数理推理和逻辑推理范文

数理推理和逻辑推理篇1

【英文摘要】Philosophicallogicisapolysemantincontemporarylogicalliterature.Webelieveit''''sanon-classicallogicwithphiloso-phicalpurportorcause.Itsrisearosesalotoftheoreticalproblems.Thisessayexpoundsthelimitsofclassicallogic,non-monotonyanddeduction,logicalmathematicalizationanddepart-mentalization,theownershipofinductivelogic,etc.

【关键词】经典逻辑/非经典逻辑/演绎性/数学化/部门化/哲学逻辑classicallogic/non-classicallogic/deduction/mathematicalization/departmentalization/philosophicallogic

【正文】

哲学逻辑的崛起引发一系列理论问题。我们仅就其中几个提出一些不成熟的看法。

一、经典逻辑和非经典逻辑的界限

在这里经典逻辑是指标准的一阶谓词演算(CQC)，它的语义学是模型论。随着非经典逻辑分支不断出现，使得我们对经典逻辑和非经逻辑的界限的认识逐步加深。就目前情况看，经典逻辑具有下述特征：二值性、外延性、存在性、单调性、陈述性和协调性。

传统的主流观点：每个命题（语句）或是真的或是假的。这条被称做克吕西波(Chrysippus)原则一直被大多数逻辑学家所恪守。20年代初卢卡西维茨(J.Lukasiwicz)建立三值逻辑系统，从而打破了二值性原则的一统天下，出现了多值逻辑、部分逻辑（偏逻辑）等一系列非二值型的逻辑。

经典逻辑是外延逻辑。外延性逻辑具有下述特点：第一，这种逻辑认为每个表达式（词项、语句）的外延就是它们的意义。每个个体词都指称解释域中的个体；而语句的外延是它们的真值。第二，每个复合表达式的值是由组成它的各部分表达式的值所决定，也就是说，复合表达式的意义是其各部分表达式意义的函项，第三，同一性替换规则和等值置换定理在外延关系推理中成立。也是在20年代初，刘易士(C.I.Lewis)在构造严格蕴涵系统时，引入初始模态概念“相容性”（或“可能性”），并进一步构建模态系统S1-S5。从而引发一系列非外延型的逻辑系统出现，如模态逻辑、时态逻辑、道义逻辑和认知逻辑等等出现。

从弗雷格始，经典逻辑系统的语义学中，总是假定一个非空的解释域，要求个体词项解释域是非空的。这就是说，经典逻辑对量词的解释中隐含着“存在假设”，在60年代被命名为“自由逻辑”的非存型的逻辑出现了。自由逻辑的重要任务就在于：(1)把经典逻辑中隐含的存在假设变明显；(2)区分开逻辑中的两种情况：一种与存在假设有关的推理，另一种与它无关。

在经典逻辑范围内，由已知事实的集合推出结论，永远不会被进一步推演所否定，即无论增加多少新信息作前提，也不会废除原来的结论。这就是说经典逻辑推理具有单调性。然而于70年代末，里特(R.Reiter)提出缺省(Default)推理系统，于是一系列非单调逻辑出现。

经典逻辑总是从真假角度研究命题间关系。因而只考察陈述句间关系的逻辑，像祈使句、疑问句、感叹句就被排斥在逻辑学直接研究之外。自50年代始，命令句逻辑、疑问句逻辑相继出现。于是，非陈述型的逻辑存在已成事实。

经典逻辑中有这样两条定理：（p∧q）（矛盾律）和p∧pq（司各特律），前者表明：在一个系统内禁不协调的命题作为论题，后者说的是：由矛盾可推出一切命题。也就是说，如果一个系统是不协调的，那么一切命题都是它的定理。这样的系统是不足道的(trivial)。柯斯塔(M.C.A.daCosta)于1958年构造逻辑系统Cn（1〈n≤ω）。矛盾律和司各特律在该系统中不普遍有效，而其他最重要模式和推理规则得以保留。这就开创了非经典逻辑一个新方向弗协调逻辑。

综上所述非经典逻辑诸分支从不同方面突破经典逻辑某些原则。于是，我们可以以上面六种特征作为划分经典逻辑与非经典逻辑的根据。凡是不具有上述六种性质之一的逻辑系统均属非经典逻辑范畴。

二、非单调性与演绎性

通常这样来刻画演绎：相对于语句集合Γ，对于任一语句S，满足下述条件的其最后语句为S的有穷序列是S由Γ演绎的：序列中每个语句或者是公理，或者是Г的元素，或者根据推理规则由前面的语句获得的。它的一个同义词是导出(derivation)。演绎是相对于系统的概念，说一个公式（或语句）是演绎的只是相对于一不定的公理和推理规则的具体系统而言的。演绎概念是证明概念的概括。一个证明是语句这样的有穷序列：它的每个语句或是公理或是根据推理规则由前面的语句得出的。在序列中最后一个语句是定理。

现在我们考察单调逻辑中演绎情况。令W是一阶逻辑公式的集合，D为缺省推理的可数集，cons(D)为D中缺省的后承的集合。我们来建立公式Φ的缺省证明概念：首先我们必须确定从WUcons(D[,0])。导出Φ这种性质的缺省集合D[,0]。为确保在D[,0]中缺省的适用性，我们须确定缺省集合D[,1]，致使能从WUcons(D[,1])中得出在D[,0]中缺省的所有必须的预备条件。我们从这种方式操作直至某一空的D[,K]。这意谓着从W得出在D[,K-1]中的必须的预备条件。然后我们确定一个证明，只是我们不陷入矛盾，即是W必须跟包括在证明中的所有缺省后承的集合相一致。例如，给定缺省理论：

T=(｛p｝,｛δ[,1]=p:r/r,δ[,2]=r:ps/pS｝)

(｛δ[,2]｝),｛δ[,1]｝，Φ是S在T中的缺省证明。

形式地说，Φ在正规缺省理论T=(W,D)中的一个缺省证明是满足下述条件的D的子集合的有穷序列(D[,0],D[,1],…D[,K])：

（i）Φ从WUcons(D[,0])得出。

（ii）对于所有i〈K,从Wucona(D[,i+1])得出缺省的所有预备条件。

（iii）D[,K]=Φ。

（iV）WUcons(U[,i]D[,i])是一致的。

由上面可以看出缺省推理中的证明是与通常的演绎证明是不同的，前者比后者要宽广些。

附图

由此可见，缺省逻辑中的推出关系比经典逻辑中的要宽。因而相应扩大了“演绎性”概念的外延。于是可把演绎性分为：强演绎性和弱演绎性。后者是随着作为前提的信息逐步完善，而导出的结论逐步逼近真的结论。

三、逻辑的数学化和部门化。

正如有人所指出的那样，“逻辑学在智力图谱中占有战略地位，它联结着数学、语言学、哲学和计算机科学不同学科。”[2]作为构建各学科系统的元科学手段的逻辑与各门科学联系越来越密切。它在当展中，表现出两个重要特征：数学化和部门化。

逻辑学日益数学化，这表现为：(1)逻辑采取更多的数学方法，因而技术性程度越来越高。一些逻辑问题（如系统特征问题）的解决需要复杂的证明技术和数学技巧。(2)它更侧重于数学形式化的问题。其实数学化的本质是抽象化、理想化和泛化（普遍化）。这对像逻辑这样的形式科学显然是非常重要的，近一个世纪逻辑迅速发展就证明了这一点。逻辑方法论的数学化在本世纪下半叶正在加速。这给予逻辑的一些重要结论以复杂的结构和深入的处理，使逻辑变得更精确更丰富。但是，由于逻辑中数学专门化已定型并且限定了它自己，所以逻辑需向其他领域扩张，拓宽其研究领域就势所必然。

