逻辑学相关知识范文

关键词：语言逻辑；英语知识；信息粒

基金项目：本文是黑龙江省教育厅人文社会科学项目《基于语言逻辑的英语知识转移研究》的阶段性成果。项目编号：12522152；本文是全国基础教育外语教学研究项目重点课题《高校英语专业写作课程评价模式改革与实践》的阶段性成果。项目编号：jjwyzd2012041.

1文献综述

20世纪初期弗雷格第一个从现代逻辑角度对索引词进行研究，他论述了索引词意义的不可交流性。随后，罗素、希勒尔分别探讨了索引词的可消除性和不可消除性；蒙太格用模型论的方法处理索引词；卡普兰建立了关于索引词的演绎系统。这些对索引词进行的逻辑分析都采取语言逻辑研究自然语言的方法：语形、语义和语用相结合。20世纪50年代奥斯汀提出言语行为（speechacts），他指出人的言语行为是由三种行为构成的：语谓行为、语用行为和语效行为。语言行为理论是把人们的言语交际过程看作一种行为的语言哲学理论，因而涉及一些语用逻辑问题。根据言语行为理论建立的语用逻辑不仅具有以往逻辑类型的指谓性，而且还突出了语言在交际过程中所蕴含和预设的语用力量，因此它对自然语言的逻辑特征作了更广泛的概括。另外，预设理论的提出引起了逻辑学家们的浓厚兴趣，有的逻辑学家从语义角度研究预设，有的则从语用的角度研究预设。

我国在将语言逻辑理论用于分析语言的语形、语义及语用方面可以分为三个阶段：（一）开创时期（20世纪50年代—80年代）。周礼全是我国语言逻辑研究的开创和奠基人，在他的倡导和影响下，一些学者开始系统介绍国外语言逻辑思想，讨论语言逻辑的研究对象和研究内容，这一时期代表性作品是王维贤、李先焜、陈宗明三个先生合著的《语言逻辑引论》。（二）形成时期（20世纪90年代—20世纪末）。这一时期代表性成果有：周礼全主编的《逻辑——正确思维和有效交际的理论》、邹崇理的《一个运用蒙太格语法与广义量词方法分析汉语量化词组的部分语句系统》和蔡曙山的《言语行为和语用逻辑》。这三项成果标志着语言逻辑在中国已经形成。（三）发展时期（21世纪初），它以邹崇理2002年出版的《逻辑、语言和信息》为新的起点。从研究方法的角度来看，周礼全、李先焜、陈宗明三位先生的语言逻辑思想属于描述的语言逻辑，蔡曙山、邹崇理两位博士的语言逻辑思想属于形式的语言逻辑。

信息粒普遍被定义为相关知识的概念，其连通性体现了概念间的逻辑关系，其处理信息的过程也体现了逻辑推理和演绎。信息粒度的概念最早由模糊集的创始人L.A.Zadeh于20世纪70年代提出。他将现实世界中不连续的信息看作一个个信息颗粒，并把粒内的数据点作为一个整体来对待。80年代初Z.Pawlak与他的同事们发展粗糙集理论，从一种全新的视觉审视知识，认为知识与分类相关、知识是有粒度的。本世纪初，Pedrycz提出原子信息粒是一个将数据按语义关系形成的一个不可分割的最小的语义单元，具有完备性、独立性、自主性。这种运用信息粒处理数据的方法也受到国内学者的重视，我国科学家张钹和张铃提出了商空间理论并指出：人类智能的一个公认的特点，就是人们能从极不相同的粒度上观察和分析同一问题。在《基于信息粒度和连通强度的优化学习》一文中，王秀珍等学者指出：优化的学习系统应是由信息粒的高聚合度和信息粒间的强连通性形成的，信息粒度、连接强度能够直接影响学习绩效。

2英语知识粒化研究的逻辑依据与意义

国内外学者运用语言逻辑对语形、语义、语用三个层面语言知识的研究内容逐步充实、范围不断扩展。由于不同层面的语言知识之间没有明确界限，却具有相互转移和融合性，就需要从动态视角研究语言信息，而将其粒化是最佳方法。因为信息粒的聚合度和连通度对检验知识认知的深度和广度，及掌握的灵活度极为有效。这种运用信息粒处理知识的方法适用于英语知识的学习，因为英语语形、语义、语用层面的知识各自有其获取、加工、连结的过程，与信息粒获取、接受以及融入原有的知识系统的过程相吻合，都是一种知识信息的处理和内化过程。对此语言逻辑的指导有其必要性，因为粒化英语知识是学习者认知、推理和结论的演绎过程，具有逻辑性。虽然，迄今为止鲜有文献对英语知识的信息粒化做出具体、详尽的报道。但是在英语语形的内化与产出、语义分析及语用学习等作为英语知识信息粒的个别领域的研究则层出不穷，并且在此类研究中多涉及到语言逻辑的内容，例如：从语形（如语法）中，分析出逻辑推理形式；对于大量英语语句的语义推理；交际过程中的语境、预设等因素对推理的影响或英语学习者用英语会话时的含义、隐涵推理，即语用推理等。

