人工智能论文范文第1篇

概述制造业是国家的经济命脉，而汽车制造又是战略性支柱产业，它包括了整车、各种零配件厂等生产商，也包括了各地经销企业和销售企业。近年来，我国汽车行业面临着前所未有的挑战，原材料、生产、物流成本上涨、利润下降，以及国际经济形势的影响。因此，汽车企业可以运用具有智能分析功能的商务智能系统，通过分析历史数据快捷、及时地输出各类报告，预测未来的客户需求和销售趋势，在宏观上为企业管理人员提供决策依据。计算机人工智能技术发展到了今天，已经开始使用庞大的知识库来有效地取代人类器官或机构的记忆方法，近些年来很多的专家决策系统在考虑一定规则的基础上对人类的诊断和经验上的分析都能够做出很好的判断，甚至处于主导地位。这个系统可以很好地利用知识库，并从中挖掘出我们想要的问题答案、成功地寻找到其中的关联性，并提取相应的模式等。而实际上，这样的专家系统已经在很多领域都有了非常不错的应用，帮助很多企业在很短的时间内就做出相应的生产计划、调度计划、运输计划等，非常有效率，而且可以大大地增加收益，并很好地控制企业的人力成本。我国工业机器人是从20世纪80年代开始起步。经过二十年余年的努力已经形成了一些具有竞争力的工业机器人研究机构和企业。先后研发出弧焊、点焊、装配、搬运、注塑、冲压、喷漆等工业机器人。近几年，我国工业机器人及含工业机器人的自动化生产线相关产品的年产销额已突破十亿元。目前国内市场年需求量在3000台左右，年销售额在20亿元以上。统计数据显示中国市场上工业机器人总共拥有量近万台，占全球总量的0.56%，其中完全国产工业机器人行业内规模比较大的前三家工业机器人企业，行业集中度占30%左右。其余都是从日本、美国、瑞典、德国、意大利等20多个国家引进的。国产工业机器人目前主要以国内市场应用为主，年出口量为100台左右，年出口额为0.2亿以上。多年来我国汽车零部件生产一直是手工焊、专机焊占据焊接生产的主导地位、劳动强度大、作业环境恶劣、焊接质量不易保证，而且生产的柔性也很差，无法适应现代汽车生产的需要。

1.1搬运机器人在汽车制造业中应用

汽车桥箱类零件具有精度高、加工工序多、形状复杂、重量重的特点。为提高其加工精度及生产效率，各重型汽车生产厂家纷纷采用数控加工中心来加工此类零部件。而在使用数控加工中心加工工件时，要求工件在工作台上具有非常高的定位精度，且需要保证每次上料的一致性。由于人工上料此类的工件具有劳动强度高、上料精度不好控制等缺点现在正逐步被工业机器人或专机进行上下料所取代。工业机器人具有重复定位精度高、可靠性高、生产柔性化、自动化程度高等、突出的优势，与人工相比，能够大幅度提高生产效率和产品质量，与专机相比具有可实现生产的柔性化、投资规模小等特点。机器人智能化自动搬运系统作为减速器壳体加工的重要生产环节，虽然已经在国内重型汽车厂内取得成功的应用，但依然尚未普及。在国家经济建设飞速发展的进程中，重型载重汽车的生产能力及生产力水平亟待有一个质的飞跃，而工业机器人即是提升生产力水平的强力推进器。

1.2焊接机器人在汽车制造业中的应用

汽车行业的发展水平，代表了一个国家的综合技术水平，汽车工业的发展将会带动其他行业的发展。各厂商为了在日渐激烈的竞争中立于不败之地，必须率先实现焊接自动化。因此，今后除了如汽车、摩托车这样的大批量生产行业。一些产品多样化的企业，为了提高焊接质量，也将会考虑使用焊接机器人，如钢结构等行业，与此同时，对焊接机器人的要求也必然会逐步提高，如说对焊道的自动跟踪系统的需求会逐步加大等。作为焊接机器人和焊接机的专业生产厂家，OTC公司将继续为提高中国的高速、高效、自动化焊机做出自己的贡献。对于在汽车工业中的点焊应用来说，目前已广泛采用电驱动的伺服焊枪。日本丰田公司已决定将这种技术作为标准来装备其日本国内和海外的所有点焊机器人。

