［摘要］ 本文觉得，计算机科学和AI将是21世纪逻辑学进步的主要动力源泉，并且在非常大程度上将决定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）怎么样在逻辑中处置知识推理的弗协调、非单调和容错性原因？（2）怎么样使机器人具备人的创造性智能，如从经验证据中打造用于指导将来行动的可错的总结判断？（3）怎么样进行常识表示和常识推理，尤其是基于已有些常识库与各认知主体相互之间的常识而进行的推理？（4）怎么样结合各种语境原因进行自然语言理解和推理，使智能机器人可以用人的自然语言与人进行成功的交际？等等。

［关键字］ AI，知识推理，总结逻辑，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，其进步动力主要源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依据明确给出的演绎规则推导出其他的数学定理，从而把整个数学架构成为一个严格的演绎大厦，然后用某种程序和办法一劳永逸地证明数学体系的靠谱性。为此需要创造和锻造严格、精准、适用的逻辑工具。这是现代逻辑诞生的主要动力。由此导致的后果就是20世纪逻辑研究的紧急数学化，其表目前于：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办法论，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。由此进步出来的逻辑被适合地称为“数理逻辑”，它增强了逻辑研究的深度，使逻辑学的进步继古希腊逻辑、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尤其是数学、哲学、语言学和计算机科学产生了尤为重要的影响。

本文所要探讨的问题是：21世纪逻辑进步的主要动力以后自什么地方？大致说来将怎么样进步？我的怎么看是：计算机科学和AI将至少是21世纪早期逻辑学进步的主要动力源泉，并将由此决定21世纪逻辑学的另一幅面貌。因为AI要模拟人的智能，它的难题不在于人脑所进行的各种势必性推理（这一点在20世纪基本上已经做到了，如用计算机去进行高困难程度和高强度的数学证明，“深蓝”通过高速、很多的计算去与世界冠军下棋），而是最能体现人的智能特点的能动性、创造性思维，这种思维活动中包含学习、抉择、尝试、修正、推理诸原因，比如选择性地搜集有关的经验证据，在不充分信息的基础上作出尝试性的判断或抉择，不断依据环境反馈调整、修正我们的行为，……由此达到实践的成功。于是，逻辑学将不能不比较全方位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点的各种不确定性推理，由此进步出的逻辑理论也将具备更强的可应用性。

事实上，在20世纪中后期，就已经开始了现代逻辑与AI（记为人工智能）之间的相互融合和渗透。比如，哲学逻辑所研究的很多课题在理论计算机和AI中具备要紧的应用价值。人工智能从认知心理学、社会科学与决策科学中获得了很多资源，但逻辑（包含哲学逻辑）在人工智能中发挥了特别突出有哪些用途。某些缘由促进哲学逻辑家去进步关于非数学推理

的理论；基于几乎同样的原因，人工智能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，甚至在渐渐融合在一块。比如，人工智能特别关心下述课题：

·效率和资源有限的推理；

·感知；

·做计划和计划再认；

·关于别人的常识和信念的推理；

·各认知主体之间相互的常识；

·自然语言理解；

·常识表示；

·知识的精准处置；

·对不确定性的处置，容错推理；

·关于时间和因果性的推理；

·讲解或说明；

·对总结概括与定义的学习。[①]

21世纪的逻辑学也应该关注这类问题，并对之进行研究。为了做到这一点，逻辑学家们有必要熟知人工智能的需要及其有关进展，使其研究成就在人工智能中具备可应用性。

我觉得，至少是21世纪早期，逻辑学将会重点关注下述几个范围，并且大概在这类范围出现具备重大意义的成就：（1）怎么样在逻辑中处置知识推理中的弗协调、非单调和容错性原因？（2）怎么样使机器人具备人的创造性智能，如从经验证据中打造用于指导将来行动的总结判断？（3）怎么样进行常识表示和常识推理，尤其是基于已有些常识库与各认知主体相互之间的常识而进行的推理？（4）怎么样结合各种语境原因进行自然语言理解和推理，使智能机器人可以用人的自然语言与人进行成功的交际？等等。



