人工智能与哲学思考

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篇人工智能与哲学思考范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

人工智能与哲学思考范文第1篇

1997年5月11日，名为“深蓝”的电脑毫无悬念地在标准比赛时限内击败了国际象棋男子世界冠军卡斯帕罗夫，从而证明了在有限的时空里电脑“计算”可以战胜人脑“算计”，进而论证了现代人工智能的基础条件（假设）――物理符号系统具有产生智能行为的充分必要条件（Newell and Simon，1976）是成立的。更有意思的是，2011年2月17日，一台以IBM创始人托马斯・沃森的名字命名的电脑在智力问答比赛中“狂虐”两位最聪明的美国人而夺得冠军，2016年3月9日至3月15日，“围棋名誉九段”AlphaGo在首尔以4：1的比分战胜了围棋世界冠军李世石九段，从而引发了人工智能将如何改变人类社会生活形态的话题。

人机环境系统交互的产物

众所周知，当前制约机器人科技发展的瓶颈是人工智能，人工智能研究的难点是对认知的解释与建构，而认知研究的关键问题则是对自主和情感等意识现象的破解。

在真实的人机环境系统交互领域中，人的情景意识SA（Situation Awarensss）、机器的物理SA、环境的地理SA等往往同构于同一时空中（人的五种感知也应是并行的）。人机环境交互系统往往是由有意志、有目的和有学习能力的人的活动构成，涉及变量众多、关系复杂，贯穿着人的主观因素和自觉目的，所以其中的主客体界线常常模糊，具有个别性、人为性、异质性、不确定性、价值与事实的统一性、主客相关性等特点，其中充满了复杂的随机因素的作用，不具备重复性。

在充满变数的人机环境交互系统中，存在的逻辑不是主客观的必然性和确定性，而是与各种可能性保持互动的同步性，是一种得“意”忘“形”的招拆招和随机应变能力。这种思维和能力可能更适合复杂的人类。凡此种种，恰恰是人工智能所欠缺的地方。

人机之间的不同之处

人与机器相比，人的语言或信息组块能力强，具有有限记忆和理性；机器对于语言或信息组块能力弱，具有无限记忆和理性，其语言（程序）运行和自我监督机制的同时实现应是保障机器可靠性的基本原则。人可以在使用母语时以不考虑语法的方式进行交流，并且在很多情境下可以感知语言、图画、音乐的多义性，如人的听觉、视觉、触觉等在具有辨别性的同时还具有情感性，常常能够理解到只可意会不可言传的信息或概念（如对哲学这种很难通过学习得到学问的思考）。机器尽管可以下棋、回答问题，但对跨领域情境的随机应变能力很弱，对彼此矛盾或含糊不清的信息不能有效反应（缺少必要的竞争冒险选择机制），主次不分，综合辨析识别能力不足，不会使用归纳推理演绎等方法形成概念或提出新概念，更不用奢谈产生形而上学的理论形式。

人与机器在语言及信息的处理差异方面，主要体现在把表面上无关的事物相关在一起的能力。尽管大数据时代可能会有所变化，但对机器而言，抽象表征的提炼，亦即基于规则条件及概率统计的决策方式与基于情感感动及顿悟冥想的判断机理之间的鸿沟依然存在。

人工智能与哲学

人类文明实际上是认知的体现，无论是最早的美索不达米亚文明（距今6000多年），还是四大文明之后以西方为代表的现代科技力量，其原点都可以落实到认知领域上。历史学家认为：以古希腊文化为驱动力的现代西方文明来源于古巴比伦和古埃及，其本质反映的是人与物（客观对象）之间的关系；而古印度所表征的文明中常常蕴含着人与神之间的信念；排名最后的古代中国文明是四大古文明中唯一较为完整地绵延至今的文化脉搏，其核心道理反映的是人与人、人与环境之间的沟通交流。在这些人、机（物）、环境之间系统交互的过程中，认知数据的产生、流通、处理、变异、卷曲、放大、衰减、消逝无时无刻不在进行着……