逻辑向其他学科领域的延伸并吸收营养，于是出现了各种部门逻辑，如认知逻辑、道义逻辑、量子逻辑等等。我们把逻辑学这种延伸和部门逻辑出现称做逻辑部门化。

哲学逻辑就是逻辑部门化的产物，它是方面逻辑或部门逻辑。众所周知，经典逻辑演算的理论、方法和运算技术具有高度的概括性，它适用于一切领域、一切语言所表达的演绎推理形式。所以，它具有普遍性，是一般的逻辑。有人认为一阶演算完全性定理表明“采用现代数学方法和数学语言来刻画的全体‘演绎推理规律’恰好就是人们在思维中所用的演绎推理规律的全体，不多也不少！”[3]。表达一阶逻辑规律的公式是普通有效的，即是这些公式在任何一种解释中都是真的。而哲学逻辑各分支只是研究某一方面或领域的演绎推理规律，表达这些规律的公式只是在一定条件下在某一领域是有效的，即是它们在具有某种条件解释下是真的。例如，模态公式(D)PP,(T)PP,(B)PP,(4)PP,(E)PP，分别在串行的、自反的、对称的、传递的、欧几里得的模型中有效。而动态逻辑的一些规律只适用于像计算程序那样的由一种状态过渡到另一种状态转换的动态关系。

部门逻辑另一种含义是为某一特定领域提供逻辑工具。例如，当人们找出描述一个微观物理系统在某一时刻的可观察属性的命题的一般形式。对其进行运算时，发现一些经典逻辑规律失效，如分配律对这里定义的合取、析取运算不成立。于是人们构造一种能够描述微观物理世界新的逻辑系统，这就是量子逻辑。

四、哲学逻辑划界问题

哲学逻辑形形并且难于表征。在现代逻辑文献中，“哲学逻辑”是个多义词。它的涵义主要的有三种：它的第一种涵义是指关于现代逻辑中一些重要概念和论题的理论研究。例如，对于名称（词项）、摹状词、量词、模态词、命题、分析性、真理、意义、指涉、命题态度、悖论、存在乃至索引等概念及与它们相关的论题的理论研究以及利用形式逻辑工具处理逻辑和语言的逻辑结构的哲学争论。它的第二种涵义是指非经典逻辑中一个学科群体，它包括模态逻辑、多值逻辑等等众多逻辑分支。它的第三种涵义是兼指上述两种涵义的“哲学逻辑”。

我们认为，第一种涵义上的“哲学逻辑”不是研究推理有效式意义上的逻辑，而是逻辑哲学。我们赞成在第二种涵义上使用“哲学逻辑”一词。于是可以给出下述定义：哲学逻辑是具有哲学旨趣或涉及哲学事业的非经典逻辑，在这里应对“哲学”做广义的理解。哲学逻辑不仅与传统哲学中的概念和论题有直接或间接联系。而且也涉及各门科学中具有方法论性质的问题和其他元科学问题。

在我们看来，“归纳”和“演绎”一样，是传统哲学所关注的重要哲学概念，而且也是现代一些哲学家所争议的问题之一。同时归纳逻辑方法的启发作用在认知过程中不可低估，归纳的一些方法和技术同样是一些学科的元科学因素，是发现真理构建学科系统不可少的。因此，它应属于哲学逻辑。《哲学逻辑杂志》亦把它列入哲学逻辑诸分支之首。

问题在于，归纳推理的复杂性，对它的形式刻画和找出能行程序遇到不易克服的困难，致使其成果与演绎推理所获得成果相比，显得不那么丰硕。然而，由于人工智能等技术上的需要，推动着更多的人研究归纳推理，总会有一天，归纳逻辑也像演绎逻辑那样用形式方法来处理。

【参考文献】

[1]Antoniou,G.:1997,NonmontonicReasoning,TheMITPress,Cambridge,Masschusetts.

[2]Thomason,R.:1988,"PhilosophicallogicandArtificialIntelligence,"JournalofPhilosophicallogic,VoL17,No,4

数理推理和逻辑推理篇2

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

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

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

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

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

·效率和资源有限的推理；

·感知；

·做计划和计划再认；

·关于他人的知识和信念的推理；

·各认知主体之间相互的知识；

·自然语言理解；

·知识表示；

·常识的精确处理；

·对不确定性的处理，容错推理；

·关于时间和因果性的推理；

·解释或说明；

·对归纳概括以及概念的学习。[①]

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

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

1．常识推理中的某些弗协调、非单调和容错性因素

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

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

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

?(Aù?A)

Aù?AB

A(?AB)

(A??A)B

(A??A)?B

A??A

(?Aù(AúB))B

(AB)(?B?A)

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

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

2．归纳以及其他不确定性推理

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

首先是对归纳推理和归纳逻辑的研究。这里所说的“归纳推理”是广义的，指一切扩展性推理，它们的结论所断定的超出了其前提所断定的范围，因而前提的真无法保证结论的真，整个推理因此缺乏必然性。具体说来，这种意义的“归纳”包括下述内容：简单枚举法；排除归纳法，指这样一些操作：预先通过观察或实验列出被研究现象的可能的原因，然后有选择地安排某些事例或实验，根据某些标准排除不相干假设，最后得到比较可靠的结论；统计概括：从关于有穷数目样本的构成的知识到关于未知总体分布构成的结论的推理；类比论证和假说演绎法，等等。尽管休谟提出著名的“归纳问题”，对归纳推理的合理性和归纳逻辑的可能性提出了深刻的质疑，但我认为，（1）归纳是在茫茫宇宙中生存的人类必须采取也只能采取的认知策略，对于人类来说具有实践的必然性。（2）人类有理由从经验的重复中建立某种确实性和规律性，其依据就是确信宇宙中存在某种类似于自然齐一律和客观因果律之类的东西。这一确信是合理的，而用纯逻辑的理由去怀疑一个关于世界的事实性断言则是不合理的，除非这个断言是逻辑矛盾。（3）人类有可能建立起局部合理的归纳逻辑和归纳方法论。并且，归纳逻辑的这种可能性正在计算?蒲Ш腿斯ぶ悄艿难芯客贫侣匮荼涑上质怠6鞲袼乖缇椭赋觯吧缁嵋坏屑际跎系男枰蛘庵中枰仁笱Ц馨芽蒲葡蚯敖！盵④]有人通过指责现有的归纳逻辑不成熟，得出“归纳逻辑不可能”的结论，他们的推理本身与归纳推理一样，不具有演绎的必然性。（4）人类实践的成功在一定程度上证明了相应的经验知识的真理性，也就在一定程度上证明了归纳逻辑和归纳方法论的力量。毋庸否认，归纳逻辑目前还很不成熟。有的学者指出，为了在机器的智能模拟中克服对归纳模拟的困难而有所突破，应该将归纳逻辑等有关的基础理论研究与机器学习、不确定推理和神经网络学习模型与归纳学习中已有的成果结合起来。只有这样，才能在已有的归纳学习成果上，在机器归纳和机器发现上取得新的突破和进展。[⑤]这是一个极有价值且极富挑战性的课题，无疑在21世纪将得到重视并取得进展。

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

3．广义内涵逻辑

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

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

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

晨星必然是晨星，

晨星就是暮星，

所以，晨星必然是暮星。

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。

数理推理和逻辑推理篇3

什么是逻辑？要清楚明确地回答这一问题，要将各种各样冠以“逻辑”的学科都统一在一个明确清晰的“逻辑”的定义之下，这是很困难的，甚至是不可能的。

不妨先对逻辑发展史作一简单考察。

在西方，公元前4世纪，古希腊哲学家亚里士多德集其前人研究之大成，写成了逻辑巨著《工具论》（由亚氏的六部著作编排而成：《范畴篇》、《解释篇》、《前分析篇》、《后分析篇》、《论辩篇》、《辨谬篇》）。虽然在亚氏的著作中他并没有明确地使用“逻辑”这一名称，也没有明确地以“逻辑”这一术语命名其学说，但是，历史事实是，亚氏使形式逻辑从哲学、认识论中分化出来，形成了一门以推理为中心，特别是以三段论为中心的独立的科学。因此，可以说，亚里士多德是形式逻辑的创始人。

亚氏之后，亚里士多德学派即逍遥学派和斯多葛学派都以不同形式发展了亚氏的形式逻辑理论——逍遥学派的德奥弗拉斯特和欧德慕给亚里士多德逻辑的推理形式增补了一些新的形式与内容，提出了命题逻辑问题，斯多葛学派克里西普斯等人则构造了一个与亚里士多德词项逻辑不同的命题逻辑理论。