1．知识推理中的某些弗协调、非单调和容错性原因

人工智能研究的一个目的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点的问题进行实践，期望能做出各种具备智能特点的软件系统。人工智能研究基于计算渠道，因此要打造具备可操作性的符号模型。一般而言，人工智能关于智能管理软件的符号模型可描述为：由一个常识载体（称为常识库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年代包含专家系统的进步，人工智能研究者逐步获得共识，认识到常识在智能管理软件中力量，即普通的智能管理软件事实上是一种基于常识的系统，而常识包含专门性常识和知识性常识，前者亦可看做是某一范围内专家的知识。于是，知识问题就成为人工智能研究的一个核心问题，它包含两个方面：知识表示和知识推理，即怎么样在AI中明确地表示人类的知识，并运用这类知识去进行符合人类行为的推理。显然，这样打造的知识常识库可能包括矛盾，是不协调的，但这种矛盾或不协调应不至于影响到进行适当的推理行为；知识推理还是一种非单调推理，即大家基于不完全的信息推出某些结论，当大家得到更完全的信息后，可以改变甚至收回原来的结论；知识推理也是一种可能出错的不精准的推理模式，是在容许有错误常识的状况下进行的推理，简称容错推理。而经典逻辑拒斥任何矛盾，容许从矛盾推出所有命题；并且它是单调的，即承认如下的推理模式：假如p?r，则pùq?r；或者说，任一理论的定理是该理论之任一扩张的定理集。因此，在处置知识表示和知识推理时，经典逻辑应该遭到限制和修正，并进步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，知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”（Paraconsistent Logic）是由普里斯特、达·科斯塔等人在对悖论的研究中进步出来的，其基本想法是：当在一个理论中发现很难克服的矛盾或悖论时，与其徒劳地想尽各种方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，以免使大家所创立或研究的理论成为“不足道”的。于是，在次协调逻辑中，可以容纳有意义、有价值的“真矛盾”，但这类矛盾并不可以使系统推出所有，致使自毁。因此，这一新逻辑具备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。次协调逻辑家们觉得，假如在一理论T中，一语句A及其否定?A都是定理，则T是不协调的；不然，称T是协调的。假如T所用的逻辑含有从互相否定的两公式可推出所有公式的规则或推理，则不协调的T也是不足道的。因此，一般以经典逻辑为基础的理论，假如它是不协调的，那它肯定也是不足道的。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年代架构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的特点性描述包含下述命题：矛盾律?不常见有效；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。应当容纳与和相容的大部分经典逻辑的推理模式和规则。这里，和表明了对矛盾的一种相对宽容的态度，则表明次协调逻辑对于经典逻辑仍有肯定的继承性。

在任一次协调逻辑系统Cn中，下述经典逻辑的定理或推理模式都不成立：

?

Aù?A→B

A→

→B

→?B

A→??A

)→B

→

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设计出了适合的语义学，并已经证明Cn相对于此种语义是靠谱的和完全的，并且次协调命题逻辑系统Cn还是可断定的。目前，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、集合论等范围的研究中，进步了这类范围内的次协调理论。显然，次协调逻辑将会得到更进一步的进步。[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进步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，并将它看做是模态定义，通过肯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《非单调逻辑的语义考虑》（1983）据觉得在非单调逻辑方面作出了让人注目的贡献。他在“缺省推理”和“自动认知推理”之间做了区别，并把前者看作是在没任何相反信息和缺少证据的条件下进行推理的过程，这种推理的特点是试探性的：依据新信息，它们非常或许会被撤消。自动认知推理则不是这类，它是与大家自己的信念或常识有关的推理，可用它模拟一个理想的具备信念的有理性的代理人的推理。对于在计算机和AI中获得成功的应用而言，非单调逻辑尚需进一步进步。



2．总结与其他不确定性推理

人类智能的本质特点和最高表现是创造。在人类创造的过程中，具备势必性的演绎推理固然起要紧用途，但更为要紧的是具备某种不确定性的总结、类比推理与模糊推理等。因此，计算机要成功地模拟人的智能，真的体现出人的智能品质，就需要对各种具备不确定性的推理模式进行研究。

