的求解实现，分析各种公式符号的组合意义从而为科学研究者提供强有力的基础保障。问题求解中所运用的搜索和规约也是人工智能领域中的两大基本技术。
2.3 自然语言处理
自然语言处理也叫自然语言理解（Natural Language Processing，NLP），是指借助计算机来处理使用人类语言作为计算对象的算法程序，并研究相关的理论方法和技术。NLP是人工智能领域的主要研究方向之一，也是发展时间较长的研究方向之一。语音识别、搜索引擎、机器翻译等等都是NLP的重要研究内容，目前也都在人工智能领域获得了突出的应用成果。
2.4 专家系统
专家系统是指具有大量模拟人类相关领域专家知识和经验的智能计算机程序系统，依托于人工智能相关技术，根据专家系统所提供的数据方法进行判断推理进一步决策，从而代替人类专家解决一部分该领域的特定问题。从知识表示技术的角度上看，专家系统可分为基于网络语义、基于规则、基于逻辑、基于框架等几种类别；而从任务类型及专家系统主要解决的问题类型的角度来看，专家系统也可分成解释型（分析和阐述符号数据的意义）、调试型（根据故障制定排除方案）、预测型（根据现状预测指定对象未来可能的结果）、维修型（针对特定故障制定并实施规划方案）、设计型（按指定需求制作图样和方案）、规划型（根据指定目标制定行动方案）等。
专家系统的建立包含以下几个步骤：（1）初始专家知识库的设计：包括问题、知识、概念、形式、规则等多个概念的筹建；（2）开发和试验系y原型机；（3）改进与归纳专家知识库等。
专家系统的实现通常建立在大量的数据统计与人类专家提供的问题解决实例上，没有精确或统一的求解算法，因此也会造成一些局限性。在人工智能与计算机科学快速发展的今天，专家系统也逐渐更重视理论和基础研究，除了基于经验的理论，基于规则和模型的方法也将投入到实际运用中，未来的专家系统将更偏向协同式和分布式方向发展。
2.5 机器学习
机器学习是指计算机自动获取新的推理算法和新的科学事实的过程，是计算机具有智能的基础。计算机的学习能力是人工智能研究史上的突出成就与重要进展，也是人工智能初步实现的重要标志。机器学了在人工智能领域有着重要应用，对于探索人类智慧的奥秘以及学习方法和机理都有着重要意义，机器学习的时代才刚刚开始，各种理论方法也正在逐步完善中，未来精彩可期。
3 人工智能的应用
人工智能的首次提出至今已有60年的历史，在这个循序渐进的过程中，无论是功能场景还是机器模式，都逐渐从单一到通用、从简单到复杂，表达方法也更多种多样。目前主要通过赋予机器产品一定的人类智能从而有效地提升机器工作效率及能力，未来的人工智能将更多的模拟人类生活环境及思维方式来设计出真正具有人类智能的高效人机系统。
3.1 人工智能在各个行业的应用
人工智能已经运用到人类生产生活的各个方面，主要包括以下几点：（1）以智能汽车为代表的自动化交通方式。（2）种类繁多的家庭智能服务机器人。（3）用于临床支持和病人看护中的自动化智能设备及医疗器械。（4）智能教育辅导系统、线上学习和智能辅助学习设备的普及。（5）基于图像处理和自然语言处理的各类音乐社交软件及VR设备的兴起给互联网娱乐时代带来的巨大变革。（6）逻辑证明及智能分析在公共安全领域的预测及防范。（7）大量重复机械的劳动逐渐由智能机器取代，人类承担着更多的创新及实践工作。
3.2 人工智能生活应用实例
作为辅助人类生产生活的重要工具，日趋成熟的智能机器人已经快速走进了人们的日常生活中，下面我们介绍几种常见的使用场景：（1）智能房屋和家居生活的构建：目前的智能停留在自动控制I域，通过用户指令来便捷的操控比如电视、窗帘、灯具、空调等等；而未来，人工智能的发展将根据你的日常行为了解你的习惯喜好，利用传感器和自动装置搜集用户的行为数据，通过机器学习和深度学习算法改造你所居住的环境。最终实现真正意义上的智能家居生活。（2）无人驾驶的智能汽车：主要通过导航和定位实现规定路线的行驶、通过激光测距、雷达感应和照相等技术，配合复杂的计算公式从而辨别和避让各种障碍，最终脱离人类操控的环境下自动完成发动、驾驶、刹车等动作。行驶的安全性和准确性在智能机器的帮助下其实更可靠，我们完全有理由相信未来自动驾驶将成为人们出行的新方式。（3）基于神经网络的新型翻译方式：在线翻译相信大多数人都不陌生，使用范围广普及率极高，但其准确性一直都是人们关注的焦点之一。谷歌翻译负责人表示将在部分功能上尝试使用深度学习技术，如果能顺利实施必将使得翻译准确性的研究取得实质性突破，而基于神经网络的翻译方式则将帮助计算机更好地模拟和理解人类思维，使得翻译结果更流畅合乎规范，也方便人们更好地理解。
4 人工智能的发展历程
人工智能的发展历程不算很长，但发展速度却异常迅猛。跟所有新兴的前沿学科一样，人工智能的发展中也经历了和低谷时期。根据不同时期代表性人物和事件的发生，我们大致可以将整个过程分为以下几个阶段：