弗兰西斯·培根是英国近代唯物主义哲学家，也是近代归纳逻辑的创始人，他在总结前人归纳法的基础上，在批判了经院逻辑和亚里士多德逻辑之后，以其古典归纳逻辑名著《新工具》为标志，奠定了归纳逻辑的基础。

18-19世纪，德国古典哲学家康德、黑格尔等，对人类思维的辩证运动与发展进行了深入研究，建立了另一种新的思辩逻辑——辩证逻辑。

与此同时，以亚里士多德逻辑为基础的形式逻辑在发展与变化中也进入了新的阶段——数理逻辑阶段。数理逻辑也称符号逻辑，或谓狭义的现代逻辑，奠基人是德国哲学家、数学家莱布尼兹。他主张建立“表意的、普遍的语言”来研究思维问题，使推理的有效性可以用数学方法来进行。莱布尼兹的这些设想虽然在许多方面并未实现，但他提出的“把逻辑加以数学化”的伟大构想，对逻辑学发展的贡献却是意义深远的，正如逻辑史家肖尔兹所说，“人们提起莱布尼兹的名字就好象在谈到日出一样。他使亚里士多德逻辑开始了‘新生’，这种新生的逻辑在今天的最完美的表现就是采作逻辑斯蒂形式的现代精确逻辑。”（注：肖尔兹著，张家龙译：《简明逻辑史》，商务印书馆1997年版，第50页。）莱氏之后，经过英国数学家、哲学家、逻辑学家哈米尔顿、德摩根的研究，英国数学家布尔于1847年建立了逻辑代数，这是第一个成功的数理逻辑系统。1879年，德国数学家、逻辑学家弗雷格在《概念文字——一种模仿算术语言构造的纯思维的形式语言》这部88页的著作中发表了历史上第一个初步自足的、包括命题演算在内的谓词演算公理系统，从而创建了现代数理逻辑。之后，英国哲学家、逻辑学家罗素和怀特海于1910年发表了三大卷的《数学原理》，建立了带等词的一阶谓词系统，从而使得数理逻辑成熟与发展起来。

上述数理逻辑，以两个演算——命题演算与谓词演算作为核心，被称之为现代形式逻辑或狭义的现代逻辑。在当代，以现代逻辑为基础，将现代逻辑应用于各个领域、各个学科，从而出现了广义的各种各样的现代逻辑分支。

从以上对古代、近代、现当代逻辑学说发展的简单考察可以看出，逻辑的范围是十分广泛的。它至少包括了以亚里士多德逻辑为基础的传统演绎逻辑、以数理逻辑为核心及基础的现代逻辑及其分支、归纳逻辑、辩证逻辑等等，而这些逻辑相互之间的特性又是十分不同甚至十分对立的。所以，要用一个明确的定义把这些历史上所谓的逻辑都包含进去，确实是很难的。事实上，“逻辑”一词是可以有不同的涵义的，逻辑可以有广义与狭义之分。

英国逻辑学家哈克在谈到逻辑的范围时，认为逻辑是一个十分庞大的学科群，其分支主要包括如下：

1.传统逻辑：亚里士多德的三段论

2.经典逻辑：二值的命题演算与谓词演算

3.扩展的逻辑：模态逻辑、时态逻辑、道义逻辑、认识论逻辑、优选逻辑、命令句逻辑、问题逻辑

4.异常的逻辑：多值逻辑、直觉主义逻辑、量子逻辑、自由逻辑

5.归纳逻辑（注：S.Haack:Philosophyoflogics,CambridgeUniversityPress,1978,P.4,221-231.）

在这里，哈克所谓的“扩展的逻辑”，是指在经典的命题演算与谓词演算中增加一些相应的公理、规则及其新的逻辑算子，使其形式系统扩展到一些原为非形式的推演，由此而形成的不同于经典逻辑的现代逻辑分支；至于“异常的逻辑”，则是指其形成过程一方面使用与经典逻辑相同的词汇，但另一方面，这些系统又对经典逻辑的公理与规则进行了限制甚至根本性的修改，从而使之脱离了经典逻辑的轨道的那些现代逻辑分支。“扩展的逻辑”与“异常的逻辑”统称为“非经典逻辑”。

以哈克的上述分类为基础，从逻辑学发展的历史与现实来看，逻辑是有不同的涵义的，因此，逻辑的范围是有宽有窄的：首先，逻辑指经典逻辑，即二值的命题演算与谓词演算，不严格地，也可以叫数理逻辑，这是最“标准”、最“正统”的逻辑，也是最狭义的逻辑；其次，逻辑还包括现代非经典逻辑，不严格地，也可以叫哲学逻辑，即哈克所讲的扩展的逻辑与异常的逻辑；再次，逻辑还包括传统演绎逻辑，它是以亚里士多德逻辑为基础的关于非模态的直言命题及其演绎推理的直观理论，其主要内容一般包括词项（概念）、命题、推理、证明特别是三段论等。此外，逻辑还可以包括归纳逻辑（包括现代归纳逻辑与传统归纳法）、辩证逻辑。将逻辑局限于经典逻辑、非经典逻辑，这就是狭义的逻辑，而将逻辑包括传统逻辑、归纳逻辑与辩证逻辑，则是广义的逻辑。以这一取向为标准，狭义的逻辑基本上可以对应于“逻辑是研究推理有效性的科学，即如何将有效的推理形式从无效的推理形式中区分开来的科学”这一定义，而广义的逻辑则可以基本上对应于“逻辑是研究思维形式、逻辑基本规律及简单的逻辑方法的科学”这一定义。

由此可见，逻辑学的发展是多层面的，站在不同的角度，就可以从不同的方面来考察逻辑学的不同层面及不同涵义：

(1)从现代逻辑的视野看，逻辑学的发展从古到今的过程是从传统逻辑到经典逻辑再到非经典逻辑的过程。这一点上面已有论述，此不多说。

(2)从逻辑学兼具理论科学与应用科学的角度，可以确切地把逻辑分成纯逻辑与应用逻辑两大层面。可以说，纯逻辑制定出一系列完全抽象的机械性装置（例如公理与推导规则），它们只展示推理论证的结构而不与某一具体领域或学科挂钩，是“通论”性的，而应用逻辑则是将纯逻辑理论应用于某一领域或某一主题，从而将这一具体主题与纯逻辑理论相结合而形成的特定的逻辑系统，它相当于逻辑的某一“分论”。在纯逻辑这一层面，还可以分成理论逻辑与元逻辑，所谓元逻辑，是以逻辑本身为研究对象的元理论，是刻划、研究逻辑系统形式面貌与形式性质的逻辑学科，它研究诸如逻辑系统的一致性、可满足性、完全性等等。不言而喻，元逻辑之外的纯逻辑部分，统称为理论逻辑。以这种分法为基础，如果说纯逻辑是狭义的逻辑的话，则应用逻辑就是广义的逻辑。

(3)从逻辑学对表达式意义的不同研究层次，可以把逻辑分成外延逻辑、内涵逻辑与语言逻辑。传统逻辑与经典逻辑对语言表达式（词或句子）意义的研究基本上停留在表达式的外延上，认为表达式的外延就是其意义（如认为词的意义就是其所指，句子的意义就是其真值），因此，它们是外延逻辑。对表达式意义的研究不只是停留在其外延上，认为不仅要研究表达式的外延，也要研究表达式的内涵，这样的逻辑就是内涵逻辑。可以看出，外延逻辑与内涵逻辑对表达式意义的研究都只是停留在语形或语义层面，而实际上，表达式总是在具体的语言环境下使用的，因此，逻辑对语言表达式意义的研究还可以也应该深入到语言表达式的具体的使用中去，对其进行语用研究，这一考虑，就促成了所谓的自然语言逻辑或语言逻辑的研究。所谓自然语言逻辑，按我的理解，就是通过对自然语言的语形、语义与语用分析来研究自然语言中的推理的科学。因此，如果说狭义的逻辑是一种语形或语义逻辑、它们只研究语形或语义推理的话，则广义的逻辑则是一种语用逻辑，它还要研究语用推理。

