如何提高逻辑表达能力范文篇1

【关键词】组合电路设计；任务驱动教学；Multisim仿真

1.教材和教学内容分析

《数字电子技术》是一门理论性和实践性都很强的专业基础课程，教学过程中涉及到的器件种类较多，知识更新速度快。课程的授课重点是以数字基本理论为基础、基本技能为桥梁、综合创新为目的，培养学生分析问题、解决问题的能力。

《组合逻辑电路的设计》是组合逻辑电路的重要组成部分，它在课程中起着承前启后的作用，既是对前面所学的逻辑电路、真值表、逻辑函数表达式以及逻辑代数等知识的综合应用，又为后续编码器、译码器等中规模组合逻辑电路的学习奠定基础。

2.教学目标和教学方法

本次教学的知识能力目标是使学生熟练掌握组合逻辑电路的设计方法及步骤，提高学生学以致用的能力。为了调动学生的积极性，教学过程中主要采用“任务驱动法”来进行教学，结合学生特点，精心设计任务，引导学生分析任务探究新知，然后启发学生运用所学知识解决实际任务。中间配合使用“类比法”、“讨论法”、“仿真法”来达到教学目标。

3.任务驱动教学方法

3.1任务一校园歌曲评比电路

（1）创建任务，导入新知

设计一个“校园原创歌曲评比”考核电路。考核组由1名主评委和2名副评委组成。每名评委面前有一个按钮。只有当包括主评委在内的2名或2名以上评委认为该歌曲合格，按下按钮，表明是否通过的指示灯才亮。

本设计任务从学生身边事件引入，创设了真实的学习情境，引导学生带着真实的任务进入学习情境，使学习直观化和形象化，将学生自然而然地引入到学习氛围中。

（2）案例分析，传授新知

如何设计一个校园歌曲评比电路呢？学生根据课前预习情况会做出相应回答，即跟组合逻辑电路的分析过程顺序相反。接下来启发学生对实际问题进行分析，电路有几个输出变量和几个输入变量？每个变量代表什么含义呢？设A、B、C代表三名评委面前的按钮，按按钮用1表示，不按用0表示，Y为评比结果显示指示灯，亮用1表示，不亮用0表示，同时还应考虑A为主评委，具有否决权。要设计组合逻辑电路，必须找出输出变量和输入变量直接的逻辑关系，通过教员的启发先列出输入输出的逻辑关系表，即真值表（见表1）。

3.2自主学习含无关项的多输出任务

通过任务1的学习，学生基本明确了组合电路设计的基本步骤。这时采用层层递进的方式，加大设计难度，将输出量提升到3个，同时在逻辑抽象列真值表时又出现了无关项问题。这是1个加强任务，要求学生独立完成，以此自行消化、吸收、巩固掌握本次课的知识点的目的。

任务二：图4为一个电开水器的示意图，A、B、C为水位传感器，当A、B、C电极被淹没时，会有信号输出。当水面在AB间时为正常状态，绿灯亮；当水面在A以上或BC间时为异常状态，黄灯亮；当水面在C以下时，为危险状态，红灯亮。试设计一个水位监测逻辑电路。

在任务2中出现了3个输出变量问题，初看起来不易设计，但引导学生只要对于一个具有因果关系的事件，通过逻辑抽象的方法，列出真值表这一关键的一步，后面几步就容易了。组织小组讨论：水位能不能既高于A又低于B？出现这种不合实际的情况该怎么办？这些无关项如何处理？通过鼓励学生开阔思路、创新思维，突破重点难点，也使枯燥、乏味的新课内容很流畅的就被“由浅入深”、“化难为易”了。

3.3小组讨论输入需要编码的任务

任务三：人类有四种基本血型—A、B、AB、O型。输血者与受血者的血型必须符合下述原则：O型血可以输给任意血型的人，但O型血只能接受O型血；AB型血只能输给AB型，但AB型能接受所有血型；A型血能输给A型和AB型，但只能接受A型或O型血；B型血能输给B型和AB型，但只能接受B型或O型血。试设计一个检验输血者与受血者血型是否符合上述规定的逻辑电路。如果输血者与受血者的血型符合规定电路输出1。