有人说人工智能是哲学问题。这句话有一定的道理，因为“我们是否能在计算机上完整地实现人类智能”，是一个哲学问题。康德认为哲学需要回答三个问题：我能知道什么？我应该做什么？我可以期待什么？分别对应着认知、道德和信仰。哲学不是要追究“什么是什么”，而是追求为什么“是”和如何“是”的问题。哲学意义上的“我”也许就是人类研究的坐标原点或出发点，“我是谁”“我从哪里来”“要到哪里去”这些问题也许就是人工智能研究的关键瓶颈。

结语

人工智能与哲学思考范文第2篇

关键词 计算机 人工智能 技术应用 发展趋势

中图分类号：TP18 文献标识码：A

在早年的科幻电影中，总是会出现机器和人的_突，在不少该题材的电影中，机器人因为人工智能技术被赋予了生命，从而引发了一系列的问题。时至今日，该场面似乎已经成为现实，计算机人工智能技术已经得到非常广泛的发展和应用，已经不单单应用在机器人领域，还在社会学、工业发展、哲学、游戏业等多种学科和行业中得到极为广泛的应用。伴随着互联网技术的不断发展和各种智能设备的“平民化”，人工智能技术在未来相当长一段时间内都还会是一个较为热门的话题和学科。

1计算机人工智能技术概述

1.1人工智能技术的概念和提出

2016年，在世界范围内有一个新闻被人们津津乐道。AlphaGo挑战人类围棋高手，并且以4：1的比分战胜了世界围棋冠军李在石。这个被人们爱称为“阿尔法狗”的人工智能机器人就涉及到了当下非常流行的一个话题：人工智能。

人工智能技术是计算机科学的一个重要分支，它指的是利用计算机的运行，使原本不具备自主意识的计算机硬件设备能够以类似人类反应的方式，使计算机硬件实现表面上的“智能化”，从而使人类生活更加便捷的一种技术。传统的人工智能技术被人们熟知和了解主要是在智能机器人领域，而我们这里所要讨论的人工智能技术是范围更加广泛的，包括有虚拟现实技术、语音识别技术、自动处理技术、机器博弈技术、计算机神经网络等多个分支、多个方面的技术总称，并且随着科学技术的发展和进步，人工智能技术的内涵和外延还将不断拓展。

1.2人工智能技术的发展沿革

人工智能技术依托于计算机技术的发展而诞生，所以人工智能技术迄今为止仍然是一项“年轻”的技术，它在上个世纪五十年代由美国的“人工智能之父”麦卡锡提出，是一门涉及到了计算机技术、信息学、心理学、哲学等多个学科的综合性学科。人工智能技术可谓命途多舛，在刚刚提出不到十年的时期，就进入了瓶颈期，直到上个世纪八十年代末才得以发展。在上个世纪八十年代后，随着计算机技术的民用普及化以及互联网的出现与发展，人工智能技术才得到长足的发展，在诸多分支领域中取得了不小的成就。

2计算机人工智能技术的实际应用

2.1人工智能技术的主要分类

人工智能技术是一项内涵非常丰富的技术，它并不仅仅指的是字面上的单纯“智能”。人工智能技术从大的框架上分类主要包括四个方面的主要内容：（1）智能感知。智能感知顾名思义就是以计算机技术赋予无生命的设备模拟感知的功能，使机器能够自主识别出人类常常通过感官感知的周围事物；（2）智能学习。学习能力一直是人类区别于其他生物的最重要的能力，而人工智能技术在近些年也在该领域取得了突破性的进展；（3）智能推理。“阿尔法狗”能够与人类对弈，固然有许多非常复杂的机制，但是其中最主要的一点就是其具备了一定的智能运算和推理能力；（4）智能运动。这项人工智能技术也就是一般人理解的狭义上的人工智能，最具代表性的就是智能机器人的发明和进步。

2.2当前人工智能技术的实际应用

当前人工智能技术在社会生活的各个领域和各个层面都得到了较为蓬勃的发展，受限于文章篇幅本文不可能将其一一列举，这里笔者将具有代表性的几项人工智能技术的应用进行简要的罗列和分析。

2.2.1游戏人工智能技术

在当前时代中，“游戏”已经成为横跨各个年龄段的一个非常热门的词语，在当前时代几乎没有人不知道计算机游戏，也基本上不存在没有听说过或没有玩过游戏的人，尤其是青少年群体，尽管我们一直在诟病游戏对其的消极影响，但是不能否认，游戏已经成为当前不少人们生活当中不可或缺的重要组成部分。

