卡尔纳普归纳逻辑理论的认知意蕴研究

2020-07-12燕山大学马克思主义学院066004

大众文艺 2020年8期

（燕山大学马克思主义学院 066004）

姜洋（燕山大学文法学院 066004）

一、概率逻辑的定量认知

对或然推理进行系统化、定量化的处理是现代归纳逻辑最为显著的特点。现在归纳逻辑的主流是概率逻辑，逻辑学者们在数理逻辑的发展与概率论的研究之上，对或然性推理进行公理化、形式化与系统化的研究。逻辑学者们对于“概率”这个概念的不同解释又出现了逻辑贝叶斯、主观贝叶斯和经验主义学派。这体现的是逻辑学者们关于归纳逻辑在科学创新与知识获取中的不同方法论与不同价值取向。三个流派也互相影响。为了对卡尔纳普归纳逻辑的认知功能有深入的了解，我将横向对三者进行比较。

第一，经验主义学派认为，概率是指在事件无穷发生的序列中某一性质或者事件反复出现的相对频率的极限。主要代表人物赖欣巴哈，他先建立了概率演算公理，进行频率解释，最后用频率处理归纳理论。他公理得客观性与过程性，把概率与科学实验紧密联系在一起。

第二，主观贝叶斯学派认为“概率”是个人的实际置信度，也就是某主体X对于某假说H被确证、某P命题为真或某件事W的发生的相信程度。主观贝叶斯学派认为对于同一命题或事件，一个主体可以自由的选择在0至1这个范围内的任意置信度。对于把“概率”定义为人类主体的认知程度，从这一观点来看，主观贝叶斯揭示了科学认知依赖于认知主体。这也为科学工作者在实验中提供了一个研究的模式，在实验过程中要考虑道主体的主观先验的影响。

第三，逻辑贝叶斯认为，“概率”是作为前提的命题集合与做为结论的命题之间的一种逻辑关系。如果，我们对于前提h的知识使得我们对结论e有r的合理信念，那么,我们就可以说前提h和结论e有概率为r。卡尔纳普是逻辑贝叶斯学派的主要代表。通过与演绎逻辑的比较，卡尔纳普提出了“逻辑概率”这个概念，即证据对假设的确证度。他又构建了c函数，作为逻辑概率的精确化。为了计算c函数的值，卡尔纳普又采取了逻辑域这个概念。这个概念就是指令c函数为真的的所有可能世界的集合。这个精致却又繁杂的逻辑算法对科学认知提供了方法论的先导。他认为一切知识都是概然性的知识，归纳逻辑就是概率逻辑。他运用自己构建的逻辑体系对一个理论的不同假说进行评估，获取假说之中最大的确证度。依据概率，在不同假说之中选择或避免最优或最劣的假说而这种选择过程就是科学理论的创新。他的确证度理论也为科学理论的选择提供依据，对每一个科学理论进行概率分配之后选择概率值最大的理论，这也就是为科学创新提供理论选择的根据与基础。

从相同点来看，无论是逻辑贝叶斯、主观贝叶斯或者经验主义学派，它们本质上所研究的归纳推理都是枚举归纳法。它们具有相同的特点，那就是结论断定的范围都超出了前提的范围。他们的推理是不确定的、放大了的推理。也正是他们所具有的这些性质，使得它们的推导结果是在原有前提或知识的深化与拓展，更可以对未来进行预测。

二、卡尔纳普归纳逻辑的认知意义

卡尔纳普曾明确的说“我把归纳逻辑理解为一种逻辑概率的理论，用以给出归纳思维规则。”直白的说就是他要把科学实验与日常的归纳思维与归纳方法提供一定的程式和规则。

在《概率的逻辑基础》中，卡尔纳普提出了用证实概率论为工具研究归纳推理的基本构想。他认为归纳推理与演绎推理不同，不是获得一个新命题，而是确定证实度。他把自己研究的归纳推理分为五种基本的类型，卡尔纳普指出这五种推理只是归纳推理中最重要的五种类型，而不是对一切归纳推理所做出的穷尽的、彼此不相容的划分。

