人工智能与哲学思考范文
时间：2023-10-19 16:07:13
导语：如何才能写好一篇人工智能与哲学思考，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。
篇1
1.关于人工智能
什么是人工智能呢?在 1956 年 Dartmouth 学会上，人们初次提出了“人工智能”这一术语。尽管人工智能没有确切的定义，但基本概念就是人工智能(Artificial Intelligence)，英文缩写为AI。是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，是计算机科学的一个分支。就人工智能的本质而言，就是运用目前的人工智能技术去模拟实现人脑基本的思维，也就是模拟人脑处理信息的过程。但目前的人工智能仍大都是在电脑中储存众多的解决办法，然后通过分析面对的问题以及当前的环境信息，通过计算机得到最优的解决办法，其核心思想在于具有优越的算法。
2.人工智能发展现状以及驱动因素
目前，所有国家都十分看重人工智能这个产业，因为人工智能可以利用它自身快速准确的运算能力以及惊人的记忆力和巨大的存储空间等，为人类提供各种各样的服务。虽然我们生活中的人工智能机器正在逐渐增多，但是其应用方法仍十分原始。
正因为人工智能的前景十分广阔，也使得各种因素持续推动着人工智能的发展。当然，最核心的因素在于算法，人们的不断思考与努力持续推动着语法的进步。
3.人工智能与人类智能的关系
关于人工智能与人类智能的关系，知道什么是人类智能是了解人工智能与人类智能关系的前提条件。人类智能是人类与生俱来的自然智能，它主要包含感知能力、思维能力和行为能力三个方面。
现在我们从哲学的角度去理解人工智能与人类智能的关系。两者是对立统一的关系，因为人工智能是人类智能的实际体现，人类智能又凭借人工智能的优点而加强，所以人类智能与人工智能相互依存，谁也离不开谁，并且两者相互促进，共同推动人类社会的发展。人工智能和人类智能之间又存在对立的关系，正是通过这种对立的关系，人们才能够不断地对人工智能加以创新，促其发展。
4.人工智能与人类智能的区别
人工智能与人类智能两者的关系十分密切。且这两者之间的区别也非常大：第一，两者的优点十分不同，比如人工智能计算能力强，而且拥有人脑无法涉及的计算速度，另外，人工智能机器可以在特殊环境条件下正常地工作。但是人脑能提出新问题，对新事物进行分析研究，得到解决新事物的办法。第二，两者起源不同。人类是自然界长期发展的结果，人工智能是由人类创造的。第三，两者思维方式不同。人类智能拥有自己跳跃性的思维，但人工智能要严格遵循所设计好的思维程序。第四，两者语言形式不同。人类拥有自己的自然语言，而人工智能只能依靠人类去创造人工语言。
5.人工智能能否超越人类智能
关于人工智能能否超越人类智能这个问题，人们的看法都大不相同，而且每个人的看法都有自己的合理解释。但我认为，在整体上人工智能是不可能超越和代替人类智能的。因为人工智能是由人类所创造，只是人类智能的拓展和实现途径。它没有办法去替代人类智能，更不可能像电影里的情节一样，由人工智能来统治人类。
从社会环境来看，人工智能无法像人脑一样去面对现在复杂的社会环境。从实际应用来看，人脑拥有超强的容错率，而且可以在众多信息中提取关键信息，并且耗能低，但目前的人工智能需要有完全正确的程序才能正常运行，而且需要投入的资源量巨大。
由此，我认为，人工智能是无法超越人类智能的，但我们要承认人工智能给我们的生活带来了许多方便。虽然人工智能帮助我们在很多方面解决了依靠人力解决不了的很多问题，而且因为人工智能的快速发展，使人类智能可以无视时间和特殊环境进行研究和实践。但是，如果因为科学技术的发展和电脑的广泛应用，就认为人工智能可以代替和超越人类智能，这是没有依据的。
篇2
“人工智能”一词最早是在1956年Dartmouth学会上提出的。从那以后,研究者们发展了众多理论和原理,人工智能的概念也随之扩展。人工智能其英文全称为ArtificialIntelligence，缩写为人所共知的AI，它主要是对用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统等进行研究讨论。对于人工智能的定义义众说不一，一般有两种说法：一种是人工智能是关于知识的学科，即怎样对知识进行表示以及怎样获取知识并对知识进行使用的科学；另一种是人工智能研究的是如何实现让计算机做过去只有人才能够做的智能工作。但是不管是哪一种，它都是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能的定义可以分为两部分，即“人工”和“智能”。对于“人工”，争议性也不大。有时我们会要考虑什么是人力所能及制造的，或者人自身的智能程度有没有高到可以创造人工智能的地步，等等。但总的来说，“人工系统”就是通常意义下的人工系统。诞生对于“智能”，则存在着很大的争议。因为这涉及到了诸如意识（consciousness）、自我（self）、思维（mind）（包括无意识的思维（unconscious_mind）等等问题。人类唯一能够了解的智能就是人类本身的智能。但是我们对我们自身智能的理解都非常有限，对构成人的智能的必要元素也了解有限，所以就很难定义什么是“人工”制造的“智能”了。人工智能的实现方式有2种方法。一种是采用传统的编程技术，使系统呈现智能的效果，而不考虑所用方法是否与人或动物机体所用的方法相同。这种方法叫工程学方法（Engineeringapproach），它已在一些领域内作出了成果，如文字识别、电脑下棋等。另一种是模拟法（Modelingapproach），它不仅要看效果，还要求实现方法也和人类或生物机体所用的方法相同或相类似。
2人工智能的发展
对于人工智能的研究一共可以分为五个阶段。第一个阶段是人工智能的兴起与冷落，这个时间是在20世纪的50年代。这个阶段是人工智能的起始阶段，人工智能的概念首次被提出，并相继涌现出一批科技成果，例如机器定理证明、跳棋程序、LISP表处理语言等。由于人工智能处于起始阶段，很多地方都存在着缺陷，在加上对自然语言的翻译失败等诸多原因，人工智能的发展一度陷入了低谷。同时在这一个阶段的人工智能研究有一个十分明显的特点：问题求解的方法过度重视，却忽视知识重要性。第二个阶段从20世纪的60年代末到70年代。专家系统的出现将人工智能的研究再一次推向。其中比较著名的专家系统有DENDAL化学质谱分析系统、MTCIN疾病诊断和治疗系统、Hearsay-11语言理解系统等。这些专家系统的出现标志着人工智能已经进入了实际运用的阶段。同时国际人工智能联合会于1969年成立。第三个阶段是20世纪80年代。这个阶段伴随着第五代计算机的研制，人工智能的研究也取得了极大的进展。日本为了能够使推理的速度达到数值运算的速度那么快，于1982年开始了“第五代计算机研制计划”。这个计划虽然最终结果是以失败结束，但是它却带来了人工智能研究的又一轮热潮。第四个阶段是20世纪的80年代末。1987年是神经网络这一新兴科学但是的年份。1987年，美国召开了第一次神经网络国际会议，并向世人宣告了这一新兴科学的诞生。此后，世界各国在神经网络上的投资也开始逐渐的增加。第五个阶段是20世纪90年代后。网络技术的出现于发展，为人工智能的研究提供了新的方向。人工智能的研究已经从曾经的单个智能主体研究开始转向到基于网络环境下的分布式人工智能研究。在这个阶段人工智能不仅仅只对基于同一目标的分布式问题求解进行研究，同时还对多个智能主体的多目标问题求解进行研究，让人工智能有更多的实际用途。
3对人工智能的思考
3.1人工智能与人的智能
从哲学上的量变引起质变的角度来讲，人工智能在不断的发展过程中一定会产生质的飞跃。在最初，人工智能只具有简单的模拟功能，但是发展到现在已经具备了思考的能力（逻辑推理分析），这已经表明人工智能在不断量变的过程中已经发生了质变。有人认为有人会说人工智能不会超过人类的智能，理由是人工智能是人类创造出来的。但是现实中很多人类创造出来的东西已经在某一些方面超过了人类本身的能力，例如起重机的力气超过人类很多；汽车速度也远超过人类的速度。人类之所以会制造出各种各样的工具，其目的就是希望自身的能力能通过这些工具进行延伸和突破。人类研究人工智能就是希望人工智能帮助人类实现人类某些无法实现的东西。还有人认为人工智能是人类创造出来的，所以它一定存在着致命的弱点，也因此人的智能优于人工智能。但是殊不知人类与机器相比也有着十分明显的弱点，例如人类所需要的生存条件比机器更加的严格，人类思维会受到人的情绪所影响，而机器只是受到程序的影响，它们没有情绪的起伏。就目前的人工智能而言，它们在某一些领域比人类更强。但是目前我们必须正视人工智能的一些还没有办法改变的缺陷，那就是人工智能的学习能力与创新能力。人工智能的知识获取大部门都是人为的进行灌输，而无法像人类自身那样进行主动的学习。同时人工智能只能够利用已有的知识去解决一些问题，但是却还不能够创造性的提出一些新的东西。
3.2对机器人三大定律的困惑
美国最著名的科普作家艾萨克．阿西莫夫提出过比较著名的机器人三大定律：第一定律，机器人不得伤害人，或任人受到伤害而无所作为；第二定律，机器人应服从人的一切命令，但命令与第一定律相抵触时例外；第三定律，机器人必须保护自身的安全，但不得与第一、第二定律相抵触。虽然这只是科幻作家所提出的一家之言，但是也代表了人类对与人工智能发展的一种期望与担心。人们害怕自己所创造出来的人工智能会伤害人类自己。但是阿西莫夫所提出三大定律都是以人类为中心的，而忽视了人工智能本身。或许这是人类的一种天性，世间所有的事物都应该围绕人类自身来定义、发展。就好像人类自以为掌控了能够改变大自然的力量，最终却被大自然反噬一样。同时，随着科学技术的发展，人工智能已经不单单需要逻辑思维与模仿，同时还应该将情感赋予人工智能。因为随着科学家对人类大脑和精神系统的研究的深入，已经愈来愈肯定情感是智能的一部分。如果人工智能具有了情感之后，人类的自我中心又是否会伤害到人类自己创造出来的人工智能。
3.3对人工智能未来的思考
人工智能有着十分巨大的发展潜力，对于人工智能的研究虽然经过了很多年，但是这也仅仅是刚刚开始而已，继续研究下去在很多方面都会有重大的突破。自动推理是人工智能最经典的一个研究分支，它的基本理论是人工智能其它分支的共同基础。一直以来人工智能最热门的研究内容里面就有自动推理，同时在该知识系统中的动态演化特征及可行性推理的研究是一个十分热门的研究内容，很有可能取得大的突破。机器学习一直在致力于研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能。在过去的很长的一段时间内都没有取得十分显著的成果。但是许多新的学习方法相继问世，并且已经有了实际的应用，这充分的说明在这方面的研究已经有了很大的进步。自然语言处理是计算机科学领域与人工智能领域中的一个重要方向。在经过人工智能研究人员的艰苦努力之后，在该领域中已取得了大量令人瞩目的理论与实际应用成果，许多产品已经进人了众多领域。智能信息检索技术在Internet技术的影响下，近年来发展势头十分迅猛，而且已经成为了人工智能的一个独立研究分支。
篇3
关键词：大数据时代；人工智能；计算机网络技术
1引言
随着互联网技术的不断发展，人工智能作为一项应用前景非常广阔的技术手段，不断深入到人们的生活中。在互联网发展的今天，人工智能的运用越来越广泛，无论是日常的生活、学习、娱乐还是工厂操作、科技研究等。智能化科技的出现，不但丰富了人们的日常生活，也给计算机的发展提供了可行性方向，亟待深一步的研究。
2人工智能的概念及意义
人工智能是计算机科学的一个分支，集研究、开发于一体，用于模拟、延伸和扩展人类智能的理论、方法、技术及应用的一门技术科学。人工智能的研发包含哲学、语言学、心理学等学科，能够模拟人类对外界图像、声音的反应。基于大数据时代数据多、规模大的特点，将机器智能化来帮助人们解决一些生活上的问题，从而提高人们的生活质量和生活安全水平。人工智能的系统过程可以把人类日常的行为习惯、思考习惯转换成数据的形式进行储存，以实现人类日常生活的模拟，进而实现机器的自动操作。人工智能的运用实现了我国计算机技术领域的发展，丰富了人们的生活，为社会带来了更多的便捷，同时也是计算机技术发展的必然趋势和必经过程。人工智能和计算机网络技术两者之间相互结合，互相促进，为未来发展提供了新的方向。从某种意义上讲，网络计算机的发展是以人工智能技术为核心基础，进行更深层次的研究。从简单的数据计算、人工搜索转变为机器的智能操作，直到人工智能对计算机网络安全和网络管理中的有效运用，无一不体现了人工智能的核心地位。给予人工智能强大的优势，将计算机系统局部资源进行处理分析，能够快速得到对人们有利的信息，提高信息的准确性和快捷性。此外，人工智能有非常强大的协作能力，通过对资料的有效整合，根据不同用户的不同需求来互相交换信息和资源，有效利用信息资源。
3人工智能现状
人工智能的到来，大大提高了数据处理和数据判断的准确性。大数据时代的到来，有着惊人的数据分析和处理能力，人们的隐私问题也越来越暴露，人工智能在计算机网络技术中的运用提高了计算机在信息处理过程中的复杂性和安全性。对于一些模糊、不确定的信息，人工智能能够模拟人类思维，使得信息更加准确、具体，从而提高计算机处理信息的效率。同时，能够提高信息管理体系的有效性和灵活性。但是，随着人工智能的运用越来越广泛，在运用过程中人工智能获取的信息只能根据系统设定的命令处理信息，无法辨别给定的信息准确与否。数据太多没有针对性，是人工智能处理问题的一大弊端，不但增加了时间和空间的使用，还不一定能找到想要的准确信息[1]。
4大数据时代人工智能在计算机网络技术中的运用
人工智能在网络技术中的运用主要集中在两个方面：计算机网络安全管理系统中的应用和计算机网络管理系统中的应用。在计算机网络安全管理系统中主要通过入侵检测智能防火墙技术、数据挖掘数据融合、人工免疫以及智能型反垃圾邮件四个方面，对计算机网络安全进行保护。在计算机网络管理上，主要运用专家系统数据库、人工智能问题解答、Agent技术三个方面。
4.1入侵检测和智能防火墙技术
入侵检测技术和计算机智能防火墙技术是人工智能的核心技术，也是计算机网络安全的重要组成部分。不但能够保证计算机网络系统中的资源数据安全完整，智能防火墙技术还可以对计算机网络系统中一些没有意义的有害信息进行拦截，防止其流入计算机系统中，确保计算机的安全状态。人工智能中入侵检测和智能防火墙技术可以很好的在计算机系统中建立一个自动防范功能，使计算机能够高效识别病毒木马的入侵，从而有效进行遏制。所以，应用入侵检测技术和智能防火墙技术不仅能够保护计算机网络信息的安全，还能够推动计算机网络的健康发展[2]。
4.2数据挖掘和数据融合
数据挖掘是结合网络连接和主机会话，找出两者共同的特征利用审计程序分别加以描述，再通过人工智能捕捉到的入侵规律和计算机网络没有遭到入侵时的运行状态，将结果记录储存在脑中。在这种情况下一旦计算机系统遭受入侵，系统会提示异常，自动识别入侵对象，从而进行拦截，这也是人工智能自我记忆与自我学习功能的体现。数据挖掘的运用能够有效提升检测入侵对象的效率，提高计算机网络的安全。数据融合是根据人类处理信息的方式研发出的一项把资料协同化的技术。该技术能够将计算机网络系统中多个传感器进行融合，使其发挥最大作用来提升系统的性能。同时，能够缩小传感器入侵的几率和范围，打破原有的局限性，保证入侵检测的有效性和安全性。
4.3人工免疫技术
人工免疫技术是模拟人类处理方式而研发的一项新型技术，弥补了入侵检测时未能识别病毒的缺陷。人工免疫技术分为基因库、否定选择、克隆选择三部分。虽然基因库的建设有待发展，但是，基因片重组和突变模式能够识别入侵病毒，从一定程度上可以阻止病毒入侵。否定选择即是系统检测病毒的另一种计算方式，通过否定选择计算合格才能进行系统下一步的操作，反之则被系统阻止运行。尽管人工免疫技术在计算机网络技术中还不够成熟，但是其作用不可小觑，有着很大的应用价值，值得人们进一步的研究探讨[3]。
4.4智能型反垃圾邮件系统
很多人在计算机网络邮件中经常遇到一些垃圾邮件。人工智能在计算机网络安全系统的运用，很大程度上屏蔽了这些垃圾邮件，让客户信箱免受干扰，进一步保护了客户的隐私安全，不会对客户的信息安全造成任何影响。人工智能的有效应用还能实时检测用户邮箱，及时扫描出邮箱内部的垃圾邮件，并分类推送给用户，提示用户及时处理，保证了邮箱的安全性，提高了邮箱内部利用率[4]。
5大数据时代人工智能在计算机网络管理系统中的应用
5.1专家系统数据库
专家数据库作为专家系统中的核心部分，具有独立性、启发性、透明性，包含了专家系统中的基本理论和直接、间接经验。通过系统运行把已知的内容转化成代码的形式存入数据库，再经过人工智能的转换，举一反三将初级的内容转换成复杂的程序，并且不断进行判断、处理和优化，找到最佳方式来运用到计算机网络管理的系统中来，从而实现最有效的管理和评价。人工智能与数据库技术的全面整合，弥补了传统数据库技术在数据加工能力上的不足和人工智能在逻辑推理和知识处理方面的弱势，使其无论在存储空间上还是工作效率上都有很大的提高。可以说专家系统数据库的建立，是人工智能和数据库技术相结合的优秀产物，成为了计算机网络管理系统中的一个重要领域，也是不可或缺的部分。
5.2人工智能问题解答
这项技术的运用主要是依照给出的特定条件，通过搜索、解析等功能搜寻最有效的信息，以达到网络资源的有效利用，从而提高网络资源的利用率。人工智能问题解答技术的运用摒弃了以往繁琐的解答方式，只需要一个简单的指令即可对信息进行有效筛选，自动对搜索信息进行判断、过滤、处理和优化，从而找到需要的信息。大大缩短了搜索时间，提高了网络资源的利用率。例如，用户在计算机上查找苏轼的《水调歌头》信息时，用户忘记了作者和词牌名，只记得是“明月几时有”就可以以“明月”作为搜索对象，经过系统的人工智能问题解答，自动带出“明月几时有”的搜索标签，能够很快查找到《水调歌头》的完整词牌和注释。不但保证了搜索的准确性，还缩短了搜索时间，提高了搜索效率。
5.3Agent技术
Agent技术是人工智能问题解答的一个补充技术，也称作是人工智能管理。Agent技术的应用是在用户完成工作后，对数据补充搜索统计的技术，为用户下一步的工作提供更加人性化、智能化的服务。Agent技术的应用，可以帮助用户通过自行设置有效搜索信息，并将搜索内容通过指定的路径传输到指定位置，是一项高水平智能化和人性化的定制服务机制。例如，用户在查询过某一地区的酒店价格后，系统会根据用户的查询，通过Agent技术对用户查找的信息进行分析和处理，从而给用户推送类似信息，帮助用户能够方便快捷的找到有效信息，从而节约用户时间，提高计算机网络技术效率。
篇4
【关键词】机器人；人的本质；机械唯物主义；
1737年，法国人雅克•瓦坎森制作出了一个真人大小的人形机器，可以吹出十二首笛曲，其精巧性已经超越了一般的玩具，标志着人类的第一个机器人诞生。人们在惊叹的同时也产生了恐慌之感。1818年，英国女作家玛丽•雪莱创作了被认为是第一部科幻小说的《弗兰肯斯坦》，小说的副标题是“现代的普罗米修斯”，她把创造了“怪人”并最终与“怪人”同归于尽的弗兰肯斯坦比作普罗米修斯，给人类带来了文明，自己却受尽惩罚，而“怪人”所隐喻的就是科技。从第一个机器人诞生至今的三个世纪里，机器人的智能化水平不断提高，与此同时，机器人恐慌也随之增强，科幻小说和影视作品无一不涉及“机器人威胁人类”的情节。
一、对机器人恐慌是对机器恐慌的加剧化
对机器人恐慌并不是无中生有，而是自工业社会以来人们对机器恐慌的加剧化。