经常接触游戏的人都知道，游戏中有一个看不见、摸不着的事物，叫做”AI”，这个英文缩写即是Artificial Intelligence，直译过来就是“人工智能”。这里的AI人们常常理解为“游戏系统”。当然，游戏人工智能和学术上的人工智能还是存在一定的差异的，但是它在很多方面与学术人工智能是相得益彰的。例如，游戏AI与学术AI都具有一定的可信性，特别是游戏营造的虚拟空间中，人们几乎感觉不到自己是在跟计算机交流，而总是身临其境地认为自身在与其他的玩家进行沟通交流。

2.2.2工业生产应用

人工智能技术在工业生产中的应用非常广泛，其在工业生产中主要应用到的人工智能分支技术是人工神经网络。严格意义上来说神经网络学科的诞生要比人工智能技术更早，但是随着人工智能理论的诞生和发展，赋予了神经网络技术更加广阔的发挥空间。

当然，由于工业是一个非常庞大的概念，所以我们截取工业生产中的一个小的领域――锅炉燃烧技术中的人工智能进行简要的介绍。在锅炉燃烧技术优化过程中，最重要的一点就是要进行算法上的优化。当前已经趋于成熟的人工蜂群算法就是人工智能技术的重要类型之一。人工蜂群算法是一种仿生的算法，模仿蜂群在复杂环境中的活动，产生了I-ABC、PS-ABC、PS-ABCⅡ等多种算法，通过检测锅炉燃烧的状态分析出燃烧的最佳运行状态，并进行实时的调整。

当然，除了生产行业之外，令很多人都意想不到的是，在公共设施建设领域人工智能技术也发挥着非常重要的作用。例如，在城市公路隧道建设中，常常用到故障树分析法。这种方法是一种运用逻辑的方式来进行复杂分析，从而以许许多多基本的事件集合来体现总体系统的状态。通过故障树的建立，在出现问题的时候，公路内的隧道智能监控系统首先会发现异常，并且分析出具体的异常情形，分别分析和排除车检器、CO/VI传感器、火灾感应器、FS/FX传感器、风机、车道灯和照明等的异常，并将这些异常分支连接成完整的故障树，在故障出现时能够及时有效地预警并加以解决。

3计算机人工智能技术发展趋势探析

3.1技术上会不断有大的突破且应用领域更广

人工智能技术是一项综合性极强的学科，它主要依托于计算机技术的发展，并且涉及到多个学科和领域的内容。而计算机技术在经历了刚刚诞生之后的大爆炸式发展之后，也会趋于平缓；与其他学科和领域的融合也在不断地进行和深入当中，所以在当前科技背景下人工智能技g的发展趋于平缓是非常正常也合乎逻辑的。

但是未来，人工智能技术将会在技术上迎来不断的大的突破。一方面，计算机技术还在不断发展过程中，相对来说发展较为低级的人工智能技术有非常大的发展空间，在技术达到一定的积淀之后一定会迎来非常迅猛的发展；另一方面，当前人工智能技术在不少领域都处于浅尝辄止的融合状态，其并没有达到紧密结合的状态，所以在未来也有非常大的发展潜力。

另外，计算机诞生之初，体型非常庞大，其主要的功能是为了进行研究以及军事用途。人工智能技术亦是如此，当前的科学技术条件下，人工智能技术还难以走进千家万户，现在所谓的“智能家居”也仅仅是“智能化”的初级阶段而已，完全担负不起“人工智能”的名头。而随着技术的发展，人工智能技术将会更加地“平民化”，将会真正走进千家万户，科幻电影中的智能机器人与人类和谐相处的画面相信在不久的将来一定能够实现。除了人们的日常生活之外，人工智能技术对人类社会影响最大的或许就会使交通和医疗领域，通过人工智能技术，未来的交通和医疗等将会真正实现全自动化，大大提升效率。

