关于人工智能的哲学思考

前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇关于人工智能的哲学思考范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

关于人工智能的哲学思考范文第1篇

关键词：人工智能 技术 机器学习

中图分类号：TP181 文献标识码：A 文章编号：1007-9416（2016）11-0089-01人工智能技术，是一门诞生于在二十世纪中期的技术，对于社会和经济发展都有着长远的意义。人工智能这一科学，包含的学科领域比较广，主要包含计算机科学、信息科学、数学科学、工程技术以及哲学心理学等知识体系，其研究的核心问题主要在于能够令及其具备基本的学习、交流、输入和输出的能力，最终目的是实现机器和人类相似的认识世界和独立思考的能力，人工令机器具备更加“聪明”的属性，这也是能够令计算机具有智能性能的基本方式。

1 机器学习概述

1.1 机器学习定义

机器学习，主要就是指通过系统或者知识的识别，对于机械的学习能力进行提升，使其能够获得新技能或者新知识。与人类的学习方式类似，如果不进行系统的学习或者没能掌握合适的学习方式，那么机器学习的效果也会大打折扣，难以进行新知识、新作品的创造，机器学习也是相同的道理，只有通过学习掌握了分析问题、解决问题的方式，才能够获取创新能力。机器学习在人工智能发展领域是一个热门的研究领域，其研究的目的简而言之就是推动机器能够像人类一样不断获取新的知识，获得分析问题和解决问题的能力，建立起相关的知识体系，并且将这些能力运用在具体的实践问题解决中[1]。

1.2 机器学习研究目的

机器学习研究的主要研究目标有三个，首先，需要进行人类学习整体过程的模拟，在此基础上进行学习认知模型的建立，目标的实现对于科学知识的认知和发展存在着很强的相关性；其次，需要推动机器进行相关理论的学习与研究，探索多种学习方法，并且根据机器本身的特质进行特定的程序设计，体会其相似和区别性；最后，设定关于机器学习的相关程序，主要研究内容就是获取知识的工具以及相关系统，在机器发函系统建立的过程中建立起相关数据库，进行知识和经验的累积。不断进行自身知识的累计，提升能力掌握的水平，提升机器智能化的能力，令机器能够接近人类的学习能力。

1.3 机器学习方式方法

机器学习方式方法主要就是基于人类的学习方式，需要将机器和人类学习的方式进行综合学习，掌握更科学的学习方式方法，在人类思考方式和学习方式的基础上进行机械性能的扩展，能够实现快速、大内存、高复制性的工作，得到适合的机器学习方式方法。当前，机械学习的具体学习方式方法有两种思路，一种是演绎学习系统，从一般到特殊的学习方式方法，能够通过公理的推断得出相应的结论和目的；另一种属于归纳学习系统，主要思路就与演绎方法相反，特殊到一般的思维方式，其主要包含传统归纳和创新归纳两种模式，也可以包含完全和不完全归纳这两种模式，其中传统的归纳关系是根据事实思考方式，归纳出其中的共性，得到科学的机器学习方式方法。

2 基于人工智能的机器学习研究

2.1 环境适应性机器学习研究

机器与人类的很大一点不同在于，对于环境的适应性有所不同，机器对于环境的适应性研究也就成为人工智能技术研究的重要问题之一，环境能够位系统提供的质量高低对于机器学习的质量有着深远的影响，同时，机器内部体系存放的原则往往都是通过环境适应性的原则建立起来的，然而，外界环境通常都具有复杂性，学习过程中必须通过大量的数据进行支持，对于多余环节进行删减，在此基础上进行总结推广，设定成为系统的动作指导一般性准则，这样可能会导致机器学习过程繁杂，这对于整个系统长远发展是不利的[2]。