（1）1950年，举世闻名的“图灵测试”（图灵，英国数学家，1912―1954）首次发表于《计算机与智能》一文，即通过房间外的人和两个房间内的人和机器分别对话中，是否能区分人和机器从而判断出机器是否具有了人的智能。这是人类对于人工智能最初的概念。
（2）1956年，由香农、麦卡锡、朗彻斯特和明斯基共同发起的DARTMOUTH学会于达特茅斯大学召开，会上首次提出“人工智能”一词，这是历史上第一次关于人工智能领域的研讨会，见证了人工智能学科研究的开端。
（3）1960年以来，生物进化领域逐渐建立起了遗传、策略和规划等算法。1992年计算智能由Bezdek提出，计算智能对于生物进化学的探究有着重大意义，涵盖了模式识别、人工生命、神经网络、进化计算等多学科集合与交叉。
（4）上世纪90年代开始，专家系统逐渐兴起，对于专家知识库的不断改进以及基于规则和模型的协同式分布式专家系统将是未来使用的主要趋势。
（5）从1960年神经网络首次应用于自动控制的实施，到1965年人工智能启发式推理规则的方法引入，再到1977年运筹学理论中概念智能控制模式的成功借鉴，人工智能的发展也顺利引导了自动控制模式逐渐切换到了智能控制模式。
（6）从1956年AI概念的正式提出以来，人工智能领域已经取得了众多突破性的成就和进展，很多天马行空的想象也随着科技的进步在一代代科学工作者的不断努力下逐渐设计落实，人工智能已经从科学研究逐渐走向了人们的日常生活中，成为了当下最具潜力的多学科交叉的前沿科学。
5 人工智能的未来与发展趋势
从人工智能的提出到逐渐走入人们生活，人工智能的概念一经问世则得到了人们的普遍关注，甚至带动了语音识别、自然处理处理、机器学习、数据挖掘等一系列相关学科的发展和兴盛。人工智能领域中的创新和蓬勃发展是趋势也是必然，通过了解人工智能学科的发展历程及应用领域，我们大致可以推测出关于未来人工智能的一些方向：（1）机器学习和深度学习算法指导下更聪明更多样性更具智能的机器系统。（2）自然语言处理应用中更自然的人机互动交流。（3）机器学习时代更快速的数据处理分析策略。（4）各研发企业和机构对于人工智能先进技术更激烈的竞争和角逐。（5）超人工智能（Artificial Super Intelligence，简称ASI）时代下AI是否会走向失控给人们带来的微恐惧。
6 结语
在短短60年的时间内，人工智能的快速发展已经从很大程度上改善和刷新了人们的生活方式。人工智能的深入研究和实现正在不断帮助我们探索这个世界、帮助我们搜寻信息应对各种各样的挑战。人工智能在逐渐强大的同时，有机遇也存在着巨大的挑战和技术瓶颈，距离人工智能时代的真正实现还有很长的路要走。而人工智能的不断更迭完善，是否能取得超越人类智力和认知的智能、是否会出现违背人类价值观的危险行为将是未来很长一段时间内需要研究的重要课题。
参考文献
[1]李红霞.人工智能的发展综述[J].甘肃科技纵横，2007，36（5）：17-18.
一、我国法律逻辑中的两种不同逻辑观
1.形式逻辑下的法律逻辑
形式逻辑下的法律逻辑主要体现在法律推理上，作为法律思维活动的主要类型及表现形式，法律推理主要是指法律人从已知的各类条件中得出法律结论的思维推理过程，在所有的法律交往行为活动中，都存在法律推理。对于法律推理，并不是由单纯的技术手段、逻辑方法所构建的，而是基于司法实践产生的，是一种实践推理的结果。法律推理涉及到审、控、辩等三方，关系到控、辩双方当事人的合法权利及义务。法律推理是具有相应目的性的，要求推理的审、控、辩三方在多种方案中选择出最佳的方案，从而推理出客观的事实，达到相应目的。一般情况下，法律推理的直接目的是根据已知的条件，明确控、辩双方的争端，其间接目的是为了解决控、辩双方的纠纷，维护相关受害者的利益，促进社会和谐发展。法律推理的实质是选择某些行为的确定性，这种选择是基于对目标的判断，如在法律推理中，发现法律漏洞时，要进行填补，在法律规则中发现相互矛盾时，需要将其消除。
在我国，形式逻辑对法律逻辑的构建有很大影响，当前市场上关于法律逻辑学的教材大多都有形式逻辑的影子，也就是在法律推理中，是以形式逻辑为主，在形式逻辑中的推理规则中加入司法实践，既三段论式推理，在这种三段轮式推理中，法律规范、规则是大基础，而小基础则是正当程序所确定的事实，法律结论是利用形式逻辑推理规则及规律，在大小基础下“必然得出”。
2.非形式逻辑下的法律逻辑
非形式逻辑是与形式逻辑相对应的，非形式逻辑的核心在于论证，近年来，随着西方法律论证理论的引入，我国对法律论证的研究也越来越深入。对于法律论证，从裁判结论的角度看，主要是对法律规范命题、实施命题的真实性、合法性、正当性进行论证研究，从而保证裁判结论的准确性。法律论证还是对法律结论进行证明，从理论来源、确证标准等角度，可以结合不同情境、不同陈述建立不同的论证模式，这也使得法律论证具有很强的开放性。加上法律了论证是一个被人们所接受、认可的结论，使得法律论证在总体上呈现方法论的特色。因此，可以将法律论证看做是非形式的，其目的是为了给法律结论、裁决结果提供科学、合法的依据。对于法律论证，要想保证其是一个好的论证，必须满足一下两点要求：一是前提真实，二是推理有效。