3.2伦理问题将会越来越受到人们的关注

从人工智能技术诞生之初，科学家就从来没有停止过对该项技术的哲学思辨。科学家们在对人工智能技术不断发展的情况下，也开始注意研究人类思维到底是什么样的存在？机器到底是否能够思考？未来人工智能如何跟人类和谐相处？这些问题直到现在也并没有确定的答案。当前限于人工智能技术的发展水平依然并不太高，所以伦理问题即便被注意，也并没有得到过多的重视，但是随着人工智能技术在未来的不断发展和进步，伦理问题将会成为一个绕不开的话题。该不该赋予智能机器人以适当的“人权”、谁来负责机器人的过错、如何定位机器人的道德地位都将会是摆在科学家和每一个社会成员面前的重要课题。

所以在接下来人工智能技术将会在科学技术各个领域取得突破性进展的背景下，在研究人工智能技术的时候一定要注意技术和其他方面的内容一起提升、一起发展：（1）要坚持哲学观念，以的观点寄到技术的发展。要坚持科技是人类的造物，科技是人类认识世界和改造世界的手段，坚持人的主观能动性和主体作用，以人为本，消除错误和不坚定的思想；（2）要提升民众的科学知识素养。要想正视人工智能技术带来的一系列问题，必须要在民众中普及科学文化知识，让人们对该项技术都有深层次的了解，就可以避免很多问题；（3）建立起健康的人工智能发展标准，合理规划人工智能技术的未来发展方向和实际应用，将很多问题遏制在萌芽状态。

4结语

不管我们是否承认，不管我们是否接受，计算机人工智能技术已经悄然走进我们的生活中，给我们的生活带来越来越多的便捷。放眼未来，在经历了三次工业及科学技术革命之后，下一次产业革命说不定就是以人工智能技术的更加成熟及广泛应用为标志，或许在未来的某个时间，“人工智能+”将会取代当前的“互联网+”，成为计算机科学技术领域的全新核心词语。当然，在其发展过程中我们也必须要清醒地意识到人工智能技术并不是万能的，它也存在致命的缺陷并且很可能对我们现存的伦理观念产生颠覆性的冲击和影响，所以我们有必要未雨绸缪，对计算机人工智能技术应用和发展的方方面面进行总结和研究，为该项技术的未来发展和人类的未来发展提供一个更为安全、稳定、和谐的技术环境，从而引领人类的向前进步。

参考文献

[1] 曹少中，涂序彦.人工智能与人工生命[M].北京：电子工业出版社，2011.

[2] [英]玛格丽特・A・博登编著.刘西瑞，王汉琦译.人工智能哲学[M].上海：上海译文出版社，2005.

[3] 罗勇，向奕雪.计算机人工智能技术研究进展和应用分析[J].电子制作，2014（18）.

人工智能与哲学思考范文第3篇

关键字：机械电子工程 人工智能信息处理

中图分类号： P756.6 文献标识码： A 文章编号：

传统的机械工程一般分为两大类，包括动力和制造。制造类工程包括机械加工、毛坯制造和装配等生产工程，而动力类工程包括各式发电机。电子工程与传统的机械工程相比而言，是比较新的学科，电子工程是传统工程的革新，两者于上世纪逐渐结合在一起。随着人工智能技术的不断发展 ，机械电子工程的能量连接、动能连接逐步发展为信息连接 ，使得机械电子工程具有了一定的人工智能。这种高效的智能化技术减少了繁重的机械生产，提高产量和经济效益，使我们市场进入智能化。

一、传统机械电子工程

1、机械电子工程的发展情况

机械电子工程是由机械工程与电子工程、信息技术、智能技术、管理技术相结合而成的新的理论体系和发展领域。随着科学技术的不断发展机械电子工程也变得日益复杂。

机械电子工程的发展可以分为三个阶段 ：第一阶段是以手工加工为主要生产力的萌芽阶段 ，这一时期生产力低下 ，人力资源的匮乏严重制约了生产力的发展 ，科学家们不得不穷极思变 ，引导了机械工业的发展。第二阶段则是以流水线生产为标志的标准件生产阶段 ，这种生产模式极大程度上提高了生产力 ，大批量的生产开始涌现 ，但是由于对标准件的要求较高 ，导致生产缺乏灵活性 ，不能适应不断变化的社会需求。第三阶段是现在我们常见的现代机械电子产业阶段，而以机械电子工程为核心的柔性制造系统正是这一阶段的产物。

