演绎推理的逻辑要义范文第1篇

【 英文 摘要】philosophical logic is a polysemant in contemporary logical literature.we believe it's a non-classical logic with philoso-phical purport or cause.its rise aroses a lot of theoretical problems.this essay expounds the limits of classical logic,non-monotony and deduction,logical mathematicalization and depart-mentalization,the ownership of inductive logic,etc.

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

【正文】

   

    哲学逻辑的崛起引发一系列理论问题。我们仅就其中几个提出一些不成熟的看法。

    一、经典逻辑和非经典逻辑的界限

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

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

    经典逻辑是外延逻辑。外延性逻辑具有下述特点：第一，这种逻辑认为每个表达式（词项、语句）的外延就是它们的意义。每个个体词都指称解释域中的个体；而语句的外延是它们的真值。第二，每个复合表达式的值是由组成它的各部分表达式的值所决定，也就是说，复合表达式的意义是其各部分表达式意义的函项，第三，同一性替换规则和等值置换定理在外延关系推理中成立。也是在20年代初，刘易士(c.i.lewis)在构造严格蕴涵系统时，引入初始模态概念“相容性”（或“可能性”），并进一步构建模态系统s1-s5。从而引发一系列非外延型的逻辑系统出现，如模态逻辑、时态逻辑、道义逻辑和认知逻辑等等出现。

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

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

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

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

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

    二、非单调性与演绎性

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

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

 

t=(｛p｝,｛δ[,1]=p:r/r,δ[,2]=r:ps/ps｝)　     (｛δ[,2]｝),｛δ[,1]｝，φ是s在t中的缺省证明。

    形式地说，φ在正规缺省 理论 t=(w,d)中的一个缺省证明是满足下述条件的d的子集合的有穷序列(d[,0],d[,1],…d[,k])：

    （i）φ从wucons(d[,0])得出。

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

    （iii）d[,k]=φ。

    （iv）wucons(u[,i]d[,i])是一致的。

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

    附图

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

    三、逻辑的数学化和部门化。

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

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

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

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

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

    四、哲学逻辑划界问题

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

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

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

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

   

 

【 参考 文献】

    [1]antoniou,g.:1997,nonmontonic reasoning, the mit press,cambridge,masschusetts.

演绎推理的逻辑要义范文第2篇

作者：王嘉顺 单位：华侨大学哲学与社会发展学院

社会学研究中的演绎逻辑类型及其特点

在前文已经提到社会学研究中的理论检验就是借助于演绎的逻辑，才能够从抽象的理论中得到相对具体的假设，进而通过对假设的检验来实现对理论的检验，但是在降低理论抽象层次的过程中，如果不能够严格遵循一定的演绎逻辑规则就有可能出现研究假设与理论不处在同一逻辑体系下的情况，如果是那样，就不能真正验证所需检验的理论。为了说明这个问题，我们先要介绍演绎的两种类型，一个是逻辑演绎，另一个是经验演绎，这两种方法都有一些自身的先天不足。对于逻辑演绎来说，这种方法主要在自然科学中应用，而运用最好的就是数学。数学可以用非常抽象的语言将处在不同抽象层次的公理、概念、定理联结在一起居于同一逻辑体系之下。数学主要是根据一些已知的公理为基础，然后根据一定的演绎规则推理出需要的定理。社会科学的研究者也借鉴了这种方法，他们也大致应用这种定理化方式来演绎理论假设，所不同的是他们演绎的基础不是一些不证自明的公理，而是一些暂时假定成立的理论，而这些理论可能是通过归纳逻辑得到的，也可能是经过前一阶段的检验而获得暂时的稳定性，但是不论何种，都存在各自逻辑方法上的缺陷带来的理论有效性的质疑，因此在应用这些理论来演绎出更低抽象层次的假设时就有可能使研究假设带上理论本身固有的某些缺陷。此外，社会学中的理论都包含必要的概念，而有一些流传甚广的理论中的概念没有被清晰定义过，并且社会科学内部并没有对所有的概念及其测量方法达成一致的认识。但是逻辑演绎的一个优点就是它能从原先那些无法被验证的公设①中推演出研究命题，并且保证这些研究命题和推演出它们的公设处在同一个抽象层次。而对于经验演绎来说，由于社会科学的研究对象毕竟不如数学的研究对象那样单纯，社会学不太可能根据逻辑演绎方法推演出如数学那样抽象的命题或者研究假设。所以实际上，社会学的研究者为了能够得到可以被直接观察、直接检验的研究假设往往运用经验演绎的方法。这种方法实际上就是将理论抽象层次更加降低。在得到研究假设之后，运用经验演绎的方法，研究者可以将假设中的概念与其变量联系起来，在经验层次上得出更加具体的假设也即工作假设。在得到工作假设这一过程中很重要的步骤就是操作化，即给概念下操作性的定义，正是通过这一步骤，研究者可以收集到能够反映概念内涵的资料。可以看出经验演绎可以克服逻辑演绎的不足。经验演绎能够将抽象的理论及概念降低抽象层次使之转化成可以被观察到的指标，从而使理论在经验材料中得到检验。并且由于有了具体的指标，研究者可以根据具体的指标收集所需的资料，从而避免收集资料上的盲从性。但是与逻辑演绎所擅长的相反，经验演绎的缺陷就在于理论中的概念及其变量、指标是处于不同的抽象层次上的。