2.2 机器知识库的扩展延伸

机器知识库的设置对于机器学习的发展而言也意义重大，需要保障机器知识库种类丰富、表现形式多样化，其中需要包含基本的特征向量、规则化语言以及网络化关联等等，因此在进行机器知识库的设计中，需要做到知识库适当的扩展延伸，实现提升机器学习能力的目的，主要可以从三个角度入手，首先，要求逻辑简单、表意明确的机器表达模式，其次要求做到推理过程简单易懂，能够降低机械计算成本，这就要求机器学习的系统进行简单的推理过程，最后，要求实现知识的充分扩展和眼神，人工智能技术背景下的机器系统的学习不仅仅要求基础知识的掌握，更要求知识的表达方式以及表达效率的提升，甚至一个知识要求需要不同的表达模式，对于系统的构筑要求也有所不同。

2.3 机器学习反馈评价体系

基于人工智能技术的机器学习，需要建立起相应的反馈和评价体系，针对机器学习反馈评价体系而言，其反馈主要包含三重内容，其一是根据简单基础的规则进行基础反馈评价，其二是进行设计多个概念的复杂型评价反馈体系，最后就是设计小型的策略分析评价体系，分步根据实际任务进行机器学习反馈评价体系的建立。在此基础上，应当提升学习反馈评价机制的透明度，要求执行的过程和结果通过简明的方式表现出来，对于已有的知识库进行合理评价，在表达模式当中采取元级表述的方式进行反馈评价，这样的反馈评价体系有利于人工智能技术在机器发展中的应用，扩展机器学习范畴的同时提升其执行能力。

3 结语

综上所述，在人工智能的背景下，进行机器学习的研究势在必行，需要通过多种方式在研究机器学习定义、目的和方式方法的基础上，对于人工智能在机器学习中的认知进行深入思考和完善，通过环境适应性机器学习研究、机器知识库的扩展延伸和机器学习反馈评价体系的建立这三种方式进行人工智能的机器学习发展，推动人工智能技术在机器学习领域的深入发展，推动社会经济的发展。

参考文献

关于人工智能的哲学思考范文第2篇

事实上，今天的人工智能已经能做很多事，比如说话、开车，不久之后还可能像人一样参加高考。还有专家认为，它在未来甚至有可能从科学走入哲学！

今天可以做到的

“人工智能已经开始对社会产生重大影响。”美国康奈尔大学计算机科学教授、人工智能专家巴特・塞尔曼说。

此次围棋人机大战受到举世关注就是明证。棋类具有初始条件固定、规则边界清晰的特点，是人工智能凭借远超人类的计算能力大展身手的舞台。“深蓝”在1997年战胜了国际象棋世界冠军卡斯帕罗夫，AlphaGo在与围棋顶级棋手李世石的大战中获胜，这些足以说明人工智能下棋已经比人类更强。

在知识检索领域，人工智能也已胜过人类。2011年，IBM公司的人工智能“沃森”在美国智力问答节目《危险边缘》中战胜两位人类冠军。这说明电脑在海量数据存储和快速检索能力方面的强大。

在另一些规则相对清晰的领域，人工智能也在接近人类的水平。比如说话，相信许多人已经试过苹果手机上的Siri和微软的“小冰”，只要你发音比较标准，它们基本上都能“听清”你的话语并字正腔圆地回答。

再比如开车，谷歌公司的无人驾驶车已然在一些地方能够上路，因为事实证明它们可以很好地遵守交通规则，并根据不同的交通状况自主行驶。

上面的重点都是在软件，还有一些人工智能则致力于“软硬结合”，模仿人类的肢体动作。美国波士顿动力公司2016年年初刚刚展示了最新的人形机器人，它们有与人相似的躯干和四肢，能够在各种环境中行走，摔倒了会自己爬起来，还能完成一些简单任务，比如自己开门和搬箱子。

明天可能实现的

目前，人工智能在一些需要模糊识别的领域还面临困难。比如辨识人脸，从五官差异上分辨不同人对我们来说不算个事儿，但电脑就感觉很困难。人们可能还记得2015年微软推出的一项人脸识别应用“How-old”，它屡屡在年龄上误判、在图片中没人的地方找出“幽灵脸”，给人们带来了不少欢乐。