（一）害怕被机器人取代。机器是一种工具，但与手工工具有着本质的区别。手工工具的运用需要人的技艺和气力，人的因素在产品形成中起着主导作用。机器的结构分为发动机、传动机、工作机三个部分[2]，远比手工工具复杂，因而具有不为操作者意志所控制的自动化的特点，对产品形成起主导作用的是机器而不是操作者。由于机器在力量、标准化、生产效率上远远胜过人类，人的力量的一部分——技艺和体力被机器代替，于是机器一出现就让人的生存受到威胁，“英国蒸汽织机把80万织工抛向街头”，衣食无着，工人处于恐慌而爆发了捣毁机器的“卢德运动”。机器人相比于机器，在自动化程度上实现了新的飞跃——智能化，不仅能更有效地替代人的体力，而且能替代人的脑力，在计算速度上、准确性上不断超越人类，车间、操作台、控制室、设计室等全方位的劳动领域上人的位置越来越多地被机器人所取代，人的安身之地在哪里？人前所未有地感到自己的渺小和无力。
（二）害怕被机器人伤害。在工业化早期，不少工人因反应慢于机器，被机器夹断肢体的事情经常发生，而更多的人成为《摩登时代》中卓别林饰演的工人，像机器一样做着紧张、单调的机械运动，连挠痒这样的人类基本生理需求也被机器剥夺了。在体质上由钢筋铁骨组成、在智能上有光速般计算速度的机器人面前，人受到伤害的可能性及其危害会更大。1920年捷克斯洛伐克作家卡列尔•萨佩克写了一部名为《洛桑的万能机器人》的剧本：一群不再甘愿被人奴役的机器人，把不再有什么作用的人类都杀了，成了地球的主人。这个剧本反映了人们对机器人的深度恐慌，如果说机器对人的伤害是让人变为畸形，那么机器人对人的伤害则是让人毁灭。萨佩克的预言在一定程度上已经得到应验：据统计，美军在2004年至2012年间，针对阿富汗恐怖组织的无人机空袭有300多次，杀死人数3000余人，但误杀平民和儿童1100人。
（三）害怕被机器人统治。马克思指出：“在工场手工业中仆人的角色总是由工具来担当”，而在机器生产中，“实行（简单）协作和把协作工人当作一个巨大的总自动机的活动附件和仆人而分配到这个自动机的各个部分上”。在工业化初期，机器统治人已经成为现实，许多人更有理由相信比机器智能得多的机器人将更有力地实现对人的统治。法兰克福学派代表人物马尔库塞认为：“工艺的基本原理就是统治的基本原理”，“旨在启蒙的技术能力的进步伴随着非人化的过程”。机器人的身体具有人类无法比拟的强大，如果还拥有高过人的智力，甚至具有情感的话，那么无论从身体还是思想上来看，机器人都是比人类更高形态的生命，如同人对低等生命所做的那样，机器人必然统治人类，机器人“待人类可能就像拍死一个蚊子这么简单”，人将会变成或害虫，被“在将来的动物园里”。科幻电影《黑客帝国》就展现了看似正常的现实世界实际上是由一个名为“矩阵”的计算机人工智能系统控制的未来景象。
二、对机器人恐慌的哲学根源是机械唯物主义
上述三种对机器人恐慌都可以归结为一点，即认为机器人的智能将会发展成为意识。这个认识与“人是机器”的观点同出一辙，因为只有肯定了“人是机器”，那么才有可能创造出和人一样会思考、有情感的机器，才能最终使机器人超越人类。工业化初期产生的机械唯物主义在人的本质上所提出的“人是机器”的观点，看似已经成为一个历史笑话，但实际上机械唯物主义并没有退出历史舞台，而是以新的话语形式表现出来，其中以行为主义、符号主义、联结主义为主要代表。机械唯物主义既是当时对机器恐慌的哲学根源，也是当今对机器人恐慌的根源。
（一）行为主义把机器的功能与人的行为等同起来。行为主义又称控制器学派，20世界40、50年代产生的控制论是其理论基础。控制论的代表人物维纳提出：“机器的自适应、自组织、自修复和学习功能是由系统的输入输出反馈行为决定的。”该学派认为，感知是对环境刺激产生的一种反应，而行为就是对这种反应的陈述，因此只要机器人能够像人一样行动就说明他们能够像人一样感知现实世界和环境，那么通过不断改进传感器、执行器就可以使人工智能不断进化，最终达到和超越人的智能。人工智能的创始人图灵认为，不要问“机器能否思维”，而要问“机器能否通过表征智能行为的测试”，如果对后者的回答是肯定的，那么对前者的回答就必然是肯定的。显然，图灵用转换命题的方式回避了“机器能否思维”问题，而不是回答了该问题。农民挑水浇灌菜地和天下雨淋湿菜地，结果都是菜地湿了，难道就能得出老天会挑水浇地的结论吗？只选取行为片段，而忽略行为发生的全过程，这是片面地、孤立地、静止地分析问题的机械唯物主义的认识方法。
（二）符号主义把人的思维与计算机的信息处理等同起来。符号主义是人工智能的主流学派，主要代表人物是美国赫伯特•西蒙、艾伦•纽厄尔等。该学派认为，人类智能的基本元素是符号（Symbol），因而是一个物理符号的系统，计算机也是一个物理符号系统，所以计算机可以具有与人一样的智能。符号主义源远流长，笛卡尔的理念论是其鼻祖。笛卡尔认为，任何种类的问题都可转化为数学问题，进而转化为代数问题，最终转化为方程（组）问题，而方程组的根就是问题的答案。功利主义的集大成者边沁将笛卡尔的理念论明确地拓展到人的心灵世界，人的情感、欲求、感受等的产生都是基于心灵对苦乐程度的计算和比较，因此计算才是心灵的本质，情感等只是一些外在的托词，完全可以将之归结为人体内分泌的调节，比如“荷尔蒙”的刺激作用。1674年，莱布尼兹发明了第一台机械式四则运算机，并毫不掩饰地宣称他的“计算机”的运算能力要强过人的运算能力，甚至还宣称它将会“象显微镜和望远镜取代视力一样”取代人的智能。符号主义用符号替换了笛卡尔的数字，用符号（信息）处理替换了笛卡尔的数学计算，却为笛卡尔“提供”了一台既能全面模拟人类心灵、又能实现人类身体功能的计算机，使笛卡尔的身心二元论得到了和解，因此符号主义是对理念论的继承和发展。理念论和符号主义将人的思维中的一部分过程——数学计算或信息处理夸大为人的思维的全过程，这仍然是以偏概全、一叶障目的机械唯物主义的认识方法。
（三）联结主义把人脑的生理结构与计算机网络等同起来。联结主义又称人工神经网络学派、神经计算学派、仿真学派或生理学派，联结主义中的机器人没有人形结构，而是一个试图实现人脑功能的计算机系统。1943年，麦克卡洛奇和匹兹创立了人工神经细胞模型（MP模型），并宣称人的大脑中每一个神经元都是一个简单的数字信息处理器，而大脑作为一个整体是一种形式的计算机器。依此观点，每一台计算机就是一个神经元，多台计算机连接起来的网络就形成神经元网络，多个网络系统相互连接就构成神经系统，多个具有简单应激性的单个计算机通过相互之间的信息交流来进行协同工作，就能够达到人的智能。20世纪90年代，联结主义发展到多智能体系分布式研究阶段，即按照人类社会活动是多人进行的且在地理上是分离的特征，致力于研制多台单智能体（一台计算机器）组成的，在分布式环境中由具有自洽性、交互性、协作性、实时性和自适应性的多智能体系统。尽管多智能体系结构远比MP模型复杂得多，但其基本的逻辑前提是人脑是计算机器，这个观点其实就是“人是机器”的翻版：人脑是人的最重要的器官，计算机器也是机器，连人脑都可以是机器，还有什么其他的人体器官不可以是机器呢？这就必然得出“人是机器”的结论。
三、人的本质学说是消解对机器人恐慌的良方
机器人具有或终将具有意识的观点，不是一点作用也没有，它以“人造人”的幻景激励着研究者们开展人工智能的研究和开发，但是由于哲学上错误性，它一方面导致社会对机器人的恐慌，即对机器人研制的质疑，另一方面导致机器人研制陷入永动机式的困局，这两方面都不利于人工智能的深化发展。机器人的出现和演化体现着、推动着人对自身本质的认识和反思，只有坚持人的本质学说，才能消除对机器人的恐慌，促进人工智能健康发展。
（一）机器人永远不可能具有人的意识。马克思指出：人的本质“是一切社会关系的总和”。意识作为人的机能具有两个基本属性：一是社会性。人及其意识是在劳动过程中产生和发展的。劳动使人实现消费、交换、分配，获得生存、繁衍和发展，因而是一种集体协作，必然形成一定的社会关系，因此劳动从一开始就具有社会性，决定了人及其意识的本质特征也都是社会性，无论是抽象思维还是形象思维，无论是情感还是潜意识，都是对人所处社会关系的反映。二是能动性。人在改造世界的劳动中生存和发展，因而人的意识具有能动性，不仅能够通过纷繁复杂的现象中发现事物的本质，而且可以通过想象在头脑中创造出世界上没有的新事物，为改造世界提供指导。以此反观机器人：其一，机器人工作不为消费、交换、生存、发展，不会结成一定的社会关系。
机器人，包括多智能体分布式系统，都不可能具有社会性，因而不具有产生意识的基础。其二，尽管CPU、传感器等元器件的性能越来越好，机器人的自动化程度越来越高，看起来具有越来越好的灵活性，但是机器人按照人所设定的程序进行运算而行动的机理没有变，因而不具有能动性，不能主动地、创造性地反映和改造世界。凡是主张机器人能够具有意识的观点，一个普遍性的倾向就是把人和意识割裂开，脱离人的本质来理解意识。例如，大卫•J•查默斯试图“严肃地对待意识”，却提出“任何具有适当功能组织的系统是有意识的，不管这一系统由何物形成”；“实施一个适当运算对于意识是充分的”。离开了对世界上最复杂的事物——人的本质的分析，意识就可以被想当然地任意简单化，可视为“适当功能”，也可视为“逻辑运算”等等，似是而非，结果是谬以千里。机械唯物主义肯定了意识在一定物质基础上产生，坚持了唯物主义，但是由于在社会领域上的唯心论和机械论，因而始终陷入“人是机器”或者“机器可以是人”的怪圈而不能自拔。
（二）机器人控制人的实质是人对人的控制。马克思认为，工人捣毁机器是工人运动不成熟的标志。他指出：“工人要学会把机器和机器的资本主义应用区别分开，从而学会把自己的攻击从物质生产资料本身转向物质生产资料的社会使用形式。”物是受人控制的，物对人的控制实际上是人对人的控制，即物的所有者对劳动者的控制。机器生产是生产力的进步，落后的是资本主义私有制，工人要捣毁的不应当是机器，而应当是资本主义制度，否则不仅不能改变工人阶级的命运，反而会受到资本主义制度更加残酷的迫害。1812年，英国国会通过《保障治安法案》，动用军警对付工人。1813年，政府颁布《捣毁机器惩治法》，规定可用死刑惩治破坏机器的工人。1813年，在约克郡绞死和流放破坏机器者多人。1814年，企业主又成立了侦缉机器破坏者协会，残酷镇压工人。
机器人对人的威胁，其根源仍然是资本主义制度。无人机滥杀无辜，是发达资本主义国家利用高科技实施霸权主义的恶果。美国科幻作家阿西莫夫曾给出了著名的“机器人学三定律”：第一定律是机器人不得伤害人类，也不得见人受到伤害而袖手旁观；第二定律是机器人必须服从人的命令，但不得违反第一定律；第三定律是机器人必须保护自己，但不得违反第一、第二定律。”这三个定律局限于人和机器的关系，回避了人与人的关系。事实上，机器人只会听从其所有者的命令，是否遵守第一定律取决于机器人所有者的意愿，最重要的第一定律变得最不重要，只是一个美丽的泡影而已。消解对机器人的恐慌，最根本的出路就是人压迫人的资本主义制度，建立社会主义制度，将少数人掌控的科学技术置于人民群众的掌控之中，让机器人为最大多数人服务，才能彻底消除机器人对人的伤害。
（三）人的全面自由发展是机器人发展的条件。曾任美国数学会主席的斯梅尔向全世界数学家提出了21世纪需要解决的24个数学问题，其中的一个问题是:“人工智能的极限是什么？”并指出这个问题与哥德尔不完全性定理有关。如果用一个数学定理证明人工智能的极限，这就是将人工智能看作是数学问题，又回到符号主义的窠臼中去。弱人工智能观和强人工智能观对这个问题做出了一定的回答：前者认为人工智能终将低于人的意识，是有极限的；后者认为人工智能终将超越人的意识，是无极限的。强人工智能观是机械唯物主义观点，而弱人工智能观否定了科技发展的无限性，两者都有局限性。回答人工智能的极限问题，不能离开人的本质问题，即只有科学地认识人的本质，才能正确认识人工智能的极限。马克思指出，科技发展是“历史有力的杠杆，是最高意义上的革命”，“对人的彻底解放具有彻底的意义”。
马克思认为，科技是人类社会实践的产物，是人类智慧发展的结晶，科技发展的程度表明人的本质力量得到自由发展的程度，同时科技发展也对人的发展提出了新要求，即要求人的更加自由全面的发展，只有自由全面发展的人才能更加推进科技的进步。人工智能开拓了人类利用自然物质的反应特性制造工具的极其广阔的领域，是人的本质力量——认识和改造世界的能力的一个崭新的革命性飞跃，使人们从繁重、危险的体力劳动和繁琐、计算性的脑力劳动中解脱出来，为人类能动性发挥提供了有利的条件，也提出了新的要求。1996年国际象棋棋王卡斯帕罗夫战胜了计算机“深蓝”，1997年输给了计算机“更深的蓝”，这不能证明人工智能超过了人的智能，而是呼唤人类不走常规棋谱的老路，创造出新的棋招，人类终将能够做到，“再深的蓝”也不能战胜。人的本质力量发展是没有极限的，人工智能也是没有极限的，它将随着人的发展而发展。人的全面自由发展是机器人发展的条件，只要人类解决了自身的发展问题，就不会再有对机器人的恐慌，也不必去担忧人工智能的极限问题。
参考文献：
[1]参见维基百科中的robot词条.
[2]马克思:《资本论》(第1卷),人民出版社1975年版,第410页.
[3]同上,470页.[4]朱启超:《滥用无人机反恐后果严重》,科技日报,2013年9月24日.
[5]《马克思恩格斯全集》(第47卷),人民出版社1979年版,第525页.
[6]转引自《法兰克福学派研究》,欧力同,张伟著,重庆出版社1990年版,270页.
[7][美]约翰•华生.行为主义心理学,李维译,浙江教育出版社1998年版,第56页.
[8]冯天瑾:《智能学简史》,科学出版社2007年版,第115页.
[9][英]笛卡儿:《探求真理的指导原则》,管震湖译,商务印书馆1991年版,第89页.
[10]周辅成:《西方伦理学名著选辑》(下卷),商务印书馆1964年版,第227页.
[11]参见《莱布尼兹自然哲学著作选》,中国社会科学院出版社1985年版,第6页.
[12]《马克思恩格斯选集》(第1卷),人民出版社1995年版,第56页.
[13][美]大卫•J•查默斯:《有意识的心灵——一种基础理论研究》,朱建平译,人民大学出版社2013年版,第1页.
[14]同上,第379页.[15]同上,第380页.[16]马克思:《资本论》(第1卷),人民出版社1975年版,第469页.
篇5
［关键词］人工智能，常识推理，归纳逻辑，广义内涵逻辑，认知逻辑，自然语言逻辑
现代逻辑创始于19世纪末叶和20世纪早期，其发展动力主要来自于数学中的公理化运动。当时的数学家们试图即从少数公理根据明确给出的演绎规则推导出其他的数学定理，从而把整个数学构造成为一个严格的演绎大厦，然后用某种程序和方法一劳永逸地证明数学体系的可靠性。为此需要发明和锻造严格、精确、适用的逻辑工具。这是现代逻辑诞生的主要动力。由此造成的后果就是20世纪逻辑研究的严重数学化，其表现在于：一是逻辑专注于在数学的形式化过程中提出的问题；二是逻辑采纳了数学的方法论，从事逻辑研究就意味着象数学那样用严格的形式证明去解决问题。由此发展出来的逻辑被恰当地称为“数理逻辑”，它增强了逻辑研究的深度，使逻辑学的发展继古希腊逻辑、欧洲中世纪逻辑之后进入第三个高峰期，并且对整个现代科学特别是数学、哲学、语言学和计算机科学产生了非常重要的影响。
本文所要探讨的问题是：21世纪逻辑发展的主要动力将来自何处？大致说来将如何发展？我个人的看法是：计算机科学和人工智能将至少是21世纪早期逻辑学发展的主要动力源泉，并将由此决定21世纪逻辑学的另一幅面貌。由于人工智能要模拟人的智能，它的难点不在于人脑所进行的各种必然性推理（这一点在20世纪基本上已经做到了，如用计算机去进行高难度和高强度的数学证明，“深蓝”通过高速、大量的计算去与世界冠军下棋），而是最能体现人的智能特征的能动性、创造性思维，这种思维活动中包括学习、抉择、尝试、修正、推理诸因素，例如选择性地搜集相关的经验证据，在不充分信息的基础上作出尝试性的判断或抉择，不断根据环境反馈调整、修正自己的行为，……由此达到实践的成功。于是，逻辑学将不得不比较全面地研究人的思维活动，并着重研究人的思维中最能体现其能动性特征的各种不确定性推理，由此发展出的逻辑理论也将具有更强的可应用性。
实际上，在20世纪中后期，就已经开始了现代逻辑与人工智能（记为AI）之间的相互融合和渗透。例如，哲学逻辑所研究的许多课题在理论计算机和人工智能中具有重要的应用价值。AI从认知心理学、社会科学以及决策科学中获得了许多资源，但逻辑（包括哲学逻辑）在AI中发挥了特别突出的作用。某些原因促使哲学逻辑家去发展关于非数学推理
的理论；基于几乎同样的理由，AI研究者也在进行类似的探索，这两方面的研究正在相互接近、相互借鉴，甚至在逐渐融合在一起。例如，AI特别关心下述课题：
·效率和资源有限的推理；
·感知；
·做计划和计划再认；
·关于他人的知识和信念的推理；
·各认知主体之间相互的知识；
·自然语言理解；
·知识表示；
·常识的精确处理；
·对不确定性的处理，容错推理；
·关于时间和因果性的推理；
·解释或说明；
·对归纳概括以及概念的学习。[①]
21世纪的逻辑学也应该关注这些问题，并对之进行研究。为了做到这一点，逻辑学家们有必要熟悉AI的要求及其相关进展，使其研究成果在AI中具有可应用性。
我认为，至少是21世纪早期，逻辑学将会重点关注下述几个领域，并且有可能在这些领域出现具有重大意义的成果：（1）如何在逻辑中处理常识推理中的弗协调、非单调和容错性因素？（2）如何使机器人具有人的创造性智能，如从经验证据中建立用于指导以后行动的归纳判断？（3）如何进行知识表示和知识推理，特别是基于已有的知识库以及各认知主体相互之间的知识而进行的推理？（4）如何结合各种语境因素进行自然语言理解和推理，使智能机器人能够用人的自然语言与人进行成功的交际？等等。
1．常识推理中的某些弗协调、非单调和容错性因素
AI研究的一个目标就是用机器智能模拟人的智能，它选择各种能反映人的智能特征的问题进行实践，希望能做出各种具有智能特征的软件系统。AI研究基于计算途径，因此要建立具有可操作性的符号模型。一般而言，AI关于智能系统的符号模型可描述为：由一个知识载体（称为知识库KB）和一组加载在KB上的足以产生智能行为的过程（称为问题求解器PS）构成。经过20世纪70年代包括专家系统的发展，AI研究者逐步取得共识，认识到知识在智能系统中力量，即一般的智能系统事实上是一种基于知识的系统，而知识包括专门性知识和常识性知识，前者亦可看做是某一领域内专家的常识。于是，常识问题就成为AI研究的一个核心问题，它包括两个方面：常识表示和常识推理，即如何在人工智能中清晰地表示人类的常识，并运用这些常识去进行符合人类行为的推理。显然，如此建立的常识知识库可能包含矛盾，是不协调的，但这种矛盾或不协调应不至于影响到进行合理的推理行为；常识推理还是一种非单调推理，即人们基于不完全的信息推出某些结论，当人们得到更完全的信息后，可以改变甚至收回原来的结论；常识推理也是一种可能出错的不精确的推理模式，是在容许有错误知识的情况下进行的推理，简称容错推理。而经典逻辑拒斥任何矛盾，容许从矛盾推出一切命题；并且它是单调的，即承认如下的推理模式：如果p?r，则pùq?r；或者说，任一理论的定理属于该理论之任一扩张的定理集。因此，在处理常识表示和常识推理时，经典逻辑应该受到限制和修正，并发展出某些非经典的逻辑，如次协调逻辑、非单调逻辑、容错推理等。有人指出，常识推理的逻辑是次协调逻辑和非单调逻辑的某种结合物，而后者又可看做是对容错推理的简单且基本的情形的一种形式化。[②]
“次协调逻辑”（ParaconsistentLogic）是由普里斯特、达·科斯塔等人在对悖论的研究中发展出来的，其基本想法是：当在一个理论中发现难以克服的矛盾或悖论时，与其徒劳地想尽各种办法去排除