社会学研究中的演绎逻辑使用通过简单的分析

我们可以在理论检验的初步阶段应用逻辑演绎的方法从既有的理论中推演出理论假设，应用这样的推演方法可以保证研究假设和推演出它们的理论处在同一个抽象层次，从而使理论和收集的资料保持一致的逻辑关系；而在检验的后一个阶段，研究者可以应用经验演绎的方法，在得到具体的研究假设之后，运用经验演绎的方法，研究者可以将假设中的概念及其变量联系起来，以使理论得到具体的验证。但是还应该看到即使将这两种方法结合起来后，虽然可以解决部分方法上的不足，但是还有些缺陷不能得到很好的解决，其中之一就是概念的内涵检定及其变量、指标的确定。某个概念究竟具有哪些维度，不同的维度究竟需要哪些变量、指标来代替是一个理论素养和经验积累的问题。社会学研究中有时需要对某些概念进行测量，而选取概念的哪些维度则要视研究者的需要而定。当然每个概念的情况各不相同，有时是不同的研究者对其认识不同，而对于一些相对比较经典的概念，就算研究者之间已经形成比较接近的认识，但是对于概念的内涵及外延的界定不清楚，仍然会造成对概念的内涵检定及其变量、指标的确定的不清楚的问题。

演绎推理的逻辑要义范文第3篇

关键词：概率归纳；逻辑；概率论

Abstract: From Mulle’s discussion of the probability， after W.S.Jevons’s foundation to the probabilistic inductive logic， until the system of modern probabilistic inductive logic which Carnap represents. This article inspects the process of which probability inductive logic developed， promulgates the reason which it rises， and analyzes some new tendencies of the modern inductive logic .

Keywords: Probabilistic inductive logic; Theory of probability; Probability

概率归纳逻辑旨在以数学的概率论和现代演绎逻辑为工具构造归纳逻辑的形式演绎系统，是现代归纳逻辑的主要发展方向。

一、概率归纳逻辑的开创

18世纪 40年代，休谟指出归纳推理不具有逻辑必然性，认为它只把真前提同可能的结论相联系，是主观的、心理的，不曾想到当时概率论所揭示的或然性的客观意义及其对归纳的可能应用。穆勒在《逻辑体系》中以很大篇幅讨论了偶然性问题，认为概率论只同经验定律的建立有关，而与作为因果律的科学定律的建立无关。惠威尔也对偶然性作过讨论，但与穆勒一样，并未想到把概率论应用于归纳。直到1859年，德国化学家本生（R.W.Bunsen）和基尔霍夫（G.R.Kirchoff）用统计方法分析太阳光谱的元素组成等科学活动，进一步引起科学方法论家对统计推理问题的注意。许多科学方法论家认为科学结论不是确定的，而是或然的，开始尝试把归纳还原为概率论。

最早将归纳同概率相结合的是德摩根和耶方斯。德摩根将一般除法定理和贝叶斯定理应用于科学假说。但是布尔（Boole）抓住了它的缺点，即运用贝叶斯推理给科学假说的概率带来更大的任意性，至此否定了概率归纳逻辑的方向。在70年代耶方斯作出重大开创性工作之前，这方面的工作基本趋于沉寂。耶方斯发展了布尔代数，他一方面有着关于归纳本质的方法论考虑，另一方面，他将数学应用于发展演绎逻辑的同时，也将数学应用于发展归纳逻辑。他在《科学原理》中说明：“如果不把归纳方法建立于概率论，那么，要恰当地阐释它们便是不可能的。”[1] 耶方斯认为一切归纳推理都是概率的。

耶方斯的工作实现了古典归纳逻辑向现代归纳逻辑的过渡。

二、现代概率归纳逻辑

现代概率归纳逻辑始于20世纪20年代，逻辑学家凯恩斯 、尼科（Nicod）及卡尔纳普和莱欣巴赫（Reichenbach）等人，采用不同的确定基本概率的原则及对概率的不同解释，形成不同的概率归纳逻辑学派。