二、现代逻辑背景下的逻辑一元论、多元论与工具论

从上面的论述可以看出，在当代，现代逻辑的发展呈现出多层次、全方位发展的态势，逻辑学正在从单一学科逐步形成为由既相对独立又有内在联系的诸多学科组成的科学体系的逻辑科学。现代逻辑发展的这一趋势，就使得一方面大量的、各种各样的现代逻辑分支、各种各样的逻辑系统不断涌现，比如，既有作为经典逻辑的命题演算与谓词演算，也有作为对经典逻辑的扩展或背离的非经典逻辑。另一方面，不同于传统逻辑或经典逻辑所具有的直观性，非经典逻辑系统越来越远离直观甚至在某些意义上与直观相背。在这种背景下，逻辑学家就必然面临如下需要回答的问题：

(1)逻辑系统有无正确与不正确之分？说一个逻辑系统是正确的或不正确的是什么意思？

(2)是否一定要期望一个逻辑系统成为总体应用的即可以应用于代表任何主题的推理的？或者说，逻辑可以是局部地正确，即在一个特定的讨论区域内正确的吗？

(3)经典逻辑与非经典逻辑特别是其中的异常逻辑之间的关系如何？它们是否是相互对立的？

对上述问题的不同回答，就区分出了关于逻辑的一元论、多元论与工具主义。

不管是一元论还是多元论，都认为逻辑系统有正确与不正确之分，逻辑系统的正确与否依赖于“相对于系统本身的有效性或逻辑真理”与“系统外的有效性或逻辑真理”是否一致。如果某一逻辑系统中的有效的形式论证与那些在系统外的意义上有效的非形式论证相一致，并且那些在某一系统中逻辑地真的合式公式与那些在系统外的意义上也逻辑地真的陈述相一致，则该逻辑系统就是正确的，反之则为不正确的。以这一认识为基础，一元论认为只有一个唯一地在此意义下正确的逻辑系统，而多元论则认为存在多个如此的逻辑系统。

工具主义则认为，谈论一个逻辑系统是否正确或不正确是没有意义的，不存在所谓正确或不正确的逻辑系统，“正确的”这个词是不合适的。就工具主义来说，他们只允许这样一个“内部”问题：一个逻辑系统是否是“完善的”(Sound)？即是说，逻辑系统的定理或语法地有效的论证是否全部地并且唯一地是在该系统内逻辑地真或有效的？（注：S.Haack:Philosophyoflogics,CambridgeUniversityPress,1978,P.4,221-231.）

多元论又可以分为总体多元论与局部多元论。局部多元论认为，不同的逻辑系统是由于应用于讨论的不同领域而形成的，因此，局部多元论把系统外的有效性和逻辑真理从而也把逻辑系统的正确性看作是讨论的一个特定领域，认为一个论证并不是无条件地有效的，而是在讨论中有效的，所以，逻辑可以是局部地正确的，即在某一特定的讨论区域内正确的。而总体多元论则持有与一元论相同的假定：逻辑原理可以应用于任何主题，因此，一个逻辑系统应该是总体应用的即可以应用于代表任何主题的推理的。

就经典逻辑与非经典逻辑特别是异常逻辑之间的关系而言，一元论者强迫人们在经典系统与异常系统中二者择一，而多元论者则认为经典逻辑与扩展的逻辑都是正确的。因此，一元论者断言经典逻辑与异常逻辑在是否正确地代表了系统外的有效论证或逻辑真理的形式上是相互对立的，而多元论者则认为经典逻辑与异常逻辑两者在某一或其他途径下的对立只是表面的。

就逻辑科学发展的现实而言，从传统逻辑到经典逻辑再到非经典逻辑的道路，也是逻辑科学特别是逻辑系统发展由比较单一走向丰富多样的过程。以传统逻辑来说，它来自于人们的日常思维和推理的实际，可以说是对人们的日常思维特别是推理活动的概括和总结，因此，传统逻辑的内容是比较直观的，与现实也是比较吻合的。而经典逻辑是传统逻辑的现展阶段，是以形式化的方法对传统逻辑理论特别是推理理论的新的研究，因此，与传统逻辑一样，经典逻辑的内容仍是具有直观基础的——经典逻辑的公理与定理大都可以在日常思维中找到相对应的思维与推理的实例予以佐证，人们对它们的理解与解释也不会感到与日常思维特别是推理的实际过于异常。所以，在传统逻辑与经典逻辑的层面，用“系统内的有效性”与“系统外的有效性”的一致来说明一个逻辑系统的正确性是合适的，这种说明的实质就是要求逻辑系统这种“主观”的产物与思维的客观实际相一致。

相对而言，在经典逻辑基础上发展起来的各种非经典逻辑，它的直观性、与人们日常思维特别是推理的吻合性就大大不如经典逻辑，甚至与经典逻辑背道而驰。以模态命题系统为例（应该说，相对而言，模态命题逻辑在非经典逻辑中是较为直观的），如果说系统T满足对模态逻辑系统的直观要求，它所断定的是没有争论的一些结论的话，则系统S4、S5就难以说具有直观性以及与人们日常思维特别是推理的吻合性了：在系统S4和S5中都出现了模态算子的重叠，因而象pp、pp这样的公式大量出现，而这些公式几乎没有什么直观性。至于非经典逻辑中的直觉主义逻辑、多值逻辑，它们离人们的日常思维特别是推理的实际更远，更显得“反常”。同时，同一个领域比如模态逻辑或时态逻辑，由于方法和着眼点不同，可以构造出各种不同的系统。在这种情况下，一些学者作出逻辑系统无正确性可言、逻辑系统纯粹只是人们思考的工具的工具主义结论也就不足为怪了。应该说，工具主义的观点是有一定的可取之处的：它看到了逻辑系统特别是各种非经典逻辑系统远离日常思维与推理和作为“纯思维产物”的高度抽象性，看到了逻辑学家在建构各种逻辑系统时的高度的创造性或“主观能动性”。但是，另一方面，从本质来看，工具主义的这种观点是不正确的，也是不可取的。它完全抹杀了逻辑系统建构的客观基础，否定了逻辑系统最终是人们特别是逻辑学家的主观对思维实际、推理实际的反映。这种观点最终的结果就是导致逻辑无用论，最终取消逻辑。这显然是不符合逻辑科学发展的实际和逻辑科学的学科性质的。

而一元论对逻辑系统的“正确性”的理解过于狭窄，也过于严厉，这种观点难以解释在今天各种不同的逻辑系统之间相互并存、互为补充的现实。从本质上讲，尽管任何逻辑系统都是逻辑学家构造出来的，但是，它们是有客观基础的——它总是在一定程度上反映了人类思维特别是推理实际的某一方面或某一领域（否则，它就是没有实际意义的，最终难以存在下去），所以，逻辑系统是有“正确”与“不正确”之分的——正确地反映了人类思维特别是推理实际的逻辑系统就是正确的，反之则是不正确的。应该说，这一点是一元论与多元论都可以同意的，但是，在承认这一说法的同时，还应该看到，“正确地反映人类思维特别是推理的实际”是可以有不同的程度、不同的层次的：逻辑系统对人类思维特别是推理实际的反映可以是比较普遍、一般的（比如传统逻辑与经典逻辑），也可以是比较特殊、具体的（比如某些非经典逻辑系统，它所反映的就是相对于某一特定主题或领域的特定的思维与推理）；逻辑系统对人类思维特别是推理实际的反映可以是比较直观、与日常较为吻合的，也可以是相对来说较为抽象、远离现实的。从这个意义上来讲，逻辑系统的“正确性”是多样的，不可绝对化和唯一化。所以，我认为，一元论坚持“只有一个正确的、唯一的逻辑”是不妥的，相反，多元论的观点则是可以接受的。