第一是对总结推理和总结逻辑的研究。这里所说的“总结推理”是广义的，指所有扩展性推理，它们的结论所判定的超出了其首要条件所判定的范围，因而首要条件的真没办法保证结论的真，整个推理因此缺少势必性。具体说来，这种意义的“总结”包含下述内容：简单枚举法；排除总结法，指如此一些操作：预先通过察看或实验列出被研究现象的可能是什么原因，然后有选择地安排某些事例或实验，依据某些标准排除不相干假设，最后得到比较靠谱的结论；统计概括：从关于有穷数目样本的构成的常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“总结问题”，对总结推理的合理性和总结逻辑的可能性提出了深刻的质疑，但我觉得，（1）总结是在茫茫宇宙中存活的人类需要采取也只能采取的认知方案，对于人类来讲具备实践的势必性。（2）人类有理由从经验的重复中打造某种确实性和规律性，其依据就是确信宇宙中存在某类型似于自然齐一律和客观因果律之类的东西。这一确信是适当的，而用纯逻辑的原因去怀疑一个关于世界的事实性断言则是不适当的，除非这个断言是逻辑矛盾。（3）人类大概打造起局部适当的总结逻辑和总结办法论。并且，总结逻辑的这种可能性正在计算机科学和AI的研究推进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] 有人通过指责现有些总结逻辑不成熟，得出“总结逻辑不可能”的结论，他们的推理本身与总结推理一样，不具备演绎的势必性。（4）人类实践的成功在一定量上证明了相应的经验常识的真理性，也就在一定量上证明了总结逻辑和总结办法论的力量。毋庸不承认，总结逻辑现在还非常不成熟。有些学者指出，为了在机器的智能模拟中克服对总结模拟的困难而有所发展，应该将总结逻辑等有关的基础理论研究与机器学习、不确定推理和神经互联网学习模型与总结学习中已有些成就结合起来。只有如此，才能在已有些总结学习成就上，在机器总结和机器发现上获得新的突破和进展。[⑤] 这是一个极有价值且极富挑战性的课题，无疑在21世纪将得到看重并获得进展。

再谈模糊逻辑。现实世界中充满了模糊现象，这类现象反映到人的思维中形成了模糊定义和模糊命题，如“矮个子”、“美人”、“甲地在乙地附近”、“他非常年轻”等。研究模糊定义、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。模糊逻辑为精准逻辑（二值逻辑）解决不了的问题提供知道决的可能，它现在在医疗诊断、问题测试、气象预报、自动控制与AI研究中获得要紧应用。显然，它在21世纪将继续得到更大的进步。



3．广义内涵逻辑

经典逻辑只不过对命题联结词、个体词、谓词、量词和等词进行了研究，但在自然语言中，除去这类语言成分以外，显然还存在很多其他的语言成分，如各种各样的副词，包含模态词“势必”、“可能”和“不可能”、时态词“过去”、“目前”和“将来”、道义词“应该”、“允许”、“禁止”等等，与各种认知动词，如“考虑”、“期望”、“相信”、“判断”、“猜测”、“考虑”、“怀疑”，这类认知动词在逻辑和哲学文献中被叫做“命题态度词”。对这类副词与命题态度词的逻辑研究可以归类为“广义内涵逻辑”。

大部分副词与几乎所有命题态度词都是内涵性的，导致内涵语境，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有什么区别，所有语言表达式（包含自然语言的名词、动词、形容词直至语句）都可以区别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。比如，杀死、见到、拥抱、吻、砍、踢、打、与…下棋等都是外延性表达式，而了解、相信、认识、势必、可能、允许、禁止、过去、目前、将来等都是内涵性表达式。

在内涵语境中会出现一些复杂的状况。第一，对于个体词项来讲，重点性的东西是大家不只需要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。比如，因为“势必”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：