凯恩斯将概率与逻辑相结合，认为归纳有效度和合理性的本质是一个逻辑问题，而不是经验的或形而上学的问题。他提出了“概率关系”的概念：假设任一命题集合组成前提h，任一命题集合组成结论a，若由知识 h证实a的合理逻辑信度为α，我们称a和h间的“概率关系”的量度为α，记作a/h=α。并着眼于构造两个命题间的逻辑关系的合理体系，但未取得成功。而且他认为，大多数概率关系不可测，许多概率关系不可比较。但他在推进归纳逻辑与概率理论的结合上，作出了历史性的贡献，是现代归纳逻辑的一位“开路先锋”。

逻辑主义的概率归纳逻辑的代表卡尔纳普，在20世纪50年代提出概率逻辑系统，这一体系宣告了归纳逻辑的演绎化、形式化和定量化，将概率归纳逻辑推向了“顶峰”。卡尔纳普认为休谟说的归纳困难并不存在，归纳也是逻辑，并且也有像演绎一样的严格规则。施坦格缪勒（Stegmuller）指出：“ 2500年前，亚里士多德开始把正确的演绎推理的规则昭示世人，同样，卡尔纳普现在以精确表述归纳推理的规则为己任。”[2]演绎的逻辑基础在于它的分析性，所以，从维特根斯坦和魏斯曼（Waismann）就开始致力于把它改造为逻辑的概率概念，以使概率归纳成为分析性的。卡尔纳普完成了这一发展。他说：“我的思想的信条之一是，逻辑的概率概念是一切归纳推理的基础……因此，我称逻辑概率理论为‘归纳逻辑’。”[3]他并把此概念直接发展为科学的推理工具：“我相信，逻辑概率概念应当为经验科学方法论的基本概念，即一个假说为一给定证据所确证的概念提供一个精确的定量刻画。因此，我选用‘确证度’这个术语作为逻辑概率刻画的专门术语。”[3]与凯恩斯一样，卡尔纳普把概率1解释作句子e 和 h间的逻辑关系，表达式是c(h，e)=r，读作“证据e对假说h的逻辑确证度是r”。这样，归纳便是分析性的了，演绎推理是完全蕴涵，归纳推理是部分蕴涵，即归纳是演绎的一种特例。此外，卡尔纳普所想要的归纳逻辑还是定量的，他希望最终找到足够多的明确而可行的规则，使C(e，h)的计算成为只是一种机械的操作，以将他与凯恩斯严格区分开来。

20世纪30年代，莱欣巴赫建立了他的概率逻辑体系，被称为经验主义的概率归纳逻辑。他用频率说把概率定义为，重复事件在长趋势中发生的相对频率的极限。这种方法简单实用，但却带来两方面的困难。首先，上述极限定义是对于无数次重复事件的概率而言的。那如何找出一种测定假说真假的相对频率的方法呢？其次，对单一事件或单一假说怎么处理呢？所以频率说只适用于经验事件的概率，其合理性的辩护非常困难。它所面临的最大困难就是找不到由频率极限过渡到单个事件概率的适当途径。为此，莱欣巴赫建议把“概率”概念推广到虚拟的、平均化的“单个”事件，引进了单个事件的“权重（Weight）”概念，试图把理想化的单个事件的概率或“权重”事先约定与对应的同质事件的无限序列的极限频率视作同一。但这与他的初衷相背，频率论者不得不由原先主张的客观概率转向主观概率了。

对概率的前两种解释都着眼于概率的客观量度，然而对随机事件的概率预测离不开主观的信念与期望。主观主义概率归纳逻辑发端于20世纪30年代，创始人是拉姆齐（F.P.Ramsey）和菲尼蒂（De Finetti）。它将概率解释为“合理相信程度”或“主体x对事件A的发生，或假说被证实的相信程度。”表明，如果按贝叶斯公理不断修正验前概率，那么无论验前概率怎样，验后概率将趋于一致；这样，验前概率的主观性和任意性就无关紧要了，因为它们终将淹没在验后概率的客观性和确定性之中。一个人对被检验假设的验前概率是由他当时的背景知识决定的。

主观概率充分注意到推理的个人意见及心理对于概率评价的相关性，意义重大。但是，人们在做出置信函项时，除了“一贯性”的较弱限制外，很难在多种合理置信函项间作出比较和选择。