本研究以语言逻辑为理论基础，将英语各个层面知识信息粒化，并将各个层面的英语知识视为一个信息系统进行研究，在此过程中探索英语知识信息粒的处理、内化及产出机制来揭示其中的推理关系及规律，具有一定的实际意义。首先是辅助英语教育者及学习者扩展对英语知识认知视域的需要。针对英语知识处理和内化过程中缺少对新摄入英语知识信息与原有英语知识信息系统的逻辑关系的理解之实际情况，探索使逻辑理论能更深刻，更恰当，更有效地刻画，指导英语知识处理、内化过程的规律和推理关系。其次是完成英语教学及学习任务的需要。在语言逻辑理论的指导下，对英语知识建立全新的理解观，掌握英语知识内化的条件、找到加强内化力度的方法、更好地将新摄入的英语知识融入原有知识信息系统，对英语学习者及教育者有实际指导意义。再者是解决英语知识内化不断加深过程中出现的深层次结构问题的需要。本研究树立以语言逻辑为特点的英语知识理解观，旨在建立更适合人脑处理、内化及产出英语知识的学习模式。达到将新摄入的英语知识信息与原有英语知识信息系统完美融合，并能对其自动提取和整合的效果。最后是帮助健全、完善现存的知识信息粒体系的需要。以往的知识信息粒度主要研究以数字为依托的知识体系的获取、接受与融入，缺乏对语言类学科知识的阐述。英语知识信息粒度的研究把整个知识体系具体化到英语这门学科，有益于丰富知识信息粒度在语言层面的理论依据。

3展开研究的主要内容和思路

本研究以语言逻辑为理论基础，以英语学习者为研究对象，理解与构建英语知识信息粒化过程中的知识私人化程度、转化力度及融入原有英语知识信息系统的效果，树立一种新型的英语知识理解观。对各个不同层次的英语知识给予逻辑化的解释，既能说明语素与词的意义，又能说明短语、语句、话语的意义。做到从符号学向度视角阐述英语词汇投入量（involvementload）间的联系与推理；运用隐涵与预设理论阐释语句的语义结构，并分析这种以陈述句、疑问句、祈使句、感叹句为代表的语义结构；研究预设的种类以及各种预设在英语语句中乃至语篇中的作用等。研究各个层面英语知识之间的内在联系，观察英语知识学习者内部影响知识处理、内化及产出的诸因素之间的关系，来确定何种条件下会出现知识的聚合与连通，如何加强其聚合与连通力度，怎样获得更好的内化与产出效果。

将开展关于语言逻辑理论、英语知识信息粒化、英语知识系统构建的综合研究，以此为基础设计开发课程科学化方案及有关学习模式和学习途径。在专业引领下，学校实验将能使研究成果及时应用于课堂，真正实现研究的最终效益，同时实验的反馈信息又将支持对本项目课程科学化方案的修正和完善。利用辩证分析方法。用联系的观点、全面的观点、对立统一的观点等来分析英语知识各个层次之间的关系，及英语知识信息粒化在不同阶段过程的动态状况；在科学理论指导下，利用各种搜索引擎（如Google，百度等）查找与本项目研究相关的内容及国内外现有的典型案例，进行整理分析，从中概括出规律性的结论；根据一定的标准，利用比较研究法，对不同类型的知识信息粒化过程进行对比研究，辨别其异同之处，从而得出科学结论。研究过程中会遇到一定的难点，例如：探究作为动态信息的英语知识处理、内化及产出的实质与各个层次知识间的互动关系；诠释语言逻辑理论的形成及指导意义，运用相关理论研究不同层次英语知识信息粒化的特点及采取恰当举措以获得良好的内化和产出效果；明确英语知识信息粒化的具体过程是由公共知识到私人知识的迁移、转化以及融入到原有信息系统，并对其进行加工、处理的过程。