不过这方面正在取得进展，脸书公司的人工智能项目负责人田渊栋认为，脸书的人脸识别技术已经做得比较好，“比如说拍张照片，然后就知道谁是谁”。正在研发的一个方向是可以问电脑各种问题，比如照片在哪拍的、里面有几个人、都在干什么等，系统都将能作出回答。

中国研究人员也在致力于做出更复杂的人工智能，检验方式颇具中国特色――高考。科大讯飞公司董事长刘庆峰透露，他们正在研发“类人答题机器人”，目标是在3～5年之内让机器参加高考能考上“一本”。高考涉及学科多，除了客观题外还有大量的主观题，如果真能达成这个目标，又将成为人工智能的一个里程碑。

2015年年底在北京举行的世界机器人大会上，有机器人分别展示了踢足球、打乒乓等方面的运动能力。但是很明显，它们还无法与人类选手相提并论，很大程度上因为判断对手或队友的比赛意图是一大瓶颈。不过，在RoboCup等机器人足球赛中，机器人的水平也在不断提高，该赛事的目标是，让机器人足球队在2050年能击败人类世界冠军球队。

人工智能发展的一个理想目标是，把已实现的各单项能力继续提高并集成起来，最终完成一个既能听说读写，又会思考和行动的人工智能实体。近来这一领域的快速发展已让这个目标可以期待，英国帝国理工学院的人工智能学者马克・戴森罗克说：“如果人工智能以这种速度发展下去，我们或许在未来10～20年里就能看到电影《钢铁侠》中那个人工智能助手贾维斯。”

未来可以畅想的

如果说上面这些目标还属于有实现前景的科学范畴，还有一些关于人工智能的讨论则似乎已进入了引人畅想的哲学领域。

中国东南大学的科技哲学教授吕乃基在点评此次人机大战时认为，人工智能进化之路与人类不同，即摆脱了系统与环境的羁绊，不像人类大脑中的“智”往往为身体所处世界中的“情”所累，如李世石可能受“为人类的荣誉而战”等舆论影响。

“常有这样的议论，人工智能再聪明也没有情感，只是机器而已；殊不知，人工智能之所求原本只是‘智’，而非‘情’；或许正因为此，人工智能可能超越为情（包括形形的意识形态之争）所累的人的智能。”吕乃基说。如此说来，人工智能倒像是在迈向中国古代文化中所说的“太上忘情”的境界。

美国未来学家库兹韦尔在《奇点临近》一书中认为，人工智能的进步会不断加速，聪明的机器会设计更聪明的机器，这种自我强化最终会导致人工智能达到一个奇点，成为远远超出人类智能水平的一种存在。美国天普大学的计算机专家王培对此表示，“如果真有电脑能走到那一步，在我看已经不是‘人工智能’，而应该被称为‘人工神灵’了。”

关于人工智能的哲学思考范文第3篇

当前高职教育中为计算机专业学生所开设的人工智能课程很大程度上沿用了普通高等教育环境下的教学方式和内容，这显然与高职教育本身培养人才的目标和方式不一致。高职教育的最终目标是要培养适应生产需要的技能型、应用型人才，而高职教育在教学方式上应更为注重实践教学，包括各种实验、实训、实习和设计。因此，人工智能课程中单纯的理论讲授并不能有效地适应高职教育的实际教学环境要求，有必要对人工智能课程在教学内容和方式上加以改革。三个改革途径（一）引导学生阅读应用研究文献

高职教育强调培养学生的知识应用技能，其中重要的一点是要培养学生把理论知识应用到实际生产中的能力。然而在教学实践过程中，学生普遍反映由于人工智能课程理论性强，难于从课本理论联系到实际的专业应用上，这样对激发学生的学习兴趣，提高技能应用水平是不利的。