如果按哈克的分析把非经典逻辑分成“扩展的逻辑”与“异常的逻辑”的话，那么，很显然，扩展的逻辑是以经典逻辑为基础，将经典逻辑理论应用于某一领域或学科而形成的对经典逻辑的扩充，它们之间并不存在互斥、对立的情况，它们都可以是“正确的”。至于“异常的逻辑”，它的某些性质与特征确实可能与经典逻辑不同甚至相矛盾（例如在直觉主义逻辑、多值逻辑中排中律的失效等等），因此，它们有“对立”的地方，但就经典逻辑与某一异常逻辑分支相比而言，它们的对立或不一致只是在某些方面，而从整个系统的性质来看，它们的互通之处更多，因此，经典逻辑与某一异常逻辑分支之间的所谓“对立”之处，恰恰是该异常逻辑分支的独特之处，也是它对某一问题的不同于经典逻辑的处理和解决之处，所以，从这个意义上讲，它对经典逻辑的意义不在于“否定”了经典逻辑的某些定理或规则，而在于对经典逻辑忽略了的或无法处理的地方进行了自己的独特的处理。所以，经典逻辑与异常逻辑之间的“对立”是表面上的，其实质是它们之间的互补。

【内容提要】逻辑学的发展是多层面的，逻辑的涵义也是分层次的，逻辑可以有广义与狭义之分。对现代逻辑背景下出现的关于逻辑的一元论、多元论与工具主义要作具体分析。事实上，每种观点都有一定的道理，但总体上来说，多元论更符合现代逻辑科学发展的实际。

【关键词】逻辑/广义与狭义/一元论/多元论/工具主义

【参考文献】

[1]陈波.逻辑哲学导论[M].北京：中国人民大学出版社，2000.

[2]冯棉，等.哲学逻辑与逻辑哲学[M].上海：华东师范大学出版社，1991.

[3]桂起权.当代数学哲学与逻辑哲学入门[M].上海：华东师范大学出版社，1991.

[4]杨百顺.西方逻辑史[M].成都：四川人民出版社，1984.

[5]江天骥，等.西方逻辑史研究[M].北京：人民出版社，1984.

[6]王路.逻辑的观念[M].北京：商务印书馆，2000.

数理推理和逻辑推理篇4

关键词：数学课堂；小学生；逻辑推理

一、精心设计思维感性材料

思维的感性材料是学生开展逻辑推理的基础前提，也可以说思维感性材料的数量和质量在一定程度上影响着学生逻辑思维推理的成败。因此，要培养小学生的逻辑推理能力，教学者首当其冲的任务是做好思维感性材料的设计工作，为学生提供丰富的感性材料，帮助小学生顺利实现量变到质变的飞跃。比如说，在质数和合数的概念教学中，教学者可以通过大量找自然数约数的方法，让学生观察分析总结得出质数与合数概念的内在的区别。即质数的约数只有1和它本身；合数的约数除了1和它本身之外，还存在其他约数。

二、依据基础知识进行思维活动

逻辑推理是在把握了事物与事物之间的内在必然联系的基础上展开的，所以，培养小学生的逻辑推理能力可以有效结合小学生现有的基础知识。由于小学生学习能力有限，所接受和理解的教学内容较少，依据已有的基础知识应当从数学概念、公式和定义、法则等入手，进而开展逻辑推理活动。比如，在给三角形作高的教学中，很多学生对锐角三角形、直角三角形的作高感到很容易，但很难把握钝角三角形的作高方法，究其原因是没有依据三角形高的概念，没有找到正确的逻辑思维方向。

三、养成多角度认识事物的习惯

多角度看问题、思考问题是发散小学生思维能力，提高小学生逻辑思维能力的重要途径。养成多角度看问题即在认识事物的过程中，全面认识事物部分与整体之间的关系、事物与其他事物之间的关系、部门与部分之间的关系等。这需要小学生理解和把握“求同存异”和“异中求同”的思维理念，相同事物的比较要发现其存在的不同之处，而不同事物的比较能够找出其中某个方面的相同之处。比如，在课程教学中，老师可以将比较相似或相近的问题作比较，让学生找出两者的联系和区别，进而找出问题的正确答案，提高学生的逻辑思考能力。

参考文献：

数理推理和逻辑推理篇5

（桂林电子科技大学计算机科学与工程学院，广西桂林541004）

摘要：针对离散数学课程中的数理逻辑教学，分析计算思维与数理逻辑之间的内在关系，从计算思维的角度对数理逻辑教学内容进行梳理，论述如何将“对问题进行抽象建模一形式化一自动化一分析评估”这一思维模式贯穿于教学过程中，以及如何在教学中强调计算思维的基本概念和基本方法。

关键词 ：计算思维；数理逻辑；抽象；形式化；自动化

文章编号：1672-5913(2015)15-0031-05

中图分类号：G642

第一作者简介：常亮，男，教授，研究方向为知识表示与推理、形式化方法，changl@guet．edu．cn。

0 引 言

对计算思维能力的培养已经成为新一轮大学计算机课程改革的核心导向。如何从计算思维的角度重新梳理和组织计算机相关课程的教学内容，如何在教学实施中培养学生的计算思维能力，是近年来计算机教育者热烈探讨的问题。

数理逻辑是计算机专业核心基础课程离散数学中的主要教学内容，不仅为数据库原理、人工智能等专业课程提供必需的基础知识，更对培养学生的抽象思维能力和逻辑思维能力起着重要作用。

1 计算思维

计算思维运用计算机科学的基本概念来求解问题、设计系统和理解人类行为，包括一系列广泛的计算机科学的思维方法。根据卡内基·梅隆大学周以真( Jeannette M．Wing)教授的设想，一个人具备计算思维能力体现在以下几个方面：给定一个问题，能够理解其哪些方面是可以计算的；能够对计算工具或技术与需要解决的问题之间的匹配程度进行评估；能够理解计算工具和技术所具有的能力和局限性；能够将计算工具和技术用于解决新的问题；能够识别出使用新的计算方式的机会；能够在任何领域应用诸如分而治之等计算策略等。在计算思维所包含的诸多内容中，最根本的内容是抽象和自动化。

在计算机专业相关课程的教学中，为了培养学生的计算思维能力，我们认为一种有效的途径是从问题出发，抓住抽象和自动化这两个核心内容，培养学生分析问题、解决问题和对解决方案进行评估的能力。同时，我们提炼出计算机学科以及各门具体课程中涉及的基本概念和思维方法，在教学过程中有意识地强化学生对这些基本概念和思维方法的理解和掌握。

2 基于计算思维的数理逻辑数学内容组织

数理逻辑应用数学中的符号化、公理化、形式化等方法来研究人类思维规律。从广义上看，数理逻辑是数学的一个分支，包括证明论、集合论、递归论、模型论以及各种逻辑系统等5部分。我们在这里谈的是狭义的数理逻辑，即大学计算机相关专业学习的数理逻辑基础。

数理逻辑与计算机科学有着非常密切的关联。无论是在ACM和IEEE-CS联合攻关组制订的《计算教程CC2001》中，还是在中国计算机学会教育委员会和全国高等学校计算机教育研究会联合制定的《中国计算机科学与技术学科教程2002》中，数理逻辑都是计算机相关专业的核心知识单元。对于计算机相关专业来说，数理逻辑的教学内容主要是命题逻辑和一阶谓词逻辑这两个基础的逻辑系统。针对这两个逻辑系统，传统的教学大纲主要从语法、语义、等值演算、形式证明系统等4个方面安排教学。在开展教学的过程中，教师强调的主要是培养学生的抽象思维能力和逻辑思维能力。然而，从学生的角度看，这两种能力本身都是抽象的口号，处于大一或者大二阶段的学生难以将这些知识点与计算机科学联系起来，感觉不到数理逻辑在计算机科学或者将来工作中的具体应用，从而缺乏相应的学习兴趣。

数理逻辑中的许多思想都与计算思维有着异曲同工之妙；最为明显的是数理逻辑和计算思维都强调抽象及形式化。在关于离散数学课程的教学实践中，我们已经把计算思维的诸要素或多或少地渗透到包括数理逻辑在内的培养方案和教学大纲中，但尚未上升到以培养计算思维能力为导向的高度。