4总结

将英语知识粒化并从信息粒度和连通性的视角对其展开研究，能够构建更适合人脑处理、内化及产出英语知识的粒化学习模式。在语言逻辑理论的指导下，英语知识粒化的内容具体到语形、语义、语用的层面，能够使英语学习者更加明确毗邻层面英语知识间的互动和转化。以语言逻辑为指导粒化英语知识的研究可以提高英语知识认知的广度、深度和连通性，做到系统性内化和逻辑性产出。将语形、语义、语用三个层面的英语知识信息粒化并视为动态信息，借鉴信息粒聚合度和连通性的研究维度，从历时视角观察英语知识学习者处理、内化及产出英语知识的过程。运用语言逻辑理论作为指导，研究英语知识信息粒的认知深度、广度及连通度，旨在树立一种新型的英语知识理解观，并建立更适合人脑处理、内化及产出英语知识的学习模式。将语形、语义、语用三个层面的英语知识的获取、加工及连结的过程提高到英语知识信息粒化的高度来研究，并探索英语知识粒内化及产出过程中知识系统的构建情况。将英语知识粒的内容与形式之间的关系诠释为隐性信息与显性信息的关系，并探究二者互动及相互影响、融合的条件、方式与效果。

参考文献

[1]PedryczW.Knowledge-BasedClustering：FromDatatoInformationGranules[M].Hoboken：Wiley，2005.

[2]YaoYY.InformationGranulationandRoughSetApproximation[J].InternationalJournalofIntelligentSystems，2001（4）.

[3]GorrieriR，MartinelliF，MatteucciF.TowardsInformationFlowPropertiesforDistributedSystems[J].ElectronicNotesinTheoreticalComputerScience，2009（6）.

[4]PoggioT，SheltonCR.LearninginBrainsandMachines[J].SpatVis，2000（13）.

[5]蔡曙山.言语行为和语用逻辑[M].中国社会科学出版社，1998.

[6]周礼全.逻辑---正确思维和有效交际的理论[M].人民出版社，1994.

[7]邹宗理.自然语言逻辑研究[M].北京大学出版社，2000.

[8]黄振定.试析英汉语篇逻辑连接的异同[J].外语与外语教学，2007（1）.

[9]王秀珍，顾伟泉等.基于信息粒度和连通强度的优化学习[J].计算机工程与科学，2010（5）.

[10]苗夺谦，范世栋.知识的粒度计算及其应用[J].系统工程理论与实践，2002（1）.

逻辑学相关知识范文

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

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

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

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

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

·效率和资源有限的推理；

·感知；

·做计划和计划再认；

·关于他人的知识和信念的推理；

·各认知主体之间相互的知识；

·自然语言理解；

·知识表示；

·常识的精确处理；

·对不确定性的处理，容错推理；

·关于时间和因果性的推理；

·解释或说明；

·对归纳概括以及概念的学习。[①]

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

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

1．常识推理中的某些弗协调、非单调和容错性因素

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

“次协调逻辑”（ParaconsistentLogic）是由普里斯特、达·科斯塔等人在对悖论的研究中发展出来的，其基本想法是：当在一个理论中发现难以克服的矛盾或悖论时，与其徒劳地想尽各种办法去排除或防范它们，不如干脆让它们留在理论体系内，但把它们“圈禁”起来，不让它们任意扩散，以免使我们所创立或研究的理论成为“不足道”的。于是，在次协调逻辑中，能够容纳有意义、有价值的“真矛盾”，但这些矛盾并不能使系统推出一切，导致自毁。因此，这一新逻辑具有一种次于经典逻辑但又远远高于完全不协调系统的协调性。次协调逻辑家们认为，如果在一理论T中，一语句A及其否定?A都是定理，则T是不协调的；否则，称T是协调的。如果T所使用的逻辑含有从互相否定的两公式可推出一切公式的规则或推理，则不协调的T也是不足道的(trivial)。因此，通常以经典逻辑为基础的理论，如果它是不协调的，那它一定也是不足道的。这一现象表明，经典逻辑虽可用于研究协调的理论，但不适用于研究不协调但又足道的理论。达·科斯塔在20世纪60年代构造了一系列次协调逻辑系统Cn（1≤n≤w），以用作不协调而又足道的理论的逻辑工具。对次协调逻辑系统Cn的特征性描述包括下述命题：(i)矛盾律?(Aù?A)不普遍有效；(ii)从两个相互否定的公式A和?A推不出任意公式；即是说，矛盾不会在系统中任意扩散，矛盾不等于灾难。(iii)应当容纳与(i)和(ii)相容的大多数经典逻辑的推理模式和规则。这里，(i)和(ii)表明了对矛盾的一种相对宽容的态度，(iii)则表明次协调逻辑对于经典逻辑仍有一定的继承性。

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

?(Aù?A)

Aù?AB

A(?AB)