1.3装配机器人在汽车制造业中的应用

在国内外各大汽车公司装配生产线上被广泛采用的装配机器人。一方面使汽车装配自动化水平大大提高，目前，国外某些大批量生产的轿车的装配自动化程度已达50%~65%。另一方面，有效地减轻了工人的劳动强度，提高了装配质量并明显地提高了生产率。在汽车整车装配中，机器人不仅用于挡风玻璃的密封济涂覆、安装和车轮备胎、仪表盘总成、后悬梁、车门、蓄电池等部件的安装。

1.4喷涂机器人在汽车制造业中的应用

喷涂机器人在汽车制造业中可喷涂形态复杂的汽车工件而且生产效率和很高。多用于汽车车体的喷涂作业，如喷漆、喷釉等。除了上述机器人以外，汽车制造业中应用的机器人还有用于特殊加工的激光加工机器人用于部件形状测量、装配检查和产品缺陷检查的检测机器人，抑制尘埃粒子大小及数量的水切割机器人和净化机器人等。

2人工智能在汽车制造业中的进展分析

随着中国汽车工业的迅猛发展，机器人在先进汽车制造中的重要性也越来越凸显。机器人的产品应用广泛，覆盖焊接、物料搬运、装配、喷涂、精加工、拾料、包装、货盘堆垛、机械管理等领域。在汽车行业的应用主要分为以下五大部分。车身系统中，采用虚拟仿真等手段，主要针对车身覆盖件不断开发出新的标准化、模块化解决方案，动力总成系统中，提供了涵盖汽车传动系统核心部件，发动机、变速箱和传动轴的全套装配测试系统。在冲压自动化系统方面从卷材与堆垛到零件的码垛，从提供控制系统到企业ERP，从设计到生产支持与效率优化，拥有全面的工程能力，涂装自动化系统方面，以高柔性高精度的喷涂机器人来帮助客户提升涂装质量，减少生产废料，而在焊接自动化系统中，机器人比较典型的应用是电阻点焊、电弧焊，其最新一代机器人配套提供一系列高度人性化的软件工具。汽车工业的最大特点是产量大，生产节拍快，产品一致化程度高。消费者对汽车质量要求越来越高，是促使机器人应用越来越普遍的一个重要原因。机器人本身只是集装箱里的一个货物，随机器人的设备功能越来越精细，客户的思维在这时候逐渐走向成熟，在采购时不再单单考虑某生产工位的瓶颈，而更多地考虑到长期战略因素，如维护成本加入的高低，长期投资回报是否划算，服务涵盖地域是否广泛，响应是否及时，全球技术支持能力有多强，中期后期不同阶段解决问题的能力有多大等等。这时，产品本身的价格和意义相对弱化而长期的价值越发凸显。

3结束语

人工智能论文范文第2篇

1人工智能技术操作方便

在电气工程自动化中，人工智能控制技术主要通过专家系统、神经网络控制、模糊控制这三种方法来完成任务的。人工智能控制技术可以对开关量和模拟量等相关的数据进行采集，并且可以进行相应的处理以及存储。它的界面显示功能良好，工作人员在使用的时候可以比较清楚地了解设备的整体运行的状态；此外，人工智能控制技术还具备自动报警功能，如果显示的数据出现了异常，它就会发出自动报警；对于出现的故障还可以进行故障录波记录，设定好保护定值，这样可以对电气设备的安全起到保障作用。人工智能技术操作简便，可以给工作人员带来诸多方便。

2人工智能技术不易受其他因素影响

过去传统的控制器在进行工作的时候会遇到很多外界因素或者机器自身的问题的干扰，并且会对工作造成不良影响。但是人工智能技术在这方面的优势则比较明显。例如，人工智能技术不需要精确的动态模型，所以，即使模型设置的参数发生了变化，也不会对其造成太大的影响，而且其对环境的要求也不苛刻。所以，人工智能技术在其运行的过程中，可以不受不确定因素的影响，并且可以实现较为精准的自动化控制。