实际上，人工智能涉及的应用领域极为广泛，其中在专家系统、模式识别、智能控制、数据挖掘、自然语言理解等方面尤为突出，每一种应用都能够很好地体现出人工智能学科的基本理论方法特点。因此，在课程学习的开始阶段，应让学生按照个人兴趣自行选定某个应用领域，在一定的提示和引导下通过检索有关文献，访问相关的科研院校网站等方式获取资料，了解当前该领域的发展现状和具体产品的开发和使用情况，最后在课程的结束阶段以学习报告的形式在课堂上加以演示和共同讨论，这样可以大大激发学生学习人工智能课程的主观能动性，开阔学生的知识视野。资料的收集阅读与思考是知识应用的首要环节，对于培养应用型人才的知识应用技能很有帮助。（二）安排学生对经典算法程序进行实验

与普通高等教育相比，高职教育更加强调实践教学的重要性。从实践中学习和理解理论知识，并且把所学知识运用到实践中，这是高职教育的重要特点。人工智能课程内容抽象而概念性强，单纯的理论讲解学生难以从中得到启发，也难以体现出高职教育突出实践教学的特点，为此需要安排学生动手实验，从实践中理解人工智能科学的理论原理和应用途径。

在人工智能科学的发展过程中，先后提出了一些经典的优秀算法程序，如A*算法、遗传算法、神经网络的BP学习算法等，在科研和工程实际中得到了广泛的应用，在实践教学中同样有着重要价值。根据教学要求和实际情况，学生并不需要自行设计关于这些算法的具体程序，在提倡开放和共享源代码的今天，通过网络能够获得大量相关的程序代码资源。同时，一些软件平台也集成了一些工具箱，如遗传算法工具箱、神经网络工具箱等，只需设定相关输入参数和数据，便可通过调用工具箱函数实现算法，极为简便而易于理解。

学生应通过对这些程序作验证性实验来理解所学内容。为安排学生有效地进行实验，教师应结合当前阶段所讲授的内容准备相应的算法程序，当该部分内容结束后在课堂上讲解和演示算法程序的运行方法。学生获得该算法程序以及具体的实验任务后在课后完成实验并提交实验报告。

例如，在讲授启发式搜索时，可向学生提供A*算法求解八数码难题的算法程序，并对某个学生给定某个初始棋盘状态，要求学生动手运行程序并记录由算法扩展所得的每个棋盘状态的估价函数计算结果，以及相应的OPEN表和CLOSED表的变化情况，从中理解A*算法的原理特点。又如，在讲授BP学习算法时，可根据学生的实际情况对内容进行调整，强调BP神经网络的实际工程应用价值，而对BP算法的基本原理只作简单介绍。向学生提供利用BP神经网络学习特定目标函数的MATLAB程序代码后，要求学生动手运行该程序，并且记录和对比神经网络在训练前后对目标函数的逼近效果。

（三）启发学生引入人工智能理论方法对毕业设计加以创新

毕业设计是高职教育的重要环节，学生通过毕业设计对以往所学知识作系统性总结，通过毕业设计能进一步加强学生的技能训练，提高学生的技能应用水平。从实践教学的角度来讲，毕业设计不仅仅要求学生对已学知识和技能的简单重复运用，更重要的是强调学生能够主动独立地分析实际问题，对问题的解决方法提出新的观点并付诸实践。然而从教学的实际来看，在毕业设计中学生创新的主动性不足，往往停留在继承和模仿阶段，毕业设计作品少有突破和创新。究其原因，并非学生所学知识和技能不足，而是学生未懂得如何分析已有问题，在其基础上引入新的解决方法或提出新的应用内容。