或防范它们，不如干脆让它们留在理论体系内，但把它们“圈禁”起来，不让它们任意扩散，以免使我们所创立或研究的理论成为“不足道”的。于是，在次协调逻辑中，能够容纳有意义、有价值的“真矛盾”，但这些矛盾并不能使系统推出一切，导致自毁。因此，这一新逻辑具有一种次于经典逻辑但又远远高于完全不协调系统的协调性。次协调逻辑家们认为，如果在一理论T中，一语句A及其否定?A都是定理，则T是不协调的；否则，称T是协调的。如果T所使用的逻辑含有从互相否定的两公式可推出一切公式的规则或推理，则不协调的T也是不足道的(trivial)。因此，通常以经典逻辑为基础的理论，如果它是不协调的，那它一定也是不足道的。这一现象表明，经典逻辑虽可用于研究协调的理论，但不适用于研究不协调但又足道的理论。达·科斯塔在20世纪60年代构造了一系列次协调逻辑系统Cn（1≤n≤w），以用作不协调而又足道的理论的逻辑工具。对次协调逻辑系统Cn的特征性描述包括下述命题：(i)矛盾律?(Aù?A)不普遍有效；(ii)从两个相互否定的公式A和?A推不出任意公式；即是说，矛盾不会在系统中任意扩散，矛盾不等于灾难。(iii)应当容纳与(i)和(ii)相容的大多数经典逻辑的推理模式和规则。这里，(i)和(ii)表明了对矛盾的一种相对宽容的态度，(iii)则表明次协调逻辑对于经典逻辑仍有一定的继承性。
在任一次协调逻辑系统Cn(1≤n≤w)中，下述经典逻辑的定理或推理模式都不成立：
?(Aù?A)
Aù?AB
A(?AB)
(A??A)B
(A??A)?B
A??A
(?Aù(AúB))B
(AB)(?B?A)
若以C0为经典逻辑，则系列C0,C1,C2,…Cn,…Cw使得对任正整数i有Ci弱于Ci-1，Cw是这系列中最弱的演算。已经为Cn设计出了合适的语义学，并已经证明Cn相对于此种语义是可靠的和完全的，并且次协调命题逻辑系统Cn还是可判定的。现在，已经有人把次协调逻辑扩展到模态逻辑、时态逻辑、道义逻辑、多值逻辑、集合论等领域的研究中，发展了这些领域内的次协调理论。显然，次协调逻辑将会得到更进一步的发展。[③]
非单调逻辑是关于非单调推理的逻辑，它的研究开始于20世纪80年代。1980年，D·麦克多莫特和J·多伊尔初步尝试着系统发展一种关于非单调推理的逻辑。他们在经典谓词演算中引入一个算子M，表示某种“一致性”断言，并将其看做是模态概念，通过一定程序把模态逻辑系统T、S4和S5翻译成非单调逻辑。B·摩尔的论文《非单调逻辑的语义思考》（1983）据认为在非单调逻辑方面作出了令人注目的贡献。他在“缺省推理”和“自动认知推理”之间做了区分，并把前者看作是在没有任何相反信息和缺少证据的条件下进行推理的过程，这种推理的特征是试探性的：根据新信息，它们很可能会被撤消。自动认知推理则不是这种类型，它是与人们自身的信念或知识相关的推理，可用它模拟一个理想的具有信念的有理性的人的推理。对于在计算机和人工智能中获得成功的应用而言，非单调逻辑尚需进一步发展。
2．归纳以及其他不确定性推理
人类智能的本质特征和最高表现是创造。在人类创造的过程中，具有必然性的演绎推理固然起重要作用，但更为重要的是具有某种不确定性的归纳、类比推理以及模糊推理等。因此，计算机要成功地模拟人的智能，真正体现出人的智能品质，就必须对各种具有不确定性的推理模式进行研究。
首先是对归纳推理和归纳逻辑的研究。这里所说的“归纳推理”是广义的，指一切扩展性推理，它们的结论所断定的超出了其前提所断定的范围，因而前提的真无法保证结论的真，整个推理因此缺乏必然性。具体说来，这种意义的“归纳”包括下述内容：简单枚举法；排除归纳法，指这样一些操作：预先通过观察或实验列出被研究现象的可能的原因，然后有选择地安排某些事例或实验，根据某些标准排除不相干假设，最后得到比较可靠的结论；统计概括：从关于有穷数目样本的构成的知识到关于未知总体分布构成的结论的推理；类比论证和假说演绎法，等等。尽管休谟提出著名的“归纳问题”，对归纳推理的合理性和归纳逻辑的可能性提出了深刻的质疑，但我认为，（1）归纳是在茫茫宇宙中生存的人类必须采取也只能采取的认知策略，对于人类来说具有实践的必然性。（2）人类有理由从经验的重复中建立某种确实性和规律性，其依据就是确信宇宙中存在某种类似于自然齐一律和客观因果律之类的东西。这一确信是合理的，而用纯逻辑的理由去怀疑一个关于世界的事实性断言则是不合理的，除非这个断言是逻辑矛盾。（3）人类有可能建立起局部合理的归纳逻辑和归纳方法论。并且，归纳逻辑的这种可能性正在计算机科学和人工智能的研究推动下慢慢地演变成现实。恩格斯早就指出，“社会一旦有技术上的需要，则这种需要比十所大学更能把科学推向前进。”[④]有人通过指责现有的归纳逻辑不成熟，得出“归纳逻辑不可能”的结论，他们的推理本身与归纳推理一样，不具有演绎的必然性。（4）人类实践的成功在一定程度上证明了相应的经验知识的真理性，也就在一定程度上证明了归纳逻辑和归纳方法论的力量。毋庸否认，归纳逻辑目前还很不成熟。有的学者指出，为了在机器的智能模拟中克服对归纳模拟的困难而有所突破，应该将归纳逻辑等有关的基础理论研究与机器学习、不确定推理和神经网络学习模型与归纳学习中已有的成果结合起来。只有这样，才能在已有的归纳学习成果上，在机器归纳和机器发现上取得新的突破和进展。[⑤]这是一个极有价值且极富挑战性的课题，无疑在21世纪将得到重视并取得进展。
再谈模糊逻辑。现实世界中充满了模糊现象，这些现象反映到人的思维中形成了模糊概念和模糊命题，如“矮个子”、“美人”、“甲地在乙地附近”、“他很年轻”等。研究模糊概念、模糊命题和模糊推理的逻辑理论叫做“模糊逻辑”。对它的研究始于20世纪20年代，其代表性人物是L·A·查德和P·N·马林诺斯。模糊逻辑为精确逻辑（二值逻辑）解决不了的问题提供了解决的可能，它目前在医疗诊断、故障检测、气象预报、自动控制以及人工智能研究中获得重要应用。显然，它在21世纪将继续得到更大的发展。
3．广义内涵逻辑
经典逻辑只是对命题联结词、个体词、谓词、量词和等词进行了研究，但在自然语言中，除了这些语言成分之外，显然还存在许多其他的语言成分，如各种各样的副词，包括模态词“必然”、“可能”和“不可能”
、时态词“过去”、“现在”和“未来”、道义词“应该”、“允许”、“禁止”等等，以及各种认知动词，如“思考”、“希望”、“相信”、“判断”、“猜测”、“考虑”、“怀疑”，这些认知动词在逻辑和哲学文献中被叫做“命题态度词”。对这些副词以及命题态度词的逻辑研究可以归类为“广义内涵逻辑”。
大多数副词以及几乎所有命题态度词都是内涵性的，造成内涵语境，后者与外延语境构成对照。外延语境又叫透明语境，是经典逻辑的组合性原则、等值置换规则、同一性替换规则在其中适用的语境；内涵语境又称晦暗语境，是上述规则在其中不适用的语境。相应于外延语境和内涵语境的区别，一切语言表达式（包括自然语言的名词、动词、形容词直至语句）都可以区分为外延性的和内涵性的，前者是提供外延语境的表达式，后者是提供内涵性语境的表达式。例如，杀死、见到、拥抱、吻、砍、踢、打、与…下棋等都是外延性表达式，而知道、相信、认识、必然、可能、允许、禁止、过去、现在、未来等都是内涵性表达式。在内涵语境中会出现一些复杂的情况。首先，对于个体词项来说，关键性的东西是我们不仅必须考虑它们在现实世界中的外延，而且要考虑它们在其他可能世界中的外延。例如，由于“必然”是内涵性表达式，它提供内涵语境，因而下述推理是非有效的：
晨星必然是晨星，
晨星就是暮星，
所以，晨星必然是暮星。
这是因为：这个推理只考虑到“晨星”和“暮星”在现实世界中的外延，并没有考虑到它们在每一个可能世界中的外延，我们完全可以设想一个可能世界，在其中“晨星”的外延不同于“暮星”的外延。因此，我们就不能利用同一性替换规则，由该推理的前提得出它的结论：“晨星必然是暮星”。其次，在内涵语境中，语言表达式不再以通常是它们的外延的东西作为外延，而以通常是它们的内涵的东西作为外延。以“达尔文相信人是从猿猴进化而来的”这个语句为例。这里，达尔文所相信的是“人是从猿猴进化而来的”所表达的思想，而不是它所指称的真值，于是在这种情况下，“人是从猿猴进化而来的”所表达的思想（命题）就构成它的外延。再次，在内涵语境中，虽然适用于外延的函项性原则不再成立，但并不是非要抛弃不可，可以把它改述为新的形式：一复合表达式的外延是它出现于外延语境中的部分表达式的外延加上出现于内涵语境中的部分表达式的内涵的函项。这个新的组合性或函项性原则在内涵逻辑中成立。
一般而言，一个好的内涵逻辑至少应满足两个条件：（i）它必须能够处理外延逻辑所能处理的问题；（ii）它还必须能够处理外延逻辑所不能处理的难题。这就是说，它既不能与外延逻辑相矛盾，又要克服外延逻辑的局限。这样的内涵逻辑目前正在发展中，并且已有初步轮廓。从术语上说，内涵逻辑除需要真、假、语句真值的同一和不同、集合或类、谓词的同范围或不同范围等外延逻辑的术语之外，还需要同义、内涵的同一和差异、命题、属性或概念这样一些术语。广而言之，可以把内涵逻辑看作是关于象“必然”、“可能”、“知道”、“相信”，“允许”、“禁止”等提供内涵语境的语句算子的一般逻辑。在这种广义之下，模态逻辑、时态逻辑、道义逻辑、认知逻辑、问题逻辑等都是内涵逻辑。不过，还有一种狭义的内涵逻辑，它可以粗略定义如下：一个内涵逻辑是一个形式语言，其中包括（1）谓词逻辑的算子、量词和变元，这里的谓词逻辑不必局限于一阶谓词逻辑，也可以是高阶谓词逻辑；（2）合式的λ—表达式，例如(λx)A，这里A是任一类型的表达式，x是任一类型的变元，(λx)A本身是一函项，它把变元x在其中取值的那种类型的对象映射到A所属的那种类型上；（3）其他需要的模态的或内涵的算子，例如€，ù、ú。而一个内涵逻辑的解释，则由下列要素组成：（1）一个可能世界的非空集W；（2）一个可能个体的非空集D；（3）一个赋值，它给系统内的表达式指派它们在每w∈W中的外延。对于任一的解释Q和任一的世界w∈W，判定内涵逻辑系统中的任一表达式X相对于解释Q在w∈W中的外延总是可能的。这样的内涵逻辑系统有丘奇的LSD系统，R·蒙塔古的IL系统，以及E·N·扎尔塔的FIL系统等。[⑥]
在各种内涵逻辑中，认识论逻辑（epistemiclogic）具有重要意义。它有广义和狭义之分。广义的认识论逻辑研究与感知（perception）、知道、相信、断定、理解、怀疑、问题和回答等相关的逻辑问题，包括问题逻辑、知道逻辑、相信逻辑、断定逻辑等；狭义的认识论逻辑仅指知道和相信的逻辑，简称“认知逻辑”。冯·赖特在1951年提出了对“认知模态”的逻辑分析，这对建立认知逻辑具有极大的启发作用。J·麦金西首先给出了一个关于“知道”的模态逻辑。A·帕普于1957年建立了一个基于6条规则的相信逻辑系统。J·亨迪卡于60年代出版的《知识和信念》一书是认知逻辑史上的重要著作，其中提出了一些认知逻辑的系统，并为其建立了基于“模型集”的语义学，后者是可能世界语义学的先导之一。当今的认知逻辑纷繁复杂，既不成熟也面临许多难题。由于认知逻辑涉及认识论、心理学、语言学、计算机科学和人工智能等诸多领域，并且认知逻辑的应用技术，又称关于知识的推理技术，正在成为计算机科学和人工智能的重要分支之一，因此认知逻辑在20世纪中后期成为国际逻辑学界的一个热门研究方向。这一状况在21世纪将得到继续并进一步强化，在这方面有可能出现突破性的重要结果。
4．对自然语言的逻辑研究
对自然语言的逻辑研究有来自几个不同领域的推动力。首先是计算机和人工智能的研究，人机对话和通讯、计算机的自然语言理解、知识表示和知识推理等课题，都需要对自然语言进行精细的逻辑分析，并且这种分析不能仅停留在句法层面，而且要深入到语义层面。其次是哲学特别是语言哲学，在20世纪哲学家们对语言表达式的意义问题倾注了异乎寻常的精力，发展了各种各样的意义理论，如观念论、指称论、使用论、言语行为理论、真值条件论等等，以致有人说，关注意义成了20世纪哲学家的职业病。再次是语言学自身发展的需要，例如在研究自然语言的意义问题时，不能仅仅停留在脱离语境的抽象研究上面，而要结合使用语言的特定环境去研究，这导致了语义学、语用学、新修辞学等等发展。各个方面发展的成果可以总称为“自然语言逻辑”，它力图综合后期维特根斯坦提倡的使用论
，J·L·奥斯汀、J·L·塞尔等人发展的言语行为理论，以及P·格赖斯所创立的会话含义学说等成果，透过自然语言的指谓性和交际性去研究自然语言中的推理。
自然语言具有表达和交际两种职能，其中交际职能是自然语言最重要的职能，是它的生命力之所在。而言语交际总是在一定的语言环境（简称语境）中进行的，语境有广义和狭义之分。狭义的语境仅指一个语词、一个句子出现的上下文。广义的语境除了上下文之外，还包括该语词或语句出现的整个社会历史条件，如该语词或语句出现的时间、地点、条件、讲话的人（作者）、听话的人（读者）以及交际双方所共同具有的背景知识，这里的背景知识包括交际双方共同的信念和心理习惯，以及共同的知识和假定等等。这些语境因素对于自然语言的表达式（语词、语句）的意义有着极其重要的影响，这具体表现在：（i）语境具有消除自然语言语词的多义性、歧义性和模糊性的能力，具有严格规定语言表达式意义的能力。（ii）自然语言的句子常常包含指示代词、人称代词、时间副词等，要弄清楚这些句子的意义和内容，就要弄清楚这句话是谁说的、对谁说的、什么时候说的、什么地点说的、针对什么说的，等等，这只有在一定的语境中才能进行。依赖语境的其他类型的语句还有：包含着象“有些”和“每一个”这类量化表达式的句子的意义取决于依语境而定的论域，包含着象“大的”、“冷的”这类形容词的句子的意义取决于依语境而定的相比较的对象类；模态语句和条件语句的意义取决于因语境而变化的语义决定因素，如此等等。（iii）语言表达式的意义在语境中会出现一些重要的变化，以至偏离它通常所具有的意义（抽象意义），而产生一种新的意义即语用涵义。有人认为，一个语言表达式在它的具体语境中的意义，才是它的完全的真正的意义，一旦脱离开语境，它就只具有抽象的意义。语言的抽象意义和它的具体意义的关系，正象解剖了的死人肢体与活人肢体的关系一样。逻辑应该去研究、理解、把握自然语言的具体意义，当然不是去研究某一个（或一组）特定的语句在某个特定语境中唯一无二的意义，而是专门研究确定自然语言具体意义的普遍原则。[⑦]
美国语言学家保罗·格赖斯把语言表达式在一定的交际语境中产生的一种不同于字面意义的特殊涵义，叫做“语用涵义”、“会话涵义”或“隐涵”（implicature），并于1975年提出了一组“交际合作原则”，包括一个总则和四组准则。总则的内容是：在你参与会话时，你要依据你所参与的谈话交流的公认目的或方向，使你的会话贡献符合这种需要。仿照康德把范畴区分为量、质、关系和方式四类，格赖斯提出了如下四组准则：
（1）数量准则：在交际过程中给出的信息量要适中。
a．给出所要求的信息量；
b．给出的信息量不要多于所要求的信息量。
（2）质量准则：力求讲真话。
a．不说你认为假的东西，。
b．不说你缺少适当证据的东西。
（3）关联准则：说话要与已定的交际目的相关联。
（4）方式准则：说话要意思明确，表达清晰。
a．避免晦涩生僻的表达方式；
b．避免有歧义的表达方式；
c．说话要简洁；
d．说话要有顺序性。[⑧]
后来对这些原则提出了不和补充，例如有人还提出了交际过程中所要遵守的“礼貌原则”。只要把交际双方遵守交际合作原则之类的语用规则作为基本前提，这些原则就可以用来确定和把握自然语言的具体意义（语用涵义）。实际上，一个语句p的语用涵义，就是听话人在具体语境中根据语用规则由p得到的那个或那些语句。更具体地说，从说话人S说的话语p推出语用涵义q的一般过程是：
（i）S说了p；
（ii）没有理由认为S不遵守准则，或至少S会遵守总的合作原则；
（iii）S说了p而又要遵守准则或总的合作原则，S必定想表达q；
（iv）S必然知道，谈话双方都清楚：如果S是合作的，必须假设q；
（v）S无法阻止听话人H考虑q；
（vi）因此，S意图让H考虑q，并在说p时意味着q。
试举二例：
（1）a站在熄火的汽车旁，b向a走来。a说：“我没有汽油了。”b说：“前面拐角处有一个修车铺。”这里a与b谈话的目的是：a想得到汽油。根据关系准则，b说这句话是与a想得到汽油相关的，由此可知：b说这句话时隐涵着：“前面的修车铺还在营业并且卖汽油。”
（2）某教授写信推荐他的学生任某项哲学方面的工作，信中写到：“亲爱的先生：我的学生c的英语很好，并且准时上我的课。”根据量的准则，应该提供所需要的信息量；作为教授，他对自己的学生的情况显然十分熟悉，也可以提供所需要的信息量，但他有意违反量的准则，在信中只用一句话来介绍学生的情况，任用人一旦接到这封信，自然明白：教授认为c不宜从事这项哲学工作。
并且，语用涵义还具有如下5个特点：（i）可取消性：在给原话语附加上某些话语之后，它原有的语用涵义可被取消。在例（1）中，若b在说“前面拐角处有一个修车铺”之后又补上一句：“不过它这时已经关门了”，则原有的语用涵义“你可从那里得到汽油”就被取消了。（ii）不可分离性：如果某话语在特定的语境中产生了语用涵义，则无论采用什么样的同义结构，该含义始终存在，因为它所依附的是话语的内容，而不是话语的形式。（iii）可推导性，前面已说明这一点。（iv）非规约性：语用涵义不能单独从话语本身推出来，除要考虑交际合作原则之类的语用规则之外，也需要假定通常的逻辑推理规则，并需要把上文语句、交际双方所共有的背景知识作为附加前提考虑在内。（v）不确定性：同一句话语在不同的语境中可以产生不同的语用涵义。显然，确定某个话语的语用涵义是一个极其复杂的过程，需要综合和分析、归纳和演绎的统一应用，因此具有一定的或然性。研究如何迅速有效地把握自然语言表达式在具体语境中的语用涵义，这正是自然语言逻辑所要完成的任务之一，它将在21世纪取得进展。［摘要］本文认为，计算机科学和人工智能将是21世纪逻辑学发展的主要动力源泉，并且在很大程度上将决定21世纪逻辑学的面貌。至少在21世纪早期，逻辑学将重点关注下列论题：（1）如何在逻辑中处理常识推理的弗协调、非单调和容错性因素？（2）如何使机器人具有人的创造性智能，如从经验证据中建立用于指导以后行动的可错的归纳判断？（3）如何进行知识表示和知识推理，特别是基于已有的知识库以及各认知主体相互之间的知识而进行的推理？（4）如何结合各种语境因素进行自然语言理解和推理，使智能机器人能够用人的自然语言与人进行成功的交际？等等。
［关键词］人工智能，常识推理，归纳逻辑，广义内涵逻辑，认知逻辑，自然语言逻辑
现代逻辑创始于19世纪末叶和20世纪早期，其发展动力主要来自于数学中的公理化运动。当时的数学家们试图即从少数公理根据明确给出的演绎规则推导出其他的数学定理，从而把整个数学构造成为一个严格的演绎大厦，然后用某种程序和方法一劳永逸地证明数学体系的可靠性。为此需要发明和锻造严格、精确、适用的逻辑工具。这是现代逻辑诞生的主要动力。由此造成的后果就是20世纪逻辑研究的严重数学化，其表现在于：一是逻辑专注于在数学的形式化过程中提出的问题；二是逻辑采纳了数学的方法论，从事逻辑研究就意味着象数学那样用严格的形式证明去解决问题。由此发展出来的逻辑被恰当地称为“数理逻辑”，它增强了逻辑研究的深度，使逻辑学的发展继古希腊逻辑、欧洲中世纪逻辑之后进入第三个高峰期，并且对整个现代科学特别是数学、哲学、语言学和计算机科学产生了非常重要的影响。
本文所要探讨的问题是：21世纪逻辑发展的主要动力将来自何处？大致说来将如何发展？我个人的看法是：计算机科学和人工智能将至少是21世纪早期逻辑学发展的主要动力源泉，并将由此决定21世纪逻辑学的另一幅面貌。由于人工智能要模拟人的智能，它的难点不在于人脑所进行的各种必然性推理（这一点在20世纪基本上已经做到了，如用计算机去进行高难度和高强度的数学证明，“深蓝”通过高速、大量的计算去与世界冠军下棋），而是最能体现人的智能特征的能动性、创造性思维，这种思维活动中包括学习、抉择、尝试、修正、推理诸因素，例如选择性地搜集相关的经验证据，在不充分信息的基础上作出尝试性的判断或抉择，不断根据环境反馈调整、修正自己的行为，……由此达到实践的成功。于是，逻辑学将不得不比较全面地研究人的思维活动，并着重研究人的思维中最能体现其能动性特征的各种不确定性推理，由此发展出的逻辑理论也将具有更强的可应用性。