三、概率归纳逻辑兴起的原因

概率归纳逻辑是伴随现代科学、现代演绎逻辑、归纳逻辑本身的发展而兴起的。

概率归纳逻辑兴起的原因大致有：（1）现代科学的发展。对微观粒子的运动只能采用概率的方法，因此，西方科学界出现了否定因果决定论而接受概率论的观念。（2）较完备的概率理论。特别是20世纪以来，它具备了严格的数学基础，而且被广泛应用于各种领域。（3）归纳逻辑本身要求进一步完善和精确化。人们要求对单称事件陈述对全称理论陈述的归纳支持作出量的精确刻画。逻辑的数学化，数学的逻辑化，穆勒已经注意到归纳与概率的关系，耶方斯等将归纳与概率结合。（4）以数理逻辑为主干的现代演绎逻辑逐渐成熟，从而使得一些逻辑学家热衷于将现代演绎的形式化、公理系统方法与概率论方法协调起来，以运用于归纳逻辑的研究。（5）对归纳法的合理性问题的探索。休谟的归纳问题一直是个哲学难题。现代归纳逻辑的种种体系，几乎都可以看成是对这个问题不断作出回答。上述三种概率归纳逻辑体系也无例外，都是为求得归纳推理的合理性，或对归纳论证进行改进，或把结论改成概率的陈述，使归纳逻辑被构造成演绎逻辑的一个分支，或用实用主义策略使归纳即使不是有效的，至少也有存在的理由。所以说概率逻辑是以现代演绎逻辑和概率论为工具，形式化、定量化的归纳逻辑。

20世纪50年代以后，科学技术步入一个新的阶段，概率论与数理统计、数理逻辑等相关学科取得新的发展，特别是计算机科学技术以及多学科交叉发展的趋势，使现代归纳逻辑的研究进入到一个新阶段，出现了一些新的趋势和特点。

第一，面临归纳演绎化的困难，出现了非概率化、非数量化的趋势，有的用有序化、等级化来代替，有的将定性的研究重新放到重要的位置上，有的又再度重视如模态、因果概念的结合使用等等。

第二，将主观因素与客观因素相结合，将纯逻辑研究与其他学科相结合。这就不能只限于语构层次，而要考虑语义、语用层次，就要涉及心理学、社会学等方面的研究。而且不能脱离所涉及的具体过程（实验）与学科。

第三，对归纳逻辑的研究与整个思维科学、信息科学的研究联系起来。归纳是一类复杂性问题，决不是单靠纯逻辑所能解决的。归纳远比演绎复杂，须与多学科结合起来进行系统研究。

第四，归纳逻辑的研究与当前的科技相互影响、相互作用。申农提出的信息论仅是相当于语形的统计信息模型。而信息的语义层次的研究都出自卡尔纳普之手，再经辛迪卡（Hintikka）等人的论作又已形成信息逻辑这一分支。这揭示了逻辑与信息科学的联系。再如，随着计算机科学、人工智能的研究进展，对归纳的研究日益受到重视。若能将人工智能与归纳结合起来，必将带来新的进展与突破[4]。

概率归纳逻辑是归纳逻辑的一个发展阶段，它大大发展了归纳逻辑，也昭示了归纳逻辑的发展机制，为我们出示了现代归纳逻辑发展的方向。

参考文献

[1] W.S.Jevous. The Principles of Science[M]. London:Dover Press，1877.197.

[2] Hintikka，J.(ed.). Rudolf Carnap，Logical Empiricist[M]. D.Reidel Pub.Co.，1995.LIX.

演绎推理的逻辑要义范文第4篇

18世纪40年代，休谟指出归纳推理不具有逻辑必然性，认为它只把真前提同可能的结论相联系,是主观的、心理的，不曾想到当时概率论所揭示的或然性的客观意义及其对归纳的可能应用。穆勒在《逻辑体系》中以很大篇幅讨论了偶然性问题,认为概率论只同经验定律的建立有关，而与作为因果律的科学定律的建立无关。惠威尔也对偶然性作过讨论，但与穆勒一样，并未想到把概率论应用于归纳。直到1859年，德国化学家本生（R.W.Bunsen）和基尔霍夫（G.R.Kirchoff）用统计方法分析太阳光谱的元素组成等科学活动，进一步引起科学方法论家对统计推理问题的注意。许多科学方法论家认为科学结论不是确定的，而是或然的，开始尝试把归纳还原为概率论。