非形式逻辑是逻辑实践转向的体现，基于非形式逻辑下的法律论证，主要具有以下几点特征：①法律论证的可废止性，即证明是可以废止的，在法律论证中，当前提有所增加或者减少时，结论依据发生了改变，那么结论状态就有可能发生改变，得出的证明也就有可能废止。②法律论证的非单调性，对于法律论证，是无法套用形式逻辑规则进行简单推理的，法律论证的非单调性主要体现在法律规范、法律事实等构成前提和推出结论之间是不能由单调性决定的，也就是一个前提的改变，会对已经做出的结论产生极大影响，这也使得形式逻辑的范围不适用于法律论证，只能通过非形式逻辑研究。
二、两种不同法律逻辑观的评析
1.形式逻辑与非形式逻辑的简单比较
在法律逻辑中，不管是形式逻辑下的“必然得出”法律推理，还是在非形式逻辑下的真实性法律论证，都是为了确保法律推理、法律论证的有效性，下面从以下几个方面对两者进行对比：
（1）结构上的一致与差异，对于法律推理，是建立在形式逻辑的基础上，在结构上主要由大、小前提及結论组成，其最典型的结构就是司法三段论式推理。对于法律论证，一般认为其主要由论题、论据、论证方式等组成，而不管是法律推理，还是法律论证，都是过程性证明，是一个动态推导的过程。
（2）内容及形式的比较，法律推理的研究思维与形式逻辑是相同的，单独抽象出法律思维形式，其只注重“推”的形式，隔断了推理形式和内容的联系，违背了内容和形式同一的思维本质。对于非形式逻辑，其本身就是对思维内容进行研究的，法律论证的研究主要是针对内容，辅以形式，和单纯注重形式的法律推理相比较，法律论证更加符合形式和内容同一的思维本质。
（3）在有效性方面的同一及差异，形式逻辑要求所有的推理都应该遵循相应的规律、规则，如肯定前件式、矛盾律等，这也使得法律推理的有效性是建立在“推”形式的有效基础上。非形式逻辑并不排斥逻辑的必要、充分条件集，非形式逻辑拒绝将逻辑形式看做是所有论证结构的基础，在判定法律论证的有效性时，是从真实、合法、正当的前提进行的。法律推理和法律论证虽然都追求“有效性”，但是两者的追求途径是由一定差异的。
2.两种不同法律逻辑观的得失
法律逻辑的发展，特别是法律推理的发展，与形式逻辑有十分紧密的关联，形式逻辑的规律、规则在法律推理中有很高的地位。在法律事实清楚、权利义务明确的案件中，法律推理可以说是形式逻辑推理的主要体现，而在法律事实不清楚、权利义务不明确的复杂案件中，单纯的形式推理、司法三段式推理虽然不能解决实际问题，但也不会因此而忽视形式逻辑。在实际中，面对复杂的案件，每一步推理论证，都是在形式逻辑的基础上，坚持推理“必然得出”来保证推理的有效性，这样才能避免法律推理脱离形式逻辑范围，造成法律适用因人而异、因案而异，不利于社会稳定。在实际中，不能将形式逻辑在法律推理中的作用绝对化，应该对形式逻辑在法律推理中的适用性进行全面分析，坚持程序与实体并重，在司法判决中加强释法说理，在判决过程中注重法律推理的形式逻辑应用，通过法律推理的“必然得出”来提高判决的客观性。
非形式逻辑的发展对论证理论发展提供了良好的基础，同时也对法律论证理论产生了很大影响。国际上对非形式逻辑下的法律论证理论的批评、质疑很少，但是在我国，关于非形式逻辑下的法律论证由于缺乏法律论证结构、特征、模式等的刻画，导致难以取得实质性效果。关于法律论证、法律结论的证成准则、规则及修辞等还需要进一步进行研究。法律论证为法律结论、裁决结果提供正当、合理、可接受理由时，缺乏了对结论真假的验证，这也使得在进行法律逻辑研究时，一提到非形式逻辑，往往会看到形式逻辑下的法律逻辑所存在的不足。而需要注意的是，非形式逻辑只看重前提的可接受性，忽视了前提和结论之间的关联，这就要求应该从形式逻辑的“必然得出”对其进行完善。
3.形式逻辑与非形式逻辑的融合
在实际中，进行法律推理时，单纯的形式逻辑难免有些不足，需要引入非形式逻辑推理，法律推理的最终目的是为了说服对应方，不管是控方还是辩方，其律师都是为了说服审判方，而审判方则需要说服所对应的法律素养、职业道德，然后为当事人解释其决定。因此，需要利用非形式逻辑对形式逻辑进行填补，而法律逻辑也应该在法律推理中综合应用法律论证。
在形式逻辑结构下，有效性重点在于推理形式的“必然得出”，也就说如果前提是正确的，那么结论也就是正确的，但前提是否真的是正确的，并不受关注，也就是说其看重的只是“如果前提正确，那么结论就是真”。对于非形式逻辑，其论证的基础是前提的正当、真实，只有保证了前提的正当、真实，才能确保其论证的有效，从这个角度看，可以通过非形式逻辑来对形式逻辑进行弥补，保证了前提的正确，然后在“必然得出”结论。对此，为了进一步实现法律逻辑的有效性，应该注重法律推理和法律论证之间的良好融合，实现逻辑上的一致、思维上的统一，既能保证客观事实的真实还原，还可以确保推导过程的有效真实。
三、总结