实际上，在20世纪中后期，就已经开始了现代逻辑与人工智能（记为AI）之间的相互融合和渗透。例如，哲学逻辑所研究的许多课题在理论计算机和人工智能中具有重要的应用价值。AI从认知心理学、社会科学以及决策科学中获得了许多资源，但逻辑（包括哲学逻辑）在AI中发挥了特别突出的作用。某些原因促使哲学逻辑家去发展关于非数学推理
的理论；基于几乎同样的理由，AI研究者也在进行类似的探索，这两方面的研究正在相互接近、相互借鉴，甚至在逐渐融合在一起。例如，AI特别关心下述课题：
·效率和资源有限的推理；
·感知；
·做计划和计划再认；
·关于他人的知识和信念的推理；
·各认知主体之间相互的知识；
·自然语言理解；
·知识表示；
·常识的精确处理；
·对不确定性的处理，容错推理；
·关于时间和因果性的推理；
·解释或说明；
·对归纳概括以及概念的学习。[①]
21世纪的逻辑学也应该关注这些问题，并对之进行研究。为了做到这一点，逻辑学家们有必要熟悉AI的要求及其相关进展，使其研究成果在AI中具有可应用性。
我认为，至少是21世纪早期，逻辑学将会重点关注下述几个领域，并且有可能在这些领域出现具有重大意义的成果：（1）如何在逻辑中处理常识推理中的弗协调、非单调和容错性因素？（2）如何使机器人具有人的创造性智能，如从经验证据中建立用于指导以后行动的归纳判断？（3）如何进行知识表示和知识推理，特别是基于已有的知识库以及各认知主体相互之间的知识而进行的推理？（4）如何结合各种语境因素进行自然语言理解和推理，使智能机器人能够用人的自然语言与人进行成功的交际？等等。
1．常识推理中的某些弗协调、非单调和容错性因素
AI研究的一个目标就是用机器智能模拟人的智能，它选择各种能反映人的智能特征的问题进行实践，希望能做出各种具有智能特征的软件系统。AI研究基于计算途径，因此要建立具有可操作性的符号模型。一般而言，AI关于智能系统的符号模型可描述为：由一个知识载体（称为知识库KB）和一组加载在KB上的足以产生智能行为的过程（称为问题求解器PS）构成。经过20世纪70年代包括专家系统的发展，AI研究者逐步取得共识，认识到知识在智能系统中力量，即一般的智能系统事实上是一种基于知识的系统，而知识包括专门性知识和常识性知识，前者亦可看做是某一领域内专家的常识。于是，常识问题就成为AI研究的一个核心问题，它包括两个方面：常识表示和常识推理，即如何在人工智能中清晰地表示人类的常识，并运用这些常识去进行符合人类行为的推理。显然，如此建立的常识知识库可能包含矛盾，是不协调的，但这种矛盾或不协调应不至于影响到进行合理的推理行为；常识推理还是一种非单调推理，即人们基于不完全的信息推出某些结论，当人们得到更完全的信息后，可以改变甚至收回原来的结论；常识推理也是一种可能出错的不精确的推理模式，是在容许有错误知识的情况下进行的推理，简称容错推理。而经典逻辑拒斥任何矛盾，容许从矛盾推出一切命题；并且它是单调的，即承认如下的推理模式：如果p?r，则pùq?r；或者说，任一理论的定理属于该理论之任一扩张的定理集。因此，在处理常识表示和常识推理时，经典逻辑应该受到限制和修正，并发展出某些非经典的逻辑，如次协调逻辑、非单调逻辑、容错推理等。有人指出，常识推理的逻辑是次协调逻辑和非单调逻辑的某种结合物，而后者又可看做是对容错推理的简单且基本的情形的一种形式化。[②]
“次协调逻辑”（ParaconsistentLogic）是由普里斯特、达·科斯塔等人在对悖论的研究中发展出来的，其基本想法是：当在一个理论中发现难以克服的矛盾或悖论时，与其徒劳地想尽各种办法去排除
或防范它们，不如干脆让它们留在理论体系内，但把它们“圈禁”起来，不让它们任意扩散，以免使我们所创立或研究的理论成为“不足道”的。于是，在次协调逻辑中，能够容纳有意义、有价值的“真矛盾”，但这些矛盾并不能使系统推出一切，导致自毁。因此，这一新逻辑具有一种次于经典逻辑但又远远高于完全不协调系统的协调性。次协调逻辑家们认为，如果在一理论T中，一语句A及其否定?A都是定理，则T是不协调的；否则，称T是协调的。如果T所使用的逻辑含有从互相否定的两公式可推出一切公式的规则或推理，则不协调的T也是不足道的(trivial)。因此，通常以经典逻辑为基础的理论，如果它是不协调的，那它一定也是不足道的。这一现象表明，经典逻辑虽可用于研究协调的理论，但不适用于研究不协调但又足道的理论。达·科斯塔在20世纪60年代构造了一系列次协调逻辑系统Cn（1≤n≤w），以用作不协调而又足道的理论的逻辑工具。对次协调逻辑系统Cn的特征性描述包括下述命题：(i)矛盾律?(Aù?A)不普遍有效；(ii)从两个相互否定的公式A和?A推不出任意公式；即是说，矛盾不会在系统中任意扩散，矛盾不等于灾难。(iii)应当容纳与(i)和(ii)相容的大多数经典逻辑的推理模式和规则。这里，(i)和(ii)表明了对矛盾的一种相对宽容的态度，(iii)则表明次协调逻辑对于经典逻辑仍有一定的继承性。
在任一次协调逻辑系统Cn(1≤n≤w)中，下述经典逻辑的定理或推理模式都不成立：
?(Aù?A)
Aù?AB
A(?AB)
(A??A)B
(A??A)?B
A??A
(?Aù(AúB))B
(AB)(?B?A)
若以C0为经典逻辑，则系列C0,C1,C2,…Cn,…Cw使得对任正整数i有Ci弱于Ci-1，Cw是这系列中最弱的演算。已经为Cn设计出了合适的语义学，并已经证明Cn相对于此种语义是可靠的和完全的，并且次协调命题逻辑系统Cn还是可判定的。现在，已经有人把次协调逻辑扩展到模态逻辑、时态逻辑、道义逻辑、多值逻辑、集合论等领域的研究中，发展了这些领域内的次协调理论。显然，次协调逻辑将会得到更进一步的发展。[③]
非单调逻辑是关于非单调推理的逻辑，它的研究开始于20世纪80年代。1980年，D·麦克多莫特和J·多伊尔初步尝试着系统发展一种关于非单调推理的逻辑。他们在经典谓词演算中引入一个算子M，表示某种“一致性”断言，并将其看做是模态概念，通过一定程序把模态逻辑系统T、S4和S5翻译成非单调逻辑。B·摩尔的论文《非单调逻辑的语义思考》（1983）据认为在非单调逻辑方面作出了令人注目的贡献。他在“缺省推理”和“自动认知推理”之间做了区分，并把前者看作是在没有任何相反信息和缺少证据的条件下进行推理的过程，这种推理的特征是试探性的：根据新信息，它们很可能会被撤消。自动认知推理则不是这种类型，它是与人们自身的信念或知识相关的推理，可用它模拟一个理想的具有信念的有理性的人的推理。对于在计算机和人工智能中获得成功的应用而言，非单调逻辑尚需进一步发展。
2．归纳以及其他不确定性推理
人类智能的本质特征和最高表现是创造。在人类创造的过程中，具有必然性的演绎推理固然起重要作用，但更为重要的是具有某种不确定性的归纳、类比推理以及模糊推理等。因此，计算机要成功地模拟人的智能，真正体现出人的智能品质，就必须对各种具有不确定性的推理模式进行研究。
首先是对归纳推理和归纳逻辑的研究。这里所说的“归纳推理”是广义的，指一切扩展性推理，它们的结论所断定的超出了其前提所断定的范围，因而前提的真无法保证结论的真，整个推理因此缺乏必然性。具体说来，这种意义的“归纳”包括下述内容：简单枚举法；排除归纳法，指这样一些操作：预先通过观察或实验列出被研究现象的可能的原因，然后有选择地安排某些事例或实验，根据某些标准排除不相干假设，最后得到比较可靠的结论；统计概括：从关于有穷数目样本的构成的知识到关于未知总体分布构成的结论的推理；类比论证和假说演绎法，等等。尽管休谟提出著名的“归纳问题”，对归纳推理的合理性和归纳逻辑的可能性提出了深刻的质疑，但我认为，（1）归纳是在茫茫宇宙中生存的人类必须采取也只能采取的认知策略，对于人类来说具有实践的必然性。（2）人类有理由从经验的重复中建立某种确实性和规律性，其依据就是确信宇宙中存在某种类似于自然齐一律和客观因果律之类的东西。这一确信是合理的，而用纯逻辑的理由去怀疑一个关于世界的事实性断言则是不合理的，除非这个断言是逻辑矛盾。（3）人类有可能建立起局部合理的归纳逻辑和归纳方法论。并且，归纳逻辑的这种可能性正在计算机科学和人工智能的研究推动下慢慢地演变成现实。恩格斯早就指出，“社会一旦有技术上的需要，则这种需要比十所大学更能把科学推向前进。”[④]有人通过指责现有的归纳逻辑不成熟，得出“归纳逻辑不可能”的结论，他们的推理本身与归纳推理一样，不具有演绎的必然性。（4）人类实践的成功在一定程度上证明了相应的经验知识的真理性，也就在一定程度上证明了归纳逻辑和归纳方法论的力量。毋庸否认，归纳逻辑目前还很不成熟。有的学者指出，为了在机器的智能模拟中克服对归纳模拟的困难而有所突破，应该将归纳逻辑等有关的基础理论研究与机器学习、不确定推理和神经网络学习模型与归纳学习中已有的成果结合起来。只有这样，才能在已有的归纳学习成果上，在机器归纳和机器发现上取得新的突破和进展。[⑤]这是一个极有价值且极富挑战性的课题，无疑在21世纪将得到重视并取得进展。
再谈模糊逻辑。现实世界中充满了模糊现象，这些现象反映到人的思维中形成了模糊概念和模糊命题，如“矮个子”、“美人”、“甲地在乙地附近”、“他很年轻”等。研究模糊概念、模糊命题和模糊推理的逻辑理论叫做“模糊逻辑”。对它的研究始于20世纪20年代，其代表性人物是L·A·查德和P·N·马林诺斯。模糊逻辑为精确逻辑（二值逻辑）解决不了的问题提供了解决的可能，它目前在医疗诊断、故障检测、气象预报、自动控制以及人工智能研究中获得重要应用。显然，它在21世纪将继续得到更大的发展。
3．广义内涵逻辑
经典逻辑只是对命题联结词、个体词、谓词、量词和等词进行了研究，但在自然语言中，除了这些语言成分之外，显然还存在许多其他的语言成分，如各种各样的副词，包括模态词“必然”、“可能”和“不可能”
、时态词“过去”、“现在”和“未来”、道义词“应该”、“允许”、“禁止”等等，以及各种认知动词，如“思考”、“希望”、“相信”、“判断”、“猜测”、“考虑”、“怀疑”，这些认知动词在逻辑和哲学文献中被叫做“命题态度词”。对这些副词以及命题态度词的逻辑研究可以归类为“广义内涵逻辑”。
大多数副词以及几乎所有命题态度词都是内涵性的，造成内涵语境，后者与外延语境构成对照。外延语境又叫透明语境，是经典逻辑的组合性原则、等值置换规则、同一性替换规则在其中适用的语境；内涵语境又称晦暗语境，是上述规则在其中不适用的语境。相应于外延语境和内涵语境的区别，一切语言表达式（包括自然语言的名词、动词、形容词直至语句）都可以区分为外延性的和内涵性的，前者是提供外延语境的表达式，后者是提供内涵性语境的表达式。例如，杀死、见到、拥抱、吻、砍、踢、打、与…下棋等都是外延性表达式，而知道、相信、认识、必然、可能、允许、禁止、过去、现在、未来等都是内涵性表达式。在内涵语境中会出现一些复杂的情况。首先，对于个体词项来说，关键性的东西是我们不仅必须考虑它们在现实世界中的外延，而且要考虑它们在其他可能世界中的外延。例如，由于“必然”是内涵性表达式，它提供内涵语境，因而下述推理是非有效的：
晨星必然是晨星，
晨星就是暮星，
所以，晨星必然是暮星。
这是因为：这个推理只考虑到“晨星”和“暮星”在现实世界中的外延，并没有考虑到它们在每一个可能世界中的外延，我们完全可以设想一个可能世界，在其中“晨星”的外延不同于“暮星”的外延。因此，我们就不能利用同一性替换规则，由该推理的前提得出它的结论：“晨星必然是暮星”。其次，在内涵语境中，语言表达式不再以通常是它们的外延的东西作为外延，而以通常是它们的内涵的东西作为外延。以“达尔文相信人是从猿猴进化而来的”这个语句为例。这里，达尔文所相信的是“人是从猿猴进化而来的”所表达的思想，而不是它所指称的真值，于是在这种情况下，“人是从猿猴进化而来的”所表达的思想（命题）就构成它的外延。再次，在内涵语境中，虽然适用于外延的函项性原则不再成立，但并不是非要抛弃不可，可以把它改述为新的形式：一复合表达式的外延是它出现于外延语境中的部分表达式的外延加上出现于内涵语境中的部分表达式的内涵的函项。这个新的组合性或函项性原则在内涵逻辑中成立。
一般而言，一个好的内涵逻辑至少应满足两个条件：（i）它必须能够处理外延逻辑所能处理的问题；（ii）它还必须能够处理外延逻辑所不能处理的难题。这就是说，它既不能与外延逻辑相矛盾，又要克服外延逻辑的局限。这样的内涵逻辑目前正在发展中，并且已有初步轮廓。从术语上说，内涵逻辑除需要真、假、语句真值的同一和不同、集合或类、谓词的同范围或不同范围等外延逻辑的术语之外，还需要同义、内涵的同一和差异、命题、属性或概念这样一些术语。广而言之，可以把内涵逻辑看作是关于象“必然”、“可能”、“知道”、“相信”，“允许”、“禁止”等提供内涵语境的语句算子的一般逻辑。在这种广义之下，模态逻辑、时态逻辑、道义逻辑、认知逻辑、问题逻辑等都是内涵逻辑。不过，还有一种狭义的内涵逻辑，它可以粗略定义如下：一个内涵逻辑是一个形式语言，其中包括（1）谓词逻辑的算子、量词和变元，这里的谓词逻辑不必局限于一阶谓词逻辑，也可以是高阶谓词逻辑；（2）合式的λ—表达式，例如(λx)A，这里A是任一类型的表达式，x是任一类型的变元，(λx)A本身是一函项，它把变元x在其中取值的那种类型的对象映射到A所属的那种类型上；（3）其他需要的模态的或内涵的算子，例如€，ù、ú。而一个内涵逻辑的解释，则由下列要素组成：（1）一个可能世界的非空集W；（2）一个可能个体的非空集D；（3）一个赋值，它给系统内的表达式指派它们在每w∈W中的外延。对于任一的解释Q和任一的世界w∈W，判定内涵逻辑系统中的任一表达式X相对于解释Q在w∈W中的外延总是可能的。这样的内涵逻辑系统有丘奇的LSD系统，R·蒙塔古的IL系统，以及E·N·扎尔塔的FIL系统等。[⑥]
在各种内涵逻辑中，认识论逻辑（epistemiclogic）具有重要意义。它有广义和狭义之分。广义的认识论逻辑研究与感知（perception）、知道、相信、断定、理解、怀疑、问题和回答等相关的逻辑问题，包括问题逻辑、知道逻辑、相信逻辑、断定逻辑等；狭义的认识论逻辑仅指知道和相信的逻辑，简称“认知逻辑”。冯·赖特在1951年提出了对“认知模态”的逻辑分析，这对建立认知逻辑具有极大的启发作用。J·麦金西首先给出了一个关于“知道”的模态逻辑。A·帕普于1957年建立了一个基于6条规则的相信逻辑系统。J·亨迪卡于60年代出版的《知识和信念》一书是认知逻辑史上的重要著作，其中提出了一些认知逻辑的系统，并为其建立了基于“模型集”的语义学，后者是可能世界语义学的先导之一。当今的认知逻辑纷繁复杂，既不成熟也面临许多难题。由于认知逻辑涉及认识论、心理学、语言学、计算机科学和人工智能等诸多领域，并且认知逻辑的应用技术，又称关于知识的推理技术，正在成为计算机科学和人工智能的重要分支之一，因此认知逻辑在20世纪中后期成为国际逻辑学界的一个热门研究方向。这一状况在21世纪将得到继续并进一步强化，在这方面有可能出现突破性的重要结果。
4．对自然语言的逻辑研究
对自然语言的逻辑研究有来自几个不同领域的推动力。首先是计算机和人工智能的研究，人机对话和通讯、计算机的自然语言理解、知识表示和知识推理等课题，都需要对自然语言进行精细的逻辑分析，并且这种分析不能仅停留在句法层面，而且要深入到语义层面。其次是哲学特别是语言哲学，在20世纪哲学家们对语言表达式的意义问题倾注了异乎寻常的精力，发展了各种各样的意义理论，如观念论、指称论、使用论、言语行为理论、真值条件论等等，以致有人说，关注意义成了20世纪哲学家的职业病。再次是语言学自身发展的需要，例如在研究自然语言的意义问题时，不能仅仅停留在脱离语境的抽象研究上面，而要结合使用语言的特定环境去研究，这导致了语义学、语用学、新修辞学等等发展。各个方面发展的成果可以总称为“自然语言逻辑”，它力图综合后期维特根斯坦提倡的使用论
，J·L·奥斯汀、J·L·塞尔等人发展的言语行为理论，以及P·格赖斯所创立的会话含义学说等成果，透过自然语言的指谓性和交际性去研究自然语言中的推理。
自然语言具有表达和交际两种职能，其中交际职能是自然语言最重要的职能，是它的生命力之所在。而言语交际总是在一定的语言环境（简称语境）中进行的，语境有广义和狭义之分。狭义的语境仅指一个语词、一个句子出现的上下文。广义的语境除了上下文之外，还包括该语词或语句出现的整个社会历史条件，如该语词或语句出现的时间、地点、条件、讲话的人（作者）、听话的人（读者）以及交际双方所共同具有的背景知识，这里的背景知识包括交际双方共同的信念和心理习惯，以及共同的知识和假定等等。这些语境因素对于自然语言的表达式（语词、语句）的意义有着极其重要的影响，这具体表现在：（i）语境具有消除自然语言语词的多义性、歧义性和模糊性的能力，具有严格规定语言表达式意义的能力。（ii）自然语言的句子常常包含指示代词、人称代词、时间副词等，要弄清楚这些句子的意义和内容，就要弄清楚这句话是谁说的、对谁说的、什么时候说的、什么地点说的、针对什么说的，等等，这只有在一定的语境中才能进行。依赖语境的其他类型的语句还有：包含着象“有些”和“每一个”这类量化表达式的句子的意义取决于依语境而定的论域，包含着象“大的”、“冷的”这类形容词的句子的意义取决于依语境而定的相比较的对象类；模态语句和条件语句的意义取决于因语境而变化的语义决定因素，如此等等。（iii）语言表达式的意义在语境中会出现一些重要的变化，以至偏离它通常所具有的意义（抽象意义），而产生一种新的意义即语用涵义。有人认为，一个语言表达式在它的具体语境中的意义，才是它的完全的真正的意义，一旦脱离开语境，它就只具有抽象的意义。语言的抽象意义和它的具体意义的关系，正象解剖了的死人肢体与活人肢体的关系一样。逻辑应该去研究、理解、把握自然语言的具体意义，当然不是去研究某一个（或一组）特定的语句在某个特定语境中唯一无二的意义，而是专门研究确定自然语言具体意义的普遍原则。[⑦]
美国语言学家保罗·格赖斯把语言表达式在一定的交际语境中产生的一种不同于字面意义的特殊涵义，叫做“语用涵义”、“会话涵义”或“隐涵”（implicature），并于1975年提出了一组“交际合作原则”，包括一个总则和四组准则。总则的内容是：在你参与会话时，你要依据你所参与的谈话交流的公认目的或方向，使你的会话贡献符合这种需要。仿照康德把范畴区分为量、质、关系和方式四类，格赖斯提出了如下四组准则：
（1）数量准则：在交际过程中给出的信息量要适中。
a．给出所要求的信息量；
b．给出的信息量不要多于所要求的信息量。
（2）质量准则：力求讲真话。
a．不说你认为假的东西，。
b．不说你缺少适当证据的东西。
（3）关联准则：说话要与已定的交际目的相关联。
（4）方式准则：说话要意思明确，表达清晰。
a．避免晦涩生僻的表达方式；
b．避免有歧义的表达方式；
c．说话要简洁；
d．说话要有顺序性。[⑧]
后来对这些原则提出了不和补充，例如有人还提出了交际过程中所要遵守的“礼貌原则”。只要把交际双方遵守交际合作原则之类的语用规则作为基本前提，这些原则就可以用来确定和把握自然语言的具体意义（语用涵义）。实际上，一个语句p的语用涵义，就是听话人在具体语境中根据语用规则由p得到的那个或那些语句。更具体地说，从说话人S说的话语p推出语用涵义q的一般过程是：
（i）S说了p；
（ii）没有理由认为S不遵守准则，或至少S会遵守总的合作原则；
（iii）S说了p而又要遵守准则或总的合作原则，S必定想表达q；
（iv）S必然知道，谈话双方都清楚：如果S是合作的，必须假设q；
（v）S无法阻止听话人H考虑q；
（vi）因此，S意图让H考虑q，并在说p时意味着q。
试举二例：