3人工智能技术产生的误差小

人工智能技术在运行过程中基本不受到来自外界的影响，而且其本身的抗干扰能力就很强，所以，一旦提前对系统设定了参数，那么在操作过程中就不用担心参数发生变动。这些参数在整个过程中会保持在一个值域之内，所以不需要担心会有较大的差值，因此其工作效率也比较高。

二人工智能在电气自动化中的应用

1智能控制和保护功能

1.1进行操作控制

在进行操作的过程中，使用人员可以通过键盘或鼠标对隔离开关、断路器等进行现场的或者远程的控制，对励磁电流进行精准的调整。除此之外，还能够进行带负荷操作和停机操作，对相关的人员的权限进行限制。

1.2对相关数据的收集和处理

人工智能技术对所有开关量、模拟量数据进行实时的采集，而且根据先前设计好的要求进行定时批量的存贮以及整理等工作。设置和修改某些参数，及时地保护软压板的退投。

1.3对设备的管理

人工智能在对电力系统进行管理的时候，可以对运行日志进行自动保存，并生成报表的存储或打印、描绘系统运行曲线等。

1.4实行有效的监控

智能技术能够对模拟量与开关量进行全程同步的监测，当检测过程发生异常时，则可以选择多种模式进行报警，同时还可有序地记录系统里的各项事件、在线分析负序量计算等。

1.5对画面的显示

人工智能技术可以运用图像生成软件进行真实画面模拟，可以对有关设备和整个系统的工作运行进行模拟，并且最终以画面的形式显现到屏幕上。

1.6进行故障录波

智能技术对故障波形的获取具有良好的功能，在获取的同时还可以做好相关的记录，对模拟量故障及时地进行录波和捕捉相关波形。

2智能信息检索作

为人类智能的模拟理论而产生的新兴技术方法，人工智能具有良好的信息检索功能。其不仅可以对网络中出现的较为模糊和不确定性的因素进行科学的换算以及推理，还可以根据信息检索的结果提出一些切实可行的解决方案。人工智能技术的优势还在于它可以将正确的指令精确无误的传达给各种机器，进而机器在接受到指令后能够进行正确、正常的运转，确保任务的完成。

3提高电气自动化性能

提高产品质量人工智能系统具有优越的条件，其模拟人类智能，并将人工智能技术中的遗传算法投入到电器产品的应用中。利用人工智能技术，可以将产品的性能优化，假如可以科学合理地把人工智能技术运用到电气自动化的控制中，那么电子自动化性能就会得到显著的改善，电气设备的运行效率也会被大大提高，电气自动化控制的准确性便有所保障。这样一来，就可以减少在电气工程自动化中人力资源的使用，劳动成本也可以随之降低，进而推进电气工程事业的发展。此外，人工智能技术还可以在各种电器产品的会设计中辅助进CAD，使产品的开发周期得到有效缩短，并且能够对提高CAD技术的开发和应用程度有很大的帮助，设计难度也会有所降低，产品的质量自然就会提高。

4电气设备优化设计

有关电气设备的优化设计工作是比较复杂的，需要结合多方面的理论知识，比如电磁场、电机电器、电路等相关知识，此外还需要丰富的设计经验知识。过去的电气产品设计效率很低，一般是因为缺乏相关的技术的支持，再加上工作量本身就很大，所以整个设计就显得比较难，很少有科学合理的设计。但是如今计算机技术发展迅速，手工设计逐渐被计算机辅助设计（CAD）所代替，产品的开发周期缩短了，设计人员的设计产品质量和设计的效率也提高了，而且设计已经越来越趋于智能化和高效化。人工智能技术在电气产品的优化设计应用中，主要有两种方法，即专家系统和遗传算法。其中，遗传算法可以直接操作结构对象，对优化和自动获取搜索空间、自行调整搜索的方向方面具有指导作用，而且采用先进的计算方法，计算结果很精确，因此在电气产品的智能化优化设计中应用广泛。而专家系统则不同，它是主要依据相关领域的一个或是多个专家所提供经验与知识来进行工作的，它是一个对专家的决策过程进行模拟的过程，从而对需要人类专家处理的问题进行处理，这种方式也比较重要。当然，除此两种方法还有很多其他方法，比如神经网络、模糊逻辑等。