1.直接归纳推理，是总体到样本的推理。在人们的日常生活与科学实验当中直接归纳推理是被运用最多，也是最为熟练的推理方法。人们的思维由普遍推出特殊，把握事物存在与运行的规律，做出合理的决策。

2.预测归纳推理，预测归纳推理是由一个样本推出另一个样本的推理。卡尔纳普认为，预测归纳推理是最重要的一个归纳推理，而预测归纳推理最重要的特例是单称预测推理。利用规律来预言尚未知道的事实。对于归纳推理由已知推未知一直为人所诟病，所以卡尔纳普等人在归纳逻辑当中引入了概率论。用以推测非全称规律的发生。

3.类比推理，类比归纳推理是根据个体a和个体c有一些相同的性质。此外a有另外一些性质，我们可以推测b同样有某些和b相同的性质。卡尔纳普对类比推理类似于传统意义上的理解。他称“根据个体已知的相似由一个推到另一个推理”。

4.逆推理，逆归纳推理是由个体推到总体的的推理。卡尔纳普认为逆推理是预测归纳推理的一个特例。已知的样本是第一个个体，而接下来从第二个出现的样本是包括总体的剩余部分。

5.全称归纳推理，全称归纳推理是从一个观察过的样本推出一个全称形式的假说的推理。卡尔纳普得出的结论，对于个体数目为无穷的系统，全称概括假说的确证度为零。

卡尔纳普分类出的五种归纳推理类型为归纳逻辑的合理性做出有效的解释，为经验自然科学在知识获取与科学创新提供了认知工具。

三、拓宽卡尔纳普归纳理论认知功能

但是，如果要进一步增强卡尔纳普归纳逻辑体系的认知功能，还需要做几点工作：

第一，从单调性向非单调性转变。一种推理具有非单调性，有x,y与z,如果x⇒z，¬∃（x∪y⇒z)。这个推导也就是说新证据或新信念的出现可能会影响结论z的真值。卡尔纳普的概率逻辑对一个命题的确证度不能保持不变，要注意新证据出现对于原命题真值的影响。

第二，从完全性向不完全性的转变。卡尔纳普体系体系假定了研究者知道某一实验的所有可能结果，穷举了可能世界的集合。同时，研究者认为某个概率值在[0,1]的一个数值，假定了研究者能够确定任一可能事件的概率值。但是，人类目前的认知是存在黑洞，我们的认知也在不停的发展，所以对于科学理论的研究也处于动态之中。为了不断的探索认知的黑洞，建构起一个对科学探索具有发展的、认知功能的逻辑体系，需要从完全性向不完全性的转变。具有动态性，随着人类认知范围的拓展而变化。这是一个极具挑战性的任务，也不可能是一个一蹴而就的过程，这需要无数的学者循序渐进的推进。

第三，从哲学层面对科尔纳普的归纳体系深入思考。现代归纳逻辑，尤其是以卡尔纳普为代表的逻辑贝叶斯学派，更多的是集中于公式、定理的技术层面的研究，缺乏对归纳问题的哲学层面的思考。哲学层面的思考主要集中与世界观与方法论之上。

第四，从单一学科向跨学科转变。古典归纳逻辑向现代归纳逻辑的飞跃是因为概率论、数理逻辑的发展。不仅拓宽了归纳逻辑的外延形式，更丰富了其内涵。归纳逻辑的发展是随着时代人文、科技等领域的迫切要求而出发的。相比与过去人类的认知活动，当下的认知活动呈现的是复杂多变，可知的前提随时面对被推翻的可能，科学创新日新月异。单一学科的归纳逻辑已经无法满足人们认知的多元化与复杂化需求。如果要推动归纳逻辑的发展就需要进一步跨越学科的研究。与心理学、神经科学、量子物理学、计算机学科等进行跨领域研究。卡尔纳普的归纳逻辑体系也需要通过跨领域来丰富其认知功能。例如，在卡尔纳普的系统L的状态描述问题，如果利用利用超级计算机进行计算是有可能迎刃而解的。