您现在的位置：&&>>&&>>&&>>&&>>&&>>&正文&&&&3edu教育网,百万资源,完全免费,无需注册,天天更新！
人工智能研究领域及其社会影响
人工智能研究领域及其社会影响
分类：&& 更新：&& 阅读：&& 作者：未知&& 来源：网络
人工智能研究领域及其社会影响
&&& [提要] 社会发展的历史就是技术进步的历史。社会发展为人工智能提供了良好的外部环境,同时人工智能促进社会发展。本文在介绍人工智能基本含义的基础上,概述人工智能的研究和应用领域,并且从不同的角度阐述人工智能的发展对于社会的深刻影响。 关键词:人工智能;研究领域;社会影响;专家系统 中图分类号:F4 文献&&& 标识码:A&&& 收录日期:日&&& 随着网络技术和通讯技术的发展,人工智能以它强大的渗透力走进了社会生活的各个领域,极大地改变了社会面貌,深刻地改变了人们的思想和行为。探讨人工智能对人类进步的影响,对促进人工智能发展和对人类的进步有着重要意义。&&& 一、人工智能的含义&&& 人工智能也称机器智能,它是计算机科学、控制论、信息论、神经生理学、心理学、语言学等多种学科互相渗透而发展起来的一门综合性学科。从计算机应用系统的角度出发,人工智能是研究如何制造出智能机器或智能系统来模拟人类智能活动的能力,以延伸人类智能的科学。&&& 人工智能领域的研究是从1956年正式开始的。这一年,在达特茅斯大学召开的会议上正式使用了“人工智能”(AI)这个术语。随后的几十年中,人们从问题求解、逻辑推理与定理证明、自然语音理解、博弈、自动程序设计、专家系统、学习以及机器人学等多个角度展开了研究,已经建立了一些具有不同程度人工智能的计算机系统。例如,能够求解微分方程、设计分析集成电路、合成人类自然语音,进行情报检索,提供语音识别、手写体识别的多模式接口,应用于疾病诊断的专家系统以及控制太空飞行器和水下机器人更加贴近我们的生活。我们熟知的IBM的“深蓝”在棋盘上击败了国际象棋大师卡斯帕罗夫就是比较突出的例子。&&& 当然,人工智能的发展也并不是一帆风顺的,也曾因计算机计算能力的限制无法模仿人脑的思考以及与实际需求的差距过远而走入低谷。但是,随着硬件和软件的发展,计算机的运算能力在以指数级增长。同时,网络技术蓬勃兴起,确保计算机已经具备了足够的条件来运行一些要求更高的AI软件,而且,现在的AI具备了更多的现实应用的基础。1990年以来,人工智能研究又出现了新的高潮。一方面是因为在人工智能理论方面有了新的进展,一方面也是因为计算机硬件突飞猛进的发展。随着计算机速度的不断提高、存储容量的不断扩大、价格的不断降低以及网络技术的不断发展,许多原来无法完成的工作现在已经能够实现。&&& 人工智能在发展过程中形成了几个学派,最主要的两个学派是符号主义和联接主义。符号主义,又称为逻辑广义、心理学派或计算机学派。其原理主要为物理符号系统(即符号操作系统)假设和有限合理性原理,代表人物是纽厄尔和西蒙。大量传统的人工智能研究是在这个学派的思想推动下进行的。联接主义认为人工智能源于仿生学,特别是人脑模型的研究。它的代表性成果是1943年由生理学家麦卡洛克和数学逻辑学家皮茨创立的脑模型,即MP模型,开创电子装置模仿人脑结构和功能的新途径。在这个学派中,有着名的模式识别理论。20世纪八十年代末神经网络迅速崛起,在声音识别、图像处理等方面取得很大成功。&&& 二、人工智能研究和应用的领域&&& (一)模式识别。计算机硬件的迅速发展,计算机应用领域的不断开拓,急切地要求计算机能更有效地感知诸如声音、文字、图像、温度、震动等人类赖以发展自身、改造环境所运用的信息资料。但目前计算机却无法直接感知它们,键盘、鼠标等外部设备,对于这样五花八门的外部世界显得无能为力,即使是电视摄像机和话筒等,由于识别技术不高,计算机并未真正知道所采录的究竟是什么信息,计算机对外部世界感知能力的低下,成为开拓计算机应用的狭窄瓶颈。于是,着眼于拓宽计算机的应用领域,提高其感知外部信息能力的学科――模式识别得到了迅速发展。&&& (二)自然语言理解与机器翻译系统。语言处理是人工智能最早期的研究领域之一。