论第2次数理逻辑革命

人工智能理论危机暴露了经典数理逻辑的局限性，各种非经典数理逻辑的大量涌现表明，第2次数理逻辑革命已经丌始．为了使各种逻辑能在统一的泛逻辑学框架内协调一致地发展，为人工智能提供新的逻辑理论基础，提出了第2次数理逻辑革命的总纲领：实现部分辨证逻辑的数学化，建立可包容各种不确定性、矛盾和演化的柔性逻辑学；根据总纲领和逻辑学4要素，提出了革命的若干具体纲领，并指出当前最重要的任务是建立柔性命题逻辑学，它是建立整个柔性逻辑学的基石，根据纲领建立了柔性命题逻辑学，表明它可包容或生成各种命题逻辑。     

人工智能中泛逻辑学的研究

逻辑学的理论为人工智能的发展提供了有力的工具。标准逻辑促进了人工智能早期的发展,随着处理知识的随机性、模糊性和未知性等特点的出现,模糊逻辑等在人工智能中得到发展;各种形式的非标准逻辑的出现,促使建立尽可能包容一切逻辑形态和推理模式的泛逻辑学。在分析模糊逻辑规律的基础上,把三角范数理论和逻辑学紧密结合起来,利用三角范数理论提出命题泛逻辑学。目前,泛逻辑学在人工智能中已经取得了一定的研究成果。     

基于零级N/T泛数完整簇的概率逻辑算子的研究

在人工智能中不确定性理论、主观Bayes方法、证据理论等都是基于概率论的.但是,这些不确定性推理方法仅仅是基于概率,而不能真正实现逻辑框架内的概率逻辑不确定推理,产生这种现象的主要原因是概率逻辑自身存在着缺陷.按照泛逻辑学的生成规则,基于零级N/T/S范数完整簇从泛逻辑学的角度来构造概率逻辑算子.结果表明概率逻辑是能够在泛逻辑学的框架内进行柔性化的,是命题泛逻辑在h=0.75时的一种特例.     

泛逻辑学的蕴涵性质

蕴涵算子是逻辑学研究中的重点和难点。本文首先给出泛逻辑中的一级命题连接词完整簇的非、交、并和蕴涵运算模型,证明了泛蕴涵的正则性、单调性以及它和泛“交”的伴随性,这对于进一步研究泛逻辑的形式系统和代数结构以及完备性,都具有重要的理论价值。     

基于泛逻辑学的模糊逻辑关系柔性的研究

模糊逻辑是许多实际应用的逻辑基础,但是其理论基础还不太成熟,不能够实现真正的柔性,这也就影响了它的应用范围.逻辑学正处于第二次革命中,也就是由刚性逻辑到柔性逻辑的转变,泛逻辑学正是由何华灿教授建立的一种新的柔性逻辑体系.只有在泛逻辑学的框架内才能真正实现模糊逻辑关系的柔性化.     

基于泛逻辑学的柔性命题逻辑研究

现有的数理逻辑是刚性逻辑，不能满足研究不确定性问题的需要．概率测度是研究不确定性问题的重要数学工具．但作为概率推理理论基础的概率逻辑发展不够成熟，影响了它在不确定性推理中的广泛应用．本文第二作者在探索包含确定性和各种不确定性的现实世界逻辑规律的基础上．建立一个包容刚性逻辑和柔性逻辑的命题泛逻辑学体系．本文利用这一研究成果，对命题概率逻辑进行了探讨．     

人工智能科学中的概率逻辑

人工智能科学，从其诞生之日起便与逻辑学密不可分。本文首先对逻辑学的分类、相互关系以及泛逻辑的概念等进行了讨论，并对人工智能中逻辑学的应用及发展进行了必要的分析。然后讲述了逻辑学与概率论两大理论基础之上的不确定性推理方法——概率逻辑，重点研究了二值概率逻辑与三值概率逻辑。最后阐述了概率逻辑在人工智能科学中的应用以及对它的思考。     

