"本书系统介绍人工智能逻辑，共分三部分： 第一部分“知识表示与推理”重点介绍命题逻辑、谓词逻辑和描述逻辑，这些逻辑系统是知识表 示与自动推理的基础。命题逻辑(第2 章)用于表达和推理有关事实的信息。谓词逻辑(第3 章)则进一 步支持对象属性、对象之间关系及量词结构的表达与推理。描述逻辑(第4 章)则在知识图谱等领域中 得到广泛应用，能够刻画复杂的概念结构与关系网络，是当前较为成熟的知识表示形式。 第二部分“智能体及其交互”聚焦于智能体本身及其与环境和其他主体的交互机制。介绍多种 用于刻画智能体的逻辑系统，包括处理不确定性的模态逻辑(第5 章)，表达认知状态的认知逻辑、 信念逻辑(第6 章)与偏好逻辑(第7 章)。第8 章引入动态逻辑，用于分析智能体如何在动态环境中 处理新信息、更新知识、修正信念与调整偏好，从而实现合理的决策与规划。此外，本部分还将探 讨多智能体系统、社交网络中的交互逻辑(第9 章)，以及博弈场景中的逻辑建模方法(第10 章)。 第三部分“机器学习与推理”介绍几类与当代人工智能密切相关、仍处于发展中的逻辑系统。 首先是基于概率的推理方法，尤其是与因果推理相关的理论与模型(第11~12 章)。其次，探讨人工 智能面临的伦理挑战，引入道义逻辑等行为规范相关的推理方法(第13 章)。最后，分析大语言模 型在逻辑推理方面的能力、面临的挑战，并展望其潜在的发展路径(第14 章)。 本书力求在保持逻辑严谨性的同时，做到内容通俗易懂。各章在系统介绍逻辑基本理论的同时，特别 注重其在实际应用场景中的体现，均以具体实例引出逻辑概念，并辅以大量例证，以帮助读者深入理解抽 象理论。同时，考虑到应用需求，我们也补充了相关逻辑系统的计算性质与复杂性分析，以帮助读者评估 其实用性与局限性。全书结构模块化，各部分内容相对独立，读者可根据自身兴趣和需要选择性阅读。 本书适合作为计算机科学、人工智能、逻辑学等相关专业的课程教材，也适合对人工智能与逻 辑学感兴趣的读者阅读。通过系统介绍人工智能逻辑的基本理论与实际应用，旨在帮助读者理解逻 辑学在人工智能中的基础性作用，展示逻辑学的发展如何推动智能系统的设计与发展。此外，本书 还涵盖了人工智能前沿领域的若干**研究成果，如知识图谱、大语言模型及与伦理问题相关的逻 辑形式系统，为读者提供一个融合理论与实践的综合性入门。 "

前言 我在清华大学哲学系开设“人工智能中的逻辑”课程已逾十年，面向全校各院系开放， 几乎每年都有计算机科学背景的理工科学生选修。课程初期主要聚焦传统人工智能与逻辑 推理，涵盖多种常用的逻辑系统，特别关注与智能体相关的理论问题。近年来，随着以大 数据驱动的人工智能迅速发展，我逐步将课程内容拓展至因果推理、推荐系统、大语言模 型等前沿主题。在我看来，逻辑学是文理交叉的理想平台，它不仅揭示科学技术背后的设 计理念，也引导我们从哲学的深层视角思考这些设计所承载的意义。这一点在课堂讨论中 尤为突出，学生们的讨论往往深入而富有张力，展现出哲学反思、技术进展与人文关怀的 有机融合。 本书正是基于这一教学经验撰写而成，以“人工智能逻辑”为题，核心聚焦于逻辑推 理，系统介绍多种与人工智能密切相关的逻辑系统。众所周知，逻辑推理能力是智能的核 心体现之一，不仅体现在对知识的理解与组织上，更关键在于能在复杂环境中进行判断与 决策。事实上，自人工智能诞生以来，逻辑学便深度参与其中，构成了该领域的重要理论基 础。人工智能的早期发展以符号主义为主导，采用形式语言进行知识表示与推理，试图模 拟人类的理性思维过程。近年来，随着机器学习技术，尤其是大语言模型的迅猛发展，人 工智能在模式识别与自然语言处理方面取得了突破性进展，但也暴露出逻辑结构薄弱、推 理能力不足等问题。因此，如何将逻辑推理与当代的人工智能有效融合，成为当前人工智 能发展所面临的重要挑战与机遇。要实现这一融合，亟须在理论层面取得实质性突破，这 也呼唤具有理论志趣的学者之间展开更为紧密的合作。这正是本书写作的初衷之...