（1）a站在熄火的汽车旁，b向a走来。a说：“我没有汽油了。”b说：“前面拐角处有一个修车铺。”这里a与b谈话的目的是：a想得到汽油。根据关系准则，b说这句话是与a想得到汽油相关的，由此可知：b说这句话时隐涵着：“前面的修车铺还在营业并且卖汽油。”
篇6
实际上，在20世纪中后期，就已经开始了现代逻辑与人工智能（记为AI）之间的相互融合和渗透。例如，哲学逻辑所研究的许多课题在理论计算机和人工智能中具有重要的应用价值。AI从认知心理学、社会科学以及决策科学中获得了许多资源，但逻辑（包括哲学逻辑）在AI中发挥了特别突出的作用。某些原因促使哲学逻辑家去发展关于非数学推理
的理论；基于几乎同样的理由，AI研究者也在进行类似的探索，这两方面的研究正在相互接近、相互借鉴，甚至在逐渐融合在一起。例如，AI特别关心下述课题：
·效率和资源有限的推理；
·感知；
·做计划和计划再认；
·关于他人的知识和信念的推理；
·各认知主体之间相互的知识；
·自然语言理解；
·知识表示；
·常识的精确处理；
·对不确定性的处理，容错推理；
·关于时间和因果性的推理；
·解释或说明；
·对归纳概括以及概念的学习。[①]
21世纪的逻辑学也应该关注这些问题，并对之进行研究。为了做到这一点，逻辑学家们有必要熟悉AI的要求及其相关进展，使其研究成果在AI中具有可应用性。
我认为，至少是21世纪早期，逻辑学将会重点关注下述几个领域，并且有可能在这些领域出现具有重大意义的成果：（1）如何在逻辑中处理常识推理中的弗协调、非单调和容错性因素？（2）如何使机器人具有人的创造性智能，如从经验证据中建立用于指导以后行动的归纳判断？（3）如何进行知识表示和知识推理，特别是基于已有的知识库以及各认知主体相互之间的知识而进行的推理？（4）如何结合各种语境因素进行自然语言理解和推理，使智能机器人能够用人的自然语言与人进行成功的交际？等等。
1．常识推理中的某些弗协调、非单调和容错性因素
AI研究的一个目标就是用机器智能模拟人的智能，它选择各种能反映人的智能特征的问题进行实践，希望能做出各种具有智能特征的软件系统。AI研究基于计算途径，因此要建立具有可操作性的符号模型。一般而言，AI关于智能系统的符号模型可描述为：由一个知识载体（称为知识库KB）和一组加载在KB上的足以产生智能行为的过程（称为问题求解器PS）构成。经过20世纪70年代包括专家系统的发展，AI研究者逐步取得共识，认识到知识在智能系统中力量，即一般的智能系统事实上是一种基于知识的系统，而知识包括专门性知识和常识性知识，前者亦可看做是某一领域内专家的常识。于是，常识问题就成为AI研究的一个核心问题，它包括两个方面：常识表示和常识推理，即如何在人工智能中清晰地表示人类的常识，并运用这些常识去进行符合人类行为的推理。显然，如此建立的常识知识库可能包含矛盾，是不协调的，但这种矛盾或不协调应不至于影响到进行合理的推理行为；常识推理还是一种非单调推理，即人们基于不完全的信息推出某些结论，当人们得到更完全的信息后，可以改变甚至收回原来的结论；常识推理也是一种可能出错的不精确的推理模式，是在容许有错误知识的情况下进行的推理，简称容错推理。而经典逻辑拒斥任何矛盾，容许从矛盾推出一切命题；并且它是单调的，即承认如下的推理模式：如果p?r，则pùq?r；或者说，任一理论的定理属于该理论之任一扩张的定理集。因此，在处理常识表示和常识推理时，经典逻辑应该受到限制和修正，并发展出某些非经典的逻辑，如次协调逻辑、非单调逻辑、容错推理等。有人指出，常识推理的逻辑是次协调逻辑和非单调逻辑的某种结合物，而后者又可看做是对容错推理的简单且基本的情形的一种形式化。[②]
“次协调逻辑”（ParaconsistentLogic）是由普里斯特、达·科斯塔等人在对悖论的研究中发展出来的，其基本想法是：当在一个理论中发现难以克服的矛盾或悖论时，与其徒劳地想尽各种办法去排除
或防范它们，不如干脆让它们留在理论体系内，但把它们“圈禁”起来，不让它们任意扩散，以免使我们所创立或研究的理论成为“不足道”的。于是，在次协调逻辑中，能够容纳有意义、有价值的“真矛盾”，但这些矛盾并不能使系统推出一切，导致自毁。因此，这一新逻辑具有一种次于经典逻辑但又远远高于完全不协调系统的协调性。次协调逻辑家们认为，如果在一理论T中，一语句A及其否定?A都是定理，则T是不协调的；否则，称T是协调的。如果T所使用的逻辑含有从互相否定的两公式可推出一切公式的规则或推理，则不协调的T也是不足道的(trivial)。因此，通常以经典逻辑为基础的理论，如果它是不协调的，那它一定也是不足道的。这一现象表明，经典逻辑虽可用于研究协调的理论，但不适用于研究不协调但又足道的理论。达·科斯塔在20世纪60年代构造了一系列次协调逻辑系统Cn（1≤n≤w），以用作不协调而又足道的理论的逻辑工具。对次协调逻辑系统Cn的特征性描述包括下述命题：(i)矛盾律?(Aù?A)不普遍有效；(ii)从两个相互否定的公式A和?A推不出任意公式；即是说，矛盾不会在系统中任意扩散，矛盾不等于灾难。(iii)应当容纳与(i)和(ii)相容的大多数经典逻辑的推理模式和规则。这里，(i)和(ii)表明了对矛盾的一种相对宽容的态度，(iii)则表明次协调逻辑对于经典逻辑仍有一定的继承性。
在任一次协调逻辑系统Cn(1≤n≤w)中，下述经典逻辑的定理或推理模式都不成立：
?(Aù?A)
Aù?AB
A(?AB)
(A??A)B
(A??A)?B
A??A
(?Aù(AúB))B
(AB)(?B?A)
若以C0为经典逻辑，则系列C0,C1,C2,…Cn,…Cw使得对任正整数i有Ci弱于Ci-1，Cw是这系列中最弱的演算。已经为Cn设计出了合适的语义学，并已经证明Cn相对于此种语义是可靠的和完全的，并且次协调命题逻辑系统Cn还是可判定的。现在，已经有人把次协调逻辑扩展到模态逻辑、时态逻辑、道义逻辑、多值逻辑、集合论等领域的研究中，发展了这些领域内的次协调理论。显然，次协调逻辑将会得到更进一步的发展。[③]
非单调逻辑是关于非单调推理的逻辑，它的研究开始于20世纪80年代。1980年，D·麦克多莫特和J·多伊尔初步尝试着系统发展一种关于非单调推理的逻辑。他们在经典谓词演算中引入一个算子M，表示某种“一致性”断言，并将其看做是模态概念，通过一定程序把模态逻辑系统T、S4和S5翻译成非单调逻辑。B·摩尔的论文《非单调逻辑的语义思考》（1983）据认为在非单调逻辑方面作出了令人注目的贡献。他在“缺省推理”和“自动认知推理”之间做了区分，并把前者看作是在没有任何相反信息和缺少证据的条件下进行推理的过程，这种推理的特征是试探性的：根据新信息，它们很可能会被撤消。自动认知推理则不是这种类型，它是与人们自身的信念或知识相关的推理，可用它模拟一个理想的具有信念的有理性的人的推理。对于在计算机和人工智能中获得成功的应用而言，非单调逻辑尚需进一步发展。
2．归纳以及其他不确定性推理
人类智能的本质特征和最高表现是创造。在人类创造的过程中，具有必然性的演绎推理固然起重要作用，但更为重要的是具有某种不确定性的归纳、类比推理以及模糊推理等。因此，计算机要成功地模拟人的智能，真正体现出人的智能品质，就必须对各种具有不确定性的推理模式进行研究。
首先是对归纳推理和归纳逻辑的研究。这里所说的“归纳推理”是广义的，指一切扩展性推理，它们的结论所断定的超出了其前提所断定的范围，因而前提的真无法保证结论的真，整个推理因此缺乏必然性。具体说来，这种意义的“归纳”包括下述内容：简单枚举法；排除归纳法，指这样一些操作：预先通过观察或实验列出被研究现象的可能的原因，然后有选择地安排某些事例或实验，根据某些标准排除不相干假设，最后得到比较可靠的结论；统计概括：从关于有穷数目样本的构成的知识到关于未知总体分布构成的结论的推理；类比论证和假说演绎法，等等。尽管休谟提出著名的“归纳问题”，对归纳推理的合理性和归纳逻辑的可能性提出了深刻的质疑，但我认为，（1）归纳是在茫茫宇宙中生存的人类必须采取也只能采取的认知策略，对于人类来说具有实践的必然性。（2）人类有理由从经验的重复中建立某种确实性和规律性，其依据就是确信宇宙中存在某种类似于自然齐一律和客观因果律之类的东西。这一确信是合理的，而用纯逻辑的理由去怀疑一个关于世界的事实性断言则是不合理的，除非这个断言是逻辑矛盾。（3）人类有可能建立起局部合理的归纳逻辑和归纳方法论。并且，归纳逻辑的这种可能性正在计算机科学和人工智能的研究推动下慢慢地演变成现实。恩格斯早就指出，“社会一旦有技术上的需要，则这种需要比十所大学更能把科学推向前进。”[④]有人通过指责现有的归纳逻辑不成熟，得出“归纳逻辑不可能”的结论，他们的推理本身与归纳推理一样，不具有演绎的必然性。（4）人类实践的成功在一定程度上证明了相应的经验知识的真理性，也就在一定程度上证明了归纳逻辑和归纳方法论的力量。毋庸否认，归纳逻辑目前还很不成熟。有的学者指出，为了在机器的智能模拟中克服对归纳模拟的困难而有所突破，应该将归纳逻辑等有关的基础理论研究与机器学习、不确定推理和神经网络学习模型与归纳学习中已有的成果结合起来。只有这样，才能在已有的归纳学习成果上，在机器归纳和机器发现上取得新的突破和进展。[⑤]这是一个极有价值且极富挑战性的课题，无疑在21世纪将得到重视并取得进展。
再谈模糊逻辑。现实世界中充满了模糊现象，这些现象反映到人的思维中形成了模糊概念和模糊命题，如“矮个子”、“美人”、“甲地在乙地附近”、“他很年轻”等。研究模糊概念、模糊命题和模糊推理的逻辑理论叫做“模糊逻辑”。对它的研究始于20世纪20年代，其代表性人物是L·A·查德和P·N·马林诺斯。模糊逻辑为精确逻辑（二值逻辑）解决不了的问题提供了解决的可能，它目前在医疗诊断、故障检测、气象预报、自动控制以及人工智能研究中获得重要应用。显然，它在21世纪将继续得到更大的发展。
3．广义内涵逻辑
经典逻辑只是对命题联结词、个体词、谓词、量词和等词进行了研究，但在自然语言中，除了这些语言成分之外，显然还存在许多其他的语言成分，如各种各样的副词，包括模态词“必然”、“可能”和“不可能”
、时态词“过去”、“现在”和“未来”、道义词“应该”、“允许”、“禁止”等等，以及各种认知动词，如“思考”、“希望”、“相信”、“判断”、“猜测”、“考虑”、“怀疑”，这些认知动词在逻辑和哲学文献中被叫做“命题态度词”。对这些副词以及命题态度词的逻辑研究可以归类为“广义内涵逻辑”。
大多数副词以及几乎所有命题态度词都是内涵性的，造成内涵语境，后者与外延语境构成对照。外延语境又叫透明语境，是经典逻辑的组合性原则、等值置换规则、同一性替换规则在其中适用的语境；内涵语境又称晦暗语境，是上述规则在其中不适用的语境。相应于外延语境和内涵语境的区别，一切语言表达式（包括自然语言的名词、动词、形容词直至语句）都可以区分为外延性的和内涵性的，前者是提供外延语境的表达式，后者是提供内涵性语境的表达式。例如，杀死、见到、拥抱、吻、砍、踢、打、与…下棋等都是外延性表达式，而知道、相信、认识、必然、可能、允许、禁止、过去、现在、未来等都是内涵性表达式。
在内涵语境中会出现一些复杂的情况。首先，对于个体词项来说，关键性的东西是我们不仅必须考虑它们在现实世界中的外延，而且要考虑它们在其他可能世界中的外延。例如，由于“必然”是内涵性表达式，它提供内涵语境，因而下述推理是非有效的：
晨星必然是晨星，
晨星就是暮星，
所以，晨星必然是暮星。
这是因为：这个推理只考虑到“晨星”和“暮星”在现实世界中的外延，并没有考虑到它们在每一个可能世界中的外延，我们完全可以设想一个可能世界，在其中“晨星”的外延不同于“暮星”的外延。因此，我们就不能利用同一性替换规则，由该推理的前提得出它的结论：“晨星必然是暮星”。其次，在内涵语境中，语言表达式不再以通常是它们的外延的东西作为外延，而以通常是它们的内涵的东西作为外延。以“达尔文相信人是从猿猴进化而来的”这个语句为例。这里，达尔文所相信的是“人是从猿猴进化而来的”所表达的思想，而不是它所指称的真值，于是在这种情况下，“人是从猿猴进化而来的”所表达的思想（命题）就构成它的外延。再次，在内涵语境中，虽然适用于外延的函项性原则不再成立，但并不是非要抛弃不可，可以把它改述为新的形式：一复合表达式的外延是它出现于外延语境中的部分表达式的外延加上出现于内涵语境中的部分表达式的内涵的函项。这个新的组合性或函项性原则在内涵逻辑中成立。
一般而言，一个好的内涵逻辑至少应满足两个条件：（i）它必须能够处理外延逻辑所能处理的问题；（ii）它还必须能够处理外延逻辑所不能处理的难题。这就是说，它既不能与外延逻辑相矛盾，又要克服外延逻辑的局限。这样的内涵逻辑目前正在发展中，并且已有初步轮廓。从术语上说，内涵逻辑除需要真、假、语句真值的同一和不同、集合或类、谓词的同范围或不同范围等外延逻辑的术语之外，还需要同义、内涵的同一和差异、命题、属性或概念这样一些术语。广而言之，可以把内涵逻辑看作是关于象“必然”、“可能”、“知道”、“相信”，“允许”、“禁止”等提供内涵语境的语句算子的一般逻辑。在这种广义之下，模态逻辑、时态逻辑、道义逻辑、认知逻辑、问题逻辑等都是内涵逻辑。不过，还有一种狭义的内涵逻辑，它可以粗略定义如下：一个内涵逻辑是一个形式语言，其中包括（1）谓词逻辑的算子、量词和变元，这里的谓词逻辑不必局限于一阶谓词逻辑，也可以是高阶谓词逻辑；（2）合式的λ—表达式，例如(λx)A，这里A是任一类型的表达式，x是任一类型的变元，(λx)A本身是一函项，它把变元x在其中取值的那种类型的对象映射到A所属的那种类型上；（3）其他需要的模态的或内涵的算子，例如€，ù、ú。而一个内涵逻辑的解释，则由下列要素组成：（1）一个可能世界的非空集W；（2）一个可能个体的非空集D；（3）一个赋值，它给系统内的表达式指派它们在每w∈W中的外延。对于任一的解释Q和任一的世界w∈W，判定内涵逻辑系统中的任一表达式X相对于解释Q在w∈W中的外延总是可能的。这样的内涵逻辑系统有丘奇的LSD系统，R·蒙塔古的IL系统，以及E·N·扎尔塔的FIL系统等。[⑥]
在各种内涵逻辑中，认识论逻辑（epistemiclogic）具有重要意义。它有广义和狭义之分。广义的认识论逻辑研究与感知（perception）、知道、相信、断定、理解、怀疑、问题和回答等相关的逻辑问题，包括问题逻辑、知道逻辑、相信逻辑、断定逻辑等；狭义的认识论逻辑仅指知道和相信的逻辑，简称“认知逻辑”。冯·赖特在1951年提出了对“认知模态”的逻辑分析，这对建立认知逻辑具有极大的启发作用。J·麦金西首先给出了一个关于“知道”的模态逻辑。A·帕普于1957年建立了一个基于6条规则的相信逻辑系统。J·亨迪卡于60年代出版的《知识和信念》一书是认知逻辑史上的重要著作，其中提出了一些认知逻辑的系统，并为其建立了基于“模型集”的语义学，后者是可能世界语义学的先导之一。当今的认知逻辑纷繁复杂，既不成熟也面临许多难题。由于认知逻辑涉及认识论、心理学、语言学、计算机科学和人工智能等诸多领域，并且认知逻辑的应用技术，又称关于知识的推理技术，正在成为计算机科学和人工智能的重要分支之一，因此认知逻辑在20世纪中后期成为国际逻辑学界的一个热门研究方向。这一状况在21世纪将得到继续并进一步强化，在这方面有可能出现突破性的重要结果。
4．对自然语言的逻辑研究
对自然语言的逻辑研究有来自几个不同领域的推动力。首先是计算机和人工智能的研究，人机对话和通讯、计算机的自然语言理解、知识表示和知识推理等课题，都需要对自然语言进行精细的逻辑分析，并且这种分析不能仅停留在句法层面，而且要深入到语义层面。其次是哲学特别是语言哲学，在20世纪哲学家们对语言表达式的意义问题倾注了异乎寻常的精力，发展了各种各样的意义理论，如观念论、指称论、使用论、言语行为理论、真值条件论等等，以致有人说，关注意义成了20世纪哲学家的职业病。再次是语言学自身发展的需要，例如在研究自然语言的意义问题时，不能仅仅停留在脱离语境的抽象研究上面，而要结合使用语言的特定环境去研究，这导致了语义学、语用学、新修辞学等等发展。各个方面发展的成果可以总称为“自然语言逻辑”，它力图综合后期维特根斯坦提倡的使用论
，J·L·奥斯汀、J·L·塞尔等人发展的言语行为理论，以及P·格赖斯所创立的会话含义学说等成果，透过自然语言的指谓性和交际性去研究自然语言中的推理。
自然语言具有表达和交际两种职能，其中交际职能是自然语言最重要的职能，是它的生命力之所在。而言语交际总是在一定的语言环境（简称语境）中进行的，语境有广义和狭义之分。狭义的语境仅指一个语词、一个句子出现的上下文。广义的语境除了上下文之外，还包括该语词或语句出现的整个社会历史条件，如该语词或语句出现的时间、地点、条件、讲话的人（作者）、听话的人（读者）以及交际双方所共同具有的背景知识，这里的背景知识包括交际双方共同的信念和心理习惯，以及共同的知识和假定等等。这些语境因素对于自然语言的表达式（语词、语句）的意义有着极其重要的影响，这具体表现在：（i）语境具有消除自然语言语词的多义性、歧义性和模糊性的能力，具有严格规定语言表达式意义的能力。（ii）自然语言的句子常常包含指示代词、人称代词、时间副词等，要弄清楚这些句子的意义和内容，就要弄清楚这句话是谁说的、对谁说的、什么时候说的、什么地点说的、针对什么说的，等等，这只有在一定的语境中才能进行。依赖语境的其他类型的语句还有：包含着象“有些”和“每一个”这类量化表达式的句子的意义取决于依语境而定的论域，包含着象“大的”、“冷的”这类形容词的句子的意义取决于依语境而定的相比较的对象类；模态语句和条件语句的意义取决于因语境而变化的语义决定因素，如此等等。（iii）语言表达式的意义在语境中会出现一些重要的变化，以至偏离它通常所具有的意义（抽象意义），而产生一种新的意义即语用涵义。有人认为，一个语言表达式在它的具体语境中的意义，才是它的完全的真正的意义，一旦脱离开语境，它就只具有抽象的意义。语言的抽象意义和它的具体意义的关系，正象解剖了的死人肢体与活人肢体的关系一样。逻辑应该去研究、理解、把握自然语言的具体意义，当然不是去研究某一个（或一组）特定的语句在某个特定语境中唯一无二的意义，而是专门研究确定自然语言具体意义的普遍原则。[⑦]
美国语言学家保罗·格赖斯把语言表达式在一定的交际语境中产生的一种不同于字面意义的特殊涵义，叫做“语用涵义”、“会话涵义”或“隐涵”（implicature），并于1975年提出了一组“交际合作原则”，包括一个总则和四组准则。总则的内容是：在你参与会话时，你要依据你所参与的谈话交流的公认目的或方向，使你的会话贡献符合这种需要。仿照康德把范畴区分为量、质、关系和方式四类，格赖斯提出了如下四组准则：
（1）数量准则：在交际过程中给出的信息量要适中。
a．给出所要求的信息量；
b．给出的信息量不要多于所要求的信息量。
（2）质量准则：力求讲真话。
a．不说你认为假的东西，。
b．不说你缺少适当证据的东西。
（3）关联准则：说话要与已定的交际目的相关联。
（4）方式准则：说话要意思明确，表达清晰。
a．避免晦涩生僻的表达方式；
b．避免有歧义的表达方式；
c．说话要简洁；
d．说话要有顺序性。[⑧]
后来对这些原则提出了不和补充，例如有人还提出了交际过程中所要遵守的“礼貌原则”。只要把交际双方遵守交际合作原则之类的语用规则作为基本前提，这些原则就可以用来确定和把握自然语言的具体意义（语用涵义）。实际上，一个语句p的语用涵义，就是听话人在具体语境中根据语用规则由p得到的那个或那些语句。更具体地说，从说话人S说的话语p推出语用涵义q的一般过程是：
（i）S说了p；
（ii）没有理由认为S不遵守准则，或至少S会遵守总的合作原则；
（iii）S说了p而又要遵守准则或总的合作原则，S必定想表达q；
（iv）S必然知道，谈话双方都清楚：如果S是合作的，必须假设q；
（v）S无法阻止听话人H考虑q；