关于人工智能的哲学思考范文第4篇

人类从此不再一直奔跑在未来后面

“未来”作为一个时间概念，在人类的思想意识里一直都是前置的。几乎所有人都知道，对于自己来说，“未来”是无可选择的选择。所以，每个人都对未来抱有美好的憧憬和无限的期待。如果您认真阅读了《撞见未来》这本书就能体会到，在从猿类动物开始到人类长期的进化中，在今天，时间概念的“未来”已经走到了尽头，“未来”也许从此不再仅仅属于人类。我们面对的未来再也不是把今天当做起点的时间的射线，而是对各种概念、思想、意识进行完全的重构和解构的宏大场域。在这个场域里，一切都将被重新定义，包括我们人类，包括即将出现的人工智能概念下的超人，等等。从此，世界将不再是我们的，而是“未来”的。

时间概念的历史就像是一个平衡木，几千年来人类在上面艰难舞蹈。虽然常常忽左忽右，战战兢兢，甚至波折颇多，但今天我们终于走到了平衡木的尽头。在这平衡木的尽头，人类只要存在就不能自由滑落，而是必将如滑行到一定速度的飞机一样腾空而起，舍弃时间，舍弃历史，奔向“未来”。毫无疑问，信息技术、人工智能和量子科学把我们已经带到了这样一道门前，门前是我们，门后就是未来。作者初次谈到《撞见未来》的时候，把它定义为关于未来学的著作。从他的努力来看，作者用洪荒之力和惊天勇气将信息技术、人工智能和量子科学等一系列新科技知识和概念聚合起来，作为他书中的“未来”的“起点”。

在人类所认知的范围内建立的逻辑和伦理体系中，人类在这个世界长期占有统治地位，概念、思想和意识几乎是全人类的私属财产，这已经成为一种普遍认同的客观和自然。当宇宙伦理和更新的科技逻辑摆在大家面前，成为大家思考问题的依据的时候，人类在伦理上的优势地位是否还能确保？这成了一个现实的问题。我是谁？我来自哪里？这些将不再是人类的自我追问，而是超人的来自未来的隔空喊话。作者试图把这喊话尽可能清晰准确地传给我们现在的人类，但人类从来没有有意识地试图把一些喊话传给这个现实世界的其他生物。所以，我们和地球上的其他生命从来就没有建立真正的共生关系。而今天，在人类即将走进未来场域的时候，我们需要和未来的一切共生、永生。

跨出这一步，进入共生和永生的人类最终将把时间和历史从我们的头脑中抽离，成为一种现实的物质。从此，人类不再慌张地一直奔跑在“未来”的身后，而是在“未来”的场域里舞蹈、歌唱。过去我们太慌张，经历了太多的战争、瘟疫，承受了太久的饥饿、匮乏。现如今，《撞见未来》告诉我们这一切都将改变，作者系统分析了可再生、可分享、可替代等“七可”，为大家描述了一个思想和意识之外的全新世界。这个世界是我们人类新的家园吗？在这个世界里的人类还将是不是今天的人类？我们在“未来”身后观望，却无法冷静，被这种疑惑紧紧伴随。

人类到底相信不相信未来

好R坞等机构的大制作下出品的各类著名灾难片等等，超炫的未来描述和表现，让太多人类几乎都患上了未来恐惧症。这使人分化成两类：一种是彻底的虚无主义者，从来不相信有什么实在的未来，他们眼里的未来就是即将到来的明天，后天好像就与他们再无任何关系。一种是或轻易或全身心地把未来交给上帝的人。不管是信众眼里的上帝还是牛顿眼中的上帝，这些人都将面向他托付自己的灵魂和终生。在人类历史中，对于这个问题几乎从无可解，更无中间路线可行。毫无疑问，这两类人都不是“未来”的信徒，前一种人的“未来”只是他们预期的享乐，后一种人的“未来”只是他们心目中的想象。