在明确将培养计算思维能力作为一个新的教学目标之后，我们从计算思维的角度对数理逻辑教学内容重新进行梳理。具体来说，在计算思维的指导下，我们以问题求解作为出发点，抓住抽象和自动化这两个核心内容，按照“对问题进行抽象建模一形式化一自动化一分析评估”的主线来组织数理逻辑教学，培养学生应用计算思维分析问题和解决问题的能力。与此同时，在教学实施的过程中，尽可能地提炼出各个知识点中关于计算思维的基本概念和基本方法，把计算思维贯彻到每堂课中。

2.1 从问题出发引入数理逻辑

在传统的数理逻辑教学中，开篇的内容就是对命题进行符号化，但许多学生并不清楚为什么要进行符号化。在计算思维的引导下，我们可以通过如下两个问题来引人数理逻辑。

第一个问题是莱布尼茨创立数理逻辑时的理想：把推理过程像数学一样利用符号来描述，建立直观而又精确的思维演算，最终得出正确的结论。形象地说，当两个人遇有争论时，双方可以拿起笔说“让我们来算一下”，就可以很好地解决问题。为了实现莱布尼茨的理想，基本思路是首先引入一套符号体系，将争论的内容严格地刻画出来；其次规定一套符号变换规则，借助这些符号变换规则，将逻辑推理过程在形式上变得像代数演算一样。

第二个问题是人工智能中的知识表示和知识推理。人工智能中的符号主义学派认为，人的认知基元是符号，认知过程就是符号操作过程；知识可以用符号表示，也可以用符号进行推理，从而建立起基于知识的人类智能和机器智能的统一理论体系。基于这种思路，为了在计算机上实现智能，我们首先需要将知识用某套符号体系表示出来，然后在此基础上通过算法进行知识推理，最终实现智能决策等一系列体现智能的功能。

从上述两个问题出发，我们可以将命题逻辑和一阶谓词逻辑当作两个工具来引入。与此同时，对于这两个工具来说，应用它们来解决问题的过程又可以被分解为符号化表示和符号化推理两个阶段。因此，我们最终可以从两个维度上引入数理逻辑：一个维度是命题逻辑和谓词逻辑两个工具，另一个维度是符号化表示和符号化推理两个过程。与传统的直接介绍数理逻辑形式系统的方式相比，这种从问题出发的引入方式与计算机专业学生的思维方式即计算思维一致。

2.2 从形式化的角度组织教学内容

作为彻底的形式系统，数理逻辑为培养计算思维中的抽象思维能力提供了非常好的素材。从形式系统自身的角度来看，我们还可以将语法和语义两个内容独立出来。在此基础上，我们用表1对计算机相关专业数理逻辑部分的学习内容进行概括。

表1列出的知识点与《计算教程CC2001》《中国计算机科学与技术学科教程2002》中关于数理逻辑的知识点一致。借助这张表，可以让学生对数理逻辑部分的学习内容形成一个清晰、全面的认识。在教学过程中，每开始一个新的章节，我们都可以呈现这张表，帮助学生知道接下来的学习内容处于哪个位置，并且加深他们对计算思维中抽象和建模的印象。

需要指出的是，在广义的数理逻辑中，介绍形式演算系统时通常是指公理推理系统。公理推理系统从若干条给定的公理出发，应用系统中的推理规则推演出系统中的一系列重言式。公理推理系统可以深刻揭示逻辑系统的相关性质以及人类的思维规律，但从计算思维解决问题的角度来看，我们并不关注公理推理系统。在知识推理中，我们关注的是从任意给定的前提出发，判断能否应用推理规则推演出某个结论；我们并不要求这些前提和结论是重言式。因此，对于计算机专业的数理逻辑来说，我们关注的是自然推理系统，即构造证明法。计算思维为我们选择自然推理系统而不是公理推理系统提供了一个很好的视角。

2.3 在数理逻辑中强调自动化

表1的知识点充分体现了计算思维中抽象和对问题建模求解的思维方式，但计算思维中的自动化尚未体现出来。在学习了构造证明方法之后，学生一般会形成一个印象，认为构造证明法使用起来简单方便，与人们的直观逻辑思维一致，但使用过程中需要一定的观察能力和技巧。与之相反的是，计算思维希望能够通过算法实现问题的自动求解。

实际上，在广义的数理逻辑中已经存在许多自动化证明方法，其中最为典型的是归结推理方法和基于Tableau的证明方法。为了判断能否从给定的前提推导出某个结论，我们同样可以采用归结推理方法或者基于Tableau的证明方法。具体来说，我们首先对拟证明的结论进行否定，将该否定式与所有前提一起合取起来，然后判断所得到的合取式是否为可满足公式；如果不可满足，则表明可以从给定的前提推导出结论，否则表明所考察的结论是不能得出的。换句话说，前提与结论之间是否可推导的问题被转换为公式可满足性问题来解决。

归结推理方法最早于1965年由Robinson提出，是定理证明中主流的推理方法。《计算教程CC2001》和《中国计算机科学与技术学科教程2002》都将其列为人工智能课程的一个重要知识点。由于许多学校都是将人工智能作为选修课来开设，因此许多学生都没有机会接触和学习。实际上，在数理逻辑的教学实践中，只需要很少的课时就可以把归结推理方法讲授清楚。具体来说，在讲授完构造证明法中的归谬法之后，只需要补充介绍归结原理这一条推理规则就可以了，最多只花费半个课时。当我们用简洁的算法把归结推理方法描述清楚，让学生直观感受到机械化的证明过程之后，学生对计算思维就有了更进一步的认识和掌握。在有条件的情况下，还可以让学生上机实现命题逻辑的归结推理算法。

基于Tableau的证明方法出现的时间早于归结推理方法，最初在1955年就被Beth和Hintikka分别独立提出，之后Smullyan在其1968年出版的著作中进行了规范描述。Tableau方法的基本思想是通过构造公式的模型来判断公式的可满足性。虽然Tableau方法使用的推理规则不只一条，但每条推理规则都直观地体现了逻辑联结词的语义定义。Tableau方法在早期没有受到太多关注，但最近十多年来，随着描述逻辑成为了知识表示和知识推理领域的研究热点，在描述逻辑推理中发挥出优异性能的Tableau方法得到了越来越多的关注。鉴于此，在讲授完构造证明法和归结推理方法之后，我们也向学生简单描述了Tableau方法，引导学有余力并且对学术前沿感兴趣的学生在课后自学。

2.4 在分析评估中强化计算思维

在讲授数理逻辑的过程中，我们还可以从许多知识点提炼出计算思维的内容，把计算思维贯彻到每个具体的教学内容中。我们列举体现计算思维的4个典型内容进行探讨。

首先，命题公式和谓词公式的语法定义为计算思维中的递归方法提供了经典案例。实际上，除了公式的语法定义外，数理逻辑中在对语义的定义、对语法与语义之间关系的研究、对算法正确性的证明、对算法复杂度的分析等各项内容中都用到了递归。由于课时的限制，我们不能在数理逻辑教学中对其展开，但可以点出这个情况，让将来可能继续攻读硕士或博士学位的学生留下一个印象。

其次，当我们讲授了用归结推理方法或者Tableau方法进行自动推理和问题求解之后，从计算思维的角度看，一个很自然的想法是想知道这种解决方法的求解效率。因此，我们可以对命题逻辑中推理算法的复杂度进行分析。由于我们已经把归结推理方法通过非常简洁的算法呈现在学生面前，因此只需要进行简单的口头分析就可以得出最坏情况下的算法复杂度，让学生知道命题逻辑的公式可满足性问题是NP问题。到此为止，在对命题逻辑进行讲授的过程中，我们引导学生完成了“对问题进行抽象建模一形式化一自动化一分析评估”的完整流程。如果在后继课程中再反复重现这个流程，将可以把这种思维模式固化到学生大脑中，使得计算思维成为他们日后解决新问题的有效工具。

第三，在讲授完命题逻辑之后，我们可以用著名的苏格拉底三段论作为例子来引入谓词逻辑。首先我们用命题逻辑对“所有的人都是会死的”“苏格拉底是人”“苏格拉底会死的”进行符号化，然后展示在命题逻辑下无法从两个前提推导出后面的结论，从而说明命题逻辑在表达能力上的局限，进而阐述引入一阶谓词逻辑的原因和思路。从计算思维的角度看，这个过程体现了如何选择合适的表示方式来陈述一个问题，以及如何确定对问题进行抽象和建模的粒度，此外，这个例子还让学生直观感受到了计算工具所具有的能力和局限性。