三结束语

人工智能论文范文第3篇

人工智能是近年来随着计算机技术的不断发展的一个学科分支，是新兴的高科技技术。人工智能与纳米科学以及基因工程被人们称之为二十一世纪的三大尖端科技。人工智能的研究范围涉及较广，在诸多不同的领域都有涉及，比如：数学、认识科学、哲学、心理学以及计算机科学等多门学科，不同学科领域以人工智能为信息交流平台，进行相互的影响渗透，进而形成一门具有综合性质的科学。因此，人工智能也可以称之为社会科学与自然科学的交叉科学。人工智能主要是通过对计算机的研究，对人的某些思维以及智能行为进行模拟的学科，其主要被应用在专家系统、语言的理解、智能控制、遗传编程机器人工厂以及机器人技术等方面。一般而言，对于人工智能的研究的主要目的就是让机器代替人做一些复杂的工作。电气工程的研究长久以来都局限在电气化的方面，随着现代化科学技术的进步以及信息计算机技术的发展，电气工程自动化中逐渐向人工智能的趋势发展，通过引入人工智能进入电气工程自动化的领域，对人类大脑进行模拟并进行数据与信息的分析、收集、处理以及反馈，经过信息的自动化生产，进而提高电气工程的生产效益，进而推动电气工程产业结构的优化与升级。

2.人工智能在电气工程自动化中的应用

2.1人工智能在电气产品优化设计中的应用在电气工程运行过程中，进行电气设备的设计是十分复杂的，其设计不但对电气自动化的各个专业学科与内容有所设计，而且要求电气设备设计人员具有较高的专业文化知识以及丰富的设计经验，进行电气设备的设计只有把电气知识、经验以及科学进行有机的融合，才能够对电气产品的科学性有所保障。人工智能在电气产品设计中的应用有效的对一些依靠人脑无法迅速解决的复杂计算以及模拟过程进行解决，进而大大的缩短了产品设计的周期，提高电气工程的工作效率，并且设计出的电气产品极具科学性与实用性。专家系统对于电气工程的开发性设计有积极的意义，而遗传算法主要应用于产品的优化设计，在进行产品设计的过程中，要求设计人员应该具备设计经验以及较强的智能软件应用的能力，从而便于依据不同情况的沾边选择不同的算法对产品进行高质量的设计。

2.2人工智能在电气设备故障诊断中的应用在进行电气设备故障的诊断时，电气企业通常会使用人工智能中的人工神经网络、模糊理论以及专家系统的引用，其应用诊断的范围包含：发电机、电动机、变压器等的故障诊断。在电气设备中，电气工程遇到故障问题时，所呈现的现象是相对复杂的，运用传统的处理技术很难对问题进行及时准确的查找与判断，人工智能技术对于这种问题科技进行高效的解决，例如：当发电机的设备出现故障时，故障所呈现的不确定性、复杂性以及非线性的特征都是可以通过人工智能中的专家系统以及模糊理论进行综合的处理，人工智能技术大大的提升了电气设备故障诊断的准确性。

2.3电气工程运行过程中的智能控制目前，在电气工程的自动化中智能控制的应用已经十分广泛，逐渐的发展成为电气工程自动化领域中的未来趋势。由于电气设备的控制工作比较复杂且极具综合性，对控制系统的技术含量以及计算的精确度都有比较高的标准，通过对人工智能中的模糊理论、人工神经网络以及专家系统的综合应用，有效的提高了电气设备的计算精度以及计算速度，不仅有利于节约电气企业的资源，而且对实现电气企业资源的优化配置具有积极的意义。