(A??A)B

(A??A)?B

A??A

(?Aù(AúB))B

(AB)(?B?A)

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

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

2．归纳以及其他不确定性推理

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

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

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

3．广义内涵逻辑

经典逻辑只是对命题联结词、个体词、谓词、量词和等词进行了研究，但在自然语言中，除了这些语言成分之外，显然还存在许多其他的语言成分，如各种各样的副词，包括模态词“必然”、“可能”和“不可能”、时态词“过去”、“现在”和“未来”、道义词“应该”、“允许”、“禁止”等等，以及各种认知动词，如“思考”、“希望”、“相信”、“判断”、“猜测”、“考虑”、“怀疑”，这些认知动词在逻辑和哲学文献中被叫做“命题态度词”。对这些副词以及命题态度词的逻辑研究可以归类为“广义内涵逻辑”。

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

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

晨星必然是晨星，

晨星就是暮星，

所以，晨星必然是暮星。

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

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

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

4．对自然语言的逻辑研究

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

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

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

（1）数量准则：在交际过程中给出的信息量要适中。

a．给出所要求的信息量；

b．给出的信息量不要多于所要求的信息量。

（2）质量准则：力求讲真话。

a．不说你认为假的东西，。

b．不说你缺少适当证据的东西。

（3）关联准则：说话要与已定的交际目的相关联。

（4）方式准则：说话要意思明确，表达清晰。

a．避免晦涩生僻的表达方式；

b．避免有歧义的表达方式；

c．说话要简洁；

d．说话要有顺序性。[⑧]

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

（i）S说了p；

（ii）没有理由认为S不遵守准则，或至少S会遵守总的合作原则；

（iii）S说了p而又要遵守准则或总的合作原则，S必定想表达q；

（iv）S必然知道，谈话双方都清楚：如果S是合作的，必须假设q；

（v）S无法阻止听话人H考虑q；

（vi）因此，S意图让H考虑q，并在说p时意味着q。

试举二例：

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

逻辑学相关知识范文篇3

在教学过程中，数学教师应该转变学生的学习习惯，逐渐将学生的具体学习转变为抽象学习，注重转变学生的思维方式使之抽象化，让学生在独立的抽象学习中逐渐培养抽象逻辑思维能力．在教学过程中，教师应强化抽象理论知识的讲解，对抽象的理论知识，如公式等，多进行例题讲解，以及解题思路方法的讲解，让学生在一种抽象思维的环境下学习，经过长期的训练学习，使学生利用抽象思维去解决数学问题成为一种习惯，从而达到提高学生逻辑思维能力的效果．

二、在数学教学中，教师要环环相扣，强化教学内容的逻辑性

在数学教学过程中，教师要熟悉教材内容，明确其中内在联系，注重新旧知识的结合，知识内容要环环相扣，不断强化教学内容的逻辑性，不仅要巩固学生的已学知识，还要开拓学生的思维以及联系旧知识的能力．第一，要帮助学生把最基础的数学概念、公式定理等牢记于心，并通过练习掌握规律、方法，使其构成知识网络，紧密联系在一起，让学生在解决类似问题时游刃有余．第二，在传授新知识时，注重引导学生与原有的知识基础联系起来，并进行结合、整改形成新的知识网络，以便更好地理解新知识、运用新知识以及巩固旧知识．第三，在数学教学中，教师要注重与实际生活联系起来，通过一些实例或者场景模拟来讲解一些数学理论知识，指导学生利用理论知识去解决现实中出现的问题，这不仅可以有效地提高学生的学习兴趣，还可以有效地培养学生的逻辑思维能力．

三、注重几何知识的讲解，重在培养学生独立思考的逻辑思维能力

几何知识作为初中数学教学中的重要内容，不仅对学生的逻辑思维培养具有重要作用，还对学生在以后的学习生活中的条理性、有序性具有重要影响．几何知识一般都是通过抽象的逻辑思维来解题，尤其是几何证明题，几何知识的条件和结论往往紧密相连，在几何知识的讲解过程中，数学教师应该注重从理论上的逻辑性来培养学生的逻辑思维能力，加强学生在学习数学过程中的条理性，使学生清楚明白几何知识中各种条件与结论的关系，从而解决相应的几何问题．数学本身是一门逻辑性非常强的学科，对各类数据以及结论要求也相当高，相当精准，因此，加强学生严谨的逻辑思维能力至关重要．让学生在几何问题的解题过程中独立思考其中的逻辑关系，逐渐深刻理解其中的关联，可以锻炼学生的逻辑思维，培养学生的学习思维，从而提升学生的逻辑思维能力．

四、适时引导，启发学生的逻辑思维