综上所述，不管是形式逻辑，还是非形式逻辑，在法律逻辑建构上的作用是十分明显的，在形式逻辑下，在法律实践中应用逻辑规律、规则，保证前提和结论的“必然得出”推导关系，从而确立法律推理的有效性标准。在非形式逻辑下，在法律实践中应用逻辑论证评价理论、修辞理论，从前提的恰当性、真实性来论证结论符合法律理性，从而构建法律论证分析评价体系。在实际中，为了进一步促进法律的客观性，需要注重形式逻辑和非形式逻辑的良好融合，从而实现司法理性。
参考文献：
[1]张晓婷.浅议法律逻辑学的研究方向[J].法制与社会，2013（25）：1-2.
[2]李杨，武宏志.论构建法律逻辑新体系的观念前提——对“天然逻辑”理念的一个发挥[J].法学论坛，2015（4）：53-62.
[3]魏斌.法律逻辑的再思考——基于“论证逻辑”的研究视角[J].湖北社会科学，2016（3）：154-159.
[4]刘文丽.如何正确处理法律文书的格式要素与法律逻辑要素之研究[J].农家科技旬刊，2016（10）：36-37.
[5]席煜翔.形式法律推理与实质法律推理[J].青年时代，2015（19）：86-87.
[6]李娟.法社會学视野下的法律逻辑概念、特征与功能探析[J].岭南学刊，2017 （2）：86-92.
关键词:Java;三段论;面向对象
1背景
Java是Sun公司推出的新的一代面向对象程序设计语言,它的各方面性能都很好。Java的基本特点是简单、面向对象、分布式、解释的、健壮、安全、结构中立、可移植、高性能、多线程和动态特性,很适合在Internet环境上开发应用系统[1]。
由于业界对Java人才的巨大需求,Java被很多大学的信息相关专业列为必修课,同时社会上也有许多有关Java的培训班。但是,Java的语法规范非常多,并且很严格,如何把这些复杂的大量语法用一个统一的理论覆盖,是Java教学过程中的一个突出难题。
上面提到的语法规则包括:数据类型转换、类、继承、抽象类、接口、异常、成员变量和成员方法的访问权限等[2]。这些方面的语法规则占Java语言语法规则的绝大部分,表面上看起来没有什么关联,但实际上,这些语法所依托的某些理论是统一的,理念是一致的,这就是:若规定一个类型在某个环境中能运行,则这个类型的实例或这个类型任何子类型的实例在这个环境中也可以运行。这与逻辑学中的三段论具有很相似的性质和表现。
“三段论”是由两个包含着一个共同词项的性质判断推出另一个新的性质判断的演绎推理。任何一个三段论都包含三个不同的词项,分别是大前提、小前提和结论[3]。关于三段论,亚里士多德(Aristotle)有一个著名的例子:
“所有人都是要死的。亚里士多德是人。所以亚里士多德也是要死的。”
上面这个三段论的例子中,大前提是“所有人都是要死的”,小前提是“亚里士多德是人”,结论是“亚里士多德也是要死的”。这个简单的推理很容易被理解和接受。
三段论虽然简单,但它是演绎推理的核心和基础。基于三段论的演绎推理带来了西方科学的巨大繁荣。事实上,平面几何公理系统、经典力学、代数学等学科分支都是演绎推理这棵大树上的优秀成果。
由于演绎推理和三段论在西方深入人心,所以,Java体系中的一些基本原理容易被西方学生接受,而在教材中不需要讲述或类比这些原理。这也是目前很多原版Java教材没有或很少讲述这些原理的原因。而这些教材翻译成中文时,没有考虑国内学生的实际情况,因此造成了目前这样一个局面:学生只记语法,不能透彻理解原理,或者学习完课程后经过相当一段时间的实践后才能逐步体会其中的精神。
本文着力于提出Java教学的一种方法,使学生能够从一开始就领会Java体系的设计思路,并且通过原理理解其中的语法规则,而不是死记硬背。
本文后面的章节是这样安排的:第一部分阐述什么是Java的“三段论”教学主线,它与逻辑学中的三段论有怎样的关系;第二部分具体描述怎样把“三段论”教学主线贯穿到Java教学的整个过程中;第三部分是本文的结论和展望。
作者简介:王建新(1972-),男,副教授,博士,研究方向为数据挖掘、人工智能和软件工程。
2 “三段论”原理与Java原理的对比
Java是一门“纯”面向对象的语言,它的纯面向对象特性是对比C++等面向对象和面向过程的混合语言而言的。面向对象的优势之一在于代码的重用,也就是以前编写的代码,不需要做任何修改就可以在新的项目或环境中应用,这不但有利于提高生产效率,缩短开发周期,减少开发成本,还能够最大限度地减小软件的错误率。
例如,如果我们编写了两部分代码:一个类“动物”,开发一个过程“让动物运动”,也就是letMove (动物 a) 方法。在这个方法中,只有一条语句:让动物调用自己的move ( )方法。letMove方法的定义如下。
public void letMove(动物 a) { a.move(); }
那么,只要我们“制造”(即编程创建)了动物的一个个体,譬如说一只小狗Tom,那么Tom就一定可以放入执行环境letMove( ) 中作为参数运行。在这个过程中,我们所有要做的工作只是制造“动物”的一个个体,然后把这个个体放到设定的环境中。这样就最大限度地保证了代码的重用[4]。