任务三的难点在逻辑抽象环节，即如何根据给定逻辑问题确定输入输出变量。课堂上将学生分组，给出一定思考时间后，组织不同小组的同学讨论设计方案。

方案一：输血者和受血者的血型都有4种血型，共8个输入变量，对应的真值表过于复杂。

方案二：对输入进行编码，用变量EF表示输血者血型，变量GH表示受血者血型；用两个逻辑变量的四种取值分别表示输血者、受血者血型。

通过学生分析，得出表达式并搭建电路。可见，任务三的难点就在于如何正确列出真值表，之后的逻辑化简、电路搭建等问题都是对前面所学内容的巩固，并不是本次课的重点。因此，教师可以适时引入电路设计软件来自动实现后续设计，让学生耳目一新。

启动MULTISIM，打开逻辑转换仪面板，在真值表区点击E、F、G、H四个逻辑变量，建立一个四变量真值表，输入真值表1。点击逻辑转换仪面板上“真值表简化逻辑表达式”按钮，求得简化的逻辑表达式如图5逻辑转换仪面板底部逻辑表达式栏所示。点击逻辑转换仪面板上“表达式逻辑电路”按钮，得到用与非门组成的逻辑电路。

这一环节面向实际应用，通过“教学互动”；不断激发学生的求知欲和学习热情，让学生们在教学过程中体验成功、自我肯定、提升能力。

4.任务的延伸

本节课采用“虚实结合”、“循序渐进”的任务驱动教学方法，在教学中加入仿真验证，把理论知识同实际应用有机结合起来，对提高学生学习电子技术课程的兴趣、培养学生创新能力等方面应该有积极的引导作用。

本次教学的三个设计都是通过小规模集成电路（SSI）来实现的。随着电子技术的发展，组合逻辑电路设计的重心和实际逻辑命题也朝着中规模（MSI）甚至大规模的方向发展。目前使用较多的组合逻辑MSI有编码器、译码器、数据选择器、数值比较器、奇偶校验/产生器和全加器等，教学过程中还要引导预习后续课程，在以后的学习中用MSI重新设计这三个题目，进一步培养学生举一反三、学以致用的综合能力。

参考文献

[1]姜春玲，封百涛.任务驱动法在“数字电子技术”教学改革中的应用[J].中国电子教育，2009（04）：56-59.

如何提高逻辑表达能力范文

一、排除数学语言障碍,为发展逻辑思维能力奠定基础

数学基础知识是思考的依据,不熟悉基本概念,公式,定理和法则,形成和发展逻辑思维能力将是一句空话.而数学语言是数学基础知识的重要组成部分.由于初中数学中出现了很多小学里没出现过的数学语言,再加上初中数学概念比小学严谨、抽象,不少初中生难以适应这个阶段的学习,一些学生没有真正理解数学语言,只会机械地背诵,导致学习基础知识时碰到困难,解题时推理无据,不严谨.

初中生数学语言学习的障碍主要表现为数学语言理解障碍,数学语言转化障碍,数学语言表达障碍.数学语言理解障碍是指初中生不能正确理解数学语言,比如“对边”,“互为相反数”,“任意非零整数”,“直线AB经过一点C”,“有且只有”等.初中生的数学思维在一定程度上依赖于具体的感性材料,这决定了他们学习数学语言时,只能由特殊到一般,由具体到抽象的循环渐进过程.因此,教师要根据这一特点,用具体的模型,学生熟悉的例子帮助学生理解数学语言.比如:讲解“平行线”概念时,教师可以举出生活中的例子:铁路上两条铁轨是笔直延伸,都在同一平面内,而且处处隔得一样远,所以永不相交;教室里窗的左右边框也有同样的特点.又比如,讲解“两点之间确定一条直线”这一命题时,教师可以把一个图钉固定在黑板上,在图钉上系上一条细线,将细线拉紧,绕图钉左右上下旋转,这时再用另一个图钉把这条细线上某点固定住,则细线就不能动了.先通过具体例于对数学语言描述的对象进行感知,学生会理解更透彻、牢固.此外,教师必须引导学生分析定义,命题等中数学语言的含义,对某些语言要“咬文嚼字”.数学语言转换障碍是指学生对于不同表达形式表征同一数学语言时,或者在同一种表达形式的数学语言的内部进行转换时出现问题,主要表现在符号语言、图像语言和文字语言之间的相互转换产生障碍.比如:对三角形高的定义中的文字语言“顶点到……垂线段……”,不能转换为图像语言,导致了记住概念后却依旧不会作出三角形的高;不[lunwen.1KEJIAN.com]能将“不小于”转化为“大于或等于”等.为克服学生这一问题,教师要让学生多练习、多动手,比如要求学生能根据题意画出图形,将数学语言和图形结合起来;能将定义、定理、命题等翻译成符号语言;能将实际问题中的文字语言翻译成符号语言等.数学语言表达障碍主要表现为学生不能正确或全面地将数学问题的解决过程用数学语言表达出来,可分为口头表达障碍和书面表达障碍.针对口头表达障碍,教师可以在课堂上多提供机会让学生回答问题,提高口头表达能力,对学生多鼓励、表扬.针对书面表达障碍,教师可通过具体例题的解答书写过程演示,让学生体会如何将心中所想转换为清楚的数学语言;教师也可以给出解答同一道数学题的几种不同书面表达,让学生比较哪种表达更清楚,哪种表达有误,不全面,有歧义.