最后，在讲授完一阶谓词逻辑的推理之后，我们可以介绍一阶谓词逻辑的局限，即一阶谓词逻辑是半可判定的，一阶谓词逻辑的归结推理算法不一定终止。从计算思维的角度看，这个结论给了我们一个很好的例子，可以引导学生分析哪些问题是可计算的，哪些问题是不可计算的。在此基础上，我们进一步阐述逻辑系统的表达能力与推理能力之间存在的矛盾关系：一阶谓词逻辑在表达能力上远远超过命题逻辑，但其推理能力仅仅为半可判定；命题逻辑可判定，但描述能力不强。从计算思维的角度看，此时我们可以引入“折中”这个概念，训练学生在解决问题的过程中抓住主要矛盾，忽略次要矛盾。更进一步地，我们向学生简单介绍目前作为知识表示和知识推理领域的研究热点的描述逻辑：早期的描述逻辑通常被看做一阶谓词逻辑的子语言，在表达能力上远远超过命题逻辑，但在推理能力上保持了可判定性。这些补充内容既能让学生接触到学科前沿，又能帮助学生深刻理解如何根据问题的主要矛盾来选择合适的工具。

3 结语

总的来说，数理逻辑很好地诠释了计算思维并为其提供了生动的案例。将数理逻辑的教学与计算思维培养结合起来，一方面可以从计算思维的角度重新审视和组织数理逻辑的课堂教学，取得更好的教学效果；另一方面能加强对计算思维能力的培养，使学生能够更好地应用计算思维来解决问题。

计算思维的培养不是通过一两门课程的教学就能解决的问题，而是应该贯穿于所有的专业课程教学中。要实现这个目标，要求授课教师不仅仅照本宣科以教会学生课本上的知识为目的，而要能够从计算思维的高度来看待所讲授的课程，对所讲授的课程中含有的计算思维基本概念、方法和思想不断进行提炼，从计算思维的角度对课程进行重新梳理和建设。进行教学改革的目标是要更好地培养学生的计算思维能力，在实施教学改革的过程中，授课教师的计算思维能力也得到不断的提升和加强。

参考文献：

[1]教育部高等学校大学计算机课程教学指导委员会．计算思维教学改革宣言[J]．中国大学教学，2013(7): 7-10．

[2]李廉，以计算思维培养为导向深化大学计算机课程改革[J]．中国大学教学，2013(4): 7-11.

[3]常亮，徐周波，古天龙，等，离散数学教学中的计算思维培养[J]．计算机教育，2011(14): 90-94.

[4]丁金凤，李英梅，徐建山，等．基于计算思维的程序设计类课程教学实践[J]．计算机教育，2012(15): 65-68．

[5]周虹，傅向华，王志强，等．基于计算思维的计算机图形学教学改革[J]计算机教育，2013(5): 55-58．

[6]李文生，吴舜歆．面向计算思维能力培养的程序设计课程[J]计算机教育，2014(3): 57-60．

[7] Jeannette MW. Computational thinking [J]. Communications ofthe ACM, 2006, 49(3): 33-35.

数理推理和逻辑推理篇6

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

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

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

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

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

·效率和资源有限的推理；

·感知；

·做计划和计划再认；

·关于他人的知识和信念的推理；

·各认知主体之间相互的知识；

·自然语言理解；

·知识表示；

·常识的精确处理；

·对不确定性的处理，容错推理；

·关于时间和因果性的推理；

·解释或说明；

·对归纳概括以及概念的学习。[①]

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

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

1．常识推理中的某些弗协调、非单调和容错性因素

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

“次协调逻辑”（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?(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（epistemic logic）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。”

（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。

数理推理和逻辑推理篇7

一、逻辑的方法

逻辑的方法主要有比较法、分析与综合、抽象与概括。比较法是用以确定客观的事物与现象的相似之处与不同之处的逻辑方法。分析是在思想中分解着一个物体或一个对象，将它的个别部分特征和性质分辨出来；综合则是在思想中把对象的各个组成部分、特征联合起来成为一个整体。抽象是在思维中仅只区分出对象的本质特征，而将其余非本质的、不重要的特征抽象开去的方法，抽象的结果叫做抽象化。概括是在思维中将同一种类的对象的本质属性集中起来，结合为一般的类的属性。抽象与概括是一个统一的、不可分割的过程。一般多用于对概念的学习和理解，如学习等差数列的概念时先给出几组数列：10，8，6，4，2…； 2，2，2，2，2…观察这些数列得到共同特点：每个数列相邻两项之差都是相等的。这样就抽象概括出等差数列的定义。

二、逻辑的规律

形式逻辑的基本规律是：同一律、矛盾律、排中律与充足理由律。这些规律是数学证明的基础。

同一律的形式就是“甲是甲”。它的基本内容是：在进行论断和推理的过程中，每一个概念都应当在同一意义上来使用。

矛盾律的形式是“甲不是非甲”。它的基本内容是：同一对象在同一时间和同一关系下，不能具有两种互相矛盾的性质。矛盾律和同一律是直接联系的。“甲不是非甲”乃是“甲是甲”的否定形式，也就是说它们是同一种思想的两种不同表现形式，矛盾律用否定的形式表现，同一律以肯定的形式表现。

排中律的形式是“或者是甲，或者是非甲”。它的具体内容是：同一对象在同一时间和同一关系下，或者具有某种性质，或者是不具有某种性质，不存在第三种情况。

充足理由律的形式是“所以有甲，是因为有乙”。它的基本内容是：特定事物之所以具有某种性质，是因为它有着现实的根据，为一定的先行于它的条件所决定的。这个规律要求在进行思维时，必须有充分的根据，任何判断或论证，只有当它有充足的理由时，才能是正确的、合乎逻辑的，才能具有论证和说服的力量。

三、逻辑推理

逻辑推理是逻辑学习中的主要部分，也是数理逻辑的主要内容，主要有演绎推理和归纳推理。

1.演绎推理

演绎推理是由普通性的前提推出特殊性结论的推理，有三段论、假言推理和选言推理等形式。

三段论指由两个简单判断做前提和一个简单判断做结论组成的演绎推理。由三部分组成：大前提、小前提和结论。大前提是一般性的原则，小前提是一个特殊陈述。在逻辑上，结论是应用大前提于小前提上得到的。运用三段论，前提必须真实，符合客观实际，否则就推不出正确的结论。

假言推理是以假言判断为前提的演绎推理。即在三段论中，大前提是一个假言判断，小前提是一个定言判断，这种论式就叫做假言判断。假言推理体现在反证法中居多。

选言推理是以选言判断为前提的演绎推理。选言推理分为相容的选言推理和不相容的选言推理。相容的选言推理的基本原则是：大前提是一个相容的选言判断，小前提否定了其中的一个选言肢，结论就肯定剩下的一个选言肢。不相容的选言推理的基本原则是：大前提是一个不相容的选言判断，小前提肯定了其中的一个选言肢，结论就否定其他的选言肢。小前提否定除其中一个之外的语言肢，结论则肯定剩下的那个语言肢。

2.归纳推理

归纳推理，就是从个别性知识推出一般性结论的推理，具有从特殊到一般，从具体到抽象的认识功能，所得的结论未必是正确的，但是对于数学家的发现、科学家的发明，归纳推理却是十分有用的。通过观察，实现对有限的资料作出归纳推理，提出带有规律性的猜想。

归纳推理的一般步骤是：通过观察个别情况发生某些相同性质和规律，从已知的相同性质中推出一个具有一般性结论的命题，即猜想。

总的来说，学习简易逻辑，重要的是培养学生的一种逻辑思维能力，教师应该教给他们一种方法和思路，而不是简单地给出答案。

参考文献：

[1]寿望斗.逻辑与数学教学[M].北京：科学出版社，1979.