（vi）因此，S意图让H考虑q，并在说p时意味着q。
试举二例：
（1）a站在熄火的汽车旁，b向a走来。a说：“我没有汽油了。”b说：“前面拐角处有一个修车铺。”这里a与b谈话的目的是：a想得到汽油。根据关系准则，b说这句话是与a想得到汽油相关的，由此可知：b说这句话时隐涵着：“前面的修车铺还在营业并且卖汽油。”
（2）某教授写信推荐他的学生任某项哲学方面的工作，信中写到：“亲爱的先生：我的学生c的英语很好，并且准时上我的课。”根据量的准则，应该提供所需要的信息量；作为教授，他对自己的学生的情况显然十分熟悉，也可以提供所需要的信息量，但他有意违反量的准则，在信中只用一句话来介绍学生的情况，任用人一旦接到这封信，自然明白：教授认为c不宜从事这项哲学工作。
并且，语用涵义还具有如下5个特点：（i）可取消性：在给原话语附加上某些话语之后，它原有的语用涵义可被取消。在例（1）中，若b在说“前面拐角处有一个修车铺”之后又补上一句：“不过它这时已经关门了”，则原有的语用涵义“你可从那里得到汽油”就被取消了。（ii）不可分离性：如果某话语在特定的语境中产生了语用涵义，则无论采用什么样的同义结构，该含义始终存在，因为它所依附的是话语的内容，而不是话语的形式。（iii）可推导性，前面已说明这一点。（iv）非规约性：语用涵义不能单独从话语本身推出来，除要考虑交际合作原则之类的语用规则之外，也需要假定通常的逻辑推理规则，并需要把上文语句、交际双方所共有的背景知识作为附加前提考虑在内。（v）不确定性：同一句话语在不同的语境中可以产生不同的语用涵义。显然，确定某个话语的语用涵义是一个极其复杂的过程，需要综合和分析、归纳和演绎的统一应用，因此具有一定的或然性。研究如何迅速有效地把握自然语言表达式在具体语境中的语用涵义，这正是自然语言逻辑所要完成的任务之一，它将在21世纪取得进展。
篇7
众所周知，旧的世界正在消逝，新的信息技术使整个世界高度互联。这些变化与人类历史上曾经发生的变革完全不同。国家之间的竞争不再仅限于地域战场，还包括了对未来技术的掌控能力以及如何使之盈利的能力。
机器与人工智能的完美应用将在未来几十年内迅速普及，不断挑战人在工业生产与决策过程中的价值和可靠性。从市场营销、客户关系，到人力资源管理，新一代机器将为企业组织带来翻天覆地的变化。
这一变化的特点主要有三：基于研究与技术的巨大优势、主要源于物质世界的数字化进步、将诸多不同的技术整合而形成全新的系统。对于企业来说，这种结合将产生更高的价值，创新性与灵活性兼而有之。对于管理来说，这一技术变革将打乱传统的组织方式，为员工提供便于发挥他们创造性、自主性及自发性的工具和解决方案。
工业领域成为前沿阵地
工业界是这一革命的一线阵地。随着机器人、电子技术及人工智能所实现的跨越式进步，工业生产正大踏步地进入自动化时代。这就是工业4.0时代。
工业自动化与物联网及服务网络的结合使得生产过程中一切环节都可以实现变换，工厂完全变为信息物理融合系统(CPPS)中的“智能空间”，是集成生产、仓储、营销、分销及服务一体的数字信息链。
这一工业革命中的一大创新就是产品的数字化记忆，相当于一种微缩“黑匣子”，被植入每个产品中，记载该产品在生产、维修、回收过程中的所有信息，就像航行日志或产品历史记录仪。有了这个记录，产品之间可以相互交流或与消费者沟通。
工业生产将进入产品定制化的一个崭新阶段。这一新技术迫使人们重新思考生产单位，特别是机器人在工业中的角色。装有3D摄像机的机器人可以自由操纵产品，而操作指令完全来自于产品本身。
例如，在汽车组装生产线上，一名工人和一只机器人同坐在车身里就可以完成组装需要的各类操作。生产系统由一些具有社会性的机器运作，与“云端”平台自动连接，寻找能够解决不同问题的专家。专家则掌握着全套维修技术及虚拟工具。机器人自动整合所有信息以不断完善自己的性能。
未来的物质世界变成一个巨大的物联网。在这个信息物理系统中，物体与机器可以自我管理并持续自我改善。这一技术海啸中，工业将成为变革的范例。
在最近一次各国专家就这一话题的讨论中，德国博世集团董事会副主席Siegfried Dais博士这样解释这一变化：“所有进入生产环节的物体都可以准确地说出‘我是哪个零部件，最终产品是哪件，客户是谁’。”
再进一步设想，假如一小块原材料能知道其最终产品是为哪个客户提供的，那么它完全可能分析出自己应何时何地接入生产环节，也能“认出”所有前一个环节的相关数据，从而知道生产何时结束、产品如何运出。
这要求大量的数据处理以保证生产环节的稳定性和可复制性，还需要超强的数学与算法能力。未来的企业将在最优计算与分析服务上展开激烈的竞争。物质世界的去现实化也催生出另一个概念，就是云工业或“云制造”。
就像云计算技术使企业无需购买某些基础设备，而是在服务器端和计算中心实现数据存储与处理一样，未来的工厂完全可以做到“租用”工业流程，对几千公里之外的生产平台实现远程控制，使其自主运行，从而节省大量工业投资，免除对加工厂商、工艺流程的管理。罗兰贝格近期出版的《轻足迹管理》一书中对这一概念有具体描述，并讲述了企业如何既保留业务能力又在组织上保持灵活与活力。
大数据，一场客户关系的革命
新技术的深远影响除了体现在上游生产流程中，也体现在下游的分销商和客户关系上。大数据为企业创造出许多新的机会，甚至是新的商业模式。随着交易及互动信息的增多，数据的涵盖范围更加广泛、精确度更高、更加个性化。
社交网络、互联网用户行为研究、入网设备等收集消费者数据的新渠道更使得诸如问卷或调研等传统渠道大大落伍。基于这些海量的数据、分析及算法，企业可以勾勒出个性化的消费特性，随时精准的分析消费者行为，预测出客户的采购决策，从而及时准确的推出新产品、改进旧产品、增强客户黏性。
未来企业什么样？
工业4.0的到来和企业分析海量数据的能力并不是新技术所带来的所有变化，交易成本急剧下滑、行业竞争格局剧变等等都包含其中。“企业”的概念也变了。技术已是竞争之根本。企业需要不断地提高技术能力以保持竞争优势。
未来成功的企业必须知道如何整合技术资源，使其成为提高全球竞争力的工具。企业不能再“单打独斗”，必须明白自己是高度互联的全球信息系统的一部分。
组织形式也将发生深刻变化。类似军队种部队的一系列小组成为组织的基本单位，精干灵活，可以独立对各种新情况做出决策。
企业则需学会在战略决策集权化与执行层面和决策过程的放权化之间寻求平衡，还要从指令性管理转向合作式管理。另外，新技术有个负作用——高度互联下，个体抵制外部入侵能力较弱，因此，企业要重视信息系统的安全。
未来的工作什么样？
工业革命也带来社会与商业的变革。物质世界数据化将使人类的职业产生一系列变化，具体结果尚未可见。当然，几年内人类还不会被机器人取代。我们还有时间思考如何将机器人与雇佣工人的优势相结合。
毫无疑问，大力发展教育事业是各国政府必经的应对之道。得益于新信息技术，大规模在线公开课程(MOOC)快速发展，已吸引世界多所著名学府参与其中。这种新的远程教育形式使教育费用大大缩减，长期持续的师生关系成为可能，但要普及到所有亟待接受高等教育的人群尚需几年时间。在这期间，各国政府必须鼓励教育领域真正意义上的变革：投入更多预算，延长课时和学习年限，鼓励更多高科技方面的研究。
人类必须学习更多的知识，因为机器人可以不知疲倦地学习。适应于未来技术革新的教育也使年轻人更易融入机器世界，催生大量创业公司，而这才是整个社会创新的驱动力。
怎样在机器时代全面来临时保持人类的幸福感？我想目前还没有准确答案。潜在风险已经可以预见：科技革命将要颠覆现有经济与金融体系基础的力量十分强大，势不可挡。科技进步带来的失业规模还无法预测，但这个风险注定在发达与新经济体国家长期存在。
各国政府在保护其国民抵制巨大的经济及社会动荡之时将遇到越来越多的困难。教育及高等教育的普及已被证实为能否规避“贫困陷阱”的最有力标准。“贫困陷阱”是一种社会局面的胶着状态，精英社会继续产生精英，而其他群体由于缺乏足够的资源和教育而停滞不前。
但也不能因此就得出结论说人类对这一变革束手无策。面对越来越智能化的机器人，人类需要采取适当的规避策略，加大在那些机器人没有优势的领域的投入，例如设计、手工业、交流、哲学、环境、生活品质、博爱、信任。
人类将从这种轻足迹策略中衍生出新的行为方式，就像不断运用科技手段一样，不受其奴役，而是运用自如。
在这一工业革命中寻找一条出路，成为自己的“特种部队”，精兵强将、训练有素、坚忍不拔、八面玲珑，具有同时处理多种情况的应变能力，舍弃顺序模式而采用平行做事方式。要培养自身优异的做事方法，对流程精益求精，力求完美，专注而讲求品质。不断磨练和培养全面的技能与跨学科能力，强烈的团队意识，无论职业生涯还是个人生活，无论面对任何问题。
轻足迹方法的其他特点也完全适用于个人行为发展。比如联盟，未来企业必将存在更多的新型联盟方式，使每一方的专业优势得以发挥，达到1+1=11的效果。
为了抵御机器人的侵袭，我们必须采取物理或者虚拟的联合方式，使每一方的知识和技能都可以互为传播，以发挥人类的巨大潜能，应对机器的世界。相较于互联网虚拟货币比特币，信任将成为新的共有货币。
不忘初心
更为重要的是，要在机器的世界里仍能保持领先地位，人类应牢记那些传世已久的经典哲思。无论是孔子时代即流传下来的深刻东方道理，还是欧洲启蒙时期的西方哲学思想都强调：榜样作用、人性之本、信守诺言、手足情谊、学无止境、无私奉献、尊重和聆听他人。
篇8
关键词:新媒体；涌现；复杂性；生成艺术；交互艺术；中国哲学
中图分类号：J021文献标识码：A
Emergence: Let New Media Art be Fresh Forever
HUANG Wen-gao
一、新媒体的特点新媒体是计算技术与媒体技术的汇合，其准备期可以追溯到19世纪30年代，而真正成型并进入一般艺术家的工作室则是在20世纪80年代中期。从此所有媒体都可转换为计算机数据。新媒体也称为数字媒体。
每一种艺术媒体都有其特有的可能性，比如油画与国画的不同，是观念的不同，同时也是不同材料特质的展现。就工具、手段来说，新媒体艺术新在计算技术的运用，而新媒体艺术的观念则发源于杜尚以来的现代艺术传统与当代科技的概念、理论之交织。这方面已毋庸多言。本文试图在此前提下，进一步探讨新媒体艺术与技术的一个核心特质：涌现（Emergence）。
在《新媒体的语言》中，蒙纳维奇（Lev Manovich）提出新媒体具有如下几个特点：数字表示、模块化、自动化、变异性、码转换（transcode）。笔者认为，其中自动化是核心，数字表示、模块化是自动化的前提条件，变异性、码转换可认为是自动化的后果。新媒体最基本的特点是数字表示，它离不开计算机科技。计算机俗称电脑，从一开始就与自动化、智能化密切相关，新媒体的最大可能性即寓于自动化、智能化的真正进展之中。
然而，传统的人工智能和自动化技术采取自上而下的途径，并不能模拟真正的智能。许多工厂的自动化生产线，其实相当机械和被动；战胜国际象棋大师的深蓝，不过是依靠人编制的数据库与高速计算穷举可能的结果。这些技术缺乏智能的一个关键特性：适应性。而真正的智能和自动化必定是内在的自下而上的自组织行为，即涌现。
晚近对于自动化智能化的研究与复杂性科学相联系，强调自下而上的涌现，并形成了智能控制的新方向。复杂性科学及其依托学科人工生命都诞生于80年代中期
，正是新媒体成型时期，这两个领域的不谋而合也就很自然了。如果说新媒体的特点是自动化，那么涌现就是高级自动化的特点，代表了新媒体最突出且最具诱惑的可能性。
二、系统与涌现
涌现是自然宇宙的普遍现象，万事万物从无到有、从低级到高级的演化都是涌现的过程。用亚里斯多德的话说就是“整体大于部分之和”，也就是老子讲的“二生三”。阴与阳交互作用生出了三，这就是涌现；“三生万物”，有涌现才有万物。二能生三的关键是阴与阳的非线互作用。非线性系统表现出混沌与复杂性。混沌产生秩序，这是老子早就讲过的，也是新兴的混沌科学研究的内容。
虽然涌现的思想古已有之，然而用科学方法来系统地研究涌现，只有在复杂性、混沌等新科学以及计算机出现后才成为可能。复杂性科学就是研究复杂系统的科学，是系统思想的最新发展。系统思想源远流长，作为一门科学的系统论是理论生物学家贝塔朗菲（LVonBertalanffy）创立的。系统论的核心思想是系统的有机整体观念，即系统不是各个部分的机械组合或简单相加，系统的整体功能是各要素在孤立状态下所没有的新质。实际上这就是涌现，而真正对其进行深入研究的就是复杂性科学。80年代中期以来科学家们一直在创造一种理解系统的新方式，对各种系统进行研究、比较、构建以及数学和计算建模，正形成一种对系统的新的抽象理解。在典型的复杂系统中，大量简单元素的局部交互作用往往导致全局的自组织现象。自组织系统是不断演化的动态系统，并随环境的改变调整自己以维持其存在，故也称为复杂自适应系统。而简单系统指过分稳定而缺乏变化的系统以及完全随机无序的系统。
生命是如何从无生命的原子产生的？意识是如何从神经元的聚合中形成？什么是艺术的灵感与创造性？如果排除万物有灵的泛神论解释，用什么语言来探索这样的问题？可以这么说，复杂性与人工生命正在发展这么一种语言，而涌现是其中的关键概念。当然，目前关于涌现的理论还不成熟，人们主要是在研究各种各样的复杂系统，以期从中总结出普遍理论。同时出现了许多模型可以用来研究涌现，例如元胞自动机就是一个经典模型，它象一个玩具宇宙，帮助我们具体直观地理解涌现的奥秘。
举一个例子：“生命游戏”是康韦（John Conway）设计的一个最简单的元胞自动机，它就象一个棋盘格子，每个格子是一个元胞，有两种状态（死与活），有八个邻居格子。棋盘从当前状态布局转移到下一个状态布局的转换规则是：如果格子当前是死的，那么仅当它的八个邻居中有三个为活时，该格子下一步为活，否则仍为死；如果格子当前是活的，那么仅当它的八个邻居中有二个或三个为活时，该格子下一步为活，否则为死。
难以想象的是，从这个简单得近乎儿戏的生命规则涌现出了令人惊奇的丰富行为，它足以构成“通用计算机”！以屏幕上方格子的黑与白来表示活与死，可以观察到丰富的结构和图象演变过程。经典“生命游戏”的涌现行为可参考
笔者用广义元胞自动机实现的变异“生命游戏”，见下一节的介绍。
三、涌现的艺术
所有艺术本质上都是涌现的。笔者对涌现的一次最生动深切的感受来自一支曲子的产生过程。在普利茅斯一个早晨半睡半醒中，我听到那些调子象旋转的星云慢慢聚拢，纷纭的片断似乎是从无到有从天而降并相互作用最终生成一个协调的整体，这一过程既是声音的又同时是形象的，并且完全是自动的，没有丝毫人为的干预。那曲子纯粹就是其时内在状态的投影。该曲后用于笔者的短片“Dragon at grass at large”。
艺术家一直凭直觉来把握创造性和灵感，但缺乏表达这一过程的语言，使之蒙着一层神秘的色彩。我们不可能用电极测量音乐创作过程中所有脑神经原的电脉冲，从而弄清音乐的宏观模式如何从这些脉冲涌现，然而在机器里我们却比较容易做到类似的事情。比如对基于元胞自动机的声音艺术，我们可以任意改变底层规则，观察不同的涌现过程，从而获得深入的理解。
以笔者用广义元胞自动机实现的变异“生命游戏”为例来说明形式的涌现过程。变异“生命游戏”就是用数学函数表示“生命游戏”的规则并引入可变的参数，使只有两色的二值“生命游戏”变为连续取值从而可生成色彩丰富的图象，改变参数可得到不同的演化行为，分为三类：图象演化很快变为均匀的单色，对应简单规则系统；图象演化很快变为随机斑块图案，对应随机系统；图象演化过程很长，并有复杂的图案出现，对应复杂系统，也称混沌边缘。混沌边缘复杂图案的涌现经历类似生物体的出生、生长、成熟、衰老、死亡过程，图案中的元素是不断改变的，图案整体却具有很好的稳定性。这使我们联想起自己的身体，每过大约四年，所有细胞都新陈代谢更新了一遍，而我们身体的基本形态依然如故。这种既能变化又能稳定的动态平衡就是涌现的特性。如图1是笔者用变异“生命游戏”生成的图象。上面的灰度图是由均匀背景上一个单点像素演化出的类似细胞的图案，下面的彩图是由五个象素演化出的形似动物的图案。
本文为全文原貌 未安装PDF浏览器用户请先下载安装 原版全文
观察这些图象演变是有趣的。它是人创造的（底层规则），又似乎有自己的生命（涌现模式）。如果说新媒体的特点是自动化，而涌现是高级自动化的特点，那么具有了涌现性质的新媒体艺术就是常新的，如同海边的波涛，永远在变化，又永远有同样的模式、花纹、图案出现。当认识到机器里也可以发生与自然涌现并无本质不同的现象时，如何来看待生命、艺术、美、创造？如果后现代主义启示我们，美和形式只是社会的构造物而并不存在绝对价值，那么涌现就能够使艺术家避开专断的社会和文化惯性以及人为的影响，从宇宙本真的创生过程探索全新的形式。人工生命的创始人朗顿（Longton CG）将人工生命定义为从“已知的生命”向“可能的生命”的扩展
，同样的道理，新媒体的涌现使我们能够创造“可能的艺术”。
虽然所有艺术本质上都是涌现的，但传统艺术一般只把涌现的结果作为艺术品，是“迹”，而新媒体艺术更关心涌现的过程，是“牛”。因此，本文将把“涌现的艺术”限定为接受了复杂性科学影响的新媒体艺术，以免过泛的讨论。最有代表性的涌现艺术是生成艺术、交互艺术。
四、生成艺术
生成艺术（Generative art）不是一种艺术流派而是一种倾向，一种做艺术的方法。生成艺术没有统一的定义，当代艺术家对生成艺术的具体理解和定义往往根据各人的具体实践而有所不同。菲利普•加兰特（Philip Galanter）给出的一个比较宽泛的定义是：生成艺术是艺术家使用具有一定自治性的系统来实现的艺术，这种系统诸如自然语言规则、计算机程序、机器、或者其他过程性的发明，该系统的运行形成艺术作品。
生成艺术的关键要素是自治系统。自治即自组织。艺术家把部分或全部控制权交给了系统。
虽然这个定义相当宽泛，足以包容许多早期的艺术，但生成艺术的提出离不开复杂性科学，因为复杂性科学在研究复杂系统的同时也提供了理解简单系统的新视角，生成艺术的提出也使我们从新视角来理解过去的艺术。
生成艺术的系统可以是简单规则系统，如原始艺术和民间艺术中的拼贴与几何图案，埃舍尔（M C Escher）的哲理绘画中对面的规则分割，极少艺术和概念艺术中对简单有序的几何、数字序列、组合系统的运用（如Carl Andre、Sol Lewitt的作品）；可以是随机无序系统，杜尚就很强调艺术的随机性，现当代艺术对随机无序系统的运用屡见不鲜，如凯奇（John Cage）对声音的随机选择方法；运用复杂系统的生成艺术方兴未艾，是当代生成艺术的主要潮流和未来趋势，如西姆（Karl Sims）的进化艺术，佐梅雷尔(CSommereer)和米尼奥诺(LMignonneau)的人工生命艺术，约瑟夫（Joseph Nechvatal）使用病毒模型创作的数字艺术，雷纳多(Ken Rinaldo)的“自创（Autopoiesis）”音乐机器人雕塑。复杂系统的涌现行为为艺术提供了丰富的机遇和可能性，是一片待开垦的沃土。
生成艺术的复杂系统主要来自人工生命领域，包括：遗传算法、元胞自动机、L系统、神经网络、行为选择、蚂蚁算法、反应扩散系统、分形与混沌等。作为复杂性科学的具体依托学科，人工生命是一个内涵极广的交叉学科。生物系统是典型的复杂系统，而社会、经济、文化等系统也具有类似生物系统的特征，它们都是开放的、随机而又宏观有序的、具有自组织和自调控等功能的进化中的复杂系统，因而都被纳入了人工生命的研究范围，使人工生命研究具有了广泛和普遍的意义。
与人工生命密切相关的，一种常见的生成艺术定义方法是借用人工生命里基因型与表现型的概念来表示作品的生成方法，生成艺术的中心任务就是构造基因型以及基因型在其中展开为表现型的媒介。基因型编码的是艺术家想象的可能世界的概念性底层规则，基因型通过运行、解释、表演生成表现型。表现型是基因型编码的过程的实现，是形态多样的虚拟生物、数字雕刻、音乐、建筑等。每年一度的“生成艺术”国际会议的主办人、米兰工学院教授索杜(Celestino Soddu)