2、机械电子工程的特点

1）设计上的不同。机械电子工程并非是一门独立学科 ，而是一种包含有各类学科精华的综合性学科。在设计时 ，以机械工程、电子工程和计算机技术为核心的机械电子工程会依据系统配置和目标的不同结合其他技术。工程师在设计时将利用自顶向下的策略使得各模块紧密结合 ，以完成设计 ；

2）产品特征不同。机械电子产品的结构相对简单 ，没有过多的运动部件或元件。它的内部结构极为复杂 ，但却缩小了物理体积 ，抛弃了传统的笨重型机械面貌 ，但却提高了产品性能。

二、 人工智能

1、 人工智能的概念分析

人工智能是一门综合了控制论、信息论、计算机科学、神经生理学、心理学、语言学、哲学等多门学科的交叉学科 ，是 21 世纪最伟大的三大学科之一。 但是至今为止，人工智能没有一个统一的定义。笔者认为 ，人工智能是研究通过计算机延伸、扩展、模拟人的智能的一门科学技术。

2、 人工智能的发展史

1）人工智能的初期阶段

17 世纪的法国科学家 B.Pascal 发明了世界上第一部能进行机械加法的计算器轰动世界 ，从此之后 ，世界各国的科学家们开始热衷于完善这一计算器 ，直到冯诺依曼发明第一台计算机。人工智能在这一时期发展缓慢 ，但是却积累了丰富的实践经验 ，为下一阶段的发展奠定了坚实的基础。

2）第一个成长阶段

在 1956 年举办的“侃谈会”上 ，美国人第一次使用了“人工智能”这一术语。这一阶段的人工智能主要以翻译、证明、博弈等为主要研究任务 ， LISP 语言就是这一阶段的佼佼者。人工智能在这一阶段的飞速发展使人们相信只要通过科学研究就可以总结人类的逻辑思维方式并创造一个万能的机器进行模仿。

3）比较困难的阶段

60 年代中至 70 年代初期 ，当人们深入研究人工智能的工作机理后却发现 ，用机器模仿人类的思维是一件非常困难的事 ，许多科学发现并未逃离出简单映射的方法 ，更无逻辑思维可言。但是 整理，仍有许多科学家前赴后继的进行着科学创新 ，在自然语言理解、计算机视觉、机器人、专家系统等方面取得了卓尔有效的成就。1972 年 ，法国科学家发现了 Prolog 语言 ，成为继 LISP 语言之后的最主要的人工智能语言。

4）中期平稳阶段

以 1977 年第五届国际人工智能联合会议为转折点 ，人工智能进入到以知识为基础的发展阶段 ，知识工程很快渗透于人工智能的各个领域 ，并促使人工智能走向实际应用。不久以后，人工智能在商业化道路上取得了卓越的成就，展示出了顽强的生命力与广阔的前景。在不确定推理、分布式人工智能、常识性知识表示方式等关键性技术问题和专家系统、计算机视觉、自然语言理解、智能机器人等实际应用问题上取得了长足的发展。

5）平稳成长阶段

由于国际互联网技术的普及 ，人工智能逐渐由单个主体向分布式主体方向发展 ，直到今天 ，人工智能已经演变的复杂而实用 ，可以面向多个智能主体的多个目标进行求解。

最近五十年间 ，网络的普及给信息传递带来了新的生命 ，人类进入到了信息社会 ，而信息社会的发展离不开人工智能技术的发展。不论是模型的建立与控制 ，还是故障诊断 ，人工智能在机械电子工程当中都起着处理信息的作用。

由于机械电子系统与生俱来的不稳定性 ，描述机械电子系统的输入与输出关系就变得困难重重 ，传统上的描述方法有以下几种 ：1）推导数学方程的方法 ；2）建设规则库的方法 ；3）学习并生成知识的方法。传统的解析数学的方法严密、精确 ，但是只能适用于相对简单的系统。现代社会所需求的系统日益复杂 ，经常会同时处理几种不同类型的信息。由于人工智能处理信息时的不确定性、复杂性 ，以知识为基础的人工智能信息处理方式成为解析数学方式的替代手段。