最早将归纳同概率相结合的是德摩根和耶方斯。德摩根将一般除法定理和贝叶斯定理应用于科学假说。但是布尔（Boole）抓住了它的缺点，即运用贝叶斯推理给科学假说的概率带来更大的任意性，至此否定了概率归纳逻辑的方向。在70年代耶方斯作出重大开创性工作之前，这方面的工作基本趋于沉寂。耶方斯发展了布尔代数，他一方面有着关于归纳本质的方法论考虑，另一方面，他将数学应用于发展演绎逻辑的同时，也将数学应用于发展归纳逻辑。他在《科学原理》中说明：“如果不把归纳方法建立于概率论，那么，要恰当地阐释它们便是不可能的。”[1]耶方斯认为一切归纳推理都是概率的。

耶方斯的工作实现了古典归纳逻辑向现代归纳逻辑的过渡。

二、现代概率归纳逻辑

现代概率归纳逻辑始于20世纪20年代，逻辑学家凯恩斯、尼科（Nicod）及卡尔纳普和莱欣巴赫（Reichenbach）等人，采用不同的确定基本概率的原则及对概率的不同解释，形成不同的概率归纳逻辑学派。

凯恩斯将概率与逻辑相结合，认为归纳有效度和合理性的本质是一个逻辑问题，而不是经验的或形而上学的问题。他提出了“概率关系”的概念：假设任一命题集合组成前提h，任一命题集合组成结论a，若由知识h证实a的合理逻辑信度为α，我们称a和h间的“概率关系”的量度为α，记作a/h=α。并着眼于构造两个命题间的逻辑关系的合理体系，但未取得成功。而且他认为，大多数概率关系不可测，许多概率关系不可比较。但他在推进归纳逻辑与概率理论的结合上，作出了历史性的贡献，是现代归纳逻辑的一位“开路先锋”。

逻辑主义的概率归纳逻辑的代表卡尔纳普，在20世纪50年代提出概率逻辑系统，这一体系宣告了归纳逻辑的演绎化、形式化和定量化，将概率归纳逻辑推向了“顶峰”。卡尔纳普认为休谟说的归纳困难并不存在，归纳也是逻辑，并且也有像演绎一样的严格规则。施坦格缪勒（Stegmuller）指出：“2500年前，亚里士多德开始把正确的演绎推理的规则昭示世人，同样，卡尔纳普现在以精确表述归纳推理的规则为己任。”[2]演绎的逻辑基础在于它的分析性，所以，从维特根斯坦和魏斯曼（Waismann）就开始致力于把它改造为逻辑的概率概念，以使概率归纳成为分析性的。卡尔纳普完成了这一发展。他说：“我的思想的信条之一是，逻辑的概率概念是一切归纳推理的基础……因此，我称逻辑概率理论为‘归纳逻辑’。”[3]他并把此概念直接发展为科学的推理工具：“我相信，逻辑概率概念应当为经验科学方法论的基本概念，即一个假说为一给定证据所确证的概念提供一个精确的定量刻画。因此，我选用‘确证度’这个术语作为逻辑概率刻画的专门术语。”[3]与凯恩斯一样，卡尔纳普把概率1解释作句子e和h间的逻辑关系，表达式是c(h,e)=r，读作“证据e对假说h的逻辑确证度是r”。这样，归纳便是分析性的了，演绎推理是完全蕴涵，归纳推理是部分蕴涵，即归纳是演绎的一种特例。此外，卡尔纳普所想要的归纳逻辑还是定量的，他希望最终找到足够多的明确而可行的规则，使C(e,h)的计算成为只是一种机械的操作，以将他与凯恩斯严格区分开来。

20世纪30年代，莱欣巴赫建立了他的概率逻辑体系，被称为经验主义的概率归纳逻辑。他用频率说把概率定义为，重复事件在长趋势中发生的相对频率的极限。这种方法简单实用，但却带来两方面的困难。首先，上述极限定义是对于无数次重复事件的概率而言的。那如何找出一种测定假说真假的相对频率的方法呢？其次，对单一事件或单一假说怎么处理呢？所以频率说只适用于经验事件的概率，其合理性的辩护非常困难。它所面临的最大困难就是找不到由频率极限过渡到单个事件概率的适当途径。为此，莱欣巴赫建议把“概率”概念推广到虚拟的、平均化的“单个”事件，引进了单个事件的“权重（Weight）”概念，试图把理想化的单个事件的概率或“权重”事先约定与对应的同质事件的无限序列的极限频率视作同一。但这与他的初衷相背，频率论者不得不由原先主张的客观概率转向主观概率了。