，以及组织了三届“迭代：电子艺术中的生成系统”国际会议的阿兰多林（Alan Dorin）和梅科马克(Jon McCormack)
，都是从这个途径定义生成艺术的。
基因型、表现型等概念来自生物学，在人工生命特别是其分支进化计算里应用。人工生命研究生命涌现的一个重要方法就是模拟进化和发育。道金斯（Richard Dawkins）是模拟进化以生成生物形态的先行者。模拟物理环境中三维形态和行为的共进化则以西姆（Karl Sims）的《进化虚拟生物》为创始
，开创了计算机图形和动画的一个新方向，对进化艺术影响比较大。同时，CAiiA-Star的博士毕业生，生物学家和艺术家CSommereer和LMignonneau从1993开始创作了一系列进化虚拟生物的交互式计算机装置，如“A-Volve”、“Life Spacies”等。
早期的人工进化没有考虑发育，基因型直接编码表现型，生成的形态比较简单，此外进化中主要是随机变异起作用，而发育过程中的自组织现象更为突出，因此近来人工进化系统更注重发育，同时也有完全专注于发育过程的生成艺术，如人工形态发生（Morphogenesis）。
生物体都是由一个单细胞受精卵经过细胞分裂、细胞分化等过程发育而来的，这个过程至今仍然充满未解之谜。生物学家在上世纪二十年代提出形态场假说来解释发育中的形态发生，但形态场的实质至今未明朗。蛋白质扩散形成的浓度梯度场可以说是一种化学形态场，而另一些形态场同样可能存在，例如生物体内光子形成的通讯网络，可能对发育同样重要
，而中国哲学讲究的气很可能也是一种形态场。
图2人工进化发育
基于人工生命的交互生成艺术（Generactive Art）是笔者的一项研究
，基于基因网络与化学形态场建立发育模型，用遗传算法进化基因网络以生成虚拟生物的形态与行为，得到的虚拟生物能够在物理模拟环境里以各种方式向食物运动（观众可以点击鼠标投食），并且对环境中的声音、运动作出反应。观众的行为会影响虚拟生物的形态和运动方式，除声音、动作外,拟采用更微妙的生物信息,例如呼吸，在中国哲学里是很奥妙的。图2是几个例子，每个虚拟生物都是由一个类似细胞的球体基元通过其中染色体与蛋白质的交互作用发育而来。
以上介绍的工作技术性很强，与笔者天然的兴趣（绘画、文学）似乎没什么联系。新媒体艺术强调自下而上的涌现，而传统艺术强调自上而下的控制（成竹在胸），二者的融合是很值得研究的，笔者正在进行的一个项目，就包括设计的角色与自涌现虚拟生物的交互实时动画，以结合涌现的新颖多变与绘画、文学等传统因素。
五、交互艺术
与生成艺术一样，交互艺术(Interactive art)也同样强调涌现。这两种艺术形式其实有深层的联系，它们都接受了复杂性科学的系统思想：从系统元素间的局部交互形成有质的不同的整体涌现。只不过交互艺术更强调把观众包括到系统中，让观众和环境信息可以影响系统的参数和演化过程，观众因而同时成为了作者，在主体与客体、内与外的交互循环中，涌现的可能性更加不可限量。
高级的交互艺术应该同时也是具有生成性的，即系统对观众的反应不应局限于艺术家预定的少数可能性，而是具有涌现的广阔空间，这样实现的交互是开放式交互，通过复杂系统的自组织，偶然的、无联系的事件链可以形成宏观有序的行为。而预先设定的简单对应的交互称为封闭式交互。无疑我们对开放式交互更感兴趣。
本文为全文原貌 未安装PDF浏览器用户请先下载安装 原版全文
交互艺术同样没有统一的定义，虽然一些早期的动力艺术、装置与表演等也可以说是交互艺术，但当代交互艺术的主要内容及其未来趋势是与复杂性科学相联系的。笔者比较接受西蒙(Simon Penny)的观点
，即交互艺术所指的交互，不应泛泛而言，而是机器调制的交互。
交互系统是一个机器系统，通过对传感信息的自动化智能化处理，对用户输入做出实时的响应；而交互艺术作品就是处理艺术主题的交互系统，它本身可以不是艺术表达，但是能根据实时输入生成艺术表达。 交互系统必须以智能化的、认知上复杂的方式来做出实时响应，因此，只有通过高速度的信息处理才可能实现。
交互艺术的控制结构可以用自动化领域常见的方块图来表示：
图3交互结构示意图传感器：检测来自观众与环境的信息（也可包括系统自身执行器的输出）,并把检测的物理量变为电信号，种类繁多，可检测运动、光、热、语音、心电、脑波等。
控制器：处理传感器信号产生输出。如电脑。
执行器：如电机、扬声器等，用控制器的输出产生动作，生成声、视、运动等艺术形式。
控制策略很多。传统人工智能采用自上而下的策略以及数据库搜索技术，只能产生封闭式交互。复杂性与人工生命是自下而上的涌现技术，成为智能控制的新方向，可以实现开放式交互。
Planetary Collegium是开拓交互艺术新形式的国际性先锋机构，其前身是英国威尔士大学CAiiA（交互艺术高级研究中心）和英国新港Star（科学技术与艺术研究中心），其主席和创始人罗伊•阿斯科特（Roy Ascott）提出交互艺术之五个阶段是
连接，沉浸，交互，转化，涌现。
观众首先必须连结，并全身融入其中（而非仅仅在远距离观看），与系统和他人产生互动，这将导致作品以及观众的意识产生转化，最后会涌现全新的影像、关系、思维与经验。
可见，交互艺术的最高阶段和最终目的是涌现，交互只是手段。面对一件生成艺术或交互艺术作品，应该注意它有何种涌现性质，眼花缭乱的效果与时髦技术不见得都有新内容新观念。
当然，交互艺术在最高阶段的涌现涉及人的经验和意识，这是新媒体提出的最困难的问题，而交互艺术也因此与意识研究发生了关系，并在当代意识研究中占有一席之地。如Planetary Collegium就一直积极参与每年一度的“走向意识的科学”国际会议。
六、意识研究
现代媒体发明家、艺术家、批评家、心理学家认为，精神表示和运作与外在的视觉效果如图象的融合、合成、编辑等可能是同构的。从弗洛伊德到当代认知心理学家都不断地把精神过程等同于外在的、技术生成的视觉形式。这种看法是与现代科技相联系的，例如神经网络的连接主义模型就显然把脑活动归于可视的斑图模式。同样，新媒体与虚拟现实被认为可使思维对象化、客观化，并透明地与精神过程融合，扩展和增强记忆、推理、意识能力。
二十世纪科技的发展最终使意识这个一直被科学拒之门外的问题成为科学研究的对象,并成为联系科学、艺术、东方哲学的一个热点。西方主流科学一直以客观和抽象的方法研究世界，然而有趣的是，在它不断地还原世界以寻找终极粒子的努力之后，它在亚原子场里只找到交互联系的事件网络，而这网络并非独立于意识而存在。量子力学的一个结果，就是“物质”消失在虚空中。亚原子粒子只不过是能量包。在量子场论中，场是基本的物理实在，其基态是真空（零点场），但真空不空，虚粒子在其中自发地生生灭灭，永不停息，受到激发才成为所谓物质粒子，构成我们世界的幻象。这正应和了中国的古老气论，万物无非气之聚散。“天下万物生于有，有生于无。”而“无”也并非一无所有，“惚兮恍兮，其中有象；恍兮惚兮，其中有物；幽兮冥兮，其中有精；其精甚真，其中有信。”按照量子力学的哥本哈根学派解释，是意识引起波包坍缩生成粒子从而构成我们的物理世界。量子力学的这种场―粒子―意识的联系与“太极元气，含三为一”的天-地-人学说颇为相似。“也许道家的道可以被看作最终的统一场，它不仅是产生物理学研究的现象的根源，也是产生包括意识在内的所有其他现象的根源。”
与此同时，与佛、道对自我的否定遥相呼应，当代认知科学发现人的自我意识并非一个居于中心地位的统一体，我们的思维和情绪并非只有一个控制中心，我们对自己的思维过程并没有完全的控制权。按照认知的连接主义模型，我们通常归属于自我的现象其实是没有“我”参与的自组织过程。科学对意识研究得越多，越发现古老东方哲学的价值。道家内丹修炼的阴神、阳神，佛家的阿赖耶识，其对意识洞察之高深远非目前科学所能及。
这些发现的结果，就是科学不能再忽视意识问题，不能再忽视东方哲学。虽然量子理论似乎与东方哲学相容，然而，“其含义不是我们能够指望通过研究理论物理而增加对意识的理解，而是我们现在必须认真考虑用主观认识论补充或取代目前的主流认识论。”
意识成为纯科学研究要攻克的最后一个堡垒，是当今科学最前沿学科交叉跨度最大的领域，已经不局限于正统西方科学、哲学的方法，而包容了艺术、东方神秘主义传统，因为意识本质上只能以第一人称方法来掌握。如何结合第一和第三人称的方法，是目前意识研究的方向和难点。
与此相联系，新媒体先锋Planetary Collegium以艺术、技术、意识的跨学科研究作为工作中心，寻求原始巫术、超心理学、亚洲哲学等人类智慧传统与新科学的结合点，其关心的问题包括：生物光子学与迄今被忽视的生物信息通道（如经络与气）的可能联系
；虚拟现实、网络感知与土著巫师服用药草所致的超常意识的沟通
，等等。Ascott提出“湿媒体（moistmedia）”来表示人机交互中湿性生物学与干性电路难分难解的状态
，这是交互技术与艺术发展的趋势。研究和创造新媒体交互过程中人的经验和意识，在主体与客体、心与物的循环中探索艺术的可能性，就是探索自我的可能性。在后生物与后人时代，人将在与机器、其他生命的共生中重新定义，决定一切的是意识，而中国哲学的参与，将减少向茫茫未知的盲目历险，使意识研究成为我们“复性”旅程的一部分。“天命之谓性”，圣人五十知天命，一般人一辈子糊涂，却也喜欢谈论永恒的人性(或者改造人性)。意识研究不管使用什么高科技新发明，这才是真正的问题。中国新媒体艺术家应当把握这个复兴中国传统哲学美学的契机，认真思考“气韵生动”、“艺以载道”这些老话题在当代的新意义。
七、新媒体：第三种文化
近代自然科学与人文学科分裂以来，自然科学发展迅猛同时异化的倾向也日益严重，艺术与人文学科则日益呈现被动甚至退化趋势。当代最重要的文化塑造是在科学家的实验室而不是艺术家的工作室进行的。自从斯诺在《两种文化》中提出这个问题并在该书第二版里建议一种新的“第三种文化”以弥合两种文化的鸿沟以来
，迄今情况并没有什么改善。新媒体艺术创造了一个在人文学者与科学家之间积极对话的空间，从而促成第三种文化的涌现。
两种文化的鸿沟在中国尤其明显。笔者参加了一次在某艺术学校召开的全国性数字艺术会议，学校大门口立着创立者颜文的大笔题字，与会诸公进进出出若无所睹，笔者随便问了几个人，都不知颜文何许人。这件小事反映了什么问题呢？在数字艺术（或新媒体、数字媒体等）大旗下，会聚了众多非艺术专业背景的人，很多同志对艺术所知甚少，然而数字艺术对技术的依赖却戏剧性地把他们推上了潮头。成百上千的理工农学院成立了数字艺术类专业。另一方面，艺术学院的数字艺术对日新月异的新媒体核心技术的了解掌握不足，往往仅视科技为实现自己想要的效果的工具，这种“换笔”思维是肤浅的，不可能与科学家深入合作。艺术的神话早就破灭了，说到底，人人天生就是艺术家，科技不欠艺术什么，艺术离开科技就将成为古董或花瓶。所以Ascott说，艺术家不但要思考科学如何对艺术有用，也要思考艺术如何对科学有用
本文为全文原貌 未安装PDF浏览器用户请先下载安装 原版全文
？Planetary Collegium多年来一直积极参与“Toward a science of consciousness”以及Siggraph等科学会议，值得我们很有创意的艺术家们思考。
如果不改变科技与艺术断裂的现状，那么，我们的新媒体艺术不新，甚或与传统断裂，成为异化而非文化，并非危言耸听。技术一日千里，这个庞然大物投下的希望与阴影一样多，如果艺术家不主动去构想其光明的一面，也许将来就不得不被动地生活在其阴影里。技术并非天然美善的，正如在当代科学最前沿的意识研究领域已经认识到的那样，如果对意识的科学研究不考虑我们日常的理解以及古老东方哲学的第一人称经验，那么未来的文明（机器与人共处的文明）走向可能是危险的。意识研究对东方哲学与艺术的关注并不仅仅是科学问题，也是伦理问题。
图4太极图提出自创（Autopoiesis）理论的法国科学家维热纳（Francisco Varela）说，当代科学对亚洲哲学的再发现可能将成为西方文化史上的第二次复兴，其意义与欧洲文艺复兴时期对古希腊思想的再发现一样重大。笔者认为，新媒体艺术应该就是这个新文化的开路先锋，作为第三种文化，它不仅要连接科技与人文，也应该连接西方科技与东方哲学。这对于中国艺术家尤其意味深长。如果说艺术的本质就是意识的创造与传达，那么与中国哲学相联系的中国艺术，其“艺以载道”的美学追求无疑是最高明的，道不落于顽空，艺不失于低俗，当它与新媒体科技联姻之时，将是何等博大精深的文化气象，既是中国的也是世界的“文艺复兴”。
也许应该赋予“第三种文化”这样的新意：它连接所有文化的二元对立，是在对立二元充分交互过程中具有涌现性的“二生三”（见图4）。那么新媒体艺术作为第三种文化，其内涵就更加丰富奥妙，对于我们以艺进道、整合意识和文化具有重要的意义。这与Ascott提倡的syncretic art有异曲同工之妙
，值得进一步研究。
参考文献：
Lev Manovich，The Language of New Media，MIT Press: Cambridge, Massachusetts / London, England 2001约翰霍兰（著），陈禹（译）涌现――从混沌到有序上海：上海科学技术出版社，2006
米歇尔•沃尔德罗普(Mitchell Waldrop)(著)，陈玲（译）复杂：诞生于秩序与混沌边缘的科学北京：三联书店，1997
Wengao Huang,Self-organization, New Media and Traditional ChinesePhilosophy, "New Media Art, Technology and Education": Multimedia Art Asia PacificInternational Conference 2004 Singapore
Huang Wengao, Pattern Formation in Mutation of Game of Life,Journal of Zhejiang University SCIENCE, 2005 6A(Suppl I):66-69
Galanter Philip, 2003 What is generative art? Complexity theory as a context for art theory In 6th International Conference, Exhibition and Performances on Generative Art and Design (GA 2003), Milan Available online at and at
wwwcelestinosodducom/
McCormack, J Dorin, Art, Emergence, and the Computational Sublime, in Second Iteration: Proceedings of the Second International Conference on Generative Systems in the Electronic Arts, Dorin (ed) CEMA, Melbourne, Dec 2001, pp67-81
Sims, K Evolving Virtual Creatures,Proceedings of Siggraph1994,Orlando, Florida, 1994, pp 15-22
Sommerer, C & Mignonneau, L Modeling the Emergence of Complexity: Complex Systems, the Origin of Life and Interactive On-line Art LEONARDO, 2002,35(2):567-575
Roy Ascott，Consciousness, Connectivity and Coherence: a biophotonic perspective，“QI and COMPLEXITY”Consciousness Reframed2004:The6th international research conference Beijing, Dec 2004
Wengao Huang, Circular Causality in Interactive Morphogenesis, "Altered States: transformations of perception, place, and performance", A transdisciplinary conference convened by the Planetary Collegium, University of Plymouth, UK, 22 - 24 July 2005
Wengao Huang Evolving Gene Regulatory Networks for Virtual Creatures, Fourth International Conference on Natural Computation, Volume 6 pp396-400,200810
Simon Penny，From A to D and back again: The emerging aesthetics of Interactive Art，Leonardo Electronic Almanac april 1996 consciousnessarizonaedu/
Capra, F (2000), The Tao of Physics, Boston: Shambhala Publications, Incp211
Harman, W W (1996),‘Toward a Science of Consciousness: Address two Central Questions’, Toward a Science of Consciousness (ed Hameroff, S R, Kaszniak, A W, Scott, A C), Massachusetts: the MIT Press, pp743-751
Roy Ascott，Seeing Double: Art and the Technology of Transcendence, In: Roy Ascott(ed) Reframing Consciousness, Intellect Books, Exeter, UK / Portland, Oregon, USA, 1999, pp66-71
Wengao Huang, New Media Art as Embodiment of Tao, In: Mel Alexenberg(ed) Educating Artistsfor the Future, Intellect Books, Bristol, UK/Chicago,USA, April 2008, pp155-168
CP斯诺（著），纪树立（译）两种文化北京：三联书店,19943
Roy Ascott, Pixels and Particles: The Path to Syncretism,In: Mel Alexenberg(ed) Educating Artistsfor the Future, Intellect Books, Bristol, UK/Chicago,USA, April 2008, pp47-60
篇9
[关键词]物流管理专业；新文科；航空院校