通过人工智能建立的系统一般使用两类方法 ：神经网络系统和模糊推理系统。神经网络系统可以模拟人脑的结构 ，分析数字信号并给出参考数值 ；而模糊推理系统是通过模拟人脑的功能来分析语言信号。两者在处理输入输出的关系上有相同之处也有不同之处：神经网络系统物理意义不明确 ，而模糊推理系统有明确的物理意义 ；神经网络系统运用点到点的

映射方式 ，而模糊推理系统运用域到域的映射方式 ；神经网络系统以分布式的方式储存信息 ，而模糊推理系统则以规则的方式储存信息 ；神经网络系统输入时由于每个神经元之间都有固定联系 ，计算量大 ，而模糊推理系统由于连接不固定 ，计算量较小 ；神经网络系统输入输出时精度较高 ，呈光滑曲面 ，而模糊推理系统精度较低 ，呈台阶状。

随着社会的不断发展，单纯的一种人工智能方法已经不能满足日益增长的社会需要，许多科学家开始研究综合性的人工智能系统。综合性的人工智能系统采用神经网络系统与模糊推理系统相结合的方法，取长补短，以获得更全面的描述方式，模糊神经网络系统便是一成功范例。模糊神经网络系统做到了两者功能的最大融合 ，使信息在网络各层当中找到一个最适合的完全表达空间。逻辑推理规则能够对增强节点函数 ，为神经网络系统提供函数连结 ，使两者的功能达到最大化。

三、 结论

21世纪的科学技术发展的越来越快，智能化已经大范围覆盖了国际市场，不论工业中还是电子商务，都以及成为经济快速运行的动力。为国家提供高技术的便利，为其注入新的概念，使其更为广泛的应用。着实做到了作业内外一体化，数据搜集自动化，系统智能化。人工智能与机械电子相结合能够促进生产力的快速发展，把我国的相关经济产业链带动了起来。在这新兴科技的引领下，我国的经济将迈向更高的阶梯。

参考文献

[1]傅丽凌.杨平.机械专业综合型试验平台的建设[J].电子科技大学学报社科版，2005，7（增刊）.

[2]陈庆霞.人工智能研究纲领的发展历程和前景[J].科技信息，2009，33.

[3]史忠植.高整理级人工智能[M].科学出版社，2006.

人工智能与哲学思考范文第4篇

凯文・凯利（KevinKelly），世界著名科技杂志《连线》（Wired）杂志创始主编。在创办《连线》之前，他是《全球概览》杂志（TheWholeEarth Catalog，乔布斯最喜欢的杂志）的编辑和出版人。他的文章还出现在《纽约时报》《经济学人》《时代》《科W》等重量级媒体和杂志上。1984年他发起了第一届黑客大会。1994年出版的《失控》中，他提出“人与科技的融合”的洞见。2011年出版的《科技想要什么》中，他进一步延伸出科技是“第七种生命形态”的观点，并创造“技术元素”这个新词，预言了包括创造大脑在内的未来数十年科技的12种趋势。《必然》是凯文・凯利三部曲的第三本，继续以生物学的独特视角，全面介绍了科技作为一个新物种所具有的基因特征、所思所想、行为规则和未来走向，指出这个物种不断变迁的12条道路：形成、知化、流动、屏读、使用、共享、过滤、重混、互动、追踪、提问和开始。

人类自从地球上诞生以来，就与技术结下了不解之缘。人类的祖先曾砸碎石块做成刮削器，发明了用火来煮食物的简单技术……随着人类智力的不断提高，人类发明了难以计数的技术，以至于技术使人类得到了“人体的延伸”和“思维的延伸”。

过去，人们总是以为人是世界的主体，技术是人类的奴隶。读凯文・凯利的《必然》后，也许读者的理解要反过来：技术才是主体，人只是它达成目标的手段呢。

几百年来，人们的既有理念受到了诸多质疑。哥白尼说，人类居住的地球不是宇宙中心；康德说，真实世界人类永远也理解不了；达尔文说，人不过是猴子变的；爱因斯坦说，别想更快了，光速就是极限；弗洛伊德说，别做梦了，你的潜意识才是主人，人就是个傀儡；道金斯说，别颠倒了，基因才是真正的乘客，人的肉体只是个车厢……