对概率的前两种解释都着眼于概率的客观量度，然而对随机事件的概率预测离不开主观的信念与期望。主观主义概率归纳逻辑发端于20世纪30年代，创始人是拉姆齐（F.P.Ramsey）和菲尼蒂（DeFinetti）。它将概率解释为“合理相信程度”或“主体x对事件A的发生，或假说被证实的相信程度。”表明，如果按贝叶斯公理不断修正验前概率，那么无论验前概率怎样，验后概率将趋于一致；这样，验前概率的主观性和任意性就无关紧要了，因为它们终将淹没在验后概率的客观性和确定性之中。一个人对被检验假设的验前概率是由他当时的背景知识决定的。

主观概率充分注意到推理的个人意见及心理对于概率评价的相关性，意义重大。但是，人们在做出置信函项时，除了“一贯性”的较弱限制外，很难在多种合理置信函项间作出比较和选择。

三、概率归纳逻辑兴起的原因

概率归纳逻辑是伴随现代科学、现代演绎逻辑、归纳逻辑本身的发展而兴起的。

概率归纳逻辑兴起的原因大致有：（1）现代科学的发展。对微观粒子的运动只能采用概率的方法，因此，西方科学界出现了否定因果决定论而接受概率论的观念。（2）较完备的概率理论。特别是20世纪以来，它具备了严格的数学基础，而且被广泛应用于各种领域。（3）归纳逻辑本身要求进一步完善和精确化。人们要求对单称事件陈述对全称理论陈述的归纳支持作出量的精确刻画。逻辑的数学化，数学的逻辑化，穆勒已经注意到归纳与概率的关系，耶方斯等将归纳与概率结合。（4）以数理逻辑为主干的现代演绎逻辑逐渐成熟，从而使得一些逻辑学家热衷于将现代演绎的形式化、公理系统方法与概率论方法协调起来，以运用于归纳逻辑的研究。（5）对归纳法的合理性问题的探索。休谟的归纳问题一直是个哲学难题。现代归纳逻辑的种种体系，几乎都可以看成是对这个问题不断作出回答。上述三种概率归纳逻辑体系也无例外，都是为求得归纳推理的合理性，或对归纳论证进行改进，或把结论改成概率的陈述，使归纳逻辑被构造成演绎逻辑的一个分支，或用实用主义策略使归纳即使不是有效的，至少也有存在的理由。所以说概率逻辑是以现代演绎逻辑和概率论为工具，形式化、定量化的归纳逻辑。

20世纪50年代以后，科学技术步入一个新的阶段，概率论与数理统计、数理逻辑等相关学科取得新的发展，特别是计算机科学技术以及多学科交叉发展的趋势，使现代归纳逻辑的研究进入到一个新阶段，出现了一些新的趋势和特点。

第一，面临归纳演绎化的困难，出现了非概率化、非数量化的趋势，有的用有序化、等级化来代替，有的将定性的研究重新放到重要的位置上，有的又再度重视如模态、因果概念的结合使用等等。

第二，将主观因素与客观因素相结合，将纯逻辑研究与其他学科相结合。这就不能只限于语构层次，而要考虑语义、语用层次，就要涉及心理学、社会学等方面的研究。而且不能脱离所涉及的具体过程（实验）与学科。

第三，对归纳逻辑的研究与整个思维科学、信息科学的研究联系起来。归纳是一类复杂性问题，决不是单靠纯逻辑所能解决的。归纳远比演绎复杂，须与多学科结合起来进行系统研究。

第四，归纳逻辑的研究与当前的科技相互影响、相互作用。申农提出的信息论仅是相当于语形的统计信息模型。而信息的语义层次的研究都出自卡尔纳普之手，再经辛迪卡（Hintikka）等人的论作又已形成信息逻辑这一分支。这揭示了逻辑与信息科学的联系。再如，随着计算机科学、人工智能的研究进展，对归纳的研究日益受到重视。若能将人工智能与归纳结合起来，必将带来新的进展与突破[4]。

概率归纳逻辑是归纳逻辑的一个发展阶段，它大大发展了归纳逻辑，也昭示了归纳逻辑的发展机制，为我们出示了现代归纳逻辑发展的方向。

摘要：从穆勒等人对或然性的探讨，经耶方斯对概率归纳逻辑的开创，到卡尔纳普代表的现代概率归纳逻辑体系，考察了概率归纳逻辑的发展历程，从中揭示其兴起的原因，并分析现代归纳逻辑发展的一些新趋势。

关键词：概率归纳；逻辑；概率论

Abstract:FromMulle’sdiscussionoftheprobability,afterW.S.Jevons’sfoundationtotheprobabilisticinductivelogic,untilthesystemofmodernprobabilisticinductivelogicwhichCarnaprepresents.Thisarticleinspectstheprocessofwhichprobabilityinductivelogicdeveloped,promulgatesthereasonwhichitrises,andanalyzessomenewtendenciesofthemoderninductivelogic.