晨星势必是晨星，

晨星就是暮星，

所以，晨星势必是暮星。

这是由于：这个推理只考虑到“晨星”和“暮星”在现实世界中的外延，并没考虑到它们在每个可能世界中的外延，大家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，大家就不可以借助同一性替换规则，由该推理的首要条件得出它的结论：“晨星势必是暮星”。第二，在内涵语境中，语言表达式不再以一般是它们的外延的东西作为外延，而以一般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，于是在这样的情况下，“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。第三，在内涵语境中，虽然适用于外延的函项性原则不再成立，但并非非要抛弃不可，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）它需要可以处置外延逻辑所能处置的问题；（ii）它还需要可以处置外延逻辑所不可以处置的难点。这就是说，它既不可以与外延逻辑相矛盾，又要克服外延逻辑的局限。如此的内涵逻辑现在正在进步中，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以外，还需要同义、内涵的同一和差异、命题、属性或定义如此一些术语。广而言之，可以把内涵逻辑看作是关于象“势必”、“可能”、“了解”、“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，它可以粗略概念如下：一个内涵逻辑是一个形式语言，其中包含（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，比如A，这里A是任一种类的表达式，x是任一种类的变元，A本身是一函项，它把变元x在其中取值的那类型型的对象映射到A所属的那类型型上；（3）其他需要的模态的或内涵的算子，比如?，ù、ú。而一个内涵逻辑的讲解，则由下列要点组成：（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。对于任一的讲解Q和任一的世界w∈W，断定内涵逻辑系统中的任一表达式X相对于讲解Q在w∈W中的外延一直可能的。如此的内涵逻辑系统有丘奇的LSD系统，R·蒙塔古的IL系统，与E·N·扎尔塔的FIL系统等。[⑥]

在各种内涵逻辑中，认识论逻辑（epistemic logic）具备要紧意义。它有广义和狭义之分。广义的认识论逻辑研究与感知（perception）、了解、相信、判定、理解、怀疑、问题和回答等有关的逻辑问题，包含问题逻辑、了解逻辑、相信逻辑、判定逻辑等；狭义的认识论逻辑仅指了解和相信的逻辑，简称“认知逻辑”。冯·赖特在1951年提出了对“认知模态”的逻辑剖析，这对打造认知逻辑具备很大的启发用途。J·麦金西第一给出了一个关于“了解”的模态逻辑。A·帕普于1957年打造了一个基于6条规则的相信逻辑系统。J·亨迪卡于60年代出版的《常识和信念》一书是认知逻辑史上的要紧著作，其中提出了一些认知逻辑的系统，并为其打造了基于“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，既不成熟也面临很多难点。因为认知逻辑涉及认识论、心理学、语言学、计算机科学和AI等很多范围，并且认知逻辑的应用技术，又称关于常识的推理技术，正在成为计算机科学和AI的要紧分支之一，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点研究方向。这一情况在21世纪将得到继续并进一步强化，在这方面大概出现突破性的要紧结果。



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范围的推进力。第一是计算机和AI的研究，人机对话和通讯、计算机的自然语言理解、常识表示和常识推理等课题，都需要对自然语言进行精细的逻辑剖析，并且这种剖析不可以仅停留在句法层面，而且要深入到语义层面。第二是哲学尤其是语言哲学，在20世纪哲学家们对语言表达式的意义问题倾注了异乎一般的精力，进步了各种各样的意义理论，如观念论、指称论、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。第三是语言学自己进步的需要，比如在研究自然语言的意义问题时，不可以仅仅停留在脱离语境的抽象研究上面，而要结合用语言的特定环境去研究，这致使了语义学、语用学、新修辞学等等进步。每个方面进步的成就可以总称为“自然语言逻辑”，它力图综合后期维特根斯坦倡导的用法论，J·L·奥斯汀、J·L·塞尔等人进步的言语行为理论，与P·格赖斯所创立的会话含义学说等成就，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。