2.4人工智能在电力系统中的应用在电力系统中应用比较普遍的人工智能主要有：启发式探索、专家系统、人工神经网络以及模糊理论。其具体的应用主要表现为：一是，专家系统。作为一个十分复杂的程序系统，专家系统集知识、规则以及经验于一体，主要工作程序是通过运用电气系统中某领域的专业经验以及专业知识对所遇问题进行分析与判断，接着进行专家决策的模拟，对需要专家解决的问题进行处理，而且在专家系统的使用过程中，应该依据现实情况对系统中的知识库、数据库以及规则库的信息与数据进行更新，从而使用电力系统的应用需要。二是，人工神经网络。其学习的方式十分灵活，存储方式也是呈现分布式，在大规模的信息处理中得到广泛的应用，人工神经网络具有较强的识别与分类能力，对与模型进行合理的分类并进行科学的选择，同时其与元件进行关联分析相结合能够对复杂的电力系统进行故障的诊断，而且能对故障进行识别与定位。三是，模糊理论。模糊理论主要应用于系统规划、潮流计算以及模糊控制之中。有利于操作界面的优化以及工作流程的简化，而系统可以进行自动日志与报表的生成与保存，进而提高系统日常操作的效率，对系统的安全运行具有积极的作用。

3.总结

人工智能论文范文第4篇

在飞行流量管理方面，飞行流量管理系统通过与辅助决策系统相结合，构成了人工智能辅助决策系统的飞行流量管理模块。该模块主要通过计算飞行流量来避免飞行流量的冲突，进而根据分析结果进行航班的排序。从具体的应用情况来看，首先，飞行流量的计算需要大量的原始数据，而这些数据既包含了历史数据，也包含了实时数据。同时，由于这些数据是来自于空域、机场和气象等多个方面的复杂信息，所以系统需要建立相应的飞行流量管理数据库，从而保证数据的准确性和及时性，进而保证飞行流量计算结果的可靠性。其次，在进行飞行流量计算时，系统利用了飞行动力学计算原理。根据数据库的信息，系统对飞机的四维飞行轨迹进行了计算，从而可以得知飞机的降落时间和降落地点。这样，系统就可以得出任意航段和交汇点在任意时间的飞行架次，进而列出潜在的飞行流量冲突信息。再者，在得知以上信息后，系统需要对这些信息进行分析，从而进行航班的排序，进而避免飞行流量的冲突。在排序方面，系统不仅可以实现飞行计划的过程仿真，还可以找出空域资源的“空闲”状态，进而利用该状态，进行航班和起降顺序的调整。而具体的排序原则有两个，一是优先级排序，二是全排列。其中，优先排序是按照一定的标准给这些航班拟定优先级，然后按照优先顺序进行航班的排序。而优先级的拟定标准有很多，比如飞行任务、机型、机场和时间等因素，都可以成为优先级的拟定标准。全排列原则是对冲突的航班进行全排列，从而根据每一次排列的延误损失，选择损失最小的排序方法。相比较来说，全排序法虽然较为科学，但是系统需要承担的运算量较大，因此会占用系统较多的内存资源。

2人工智能技术在飞行冲突探测与解脱管理方面的应用

人工智能技术的应用可以使空中交通管理系统具有高智能化的特征，从而满足飞行冲突与解脱管理方案自动生成的需要。具体来说，实现这一功能的模块是飞行冲突探测与解脱辅助决策模块，而该模块是由冲突探测与解脱系统和辅助决策系统组成的。该模块不但可以实现飞行冲突的预测，还可以为管制人员提供飞行冲突调配的决策方案，从而减轻管制人员的压力，帮助他们做出正确的决定。所以，该系统的应用，弥补了人类与机器各自存在的不足，从而有效的避免了因人为失误或机械故障而造成的飞行事故。从原理角度来看，系统首先通过分析飞行冲突情况来制定可能的解脱方案，然后根据航空器优先级分类方法和冲突类型判定法等多种规则，进行方案的选择和排除。在这一推理过程中，为了保证系统推理的有效性，系统需要根据大量的规则来进行方案的推理选择。而这些规则，则要被统一存入知识库系统中。这样，管制人员只要在平时做好知识库系统的更新和维护，就能够保证系统推理的有效性，从而根据系统提供的方案，来进行飞行冲突航班的排序。

3结论

人工智能论文范文第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”（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?A→B

A→(?A→B)

(A??A)→B

(A??A)→?B

A→??A

(?Aù(AúB))→B

(A→B)→(?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。超级秘书网

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。”