1701741200
如果x减去12 882 902粒构成一堆，那么x减去12 882 903粒构成一堆：
1701741201
1701741202
这样下去，这个推理可以包含上百万个步骤。
1701741203
1701741204
连锁悖论可能是最简单的演绎悖论了。这里没有任何难以理解的东西。一个前提轻微地不精确，在这个前提不断地重复应用之后，这种不精确性累积起来——所有的连锁悖论都是根据这种方法生成的。这种悖论的迷人之处在于，它利用（滥用）了一种极为常见而重要的推理形式。我们的大多数知识和观念都是通过连锁推理达到的。
1701741205
1701741206
有一天你看见一只乌鸦，以前你从未见过这只乌鸦，任何鸟类学家也没见过这只乌鸦。即便如此，你还是知道许多关于这只乌鸦的事。你知道（或者说有强烈的理由相信），它是恒温动物，它的羽毛和皮肤下面有骨头，它是从蛋里孵出来的，为了生存它需要水、氧气和食物，等等。这些知识既非来自直接经验，也不是别人明确地告诉你的。你曾经把某只乌鸦放进充满纯氮的屋子里吗（更别说这只特定的乌鸦了）？你曾经在某本书上见过“所有乌鸦都有骨头”这样直截了当的陈述吗？你通过建构必需的连锁推理，才能了解关于这只乌鸦的这些事实。
1701741207
1701741208
科学建立于连锁推理之上。根据这种推理形式，任何人都可以从几个既得的概括陈述出发，推出很多信息。信赖连锁推理可以使实验过程更经济。很可能从没有人做过实验以检验乌鸦是否需要氧气。实验已经表明各种不同种类的动物都需要氧气，如果存在什么理由令我们相信乌鸦也许是厌氧型生物，那么这种可能性应当已经有人检验过了。就像上面介绍的那样，我们依赖于连锁推理。
1701741209
1701741210
科学家寻求“所有X都是Y”这样的概括陈述，因为这类陈述使他们可以迅速地推理。“控制实验”的概念已预先假定，关于这个世界的重要事实符合这类陈述（在控制实验中，原因与结果的关系是独立可辨的）。然而，这并不意味着，所有真理都可以如此简单地表达。每当我们发现一部分真理时，这些真理总是反映出我们已掌握的、关于真相的片段可能与真相的整体并不相符。
1701741211
1701741213
复杂性
1701741214
1701741215
上一章介绍了“UND”谜题，这道题无法用“合乎逻辑”的方法解决。福尔摩斯对这道题的抱怨显示了一个相反的问题类型，与那些可以用逻辑程序处理的问题相对。连锁推理式的按部就班的程序，在这里无法应用。
1701741216
1701741217
“UND”谜题涉及一个被称为“复杂性理论”的数理逻辑分支。复杂性理论在客观、抽象的程度上研究“一个问题会困难到什么程度”。计算机程序员根据经验发现，用计算机处理某些类型的问题要比处理其他类型的问题困难得多，这一发现催生了复杂性理论。
1701741218
1701741219
如果复杂性理论只应用于计算机，那它的用处就小多了。实际上，这个理论同样可以应用于人类解决问题的过程。一个人解决问题必须依赖方法，方法（而非硬件）正是复杂性理论关注的焦点。
1701741220
1701741221
寻找一个客观标准来衡量一个问题的困难程度，达到这个目标看起来也许是徒劳的。大多数在真实世界中出现的问题都是这样：一些人觉得容易，另一些人觉得困难。许多问题的解决依赖于在问题和其他的特定事实之间建立的各种各样的思想联系。你或者能建立起联系，或者不能建立起联系。
1701741222
1701741223
某些谜题需要建立特定的思想联系（例如华生提出的分割土地问题），从某种角度说，这类问题是最困难的一类逻辑谜题，因为如何去解一点儿道理也讲不出来。换一个角度来说，这类问题又是最容易的——一旦联系建立好就一点儿难度也没有了。