参考文献:

[1]W.S.Jevous.ThePrinciplesofScience[M].London:DoverPress,1877.197.

[2]Hintikka,J.(ed.).RudolfCarnap,LogicalEmpiricist[M].D.ReidelPub.Co.,1995.LIX.

演绎推理的逻辑要义范文第5篇

一、知识结构、逻辑推理及相互间的关系。

在小学数学教学中，构建良好的数学知识结构是培养发展学生逻辑思维能力的一个重要途径。乌辛斯基早就指出：“所谓智力发展不是别的，只是很好组织起来的知识体系。”而知识体系因为其内在的逻辑结构而获得逻辑意义。数学中基本的概念、性质、法则、公式等都是遵循科学的逻辑性构成的。

“数学作为一种演绎系统，它的重要特点是，除了它的基本概念以外，其余一切概念都是通过定义引入的。”这种演绎系统一方面使得数学内容以逻辑意义相关联。另一方面从知识结构所蕴含的逻辑思维形式中得到的研究方法（如逻辑推理等），再去获取更多的知识。如学习“能同时被2、5整除的数的特征”时，我们是通过演绎推理得到的：

所有能被2整除的数的末尾是0、2、4、6、8；

所有能被5整除的数的末尾是0、5；

因此，能同时被2、5整除的数的末尾是0。

数学中的这种推理形式一旦被学生所熟识，他们又会运用它在已有知识的基础上作出新的判断和推理。

学生知识的习得和构建，主要依赖认知结构中原有的适当观念，去影响和促进新的理解、掌握，沟通新上知识的互相联系，形成新的认知结构系统，这是数学知识学习过程中的同化现象。它包含三方面的内容：一是新旧知识建立下位联系；二是新旧知识建立上位联系；三是新旧知识建立联合意义。这三方面与逻辑结构中的三类推理恰好建立相应的联系。推理，是从一个或几个已知的判断得出新的判断的过程。通常有：演绎推理（从一般性的前提推出特殊性结论的推理）；归纳推理（从特殊的前提推出一般结论的推理）；类比推理（从特殊的前提推出特殊结论的推理或从一般前提推出一般结论的推理）。如：教学“循环小数”时，先在黑板上出示算式1.2÷0.3=4、1÷2=0.5、4.8÷4=1.2、0.666÷2=0.333；1÷3=0.333……、70.7÷33=2.14242……、299÷37=8.081081……等。观察各式的商学生们直观认识到：小数有有限小数、无限小数之分。进而从一组无限小数中，发现了循环小数的本质属性，得到了循环小数的定义。由两个或几个单称判断10.333…的数字3依次不断地重复出现，2.14242…的数字42依次不断重复出现等，得出一个新的全称判断（循环小数的定义）是归纳推理的一种方法。

在教学的过程中，教师结合教学内容，有意识地把逻辑规律引入教学，注意示范、点拨，显然是有利于发展学生的逻辑思维能力。

二、逻辑推理在教与学过程中的应用。

1.如果原有的认知结构观念极其抽象，概括性和包容性高于新知识，新旧知识建立下位联系、新知识从属于旧知识时，那么宜适当运用演绎推理的规则，由一般性的前提推出特殊性的结论。

“演绎的实质就是认为每一特殊（具体）情况应当看作一般情况的特例”。为了得以关于某一对象的具体知识，先要找出这一对象的类（最近的类概念），再将这一对象的类的属性应用于哪个对象。如：运用乘法分配律简便运算时，学生必须以清晰、稳固的乘法分配律知识为基础，才能得出：

999×999+999=999×(999+1)=999000

这里999×999+999=999×(999+1)是根据一般性判断a×c+b×c=(a+b)×c推出的。当学生理解这种推理的顺序，且懂得要使演绎推理正确，首先要前提正确，并学会使用这样的语言：

只有两个约数（1和它本身）的数是质数；

101只有两个约数；

101是质数。

那么，符合形式逻辑的演绎法则就初步被学生所掌握。

在知识层面中，这种类属过程的多次进行，就导致知识不断产生新的层次，其逻辑结构就越加严密，新的知识也就会不断分化和精确化，就可以逐渐演绎出新的类属性的具体知识。教学中正确把握这种结构，用演绎推理的手段组织学习过程，不但能培养学生的思考方法，理解内容的逻辑结构，还能提高学生的模式辨认能力，缩短推理过程，快速找到解题途径。