上述面向对象的思想和三段论是很相似的。可以把“任何动物都能被放入letMove( )环境中运行”看作大前提,把“Tom是一个动物”看成是小前提,把“Tom能放入letMove( )环境中运行”看成是结论。
上面的分析说明,Java的基本原理和三段论是很类似的,这两者的关系请参见图1。
图1Java的基本原理和三段论的类比关系示意图
由于Java中的类―实例的关系原理与三段论类似,因此,我们把这条原理称为“三段论”原理。下面将介绍如何把这条原理贯穿于Java教学过程中,降低语法学习的难度,使得学生增强对Java框架和原理的理解。
3 “三段论”原理的具体应用
关于继承,Java语法中有两条重要的规定:(1)如果子类方法重写了父类的方法,那么子类方法的访问权限不能窄于父类方法的访问权限;(2)如果子类方法重写了父类的方法,那么子类方法抛出的异常不能宽于父类方法抛出的异常。这两条语法规定在Java教学中是难点,很多学生只能记住,而不能理解。下面介绍如何用“三段论”原理讲解这两条语法规则的具体方法。
3.1成员方法的访问权限
在Java的类继承关系中,有一条重要的语法,即子类重写父类的方法后,子类方法的访问权限不能窄于父类方法的访问权限。为什么要这样规定呢?许多教材和其他Java的讲解资料只是列出这样的语法,而没有给出原因和解释。其实,这条语法也是“三段论”原理的一个体现。“三段论”原理要求:一个类型能运行的环境要适于其任何实例,不管这个实例是该类型的对象,还是该类型子类的对象。例如,类A有一个方法f ( ),类B继承了类A,并且重写了方法f ( )。
class A {
public void f ( ) { /* 方法体 */ }
}
class B extends A{
void f ( ) { /* 方法体 */ } //重了f
}
假设类A有如下的运行环境:
g ( A a) {
a.f ( );
}
根据“三段论”原理,B的一个对象b可以在这个环境中运行,即下面语句能执行:
g (b);
但是,当方法g所在的类和类B不在同一个包中时,因为a.f ( ) 执行的权限不够,因此g ( b )是不能运行的。这与“三段论”原理矛盾,而问题恰恰出在类B中重写的方法f ( ) 的访问权限窄于其父类A中的方法f ( ) 的访问权限:默认权限窄于公共权限。因此,通过反证法,“三段论”原理能清楚地揭示为什么方法重写后权限不能变窄,而只能保持或放宽。
3.2方法声明异常的范围
异常捕捉是许多编程语言学习的难点,Java也不例外。对方法声明中的异常,Java语法规定:如果这个方法重写了父类中的方法,则异常的范围不能宽于父类中方法声明的异常范围。这个规定与成员方法的访问权限的规定恰恰相反,也就增加了理解的难度。
事实上,Java的这条语法规定也是为了能够让“三段论”原理仍然成立。为了解释这个规定,我们先参看一个关于异常的例子。假设ExceptionSmall是ExceptionLarge的子异常,而类B是类A的子类。
class A{
public void f ( ) throws ExceptionSmall { /* 方法体 */}
}
class B extends A{
public void f ( ) throws ExceptionLarge { /* 方法体 */ }
}
而A有一个运行环境g(这里g是一个方法):
public void g( A a ){
try{a.f ( ); }
catch (ExceptionSmall e){
/*异常处理操作*/}
}
依照上述程序,当B的一个对象b要在环境g( )中运行时,b的方法将有可能产生ExceptionLarge类型的异常,这是g( )所不能处理的。因此,并不能保证A的所有实例都能在环境g( )中运行,这与“三段论”原理是相悖的。在这个意义上,“三段论”原理要求子类中重写的方法抛出的异常的范围不能超过父类中相应方法抛出的异常的范围。从这个角度考虑Java语言的这条语法就会发现,这条语法并不是无缘无故的硬性规定,而是有深刻的原理作为基础和要求的。
4结语
Java语言现在已经风靡全球,其最大优势就是能够跨运行,而为了满足跨平台、可重用、面向对象等优秀特点,Java对其语法作了详细、明确的规定。如果只是陈述这些语法规定,而不讲解为什么这样规定,势必会使课堂教学死板、生硬,不利于学生的理解、记忆和掌握。为此,本文提出了讲授Java的一种方法,即基于“三段论”原理的Java语法教学方法,可以使学生深入理解Java语法中的一些难点。事实上,笔者多年来把该方法应用于为计算机本科专业讲授Java的教学中,起到了良好的教学效果。能够用“三段论“原理解释的Java语法规定还有很多,例如对象上转型、接口回调等。我们将继续研究“三段论”原理在这些方面教学中的应用。
参考文献:
[1] 印F. Java语言与面向对象程序设计[M]. 北京:清华大学出版社,2000.