2016年3月，谷歌人工智能AlphaGo和世界围棋冠军李世石的人机大战中，李世石以总比分1∶4落败。机器人是否真的会取代人类？人和技术，谁是最后的赢家？一盘围棋的输赢引起了人们的思考。

二、科技本身是一个物种

什么是技术？在凯文・凯利看来，技术不仅是指斧头、计算机、手机、可穿戴设备、智能设备等以实体的形式存在，以软件等非实体的形式存在，而且也指绘画、文学、音乐、诗歌等通常意义上的人文学科。之所以这样说，因为它们都由大脑产生出来，都是人类想象力的产物，都具有技术属性。因此，凯文・凯利把这样一个庞大的技术系统，命名为“技术元素”（Technium），用以指代技术硬件、文化、艺术、社会制度以及各种思想。

技术元素的重要特征在于具有自我繁殖能力，即技术元素在发展过程中具有自主性。凯文・凯利认为，这种自主性表现为：自我修复、自我保护、自我维护、对目标的自我控制、自我改进。如果某个实体表现出了其中任何一种或几种特性，它就具备了自主性。如在网络数据传输过程中，错误时常发生，造成此类突变发生的原因一部分是可以识别的，但也有一部分是不可识别的。研究人员将这些不能识别的因素归诸数据的自我改变。也就是说，技术本身有一定的自由意志，能够做出自主决定。

正因为技术元素具有了自主性，所以各种基于技术的机器开始有点“不听话”了，作为人类创造物的技术和人类的关系，也由此开始发生了微妙的变化。人类越来越依赖技术，有些时候人们不得不利用某项技术。技术在这两者关系中地位逐渐上升，它在给人类生活带来便利的同时，也开始对人类进行奴役，产生了技术“异化”现象。

《失控》提示我们―――要用生物学而不是机械学的角度看待这个世界。他是第一个把生物学思维方式系统引入对当前科技解释的人。生物学和机械学的思维方式是完全不同的，机械学把世界看作一个被造出来的东西，它是部分构成的整体；生物学把世界看作是由一颗种子生发出来的、在时间当中绵延的一个整体。他第一次在《科技想要什么》中提示我们―――科技本身就是一个生命体。他把生命定义成六类：病毒、单细胞、多细胞组织、真菌、植物和动物。所有这些生命都拥有共同的生化蓝图。所有的生命都有扩展自己身体的行为，人对自身的扩展就是技术，拥有技术的人就是“技术生命”，就是一种第七类生命。

《必然》这本书的核心意思是―――科技本身是一个物种，有自己的诞生、发展和进化节奏，他全面介绍了这个新物种的基因特征、思想构成、行为规则以及未来之必然走向。而人类，只是这种生命的哺育者。这种说法太有颠覆性了，凯文・凯利在自己的著作中做到了自圆其说。如果说新陈代谢是生命的基本特征的话，科技的发展也完全符合这一特征。

在《必然》中，凯文・凯利全面介绍了科技这个“新物种”的基因特征、所思所想、行为规则与未来走向，也提出了未来科技发展的几大必然趋势：分享―――与他人分享自己的多余资源会非常普遍；互动―――人们与数字环境进行密切的互动；流动―――数据必须流动起来而不是储存起来才有价值；认知―――人工智能的认知能力尚有无限潜能。

凯文・凯利把整个世界看成生物体的时候，他讲的必然并不是一定会发生的事情，而是那个庞然大物的基因、必然会走到的方向以及其中的轨迹。因此，科技作为一个物种，我们不知道它哪天学会站立坐卧，不知道它何时情窦初开，但是我们知道，这一天一定会来。

三、人和技术的协同共生与发展

实际上，《必然》是为科技这个物种画出了一幅基因图谱。凯文・凯利说：下一个时代是氧气的时代。在不久的将来，我们通过无线网络来传输的信息总量就会超过通过有线网络来传输的信息总量。未来，数据会更多地在每个人的智能设备之间传偷，不会回到发射塔、交换机或者“云”里面。到2020年，超过2/3的信息传送距离不会超过1公里。无人驾驶汽车今后将变成人类的新办公室，用汽车接收的数据将比坐在写字楼里接收的数据更多。