自然语言具备表达和交际两种职能，其中交际职能是自然语言非常重要的职能，是它的生命力之所在。而言语交际一直在肯定的语言环境（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。广义的语境除去上下文以外，还包含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、地址、条件、讲话的人（作者）、听话的人（读者）与交际双方所一同具备的背景常识，这里的背景常识包含交际双方一同的信念和心理习惯，与一同的常识和假定等等。这类语境原因对于自然语言的表达式（语词、语句）的意义有着极其要紧的影响，这具体表目前：（i）语境具备消除自然语言语词的多义性、歧义性和模糊性的能力，具备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括指示代词、人称代词、时间副词等，要弄了解这类句子的意义和内容，就要弄了解这句话是哪个说的、对哪个说的、什么时间说的、什么地址说的、针对什么说的，等等，这只有在肯定的语境中才能进行。依靠语境的其他种类的语句还有：包括着象“有的”和“每个”这种量化表达式的句子的意义取决于依语境而定的论域，包括着象“大的”、“冷的”这种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原因，这样等等。（iii）语言表达式的意义在语境中会出现一些要紧的变化，以至偏离它一般所具备的意义（抽象意义），而产生一种新的意义即语用涵义。有人觉得，一个语言表达式在它的具体语境中的意义，才是它的完全的真的的意义，一旦脱离开语境，它就只具备抽象的意义。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常见原则。[⑦]

美国语言学家保罗·格赖斯把语言表达式在肯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”，包含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。仿照康德把范畴区别为量、质、关系和方法四类，格赖斯提出了如下四组准则：

（1）数目准则：在交际过程中给出的信息量要适中。

a．给出所需要的信息量；

b．给出的信息量不要多于所需要的信息量。

（2）水平准则：力求讲真话。

a．不说你觉得假的东西，。

b．不说你缺少适合证据的东西。

（3）关联准则：说话要与已定的交际目的有关联。

（4）方法准则：说话要意思明确，表达明确。

a．防止晦涩生僻的表达方法；

b．防止有歧义的表达方法；

c．说话要简洁；

d．说话要有顺序性。[⑧]

后来对这类原则提出了不少修正和补充，比如有人还提出了交际过程中所要遵守的“礼貌原则”。只须把交际双方遵守交际合作原则之类的语用规则作为基本首要条件，这类原则就能用来确定和把握自然语言的具体意义（语用涵义）。事实上，一个语句p的语用涵义，就是听话人在具体语境中依据语用规则由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）没理由觉得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一定想表达q；

（iv）S势必了解，谈话双方都了解：假如S是合作的，需要假设q；

（v）S没办法阻止听话人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：“我没汽油了。”b说：“前面拐角处有一个修理汽车铺。”这里a与b谈话的目的是：a想得到汽油。依据关系准则，b说这句话是与a想得到汽油有关的，由此可知：b说这句话时隐涵着：“前面的修理汽车铺还在营业并且卖汽油。”

（2）某教授写信推荐他的学生任某项哲学方面的工作，信中写到：“亲爱的先生：我的学生c的英语非常不错，并且按时上我的课。”依据量的准则，应该提供所需要的信息量；作为教授，他对我们的学生的状况显然十分熟知，也可以提供所需要的信息量，但他有意违反量的准则，在信中只用一句话来介绍学生的状况，任用人一旦接到这封信，自然了解：教授觉得c不适合从事这项哲学工作。

并且，语用涵义还具备如下5个特征：（i）可取消性：在给原话语附加上某些话语之后，它原有些语用涵义可被取消。在例（1）中，若b在说“前面拐角处有一个修理汽车铺”之后又补上一句：“不过它这个时候已经关门了”，则原有些语用涵义“你可从那里得到汽油”就被取消了。（ii）不可离别性：假如某话语在特定的语境中产生了语用涵义，则无论使用哪种同义结构，该含义一直存在，由于它所倚赖的是话语的内容，而不是话语的形式。（iii）可推导性，前面已说明这一点。（iv）非规约性：语用涵义不可以单独从话语本身推出来，除要考虑交际合作原则之类的语用规则以外，也需要假定一般的逻辑推理规则，并需要把上文语句、交际双方所共有些背景常识作为附加首要条件考虑在内。（v）不确定性：同一句话语在不一样的语境中可以产生不一样的语用涵义。显然，确定某个话语的语用涵义是一个极其复杂的过程，需要综合和剖析、总结和演绎的统一应用，因此具备肯定的或然性。研究怎么样飞速有效地把握自然语言表达式在具体语境中的语用涵义，这正是自然语言逻辑所要完成的任务之一，它将在21世纪获得进展。