[2] 耿祥义. Java大学实用教程[M]. 北京:电子工业出版社,2006.
[3] 王路. 亚里士多德的逻辑学说[M]. 北京:中国社会科学出版社,2005.
[4] Bruce Eckel. Thinking in Java[M]. 3rd.ed. 北京:机械工业出版社,2005.
Explaining Two Grammatical Difficulties of Java with the Theory of Syllogism
WANG Jian-xin, LI Li-ren
(School of Information, Beijing Forestry University, Beijing 100083, China)
摘要：本文从黑格尔对思想历程的复审中首先了解自我意识的出现过程；其次将自我意识进行要素剖析，解读自我意识的抽象材料；再以马克思对存在物与类存在物的自在与自为性分析为依据，进而解密黑格尔自我意识抽象过程中的偏执和内因；最后辅以“太极”之论与“绝对意识”中“极”意之比较，从而更加验证了马克思对黑格尔自我意识之批判的正确性。
关键词：自我意识期；存在物；自在；自为；极
一、黑格尔之自我意识形成的归纳
在精神现象学中，黑格尔从复审思想的历程以作哲学的基础，其思想演进可分为四期：第一为意识期，就是心明物现，意识的自在存在，此处意识就好比人的眼睛，人的耳朵，睁而能视，倾而能闻，意识是作为人的属性而在发挥意识外物的作用。但意识却并非单纯如眼如耳般，马克思在手稿中曾表述：自我意识是人的自然即人的眼睛等等的质。[1]第二为自我意识期，通俗来讲就是，我在意识到外物这一过程暂时结束之后，在反观这一过程中发现是我在意识，所意识的结果又证明了我能意识，从此意识便感知到了我体的存在，（实则意识在此时已完成了对自我最初的抽象）意识正式在认识上成为了自我意识，但需要注明的是，这里并不是自我意识的起源，只是意识开始被认识的起源，也就是说这里不是自我意识之清泉涌出的当下，而只是泉水流入我们视野的开始。那么，自我意识究竟的起源在何处，或者说这自我抽象的起源在何处，第一个答案便是在于自我，好比对水的某种抽象是可以缓解干渴之物，那么这水之抽象的起源在哪里，是在于水么，诚然，无水便无水之抽象，但若只有水之物，没有渴之需，便亦难产生这种抽象，只能产生诸如晶莹可流动之类的抽象，可见抽象是需要条件的，水之需在于水之对象需要水，那么晶莹可流动的抽象又在于水之对象需要以知识经验的形态确认水。自我意识是已经完成了的抽象，同样在于自我之体需要自我意识，需要自我意识以知识的形态来了解自我，肯定自我，自我意识期开启了对自我的抽象之门。第三为理性期，个人意识，自我意识在这里成为了具有一面客观真实性的普遍意识，群体意识，客观意识。自我意识体现出了理智，或者说理智让自我之我向大我之我迈进，普遍的群体意识让自我意识更加自信自己的正确性，但一面在原则上又属于自我，为自我之表现。第四为精神期，思想到了此期，心或精神便得着完全具体的或明白的表现了，精神的世界不仅有我个人所有之真理，而且包括了普遍的社会的真理。如宗教学，社会学，自然哲学等等。
二、马克思之自我意识要素的分析
谈自我意识不能不谈意识，而谈及意识，必然要讨论意识与所意识之物，因为没有意识之物亦不能体现意识这一过程的意义，正因为意识到了所意识之物，意识这一过程才得以完成。但这一过程的主体与客体或者说行为两端的对象又是什么？
因此谈意识不能不谈意识的主体，即自我，能思之我。没有自我，便不知是谁意识到了所意识之物，便没有自我意识。那自我是什么？
谈自我又不能不谈人之存在，因为人首先是作为自然存在物而存在，关于存在物，马在思手稿中表述“一个存在物如果在自身之外没有对象，就不是对象性的存在物，是非存在物”“人作为对象性的，感性的存在物，是一个受动的存在物”。[2]但是“人不仅仅是自然存在物，而且是人的自然存在物，就是说，是自为地存在着的存在物，因而是类存在物。他必须既在自己的存在中也在自己的知识中确证并表现自身。”[3]可见类存在物的标志之一便是自为，是通过自为而意识到自身是存在物，因而称自身为类存在物。