1701741224
1701741225
复杂性理论最关心这样一类问题：即使存在程序化的解法，问题也是难解的。有些问题在本质上是困难的，不仅人类无法解决，科学幻想中遥远的未来计算机也解决不了，但这些问题是可解的，它们不是悖论，也不是没有解的骗人的问题。
1701741226
1701741227
复杂性理论的一个核心概念是“算法”。算法是处理某问题的一个确定的、机械的程序。它是一套完备的指令，在执行过程中，洞察力、直觉和想象力都是不需要的。所有计算机程序都是算法。做蔬菜汤的菜谱、装配自行车的操作指南、许多简单游戏的规则等，这些都是算法的例子。在小学里教的算术规则也是算法。我们知道，当我们把两个数相加时，无论数有多大，应用这些规则总会得出正确的答案。如果我们的答案错了，原因一定是误用了规则。没有人会怀疑算法本身。
1701741228
1701741229
算法必须是确切的。“如果你在树林里迷路了，保持冷静，调动常识，走一步看一步。”这是建议而非算法。童子军的条例则不同：如果你在树林里迷路了，一直往低处走，直到溪流旁，然后顺流而下，最后你会到达一个城镇。这则是一个算法。
1701741230
1701741231
给出一个有效的算法是很难的。未预料到的情况将会发生，童子军的算法可能失效，这种情形不难想象。你有可能身处于沙漠盆地，一直往低处走会到达一个干涸的湖底，却找不到溪流。在地球上的某些偏远地区，有的溪流通向一个内陆湖或者海洋，附近历来没有人类的住所。更糟的情况是，如果你发现自己处于一个非常平坦的平原上，不存在明显的“低处”，此时，算法对你一点儿用也没有。一个理想的算法应当在任何环境下都有效。
1701741232
1701741233
我们并非总是依赖算法。有些厨师按菜谱炒菜，还有些厨师愿意自由地即兴操作，以至于他们声称无法描述一道菜是怎么炒的。两种方法无所谓谁对谁错，但是只有算法化的方法值得我们分析。
1701741234
1701741236
说假话的和说真话的
1701741237
1701741238
逻辑谜题是我们用以理解世界的演绎推理的缩影。我们来看一下，如何用程序化的方法解决一个逻辑问题。逻辑谜题中最古老的类型之一建立于如下背景：在一个遥远的海岛上有一些居民，其中有些人总说真话，还有些人总说假话。他们分别属于两个部落：说真话者的部落，其成员总说真话；说谎者的部落，其成员总说谎话。必须强调的是，说谎者并不狡诈，他们不会采用时而说真话的办法来掩盖一个谎言，他们说出的每一句话都与真话完全相反。两个部落的服饰是一样的，对于外地人，也没有其他线索能够区分某个人属于哪个部落。也许最常被重复的“说真话—说假话”的问题是纳尔逊·古德曼（此人因提出绿蓝—蓝绿问题而著名）设计的一个问题。这个问题于1931年发表于《波士顿邮报》的谜题专栏，但是没有指明其发明者。我们把这个问题稍加变动，表述如下：
1701741239
1701741240
在一个“说真话–说假话”的海岛上，你遇到三个人，分别是艾丽斯、本和查理。
1701741241
1701741242
你问艾丽斯，她是说谎话的还是说真话的。她用方言作答，你没听懂。
1701741243
1701741244
然后你问本，艾丽斯说的是什么。本会说英语，他说：“艾丽斯称自己在说谎。”你又问本关于查理的情况，本回答道：“查理也是说假话的。”
1701741245
1701741246
最后，查理补充说：“艾丽斯是说真话的。”
1701741247
1701741248
你能推出这三个人各自属于哪个部落吗？
1701741249
[
上一页 ]
[ :1.7017412e+09 ]
[
下一页 ]