基于泛逻辑学的概率命题逻辑的研究与分析

概率逻辑是不确定推理的一个重要逻辑基础,但其目前还不太完善．泛逻辑学是何华灿教授在探索各种不确定性问题求解中建立起来的一种新的柔性逻辑体系．理论上,概率逻辑仅是泛逻辑学的一个特例．在对目前比较典型的几种概率逻辑模型进行分析的基础上,基于命题泛逻辑学的思想和方法,指出了概率命题逻辑中存在的一些主要问题,探讨了解决这些问题的思路与方法。     

机制主义人工智能理论——一种通用的人工智能理论

现行人工智能研究取得了许多进展,但存在“深度上浅层化、广度上碎片化和体系上封闭化”的重要缺陷。这不是改进算法或者提高硬件性能所能解决的问题,而是要在科学观方法论上寻找根源。本文依据“科学观→方法论→研究模型→研究途径→基本概念→基本原理”这个顶天立地的研究纲领,总结了信息科学的科学观,提炼了信息生态方法论;在新的科学观和方法论指导下构筑了体现智能生长全过程的研究模型,发现了智能生长的共性机制,确立了机制主义研究途径,进而澄清和匡正了信息（特别是语义信息）、感知、知识、认知、基础意识、情感、理智、综合决策等一系列基础概念,总结了实现信息－知识－智能转换的一组基本原理,创建了机制主义人工智能理论。而且证明了:长期三分而立的结构主义（人工神经网络）、功能主义（专家系统）、行为主义（感知动作系统）三大人工智能理论可在机制主义人工智能理论框架内实现和谐统一;机制主义是生成基础意识、情感、理智三位一体高等人工智能的科学途径;机制主义人工智能理论是通用型的人工智能理论。     

基于Schweizer算子簇的柔性概率逻辑算子的研究

Schweizer算子簇是泛逻辑学研究零级非相容T/S范数完整簇的数学基础,由它构造的与/或运算具有连续单调可变性.基于Schweizer算子簇构造的概率逻辑算子,既可满足概率测度的基本公理,又可实现概率逻辑运算的连续单调可变.     

因素表示的信息空间与广义概率逻辑

国内外近年来所提出的广义概率逻辑对于人工智能的发展有重要意义。能否反映变换演化的实际场景，使逻辑判断能够灵活变通，这是广义概率逻辑发展的关键。为了解决这一问题，本文的目是以信息空间作为逻辑与实际场景的接口。有了这个接口，逻辑判断就能反映变幻莫测的实际场景。本文的方法是用因素空间来定义表现论域以形成新的信息空间，将谓词中的变元取为因素，在已有的逻辑系统中加上本文所提出的背景公理，所有的推理都是在一定背景之下的推理，不同的背景会推出不同的结论。结果是新的逻辑既能维系Stone表示定理的表现要求，又能变得更加灵活有效。结论能使广义概率逻辑更有效地服务于人工智能。为了配合机制主义人工智能的需要，本文还特别提出了语法-语用对接的方法和目标驱动的逆向推理设想，最后为泛逻辑的3种连续算子对进行了数学证明。     

重新找回人工智能的可解释性

针对深度神经网络AI研究的可解释性瓶颈，指出刚性逻辑（数理形式逻辑）和二值神经元等价，二值神经网络可转换成逻辑表达式，有强可解释性。深度神经网络一味增加中间层数来拟合大数据，没有适时通过抽象把最小粒度的数据（原子）变成粒度较大的知识（分子），再把较小粒度的知识变成较大粒度的知识，把原有的强可解释性淹没在中间层次的汪洋大海中。要支持多粒度的知识处理，需把刚性逻辑扩张为柔性命题逻辑（命题级数理辩证逻辑），把二值神经元扩张为柔性神经元，才能保持强可解释性。本文详细介绍了从刚性逻辑到柔性逻辑的扩张过程和成果，最后介绍了它们在AI研究中的应用，这是重新找回AI研究强可解释性的最佳途径。     