这里非常重要的一点便是人的类存在物属性与人的存在物属性的关系，类存在物的自为属性，即表现为确证自身的行为，先天便是以存在物的受动性，具备对象性为前提的。也就是说，没有存在物的自在对象性，是不会有类存在物的自为确证性的，自为因自在具有二性（对象性）而得以在二之中确证一二之功为可能，自为在自在的二性下而自为，自为便拥有在二种自在下的自然表现。以马克思在手稿中所述可见为实：“一个有生命的自然的并赋有对象性的即物质的本质力量的存在物，既拥有它自然的现实的对象，同时它的自我外化又设定了一个现实的，却以外在形式表现的因而不属于它本质的，极其强大的对象世界，这是十分自然的”。[4]这里，本体之我与现实存在物互为对象，抽象之我与物之抽象互为对象。两对对象，是两种对象世界，自然世界与抽象世界同时的现实存在，都是“十分自然”的。
此时，开篇所提到的意识主客体的关系便大致明了，意识这一过程中主客体的存在关系正是由于人作为现实存在物具备并赋有对象性的存在关系而存在，或者说后一个对象世界是因为前一个对象世界的存在而自为存在。
那么黑格尔的自我意识是如何出现的呢？重审上述要素：意识之行为过程，自我，存在物的自在性，类存在物的自为性。这些要素是如何在这一过程中被扬弃而作为自我意识的异在本身而成为了自我意识的自身。黑格是如何对上述要素进行了抽象，得出了自我意识=自我的结论呢？
三、对黑格尔之自我意识扬弃过程的批判
意识到自我意识的演变是因为自我意识对上述要素进行了抽象，将自我=自我意识，从而扬弃了自我。这一过程有以下几个特点：
首先自我意识扬弃了自我这一作为自然存在物而具备并赋有对象性的性质，即扬弃了自我的对象性，从而达到扬弃自我的目的。在手稿中，马克思这样表述，“自我意识对于被异化的对象性本质的占有，在黑格尔看来，同时或甚至主要的具有扬弃对象性的意义，因为不是对象的一定的性质，而是它的对象性的性质本身，对自我意识来说是一种障碍和异化。”[5]这样便使自我意识具备了成为那种“在异在本身中就是在自身的”能力，也唯有这样，才能创造出一个没有对象的存在物，即马克思认为的“非存在物”。黑格尔扬弃了抽象的对象世界，同时也就扬弃了实在世界的对象性。
其次自我意识扬弃了意识，使意识不再是人的自在属性，不再是那个充满意义的能力过程有如眼能视万物，耳能听众音的得益于自然赋予的能力，而将意识抽象成为了意识的起源，意识的控端，意识的大成。本来是因为意识之能所以才意识到了万般，而如今却是相反，换句话说，就是抽象出来的自我意识将意识这一能力产出的认识果实归为己有，认识的事物越丰富，认识的能力越发达，取人之果的自我意识便越充实越膨胀，越不能满足自己，最后自以为形成了它自己的绝对知识，绝对理性，绝对精神，关于绝对精神，马克思在手稿中这样写到：“意识必须依据对象的各个规定的总体来对待对象，同样也必须依据这个总体的每一个规定来把握对象。对象的各个规定的这种总体使对象自在地成为精神的本质，而对意识来说，对象所以真正成为精神的本质，是由于把这个总体的每一个别的规定理解为自我的规定，或者说，是由于对这些规定采取了上述精神的态度。”[6]正是因为这种自以为规定是出于己功的态度，自我意识自认为可以为意识这一过程提供更严谨的认识逻辑（如黑格尔的逻辑学），认识经验（如黑格尔的精神现象学）。
黑格尔的成功在于对自我意识之逻辑上的知识（逻辑学），现象上的经验知识（精神现象学）进行归纳，形成系统，归纳而得的逻辑上的经验与现象上的知识是具有对象性的，要从抽象的对象性返回到本体的对象性从而再作用于实践的对象，而不是将知识绝对化，将经验精神化，将自为的存在脱离了自在的前提，自为的美妙绝伦是因为自在的丰富多彩，没有了自在，自为便是无源之水，无本之木，深陷绝对，步入抽象泥潭，直至无象可抽，最终唯有空对精神的精神，空对宗教的宗教，空向我生之子问及我从何生。
四、黑格尔之自我意识扬弃“自在自为”的原因及评述
以本文第一部分，马克思在手稿中对自我意识相关要素的评述，已然得知：存在物是具备并赋有对象性的，人作为自然存在物是自在的，人作为类存在物又是自为的。没有存在物的自在对象性，是不会有类存在物的自为确证性的，自为在自在的对象性中得以找到自己的对象性，在对象性中才能确证自己，或者说自为因自在具有二性（对象性）而得以在二之中确证一二之功为可能，自为在自在的二性下而自为。如今黑格尔对类存在物的对象关系进行扬弃即对自为对象性的扬弃，便是对自然存在物对象性关系的否定即对自在对象性采取了否定。否定了自在就是否定了现实存在，就是忽略了实际现实的自然关系，就陷入了唯心和形而上。