在凯文・凯利看来，未来20年最具颠覆性的技术是人工智能，最近两三年，人工智能研究取得了相当大的突破：谷歌实时翻译软件的正确率达到90%；谷歌的人工智能电子游戏玩家，训练八小时即可达到人类水平；人工智能会比医生更快地读懂X光片，也能看懂一些法律文件；未来的个人用机器人会更加聪明，不需要编程，通过观察即可学习，还可以跟人类协同合作。未来，人工智能会作为一种服务提供给大家。使用人工智能的用户越多，它就越智能。其越智能，它的用户就越多。

可以想象，人工智能在放大人类现有能力、延长人类智慧的同时，也冲击现有一切。虽然目前人工智能还停留在通过捉捕外界信息、与数据库海量的信息源比对、寻找匹配答案、产出反馈结果的阶段，就如同“情感机器人”，它拥有的仍然是颗“机器之心”。但假如人类仿照自身的大脑制造出会应对外界刺激、产生自主情感的机器人，机器拥有了人脑，或在人的身体中植入某些智慧、记忆、情感的电子芯片，那么两者是否可被视为无差别的人？

人工智能将开辟全新疆域，将挑战人类社会。智能机器人无生无死，人造的“怪物”会冲击一切基于时间有限的人类生命哲学。这势必动摇人类社会基本的秩序与伦理，直指人之为人的根本。这是否意味着人工智能越发展，社会的失业率就越高，机器将抢夺人的饭碗呢？

人工智能的机器理性将成为无往不胜的利器，可毫不费力计算出基于经济利益的最大投入产出比，据此做出最理性的选择。会犯错误的人面对永远不会出错、铁面无私的机器人，是否会不堪一击？智能机器人是否会令这个本就冰冷的世界变得更无情？如果冷血的智能机器人横行，世界将变得高效快捷却又无趣无情？在人工智能与人分庭抗礼，对社会公共事务、生产生活拥有发言权时，这个世界的文化将会如何发展？

随着人工智能的不断发展，研究智能机器的专家需要懂神经科学，懂人类神经系统的活动规律，智能专家才可以逐步制造出仿生机器人。如果说人是一个碳基的智能体，那么未来的仿生机器人则是一个硅基的智能体，它具有和人脑同样规模的硅基神经细胞和突触。研究表明，人脑是世界上已知的最复杂、最神奇的“自动化机器”。人脑拥有1000亿个神经细胞，每一个神经细胞都有数千个突触和其他神经细胞相连，神经细胞通^这些突触互相交流。随着年龄增长，一些不被使用的突触逐渐减少，到了成年稳定在100万亿个左右。显然，要建造这样一台仿生机器人的难度是难以想象的。仿生机器人需要拥有1000亿个可以独立运算的处理器，并具有100万亿个信息中转器。无论是制造元件还是整合这些元件，都是一个似乎难以完成的任务。更困难的是，这1000亿个处理器的功能是有所差异的，需要制成数以万计的不同类型，信息中转器则需要更多种类型。要完成仿生机器人的制造，需要最先进的纳米技术，才能把每个处理器做得像神经细胞那么小。需要最先进的超级计算机，才能完成对仿生电脑各个器件排列顺序的编程。

正是由于建造智能机器难度大，智能机器也将只能在某些方面超越人类。一方面，世界上并不缺人，缺的是比人类某些性能更先进的机器；另一方面，未来的仿生机器人并非是要完全模仿人类的所有功能，而是模仿某项功能就可以了，这样也可把处理器的数量大大减少，也大大降低了制造难度，并可以强化某些功能，制造一些具有“特异功能”的电脑。这些智能机器人有望成为“超人”，已成为客观现实。

实际上，技术本身就包含着积极和消极的两方面，社会进步不代表乌托邦。凯文・凯利说：“乌托邦中没有问题可烦恼，但乌托邦也因此没有机遇存在。每一种乌托邦的构想，其中都存在使其自我崩溃的严重瑕疵。”“大部分反乌托邦故事里的瑕疵也是不可持续的。灾难越剧烈，反乌托邦就消失得越迅速。虽然灾难引发混乱，但应对系统会很快地自组织起来进行应对。”

人工智能与哲学思考范文第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。”