人们之间用语言互通信息是一件非常简单的事情,而建立一个能够生成和“理解”哪怕是只言片语的计算机系统却是非常困难的。因为传递某一点的“思维结构”需要庞大的与该思维结构相关的公共思维结构,犹如一个人一样,需要有上下文知识并能根据这些知识进行推理。自然语言理解最重要的成果是机器翻译。现在,机器翻译真正推向市场还面临两大问题:一是准确性。由于科技文献和文学作品有许多专业术语,所以需要专家来进行译前处理和译后校正工作;二是翻译速度问题。翻译需要有庞大的字库系统,有效快速搜索是需解决的问题之一,如何减少翻译前的处理和翻译后的校正工作时间也是需解决的问题。& &&& (三)自动程序设计。对自动程序设计的研究不仅可以促进半自动软件开发系统的发展,而且也使通过修正自身代码进行学习的人工智能系统得到发展。程序理论方面的有关研究工作,对人工智能的所有研究工作都是很重要的。我们所指的自动程序设计是某种“超级编译程序”,或者能够对程序要实现什么目标进行非常高级描述的程序,并能够由&&& 这个程序产生出所需要的新程序。这种高级描述可能是采用形式语言的一条精辟语句,也可能是一种松散的描述,这就要求在系统和用户之间进一步对话澄清语言的模糊,自动程序设计研究的重大贡献之一是作为问题求解策略的调整概念。&&& (四)专家系统。专家系统是一个具有专门知识的智能计算机程序系统,它应用人工智能技术,根据某个领域一个或多个专家提供的知识和经验进行推理和判断,模拟人类专家的决策过程,解决该领域需要由专家才能解决的问题,专家系统一般由数据库和推理机构成。近年来,在专家系统的研究中已经出现了应用人工智能技术解决实际问题的成功范例。如“故障诊断系统”,这种系统设计了一个计算机界面,可以进行人―机“对话”,用户与专家系统进行咨询对话就像用户与具有这方面知识与经验的专家对话一样,解释和回答用户的问题。此外,还有情报检索系统、数据分析系统和结构优化设计系统等。&&& 发展专家系统的关键是如何表达和运用专家知识即构筑数据库,如何将那些来自人类专家的并已经被证明了的对解决有关问题有帮助的典型事例符号化后输入计算机。专家系统与过去的一些计算机系统不同,它是以符号处理为主的计算机程序系统,一般没有算法解,经常要在一些不完全、不精确、不确定的信息基础上做出结论。&& (五)智能机器人。智能机器人是人工智能研究的另一个重要领域,其中包括对操作机器人装置程序的研究。至今,尽管已经建立了一些比较复杂的机器人系统,工业上也运行着成千上万台机器人,但这都是一些按预先编好程序执行某些重复作业的简单装置,大多数机器人只能“干”不能“看”,不具备“智慧”。如何摄取并处理视觉信息,研制能进行图像声音识别并进行拟人推理的机器人是人工智能的又一个十分活跃的领域。人工智能的研究促进了机器人研究和机器人学的发展;另一方面,智能机器人研究又促进了许多人工智能思想的发展。智能机器人的研究和应用体现出广泛的学科交叉,涉及众多课题。机器人已在各种工业、农业、商业、旅游业、空中和海洋以及国防等领域获得越来越普遍的应用。&&& (六)智能控制。人工智能的发展促进自动控制向智能控制发展。智能控制是一类无需人的干预就能独立地驱动智能机器实现其目标的自动控制。它是自动控制的最新发展阶段,也是用计算机模拟人类智能的一个重要研究领域。智能控制是同时具有以知识表示的非数学广义世界模型和数学公式模型表示的混合控制过程,往往是含有复杂性、不完全性、模糊性或不确定性以及不存在已知算法的非数学过程,并以知识进行推理来引导求解过程。&&& 三、人工智能对人类社会的影响&&& 随着计算机技术的快速发展和广泛应用,人工智能的思想和技术对人类的影响与日俱增,人工智能的发展将会对人类社会产生深远的影响,并将深入到人类社会的各个方面。&&& (一)人工智能的发展改变了人类的社会面貌&&& 1、财富迅速增加。从财富的数量看,由于计算机、控制论和自动化技术的发展,正在迅速提高自动化的程度。同样数量的劳动力在同样的劳动时间里可以生产比过去多几十倍、几百倍的产品。从财富的质量看,由于计算机的推广应用,新兴产业以前所未闻的速度和前所未有的规模发展起来。&&& 2、人际联系日益紧密。