《撞见未来》一书试图找到这样一条途径，尽力把靠近真实的未来呈现在所有人面前。这是很困难的事情，于是作者就从他对全球能源互联网的思考和探讨，从他在学习和工作中的积累与沉淀出发，行囊里装上信息科技、人工智能和量子科学等概念，走向未来。作为未来学概念下的研究成果，《撞见未来》里面显然运用了许多预测手段。这些预测不是凭空而来，而是来自于作者系统的学习和长期的探讨、思考。从《撞见未来》的系统表达来看，这种思考已经自成体系，能够启发人的心智，使人有能力、有胸怀去领悟未来。

在这个体系里，《撞见未来》的第一部分提到的“七可”源自具体，带来的却是颠覆，比如可再生、可替代、可预测、可分享等等，显然超出了我们现有的理论体系和认知能力。虽然作者对此给予了很技术很系统的解释，但让人实实在在地信以为真，恐怕还有很长的路要走。我们的生活真的可以是这个样子吗？在更多人无法克服对未来的怀疑与恐惧的情况下，怎么去验证它呢？面对这个问题，作者在书的第二部分给出了答案。这一部分的题目叫人类的解放事业。确实是，科技解放了人类，在这场行走中信息技术的传播是第一功臣。那么解放之后是什么样子？必然带来自我的重生、经济的革新、政治的重构、文化的转型等等。

《撞见未来》的第三部分指出了未来场域下人所面临的机遇和挑战，这也许是人类面临的最后一次最为宏大悲壮的选择。最终，人类要么成为超人，要么被超人替代，从而进入被选择的未来时空中。其实，在人类甚至生物历史上，这些带着生命概念的物种所有的选择的正确率和准确率都是极低的。特别是在遥远的上古时代，这种正确率和准确率极低的选择为进化论提供了条件，因为这种高代价使每个物种都在慎重选择，保持着渐变的演进态势，这更多的体现的是一种对旧有体系的维持。

渐变是进化论的基础，是一种相对机械的演进方式。而今天，日益发达的信息技术、人工智能和量子科学以及大数据、云计算、物联网从技术上解决了选择的准确性和正确性问题，突变成为常态，物质流动的高速度使选择变得近乎悲壮，速度快得天翻地覆，常常是你生我死，死而复生的惨烈场面。随着物质流动速度越来越快，对寻常世界的颠覆必将成为寻常的事情。《撞见未来》显然准确地把握和科学地分析了这一点，作者在用思想和未来竞赛，虽然无法分出输赢，但总是比我们看得清晰、辽远。

当算法和技术清算了伦理、逻辑等概念

科技的本质是发展了的工具。人类创造了工具，但工具也在改变着人类。从最初的石器到现代的信息技术、量子科学、人工智能，人类对于自己创造的工具或者今天的科技越来越难把握。直接的感受就是科学家们研究越深入，发现越多却感觉对未来世界的了解越少，越无知，以至于几乎无法把控，甚至是从来没有把控过。这符合轮回的规律，未来世界的不可知是一种真理存在，跨越此世奔向彼世的人毕竟凤毛麟角。技术进步和迷惑认识的剪刀差越大，我们距离未来世界一定就越近。于是，牛顿走向了神的世界。这种无力感是不是一种轮回？人类终将走到这个轮回的终点，我们的一切对于下一个轮回来说，就是洪荒世界。那么，下一个轮回所面临的世界其实就是超人或者神的世界，牛顿只是比我们更早更透地看到了这一点。

在已经走进我们的信息技术、人工智能和量子科学的时代，一旦越过横亘在我们面前的那道门槛走进“未来”，一切都重新定义之后，现实世界中的伦理、逻辑等一大堆人类运用娴熟的概念就会突然失效。随之而来的是大数据、虫洞、量子力学、人工智能等扑面而来的概念，依托极其强大的科技、算法技术作为重构未来世界的词汇将统治一切。由此造成人类所拥有的所有概念的集体失效，难道不是对人类的一次全面清算？这是必然？还是偶然？《撞见未来》告诉我们，这当然是一种必然，也是一次全面彻底的清算。就像我们走进一个殿堂之前，都会在门前稍作停留。不管你有意识还是无意识，这种停留既有整理衣冠的需要，也是整理情绪的表现。就像衣服上的灰尘和不良情绪一样，在面向未来的这道门前，伦理、逻辑这些概念必将毫不可惜地被抛弃，被无情覆盖。

