文档介绍：逻辑学论文:浅议逻辑学与人工智能
【摘要】工作总结栏目为您编辑了逻辑学论文:浅议逻辑学与人工智能,供大家阅读参考。
人工智能主要研究用人工方法模拟和扩展人的智能,最终实现机器智能。人工智能研究与人的思维研究密切相关。逻辑学始终是人工智能研究中的基础科学问题,它为人工智能研究提供了根本观点与方法。
1 人工智能学科的诞生
12世纪末13世纪初,西班牙罗门卢乐提出制造可解决各种问题的通用逻辑机。17世纪,英国培根在《新工具》中提出了归纳法。随后本文由论文联盟收集整理,德国莱布尼兹做出了四则运算的手摇计算器,并提出了通用符号和推理计算的思想。19世纪,英国布尔创立了布尔代数,奠定了现代形式逻辑研究的基础。德国弗雷格完善了命题逻辑,创建了一阶谓词演算系统。20世纪,哥德尔对一阶谓词完全性定理与N 形式系统的不完全性定理进行了证明。在此基础上,克林对一般递归函数理论作了深入的研究,建立了演算理论。英国图灵建立了描述算法的机械性思维过程,提出了理想计算机模型(即图灵机) ,创立了自动机理论。这些都为1945年匈牙利冯诺依曼提出存储程序的思想和建立通用电子数字计算机的冯诺依曼型体系结构,以及1946年美国的莫克利和埃克特成功研制世界上第一台通用电子数学计算机ENIAC做出了开拓性的贡献。
以上经典数理逻辑的理论成果,为1956年人工智能学科的诞生奠定了坚实的逻辑基础。
现代逻辑发展动力主要来自于数学中的公理化运动。20世纪逻辑研究严重数学化,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。
2 逻辑学的发展

逻辑学是一门研究思维形式及思维规律的科学。从17世纪德国数学家、哲学家莱布尼兹(G. LEibniz)提出数理逻辑以来,随着人工智能的一步步发展的需求,各种各样的逻辑也随之产生。逻辑学大体上可分为经典逻辑、非经典逻辑和现代逻辑。经典逻辑与模态逻辑都是二值逻辑。多值逻辑,是具有多个命题真值的逻辑,是向模糊逻辑的逼近。模糊逻辑是处理具有模糊性命题的逻辑。概率逻辑是研究基于逻辑的概率推理。
泛逻辑的基本原理
当今人工智能深入发展遇到的一个重大难题就是专家经验知识和常识的推理。现代逻辑迫切需要有一个统一可靠的,关于不精确推理的逻辑学作为它们进一步研究信息不完全情况下推理的基础理论,进而形成一种能包容一切逻辑形态和推理模式的,灵活的,开放的,自适应的逻辑学,这便是柔性逻辑学。而泛逻辑学就是研究刚性逻辑学(也即数理逻辑)和柔性逻辑学共同规律的逻辑学。
泛逻辑是从高层研究一切逻辑的一般规律,建立能包容一切逻辑形态和推理模式,并能根据需要自由伸缩变化的柔性逻辑学,刚性逻辑学将作为一个最小的内核存在其中,这就是提出泛逻辑的根本原因,也是泛逻辑的最终历史使命。
3 逻辑学在人工智能学科的研究方面的应用
逻辑方法是人工智能研究中的主要形式化工具,逻辑学的研究成果不但为人工智能学科的诞生奠定了理论基础,而且它们还作为重要的成分被应用于人工智能系统中。
经典逻辑的应用
人工智能诞生后的20年间是逻辑推理占统治地位的时期。1963年,纽厄尔、西蒙等人编制的逻辑理论机数