现在,任何社会制度的国家,由于人工智能的发展,生产社会化程度日益提高,使人际联系频度提高,距离缩短,Internet把整个世界联为一个整体。在这种条件下,生产国际化、贸易国际化、金融国际化、教育国际化、政治国际化和信息国际化,人们之间的往来将更加紧密。&&& 3、信息快速增加和更新。人工智能发展为人们储存和处理信息提供了方便。一方面人们利用计算机每天输入大量的信息,使信息以几何级数增加;另一方面使信息更新加速,人们利用计算机大量输入、生成和输出的信息,使储存在载体上的信息加速折旧,人们不断期待正在传输中的最新信息,为满足这种需要,越来越多的人进一步搜集和输入新的信息。&&& (二)人工智能的发展,改变了社会的结构。人们一方面希望人工智能和智能机器能够代替人类从事各种劳动,一方面又担心它们的发展会引起新的社会问题。实际上,近十多年来,社会结构正在发生一种静悄悄的变化。人―机器的社会结构,终将为人―智能机器―机器的社会结构所取代。智能机器人就是智能机器之一。从发展角度看,从医院里看病的“医生”、护理病人的“护士”、旅馆、饭店和商店的服务员、办公室的“秘书”、指挥交通的“警察”,到家庭的“勤杂工”和“保姆”等,将均由机器人担任。因此,人们将不得不学会与有智能的机器和睦相处,并适应这种变&&& 化了的社会结构。&&& 由于人工智能能够代替人类进行各种脑力劳动,例如用专家系统代替管理人员或医生进行决策、诊断或治疗病人的疾病。所以,将会使一部分人不得不改变他们的工种,甚至造成失业。人工智能在科技和工程中的应用,会使一些人失去介入信息处理活动(如规划、诊断、理解和决策等)的机会,甚至不得不改变自己的工作方式。&&& (三)人工智能的发展,提高了社会的经济效益。人工智能系统已创造出了可观的经济效益,专家系统就是一个典型的例子。随着计算机价格的继续下降,人工智能技术必将得到进一步推广,产生更大的经济利益。成功的专家系统能为它的建造者、拥有者和用户带来明显的经济效益。用比较经济的方法执行任务而不需要有经验的专家,可以极大地减少劳务开支和培养费用。由于软件易于复制,所以专家系统能够广泛传播专家知识和经验,推广应用数量有限的和昂贵的专业人员的知识。&&& 如果保护得当,软件能被长期和完整地保持;因此,人类专家的经验能够得以延续。不受人类专家寿命的限制,这又是一笔巨大的财富。各领域专业人员(如医生)难以同时保持最新的实际建议(如治疗方案和方法),而专家系统却能迅速地更新和保存这类建议,使终端用户(如病人)从中受益。&&& (四)人工智能的发展,改变了人类思维方式[1]&&
上一篇论文： 下一篇论文：
网友同时还浏览了：
计算机论文相关子栏目
免费论文推荐栏目
本站最新免费论文
&&&&&&&&&&
本站推荐免费论文
&&&&&&&&&&
网友热评免费论文
&&&&&&&&&&人工智能课程论文_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
人工智能课程论文
上传于||暂无简介
阅读已结束，如果下载本文需要使用2下载券
想免费下载本文？
下载文档到电脑，查找使用更方便
还剩13页未读，继续阅读
你可能喜欢人工智能与自然语言逻辑论文
> 人工智能与自然语言逻辑论文
人工智能与自然语言逻辑论文
    来源:毕业论文网
　　[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p&q?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?(A&?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：
　　?(A&?A)
　　A&?A&B
　　A&(?A&B)
　　(A??A)&B
　　(A??A)&?B
　　(?A&(A&B))&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代理人的推理。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。
人工智能与自然语言逻辑论文相关推荐