数理推理和逻辑推理篇8

关键词：法律逻辑；形式逻辑；辨证逻辑；

作者简介：司献英(1970-)，女，河南内黄人，山东大学威海分校馆员，研究生，法理学研究。

法律逻辑学作为法学和逻辑学交叉而形成的边缘学科，它的发展和成熟有赖于法治现实需要的推动和法学、逻辑学理论的基础。由于我国长期以来并没有形成一个法治的环境，所以，无论是理论研究还是现实实践的需要既没有为法律逻辑研究提供必备的社会条件和理论基础，也没有为发展法律逻辑学提供足够的发展动力。我国法律逻辑学主要是基于扩大逻辑学应用的动因而形成和发展的，这就使得我国的法律逻辑学研究逻辑色彩浓厚而法学色彩不足，甚至脱离法律实际，更需要注意的是作为法律逻辑学基础的逻辑学主要是以普通思维为研究对象、以形式化为主要特点的的普通逻辑学，而法律逻辑形式化是有很大局限性的。

一、缺乏法治基础是我国法律逻辑研究脱离法律实践的根本原因

法治社会的需要和较成熟的逻辑学理论是法律逻辑学形成和发展的两个必要条件。在西方国家较早的时候便形成了他们的法治传统。在古希腊和古罗马时代，法治与民主已有很大发展，中世纪的西欧虽然也实行封建专制，“但西方法文化中的神学传统和自然法思想影响深远，上帝是一个象征着正义的抽象的神，世俗的皇帝对上帝也不得不产生敬畏。这种神学文化削弱了人治的权威。法官们认为忠于法律和上帝要胜过忠于他们的国王。此外，王室法院通过强调一致适用法律的必要性增强了司法判决的客观性，对同类案件作同样的判决的原则为法律推理的施展手段提供了条件。”[1]

1.怎样明确法律概念、形成法律命题，按照逻辑要求正确进行法律推理成为法治运行的必要手段和工具，所以，在较早的时候便产生了对法律逻辑进行研究的需要，法律逻辑较早地被纳入人们关注的视野，并且，西方较丰富的哲学、逻辑学思想为法律逻辑的形成和发展提供了锐利的思想工具。与此相反，我国却有着长期的人治社会传统，法律成为当政者专横的工具，正像一句民谣所说：“说你行，你就行，不行也行；说不行，就不行，行也不行。横批：不服不行。”法律对政治强权的依附使法律判决不需要充分的理由，更没有进行法律推理的必要。另一方面，我国传统的重体悟、轻逻辑，重综合、轻分析的思维特点，使得我国虽然在春秋战国时期就产生了较丰富的逻辑思想，但并没有发展成为严密、完整的学科体系，导致我国的逻辑学并不发达，很难为法律推理及其研究提供合适的理论武器。以上这些原因决定了我国长期以来法律逻辑的运用和理论研究的落后局面。

二、我国法律逻辑的逻辑理论基础主要是普通逻辑学

由于缺乏现实的需要和推动，法学家极少将目光投向属法理学范畴的法律逻辑的研究领域，倒是一些逻辑学家出于加强逻辑学应用的意愿，从逻辑学的角度对法律推理进行了一定的研究。70年代末期，一些学者基于逻辑学的发展必须着眼于它的应用这样的角度，明确提出“我们不仅要研究一般的具有现代化内容的逻辑学，还要研究为法律工作者用的逻辑学，为军事工作者用的逻辑学，为教育工作者用的逻辑学，以及结合自然语言的逻辑学等，以满足各类人员对于逻辑学的需要。”[2]这时期的法律逻辑研究主要是“从如何应用形式逻辑知识的角度出发的：表现在成果的内容上，基本上是应用形式逻辑的原理、原则来解说司法实例；表现在有关逻辑知识在法学领域作用的评价上，也只是在最一般意义上，从逻辑知识与正确思维的关系、特别是与办案过程中正确思维的关系方面给以说明的。”[3]国内的第一本以“法律逻辑学”命名的教材中，更是清楚明白地把法律逻辑看作就是形式逻辑知识在法学领域的应用，说：“法律逻辑学是一门应用性质的形式逻辑分支学科，它的任务在于把形式逻辑一般原理应用于法学和法学工作的实际，探索在法律领域应用形式逻辑的具体特点，因此，法律逻辑学并没有与传统形式逻辑不同的特殊对象，研究的还是属于思维领域的现象。”[4]更由于一些人“由于自己的逻辑视野不够广大，只承认自己熟悉的某一种逻辑。”[5]更使得对法律逻辑的研究束手束脚，唯恐不和这些人头脑中的“逻辑”标准而被指责为“非逻辑的逻辑”。这种过于狭窄的定位一直影响到今天人们对法律推理的认识，束缚了对法律逻辑研究视野的拓展。甚至这种套用固有的逻辑模式解说法律实例的研究方式已经引起了人们对法律逻辑、法律推理研究的反感，近年来在许多法律院系原来开设的法律逻辑课纷纷下马，和这种对法律逻辑、法律推理的定位不无关系。[6]

这就形成了我国法律逻辑研究的一个普遍现象：对法律逻辑的研究脱离司法实践，不是从司法实践本身的逻辑要求和规律出发研究法律思维的本质和特征。而为法律逻辑研究提供理论基础的逻辑学主要是普通逻辑学，我国近现代在翻译介绍西方逻辑学的过程中，由于受当时时代背景的影响，由西方传入，音译为“逻辑学”的逻辑学实际上是在当时占主导地位的近代形式逻辑学。在我国传播普及的逻辑学也主要是这种以传统逻辑学为主导的形式逻辑学，辩证逻辑学虽然也产生了一定的影响，但由于自身理论的不成熟，很难为法律推理的应用提供成熟的理论支持。

三、形式化的法律逻辑理论在司法实践中有很大的局限性

形式逻辑学研究的对象是思维形式及其一般规律，它对于人们自觉遵守思维的一般规律，指导人们正确思维具有重要的指导意义。但是，这种指导是一般方法论意义上指导，正确思维不仅涉及到一般的思维形式，还要涉及到思维的具体内容，逻辑思维不能代替具体科学的具体思维。企图把法律思维形式化的做法具有很大的片面性，一些学者借助数理逻辑的方法将法律思维形式化的实践证明了这一论断的正确。在近现代，逻辑学发生了重大的变革，经过数代人的努力建立起了以逻辑运算为基础的数理逻辑，数理逻辑的产生既是数学方法用于逻辑研究的重大的方法的转变，也是逻辑学研究宗旨的重大转变，可以说数理逻辑的产生对科学技术的发展的意义是巨大的，但是借助于形式化的语言的数理逻辑的局限性也是显而易见的，它立足于思维的确定性、一致性，而抛开了思维的灵活性、辩证性，它借助形式化语言的研究手段使它在以自然语言为表现形式的社会科学领域的作用受到了一定的影响。正如一些学者指出的那样，现代形式逻辑“如今已变得如此技术化、纯净化和专业化，以至于与原初那个关于“逻辑是用来做什么”的概念格格不入了。”同时，虽然这一形式化的变革使得对推理的研究显示出严格性和确定性，但“这种严格性和确定性是以空洞性为代价而实现的”，“就其本性来说，形式逻辑没有能力来处理日常思维所涉及的这类问题”。[7]“这种对逻辑作为一门特殊的人文学科的意义缺乏敏感，已经弄得许多年轻人对它起了反感。”[8]国外有不少的学者在法律思维的形式化方面做过很大的努力，结果并不理想，并因此改变了对法律逻辑的认识。例如，早在70年代就因研究规范逻辑而享有盛誉得魏因贝格尔就说：“我认为规范逻辑的现状是不能令人满意的：它是一门迄今为止尚不发达的科学，”“现代逻辑……只有在它用逻辑研究的方式把规范作为思想课题与社会存在问题分开加以分析时才能获得成功。”[9]而问题的关键恰恰在于当谈及法律时，规范就是一种社会存在。正因为法律思维有着前述种种方面的复杂情形，不是我们想简单就可以简单、想形式化就可以形式化的问题，美国学者莫里斯·R·科恩断言“要使法律……成为一个完全地演绎制度，是永远不会成功的。”[10]