在新旧知识建立下位联系时，整个类属过程可分化为两种情况。

(1)当新知识从属于旧知识时，新知识只是旧知识的派生物。可以从原有认识结构中直接推衍。新知识可以直接纳入原有的认知结构中。

如学生已学过两位数的笔算，清晰而稳固地掌握了加法的计算法则，现在要学三、四位数的加法，只要让学生思考并回忆两位数加法计算的表象结构，适当地点拨一下三、四位数加法与两位数加法有相同的笔算法则，学生就能顺利解决新课题。新知识很快被旧知识同化，并使原有笔算法则得到充实新的知识获得意义。虽然这些知识的外延得到扩大，但内涵不变。

教学中，掌握这些知识的内涵的逻辑结构，就会有一个清晰的教学思路，就会自觉地运用演绎推理的手段，与学生一起愉快地顺利地进行下位学习。就不会在讲三、四位数加法时，着眼于竭力以三、四位数加法为例证，说明加法的计算法则。

(2)新知识类属于原有较高概括性的观念中，但不能从原有上位观念中直接派生出来，而需要对原有知识作部分的改组，才能同化新知识。新知识纳入原有知识后，原有知识得到扩展、加深、限制、修饰和精确化。新旧知识之间处于相关类属。这时，运用演绎推理之前，先要对原有知识作部分改组，请出一个“组织者”，再步步演绎。（为新知识生长提供观念上的“固定点”，增加新旧知识间的可辨性，充当新旧知识联系的“认知桥梁”，奥苏伯尔称它为“先行组织者”简称“组织者”。）

如学生已掌握了长方形面积计算公式：S=ab，现在要学习正方形的面积计算公式，这就要对长方形进行改组，把它的长改成与宽相等(a=b)，于是“正方形面积计算”可被“长方形面积计算”同化，当a=b时，S=ab=a·a=a[2,]。又如教圆面积之前，向学生演示或让学生动手操作，把圆适当分割后拼成近似长方形，由长方形面积公式导出圆面积计算公式。其间以直代曲，是由旧知识导向新知识的认知桥梁，是由演绎推理构建新知识时，找到的观念上固定点。找到固定点后圆面积的计算被长方形面积同化，于是面积计算规则从直线封闭图形的计算，推广到曲线封闭图形的计算，扩展加深了对原有面积计算规则的认识内容，使有关面积计算的认识结构趋向精确化。

2.如果原有认识结构已形成几个观念，要在原有的观念上学习一个抽象、概括和包容性高于旧知识的新知识，即新旧知识建立上位联系时，那么适当运用归纳推理的规则，可由特殊的前提推出一般性的结论。当需要研究某一对象集时，先要研究各个对象（情况），从中找出整个对象集所具有的性质，这就是归纳推理。归纳推理的基础是观察和试验，是从具体的、特殊的情况过渡到一般情况（结论、推论）。

教材中关于概念的形成，运算法则和运算定律、性质得出，一般是通过归纳推理得到的。如分数的初步认识。在学习前，学生认知结构中已有了分数的某些具体经验，加上教材提供的和教师列举的生活实例和图形。如：一个苹果平均分成两份，每份是它的1/2，一根钢管平均截成三段，每段是它的1/3，一张纸平均分成4份，每份是这张纸的1/4……所有这些操作和演示都让学生认识到几分之一这个概念。随后，再认识几分之几。这种不完全的归纳推理，是在考察了问题的若干个具体特例后，从中找出的规律。（严格地说，由不完全归纳法推理得到的结论还需要论证，才能判定它的正确性。）

运用归纳推理传授知识时，要根据学生的实际经验，选取典型的特例，并能够通过典型特例的推理得出一般性的结论。又要用这个“一般结论”，去解决具体特例。在教与学的进程中，归纳和演绎不是孤立地出现的，它们紧密交织在一起。

3.如果新旧知识间既不产生从属关系，又不能产生上位关系，但是新知识同原有知识有某种吻合关系或类比关系，则新旧知识间可产生并列关系。那么可以运用类比推理。

教材中，商不变性质和分数基本性质，乘数是整数的乘法和乘数是分数的乘法等，学习这类与旧知识处于并列结合关系的新知识时，既不能以上位演绎推理到下位，又不能以下位归纳推理到上位，只能采用类比推理。如五年级学习“一辆卡车平均每小时行40千米，0.3小时行了多少千米？”时，学生还无法根据小数乘法的意义列出此题的解答等式。所以，教学中一般用整数乘法中的数量关系相类推。

原有的认知结构中，整数乘法与小数乘法只是一般的非特殊的并列结合关系。新知识的学习，只能利用原有知识中的一般的和非特殊的有关内容进行同化。