这里我们不禁要问，黑格尔这样做究竟有何缘由。
答案便在这自在和自为之中，哲学的大问题，便在于确证自在，确证自在便是自为的初衷，可是自在的存在物是因有对象物而谓之存在，这样的自在在黑格看来似乎是不自由的，是有条件的，不是完美的自在，他欲证得绝对的自在，绝对的自由，绝对的精神，便只能在自为上下功夫，自为因自在有二性而欲确证其一二而得其一，得其一的自为便是自决，拥有绝对的自由，绝对的精神，绝对的真理。可见黑格尔这么做是有他作为哲学家的理由的。
那么这样做的结果只有几种，一种是自在真有二，确证成立，物我立分；二种是自在无二，无从确证，物我合一。第三种更接近黑格的研究材料，万事万物由不断的低级分立，到较高合一，又从较高的合一次而分立，接下来又走向更高的合一，人和自然从开始的天然对立，到顺应自然，改造自然，又到自然和人的矛盾滋生，又到试图走向与自然的合谐合一，正如古圣先贤对万事万物的理解，太极生两仪，两仪生四象，四象生八卦。[7]我们倒着来看，八卦到四象到两仪到太极，似乎便回复到了绝对，我们名为太极，黑格称为绝对精神，绝对意识。是否黑格与东方圣贤不谋而合，这难道是解释他绝对理念研究方向的原因么？
黑格尔的绝对意识与太极的“极”之意看似皆有极端，绝对之意，黑格尔是自谓穷极知识之理性，真理之大统，有极之意无过，太极亦有极之意，陆九渊言，“只言无极不言太极，太极便空落一物，不足为万化之本；只言太极不言无极，太级便落入空寂，不足为万化之本。”[8]我对此“极”中这意，有两点表述，一为极似近真之意，即格物致知，使物与知达到极的统一，但极不是物，只能近真而非真，使“知”除了不是物之本体，其余全是物之体现，最终将物之本体还于物之本体，将物之体现致于我心，这是古人物格然后知致之功，诚然敬佩，而假设黑格尔物格之功（他对物抽象认识的能力）也能做的够好够完美，但最终也仍然会比真实之物多一个我体存在，而把真实之物之本体扬弃最终收归为我体中，正是因为他扬弃了对象性，所以便偏执了我体，正因为偏执我体，所以陷入了绝对，看似穷究了理性，却失了理性的根源。这正是因为他把太极之理，理解为了极为一体的绝对理念，一体统包，认为非一体便无以统观世界，非一体便无以完成哲学，亦好比喜怒哀乐为我体所发，那么喜怒哀乐未发之我，难道我正在亦喜亦怒亦哀乐么？我能喜能怒能哀能乐的对象没了，我又哪里有喜有怒有哀有乐呢？黑格尔这一体统包，包的恐怕只是喜怒哀乐的过去回忆与经验吧。二为无极，无限，所有之义，也是无限发展之极。这一点似乎能解释黑格尔绝对理念的研究方向，黑格尔在精神现象学里归纳的各类思想样法，便是欲从无限的历史现象学中去探究。这也是黑格尔值得肯定的地方，他认为有限性是无限性得以可能的基础，形器之有缺正是欲得完满之形器的前提，只有从有限走向无限，由不完满走向完满，才是绝对真理扬弃而新之路。[9]
至此黑格尔对自在自为扬弃的原因，和将自我意识扬弃而成为绝对意识或绝对精神的做法便得一见，但是这样得来的绝对意识，后果是如何呢？
这样的结果便是黑格尔精神现象学里的表述，精神在人类社会中最高最具体的表现就是教会，只要教会所信奉的是完全合理的宗教即可以算得精神最高表现。[10]教会中所认为真生命的神圣精神在黑格尔的精神现象学里便认作此绝对意识的社会性的活见证。面对从自我意识到绝对意识再到现实最高的教会表现，我们便不难理解自我意识的绝对精神的抽象性所具有的绝对局限性了。
对于此，那正确的做法又是什么呢？马克思在《黑格尔法哲学批判导言》中有述“对宗教的批判使人不抱幻想，使人能够作为不抱幻想而具有理智的人来思考，来行动，来建立自己的现实；使他能够围绕着自身和自己现实的太阳转动。”[11]马克思这段话，便是让人去围绕现实的太阳转动，就是在强调现实存在物的对象性，因为没有现实的对象便只能围绕幻想中的太阳而深思祈祷，可那神圣而又绝对的太阳，甚至把你也变成了它的光芒。（作者单位：东华理工大学）
参考文献：
[1] [6]马克思.1844年经济学哲学手稿[M].中央编译局译.北京：人民出版社，2000
[2] [3][4][5][11]马克思恩格斯文集：第1卷[M].北京：人民出版社，2009.12
[7] 易经.伏羲.文物出版社，2009
[8] 陆象山全集.宋陆九渊撰.世界出局江西刊本校印