因素空间理论——机制主义人工智能理论的数学基础

机制主义人工智能理论是基于智能的生长机制而把结构主义、功能主义和行为主义这三大人工智能流派有机统一起来并使基础意识、情感、理智成为三位一体的高等人工智能理论。因素空间是机制主义人工智能理论的数学基础,是现有模糊集、粗糙集和形式背景理论的进一步提升,它为信息描述提供了一个普适性的坐标框架,把数据变成可视的样本点,形成母体背景分布,压缩为背景基,由此进行概念自动生成,因果关联分析,以及建立在其上的学习、预测、识别、控制、评价和决策等一系列数学操作活动。本文将着重介绍其中的核心内容,将具体的形式信息（即语法信息）与效用信息（即语用信息）关联起来,提升为抽象的语义信息,为机制主义人工智能的信息转化第一定律提供一个简明的数学架构。本文以“九宫棋”为例,介绍如何用因素思维实现目标因素与场景因素的对接和搜索,为信息转化的第二定律从数学上展开探索性的思考;还结合因素空间及有关学科的历史来进行解说,以便帮助读者对因素空间理论有一个较为全面的认识。     

“范式变革”引领与“信息转换”担纲:机制主义通用人工智能的理论精髓

世界人工智能研究至今一直沿用着物质科学的科学范式(科学观和方法论),因此被分解为结构主义人工智能(人工神经网络)、功能主义人工智能(物理符号系统/专家系统)和行为主义人工智能(感知动作系统/智能机器人) 3个各自为战互不相容的学派。虽然各个学派都获得了一些精彩的局部性专用性成果,却没有通用性整体性的人工智能应用,更无法形成通用的人工智能整体理论,这成为人工智能研究与发展的最大痛点。目前,通用性整体性的人工智能理论越来越成为社会的紧迫需求。为此,本文依据作者四十多年研究的积累,总结和提出了“机制主义通用人工智能理论”,特别强调了“范式变革”和“信息转换”,希望引起学界的研讨和批评。     

多Agent系统中的常识和分布式知识

Agent的形式化研究已成为人工智能、哲学逻辑和计算语言学共同关心的重要课题,有着广泛的应用。逻辑学的理论为人工智能的发展提供了有力的工具。介绍了Agent系统设计的逻辑学基础,以及模态逻辑和认知逻辑,在此基础之上重点介绍了多Agent系统中的常识和分布式知识。     

人工智能中概率逻辑的研究

概率论是在不完备的、不确定的数据中进行推理的,它是度量不确定性的重要手段。在人工智能中,研究者结合概率和逻辑各自的优点,进行概率逻辑的研究。本文介绍了传统概率逻辑的三大派别,阐述了二值逻辑概率和三值逻辑概率的发展;最后介绍了泛逻辑,通过对概率逻辑和泛逻辑学的研究,将概率逻辑纳入泛逻辑学的框架内。     

空间故障网络的柔性逻辑描述

为使空间故障网络(space fault network, SFN)描述系统故障演化过程(system fault evolution process, SFEP)时能蕴含信息的不确定性和演化特征,克服因素、数据和演化本身的不确定性,提出使用柔性逻辑对SFN进行描述和改造。首先论述了SFN存在的问题和使用柔性逻辑解决这些问题的可能性。使用柔性逻辑描述SFN,应从SFN的最基本单元、事件发生关系、SFN结构方面进行。给出了SFN中与、或和传递关系的柔性逻辑表示。在柔性逻辑条件下给出了SFN的关系组,进而得到SFN最终事件状态的柔性逻辑表示。实例结果蕴含了SFEP中各事件、因素和演化过程之间的柔性逻辑关系及其不确定性,为SFEP的智能化研究提供了新方法论和理论基础。