在超人的世界里，全新的概念体系为我们建筑了一个什么样的未来？这将不是我们所能掌控的话题，因为，随着科学技术的发展，在“未来”世界，我们将失去主导地位，被超人所取代。众多伦理、逻辑、概念集体失效的背后，是人类让出占统治地位的主角位置。当然，当前对超人的塑造看似还掌控在我们的手里，几乎可以不用杞人忧天。然而，人工智能终究有一天会超过我们人类，这个节点一定是人工智能能够自我创造智能的那一天。让人工智能模仿人是我们人类的事情，让人工智能超越人将是人工智能自己的事情。《撞见未来》明确地告诉我们，科学技术已经进入几何级的升级速度，这意味着科学技术在能量概念下将面临着爆炸性的增长。那么，按照这个道理分析，这个节点距离人类还会远吗？

当人类被超人完全取代，退到配角地位，我们也许会重新认识这个世界。在宇宙伦理、超人逻辑作为规范的未来世界里，科学技术带给我们的不仅是永生，还是全新算法下的变身。变身之后的我们人类在这个宇宙处于什么位置？是在宇宙的演艺厅的观众席上看超人肆意演出？还是被超人扔到各类动物或者其他生命形式充斥的纷乱舞台？对此，作者在《撞见未来》一书中没有明确的答案。毕竟，在量子时代，作为未来学概念下的预测技术还没有脱离物理概念，问题的提出并未必然带有方向。《撞见未来》描述的本来就是一个多维度视角下构建的关于“未来”的宏大场域，用二进制的传统思维解答人类和未来命题显然还显无力。

人类为超人设置算法，但按照线性的发展趋势来分析和认识，超人终有一天会有属于自己的算法，或者他们终将牢牢掌控算法，直到“超”超人的出现。在人类的算法世界里，今天的我们并不比洪荒时代的人类掌控更多的人性，爱、恨、生、死，甚至梦境、幻想等等，在人类的世界里，总有那么一些的不可掌控的东西要交给神或者上帝。但在超人逻辑或未来宇宙逻辑下的算法技术中，今天的这些不能掌控必将被超人掌控。那么，什么人性，什么梦幻，都可能会物质化并技术地随意组合。也许，超人的世界里从此彩虹不一定七色，开水未必L烫，雪山不再清冷，超人的世界不由我们假设，人类也不会懂。

超人是人类的再生还是毁灭

在概念上，大多数宗教强调的神性其实是放大了的人性，是人性自我挣脱意识的现实反映，或者说是人性自我救赎过程中的集体映像。那么超人是不是应该具有超人性？超人性是不是就是我们一直所崇敬的神性？那么，超人是不是也意味着就是我们想象中的“神”？人类造神几千上万年，被自己所创造的神统治了几千上万年，突然人类自己升级成为了“神”，会不会像婴儿来到世界一样，一切都是陌生和新鲜的，一切又都不是自己的，除了这条生命。超人跳出人类圈子，在“神”的世界里还要像一个婴儿一样，呀呀学语，蹒跚学步，迈出神的生命旅程的第一步。

连通现实和未来的通道就是物质，动力来自于科学技术。于是，死亡，从形而上走进形而下。作者在《撞见未来》一书中写到，死亡成了物质的一种转换形式，而不是生命的消亡。这种生命概念的绝对物化，是放在未来世界里重新构建的。有了物质的支撑，也许这个生命概念将会融入类似今天的操作系统、量子力学、信息技术等内容，那么，升级我们人类将成为非常技术的可能和扑面而来的现实，而不是手术刀和各类肌肉、脏器的生硬搏杀。血液里流淌了太多技术元素的超人还是不是人？如果超人是人，超人将意味人类的升级或者再生；如果超人不再是人，那么是不是就意味着我们人类将面临覆灭，或者退回动物的群落，由超人取而代之？