二、排除“推理不严”,做到推理有据

小学阶段的数学结论主要靠观察,经验获得,再加上初中学生的逻辑思维对直观图形依赖性太强,导致了初中生往往凭观察和经验创造出一些“想当然”的结论.比如,在解有关三角形的题目时,如果题目中的三角形看起来两腰相等,学生会凭观察直接把题中的三角形当成等腰三角形,并利用等腰三角形的知识进行求解.同时,初中生往往认识不到证明的必要性,他们困惑:为什么还要证明能直接观察出的结论?

考虑到初中生的认识发展规律,要消除这种思维习惯,教师只能逐步培养初中生逻辑思维能力.首先,教师要有意识地跟学生强调证明的重要性.比如,讲解三角形内角和定理时,教师让学生通过折纸,拼角,度量等方式提出猜想后,可以先用几何画板验证猜想,同时展示出不同形状、大小的三角形内角和,直观形象地体现出三角形数目之多.这时再抛出问题让学生思考:显然三角形是罗列不完的,那么,我们能只对一个给定的三角形动手探究就得到普遍结论吗?但即使我们对每个三角形都进行验证,我们能否全部验证完呢?此时,学生就会意识到凭实际操作是行不通的,迫切想知道解决的办法,教师再引入“数学证明”的定义,方法,作用.然后,再通过“三角形内角和定理”的证明示范,学生就会初步认识到证明的意义.其次,通过例题示范,让学生了解推理证明的方法、要求,做到推理有据.对例题的选择要遵循由易到难,由简到繁,逐步提高的原则,比如,在学习平行四边形判定时,在遵循教材学习顺序的基础上,先只要求学生能够找出条件,证明某个四边形是平行四边形;然后可要求学生在证明某个四边形是平行四边形的基础上,再证明另一个四边形也是平行四边形;先只要求不必添加辅助线的,再要求需要作辅助线才能求解的题目.这种由简到繁、逐步过渡的方法能让学生便于接受.同时,教师要告诉学生画图要有依据,不能把任意三角形画成等腰三角形,把矩形画成正方形.此外,在讲解题目时,教师要深入分析每一步证明的已知是什么,结论是什么,用了什么定理、公理.细致剖析证明过程,让学生明确逻辑推理的步骤,减少对图形的依赖,能避免学生思维混乱,形成清晰的思维层次,进而提高学生的逻辑思维能力.

三、排除“思维不缜密”,周密思考问题

由于小学的数学学习缺乏思维缜密的训练,到了初中后,学生考虑问题不全面,逻辑思维不缜密.比如:初中生习惯在非负数[lunwen.1KEJIAN.com]范围内讨论问题,容易忽视字母取负数的情况.这是由于初中数学中引入了字母,用抽象的字母代替具体的数值.而小学生接触到的数都是取定的自然数,受此影响.又比如:在解答“等腰三角形中有一个内角为35°,则其余各角的度数为多少?”这道题时,学生会出现这样的误解:把题意中的内角只当做顶角(或底角),导致出现漏解.

如何提高逻辑表达能力范文

［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。”