2020年11月3日，《新文科建设宣言》正式，标志着新文科建设进入了快车道。2021年7月30日，在第二十届全国高校物流专业建设研讨会上，《物流管理与工程类专业新文科建设行动纲领》（以下简称：行动纲领）正式。《行动纲领》从人才新标准、人才培养新模式、专业新布局、课程新体系、思政课程新要求、教学新范式和质量建设新文化等七个方面绘制了物流新文科建设的“行动图谱”，明确了物流新文科建设的行动目标、行动原则和行动要点。新文科建设的本质在于立德树人[1]，新文科建设是一项系统工程[2]，要从新模式、新范式、新标准、新方法探索建设路径[3]。新文科建设的重要抓手之一，就是专业建设。要从需求导向、目标导向、特色导向出发，探索文科类专业的融合发展与持续优化[4]。在《新文科建设宣言》和《行动纲领》指导下，航空院校物流管理专业如何通过融合发展，不断提升专业竞争力，满足新形势下经济社会发展的需求，坚守并砥砺“为党育人、为国育才”的初心使命，成为教育界普遍关注的问题。
1高校物流管理专业发展存在的问题
当前物流管理专业人才已经成为我国12种紧缺人才之一。从物流管理与工程类所包含的四个专业来看，物流管理专业布点数最多、在校生规模最大（见表1）。截止2021年，全国物流管理专业可招生专业点共计525个，远高于物流工程的141个，采购管理的7个和供应链管理的39个。各高校物流管理专业的开设，为物流产业发展培养了大量的优秀人才。但在新时期，特别是新技术应用、新业态涌现、新经济发展的大背景下，物流管理专业传统的发展模式，已经不能满足新文科建设与发展的新要求。存在的突出问题包括：（1）专业思政建设不系统。专业思政就是贯彻落实立德树人根本任务，把思政教育贯穿到专业建设各要素全过程。从物流管理专业思政建设情况来看，存在着抓一点、不抓全面，抓规划、不抓落实等问题。即便是同类专业普遍开展课程思政建设，但仍未能通过专业课程体系、师资队伍、教学规范等体系化思政建设，将思政教育融于人才培养的全过程。同时，个别专业存在着思政建设没有抓手、思政建设过于空泛等问题。（2）专业同质化现象严重。从近两年物流管理专业点的新批和撤销来看，基本保持平衡。但这也反应出来部分高校在物流管理专业建设与发展过程中，由于专业竞争力弱等问题，处于留与不留的两难境地。导致这一问题出现的一个重要原因，就是各高校的物流管理专业同质化现象严重，专业特色不明显[5]，同类专业之间差别不大，专业不能与学校所属行业、所属区域经济发展趋势等有效融合，从而出现“千校一面”的现象。（3）专业边界过于明显。从学科属性来看，物流管理专业归属于管理学科（管理科学与工程或工商管理一级学科）。在传统理念下，各专业往往独立发展、边界明显，物流管理专业与同一学科内部的其它专业（如信息管理与信息系统、市场营销等）能够有一些交叉，然而跨学科专业之间（如金融学、国际经济与贸易等）的交叉往往很少，这导致专业培养方案设计中平台类课程过少，而专业课过细、过多，达不到资源共享、人才共育的目标。同时，管理学科与工科、理科等学科的交叉融合难度更大。由此，如何打破专业边界，实现“管工融合”的跨学科的物流管理专业融合发展，成为一个难点问题。（4）新兴技术融入不足。随着人工智能、区块链、云计算、大数据（ABCD）为代表的新一代信息技术的发展应用，经济社会领域的新业态、新模式不断涌现，智慧物流、供应链金融等新兴岗位需求难以在原有的物流管理专业培养体系中得以满足，传统专业面临着如何与新兴技术的融合问题。同时，受国际贸易保护主义、单边主义的影响，经济发展格局发生了重大变化，产业链供应链自主可控成为新的发展需要，而物流管理专业传统的课程体系设置，也无法满足新形势下的需要。（5）校企协同深度不够。尽管经济社会发展对物流人才需求发生了变化，但物流专业在人才培养方案的制定上仍存在与社会需求不匹配现象，未能有效实现OBE理念下的按需培养，产教融合仅停留在企业认知实习和一两周的专业实习，没有能够有效深入企业生产经营的关键环节。校企协同缺乏有效的机制构建行业企业与专业信息共享和互通的桥梁，远不能实现校企联合的订单式、定制式人才培养。
2新文科背景下航空院校物流管理专业发展模式
（1）以航空精神引领立德树人。高等教育的根本目的是人才培养，立德是人才培养的重要目标。如何落实立德树人根本任务，是物流管理专业建设与发展的重要工作之一。新文科对立德树人提出了新的要求，如何将课程思政与新文科专业建设有机结合，同时避免空泛的课程思政建设，是一个关键问题。对于航空院校物流管理专业而言，德性教育与课程思政建设，要紧密结合我国航空工业发展历史，充分挖掘“航空报国”精神下的思政元素，并与专业培养方案、课程建设、教学方法、实践教学体系等有效融合，让课程思政落到实处，用航空精神引领立德树人根本任务的实现（如图1所示）。首先，基于OBE理念优化培养方案，将航空元素贯穿物流管理专业培养目标、毕业要求和课程体系全过程；其次，注重航空特色课程建设，开发航空物流类系列教材；再次，不断创新教学方法，特别是开发航空企业教学案例，讲好中国情景下的好故事；最后，优化实践教学体系，特别是拓展典型航空企业校外实习基地，在实践中进一步丰富航空精神的内涵。（2）以“管工”融合打破专业边界。新文科建设的基本抓手之一，是协同育人，要构建跨专业、跨学科的协同育人机制，打破专业边界，实现资源融合共享。首先，要打破学科与专业存在的二元发展问题，实现学科与专业的互相支撑、互相促进。对于物流管理而言，既可以归属于管理科学与工程一级学科，也可以归属于工商管理一级学科。无论如何归属，学科的建设重点与专业的发展都要互相结合。具体来讲，对于航空院校物流管理专业而言，首先供应链与运营管理是一级学科的重要方向之一，在此方向下可重点建设航空运营与优化学科团队，通过学科团队建设支撑学科特色发展。与此同时，航空运营与优化团队，又对应物流管理专业，从而将学科对航空物流领域前沿知识的研究与本科人才培养有机融合在一起，真正体现学科与专业的互相促进。其次，要充分结合航空院校工科特色与优势，着力实现“管工”融合。具体而言，充分利用机械学科、航空宇航学科的优势资源，在物流管理专业开设“工程+”系列课程和“航空+”系列课程，将航空背景下的管理与工程相结合，并设置工程训练实践环节。同时，利用理科的师资优势，开设经济数学、智能算法等课程，并在学科方面联合开展物流优化研究。（3）以航空物流塑造专业特色。新文科背景下，高校物流管理专业要结合所在区域、所属行业的特点，着力打造专业特色，避免日趋严重的同质化问题，寻求差异化发展。对于航空院校的物流管理专业而言，应紧密依托航空院校的行业背景优势，探索航空物流特色凝练，形成相较于同类专业的错位优势（如图2所示）。具体来说，一方面，聚焦航空货运物流，开设“航空物流导论、航空货运管理、机场运营管理、航空运输规划、民航配载”等特色课程，并与机场、航空公司等建立稳固的特色实习基地，从理论教学和实习实践两个方面将航空货运的知识体系固化下来。另一方面，面向航空制造企业物流，在开设采购管理、仓储管理、供应链管理、生产运作管理等专业核心课程基础上，将航空制造企业的物流活动作为各类专业课程教学的重要内容，并从产业链供应链自主可控角度，引导学生关注航空工业供应链全流程；同时，深化与知名航空企业（如飞机、发动机）的校企协同，联合开展物流专业人才培养.（4）以新兴技术提升专业能级。新文科建设中提出要将人工智能、大数据等信息技术与原有专业深入融合。充分考虑物流管理专业情况，将物流领域作为大数据的应用场景，将大数据分析作为专业的基本技能，引入大数据、人工智能、区块链等特色课程，重点发展智慧物流方向，从而实现面向应用场景的专业能级提升。新一代信息技术与专业的融合，具体体现在专业培养方案的设计上，考虑到物流管理专业的场景应用性，应重点围绕大数据获取、商务数据分析、数据可视化等开设系列应用、实战类课程。具体思路如图3所示。（5）以产教融合促进专业转型发展。新文科专业建设的重要原则之一，是以新的功能为目标进行专业建设，那就是必须把社会需求作为专业建设的重要准则和导向[4]，而贯彻这一准则的重要手段就是深化产教融合。立足产教融合，以物流管理专业的应用型转型为目标，构建行业企业与专业资源共享和信息互通的桥梁，建立与社会用人单位联合培养机制，解决目前行业企业需求与专业人才培养不匹配的问题。一方面，依托物流管理专业现有的优质实践基地，建立院企会商机制，定期召开学院与实习单位的对接会，邀请企业参与人才培养的全过程，紧密跟踪企业对人才、岗位需求的新变化，优化校外实践任务分配。另一方面，优化设计产教融合实践教学体系，打通从认识实习到顶岗实习的路径，聘请企业人员承担部分理论教学与实践指导任务，引领学生了解行业发展动态，提升学生对未来职业的准备度。
3结语
新文科建设背景下，物流管理专业建设面临着新的使命。作为典型的“管工”融合专业[6]，航空院校物流管理专业要坚持“融合、协同”发展的模式，通过塑造航空物流特色提升专业比较优势，通过融入航空元素构建专业思政体系。同时，要主动打破专业边界，融合新一代信息技术，拓展智慧物流培养方向；通过跨学科融合，实现跨界发展。最后，要强化校企协同人才培养，通过订单式/定制式培养模式创新，不断推动专业的应用型发展。
[参考文献]
[1]陈凡,何俊.新文科:本质、内涵和建设思路[J].杭州师范大学学报(社会科学版),2020(1):7-11.
[2]龚旗煌.新文科建设的四个“新”维度[J].中国高等教育,2021(1):15-17.
[3]黄启兵,田晓明.“新文科”的来源、特性及建设路径[J].苏州大学学报(教育科学版),2020(2):75-83.
[4]刘利.新文科专业建设的思考与实践:以北京语言大学为例[J].云南师范大学学报(哲学社会科学版),2020,52(2):143-148.
[5]黎其健,唐臣.职业本科背景下新工科新文科与物流学科发展建设研究[J].物流科技,2021(7):174-176,179.
篇10
【论文摘要】：心灵观念起源于原始人解释梦境等现象的需要，原始人的这种直观、猜测的结果对后来的哲学家、心理学家在实践、研究中造成根深蒂固的影响--认为人身上存在着独立的实体--心灵。这种将统一的人截然二分的原始观念，造成了哲学史上"二元论"长期占据实质的主导地位。当代分析哲学的兴起，从语言学角度的分析使人们逐渐认清心灵的真面目，心灵观念的再认识就显得尤其重要。
奥古斯丁曾说过，时间是什么？你不问，他还知道，你一问，他却困惑。关于"时间"的奥古斯丁式的回答，也同样适宜于"心灵"。我们时常谈论心灵，但真要反躬自问，什么是心灵？恐怕同样会陷入奥式迷茫之中。其实，以往我们对于心灵的起源问题的研究和认识，大多数理论和学说都是建立在一个错误的、常识性的本体论承诺上的：世界上除了物理实在和属性之外，还有心理实在和属性。正是由于基础的、方向性上的错误，导致诸多哲学问题长期得不到实质性的解决。
一、心灵的起源：原始思维
原始人是能够思维的，但他们的这种思维能力还处于文化水平低级发展阶段。在他们的日常生活中，他们生物学现象深感迷惑。第一，活着的能说话能行动的人和死亡的人之间有什么不同？为什么会有清醒、睡眠、梦、疾病、死亡等状态的发生？第二，那些在梦和幻觉中出现的人形又是什么？原始人的这种好奇心和原始的探索精神，让他们大概初步作出这样一个明显的结论，"即每个人都有两种东西属于他们所有，这就是自己的生命和自己的幻象。这两类现象显然都处于与身体的密切联系中：生命使身体能够感觉、思想和行动，幻象则是身体的映象或者它的第二个''''我''''。不管是生命还是幻象，都同样被感知成与身体分离开的东西，生命被感知成能够从无感觉或者死的躯体里脱离出来走掉，而幻象则被感知成能够向远离这个身体的人们现形。"这不过是生命与幻象的合并。原始灵魂观念认为，"灵魂是一种稀薄的没有实体的人形，本质上是一种气息、薄墨或影子；灵魂是它使之生的那个个体中的生命和思想的本原，它独立地占有它的从前或现在的肉体拥有者的个人意识和意志；它能够离开身体很远，并且还能突然表现物质力量，特别是能够作为一个脱离了身体的、与身体在外貌上相象的幻象而出现在睡着或醒着的人们面前；她能够在这个身体死后继续存在并在人们面前出现；它能够钻进其他人、动物甚至物品的体中，控制着它们，在它们里面行动……"并且，原始人认为人的灵魂不只一个。基于他们的理性认识尚不发达，他们还没有形成具有多种功能的统一的灵魂观念。托列斯海峡的土著人认为，马利（mari）的一部分在人死后就离开了，而另一部分则继续留下，直到她被吓走为止。在北美，灵魂由复数组成被看成是个定则。某些希达查人认为一个个体有四个灵魂，并以此观念解释逐渐死亡的过程。例如，当意识还未消失时，四肢冷却了。他们认为这是因为四个灵魂是在逐个离开的。达科他人（Dacotans）认为人有四个灵魂：肉体的灵魂，与肉体同死；永远留在身体或留在身体近旁的灵魂；对肉体的行为负责的灵魂；永远留在死者的一小束头发附近的灵魂。
由于原始人的认识主要以直观、想象、猜测等为特征，不知道也不可能去自觉地把握事物的性质与本质，因此他们也没有自觉地说明灵魂的性质与本质，即不知道从哲学基本问题的高度去说明灵魂究竟是物质性的还是精神性的，没有阐明灵魂区别于肉体和自然事物的本质特征。原始人的这种直观的猜测、想象，必然地影响着后来的哲学家们对此问题的思考。
二、传统哲学对心灵的探讨
在传统的心灵哲学研究中，我们的探索是从"心灵是什么"、"具有什么本质"这样的"苏格拉底式问题"出发的。其实，以这种方式提出问题的同时，我们就预设了这样一个前提的：心灵是存在的。而在当今"分析的时代"，这种研究方式遭到越来越多的研究者的质疑。心灵或灵魂真的存在吗？如果存在，那么传统哲学的庞大体系将得以保存并发扬广大；如果不存在，那么以往对"心灵"所作的全部研究将面临着颠覆性的危机。伴随着计算机科学、神经科学、人工智能和认知科学等前沿科学的迅猛发展，传统的心灵哲学的观点越来越站不住脚，在当代所谓的"本体论变革"的呼吁声中，其弊端也日益显露出来。在古希腊，亚里士多德之前的哲学家通常都把灵魂或心灵看作是一种实体。但对这种实体的本质却有两种不同的回答：一是朴素唯物主义的（如米利都学派），认为灵魂像其他事物一样是由物质性本原（气、水、火、原子等）构成的；一是二元论的（如柏拉图），认为人的存在分为灵魂和肉体两个部分，他认为具有认识能力的灵魂只有摆脱肉体的困扰才能最好地思维。从亚里士多德开始，对心灵的认识发生了重大转折，即从对实体的构成本质转到了对心理的作用、关系的探讨。人的灵魂是由知觉、统觉、想象、一记忆、愉快和痛苦、欲望和厌恶以及理性思维等精神职能因素构成的。因此，它不是实体，而是一组功能、能力或属性的组合，"灵魂之于身体，犹如砍劈之于斧头"，斧头的砍劈功能必须靠身体的动作表现。就心理的作用过程而言，心灵就像一块蜡，它对外物的反映，就像图章戒指在蜡块上留下的印痕。
中世纪神学家的灵魂观带有典型的宗教色彩，大多承认灵魂的实体性。如奥古斯丁认为，"灵魂对我而言，似乎是一个有规定性的实体，是由理性武装起来的用以主宰肉体的实体。"他强调灵魂之于肉体的先在性，他认为，人是"一个随意使用肉体的灵魂。"即理性灵魂是人的本质，但它作为人的本质，是相对于肉体的作用而言的。灵魂与肉体的实体性跟上帝相比都是不完满的，处于缺乏状态。灵魂和肉体的结合也正是由于它们各自的缺乏。他不再像柏拉图那样，将肉体视作灵魂的坟墓，而是看作灵魂的运动场所。
一般认为，现代西方心灵哲学是从笛卡尔开始的。笛卡尔一方面认为，心灵和身体是两个性质根本不同的实体，前者能思维而无广延，后者有广延而不能思维。另一方面，他又认为，心灵"与肉体在实质上又是联系着的"，而且心灵可以自由地决定身体运动，肉体对外物的感受又会为心灵所觉察，心灵通过肉体有情绪的变化。既然心灵是无广延的实体，它又怎么能与有广延的身体发生关系呢？无广延的心灵怎么能支配有广延的肉体的运动呢？有广延的肉体的感觉怎么能传到无广延的心灵呢？要么心灵与身体在性质上没有根本区别，否则就不可能发生交感；要么心灵与身体根本不可能有联系、发生交感，否则两者在性质上就没有根本区别。笛卡尔在心身关系上陷入了无法自拔的二元论与交感论的矛盾。
综上所述，从古希腊到近代，不管是柏拉图的轻视肉体、重视灵魂，灵魂只有在摆脱肉体后才能最好地进行思维，还是奥古斯丁灵魂与肉体的结合以成就灵魂的事业，还是笛卡儿的身心交感说，无一不透露着大多数哲学家心底的"二元论"。这种潜藏在哲学家心底不知不觉地发挥作用的"二元论"的根源于原始灵魂观念：当原始人解释梦的存在时，统一的人就被截然劈成两半了。人是由身体和心灵（灵魂、心理、意识、精神）两部分构成的。每个人都有一个躯体和一个心灵，躯体和心灵被套在一起，而且在躯体死后，心灵仍继续存在并依然发挥作用。因此，尽管大多数反二元论的哲学家，或在许多问题上都坚持唯物主义因而承认自己是唯物主义哲学家的人，其实并没有真正摆脱二元论的纠缠，在看待人及其心灵时，其实仍是二元论的。正是在这个意义上，著名哲学家赖尔、维特根斯坦和奎因（W.Quine）等人认为，二元论是自古以来的"权威的学说"。罗蒂指出："每个人都总知道怎样把世界分为心的部分和物的部分，这一区分是常识性的和直观性的。"
三、心灵究竟是什么？
当代心灵哲学呼吁研究方式的转向的要求似乎可以用这么一个例子来阐述其必然性：在很久以前的一个遥远的国度里，一个民族深切关心着戈肖克问题，尽管没有人知道戈肖克是什么，但每个人都赞同他（她或它）是非常重要的，这个民族世世代代最有头脑的人都献身于戈肖克事业，但始终没有人找到答案，就在人们认为似乎已经陷入了毫无希望的绝境时，终于有个人这样假设：戈肖克仅仅是个名词而已，除了词语之外一无所有。由此看来，或许"心灵"的问题以及心身问题之所以长期困扰着我们，在很大程度上，是由于我们的思维方式和研究方向出了差错，以致研究的结果往往和研究的初衷南辕北辙。
当代分析哲学大师维特根斯坦和J.杰恩斯等人对心理语言形成过程和本质的分析令人耳目一新。他们的研究成果，引发了当代的心灵本体论变革的潮流。杰恩斯认为，意识、思想后于语言，完全是由语言的运用所虚构或杜撰出来的，是物理世界一种虚幻的类似物；人在创制和使用心理语言时，并没有什么真实的事件和过程要表达。从语言的具体内容看，人类语言指称对象或表示对象的方式经历了从简单到复杂，从具体到抽象，从物理语言到心理语言的发展过程。人类最初的词语都是关于可见可触、直接具体、与人的生活息息相关的事物的，甚至直到文字产生以后，都很少见到表示复杂、抽象的性质以及人的内在心理过程的词语。心理语言主要通过两种途径形成：一是表示实体的心理语言借助推论从相应的物理语言转化而来，二是隐喻和类推。灵魂观念的产生则是这两种方式共同作用的结果。正如杰恩斯所说："我们用来指称心理事件的每一词语都是行为世界中的某种东西的隐喻和对应词。我们用来描述真实空间中的物理行为的形容词通过类推变成了描述心灵空间中的心理行为的对应词。"杰恩斯通过追溯心理语言的起源，得出了如下结论：心理语言是借助于隐喻、类比从物理语言中转化产生的；心灵是真实世界的类似物；心理语言是意识产生的前提。
基于以上的分析，我们可以作出这样的判断：心灵是人们在解释的需要中产生的，并不存在独立的心灵实体。我们常说的"心灵"是一种解释上的设想，因为说人有心理实在并没有增加世界的物理内容。既然如此，它就不能进入物理事件的因果关系网络中。这种对心灵的一种解释上的设想，就像是我们为了描述某一空间区域会借助某种坐标系统一样。而这个被借助的系统并不存在，只是我们的解释离不开这个虚构的解释项。
参考文献
[1]《论灵魂的量》ⅩⅢ.22,《奥古斯丁晚期对话》拉德对照版,P49.
[2]马克思恩格斯选集(第四卷)[M].北京:人民出版社,1972.
[3]杨魁.从原始人的灵魂"观念"看人类认识观和思维观的早期萌芽[J].甘肃社会科学,1995(3).
[4]殷筱,高新民.从心理语言的种系发生看原始灵魂观念的生成[J].长江大学学报,2007(2).
[5]刘占峰,高新民.心灵观念的语言学之源--兼评杰恩斯关于心理语言的"古生物学研究"[J].郑州大学学报,2007(5).
[6]高新民,储昭华.心灵哲学[M].北京:商务印书馆,2002.