超人的一小步，甩开人类千万步，轻易跨越了人类和超人之间的千沟万壑。随着科技的发展、意识的升级、人与世界的重构，必将建立全新的逻辑和伦理体系，假设中的宇宙伦理、超人逻辑将成为超人的生存和发展准则，这必将给当下的道德体系和思想意识带来无情的碾压，一些基本的概念从此失去了意义，人类有可能从此不再崇高。这种不崇高使人彻底失去了积累万年的万物灵长之优越感，之后人类面临的将是什么心情？也许，进入超人的轮回里，我们人类的区区几万年只是一个痕迹？一位院士曾经说过，不要说拯救地球，地球没有问题，有问题的是人类，需要拯救的是人类。确实是，地球存在了几十亿年，而人类存在时间与之相比不过是那么短暂的一瞬，短暂到对地球的影响几乎可以忽略不计。没有人类，地球依然在，失去了人类，地球依然在。在我们还无法跳出我们的世界，遇到未来的挑战时，超人会拯救我们吗？

一切科学的最终结果就是哲学。虽然科学和技术取得了极大的进步，但科学依然远远落在哲学的后面。天地广阔，却不能任鸟飞。超越一切，却无法超越理性。这是人之为人的一种根本状态。当科学技术以及其他一切学科都回归工具本质，唯有哲学才能给人类留有生存的空间，对接未来的世界的人类。毫无疑问，这是人类的法则，也是我们作为生命的意义所在。但面对未来，信息溢出、权利溢出、概念溢出等等，让意义从此不再纯洁无瑕，意义退位，力量上位。力量是什么？就是物质，物质靠什么推动，眼见的就是信息技术、量子力学和人工智能等等。

关于人工智能的哲学思考范文第5篇

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

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

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

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

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

·效率和资源有限的推理；

·感知；

·做计划和计划再认；

·关于他人的知识和信念的推理；

·各认知主体之间相互的知识；

·自然语言理解；

·知识表示；

·常识的精确处理；

·对不确定性的处理，容错推理；

·关于时间和因果性的推理；

·解释或说明；

·对归纳概括以及概念的学习。[①]

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

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

1．常识推理中的某些弗协调、非单调和容错性因素

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

“次协调逻辑”（Paraconsistent Logic）是由普里斯特、达·科斯塔等人在对悖论的研究中发展出来的，其基本想法是：当在一个理论中发现难以克服的矛盾或悖论时，与其徒劳地想尽各种办法去排除

或防范它们，不如干脆让它们留在理论体系内，但把它们“圈禁”起来，不让它们任意扩散，以免使我们所创立或研究的理论成为“不足道”的。于是，在次协调逻辑中，能够容纳有意义、有价值的“真矛盾”，但这些矛盾并不能使系统推出一切，导致自毁。因此，这一新逻辑具有一种次于经典逻辑但又远远高于完全不协调系统的协调性。次协调逻辑家们认为，如果在一理论T中，一语句A及其否定?A都是定理，则T是不协调的；否则，称T是协调的。如果T所使用的逻辑含有从互相否定的两公式可推出一切公式的规则或推理，则不协调的T也是不足道的(trivial)。因此，通常以经典逻辑为基础的理论，如果它是不协调的，那它一定也是不足道的。这一现象表明，经典逻辑虽可用于研究协调的理论，但不适用于研究不协调但又足道的理论。达·科斯塔在20世纪60年代构造了一系列次协调逻辑系统Cn（1≤n≤w），以用作不协调而又足道的理论的逻辑工具。对次协调逻辑系统Cn的特征性描述包括下述命题：(i)矛盾律?(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。”