序
和许多我们挂在嘴边的词一样，”逻辑”说起来简单，深究起来却讲不清楚。但反过来，要指出什么东西”不符合逻辑”，倒是容易得多——前后不一致，语序颠倒，因果不成立，通常便是了。
在古希腊的”自由七艺”里，逻辑是独立的一门课程，游离于算术和几何之间。可我好奇的是：为什么在今天的课程体系里，逻辑学反而消失了，我们却仍然处处要求”讲逻辑”？这就是我翻开这本书的由头。
藏于不显处的巨兽——《吴军逻辑通识讲义》
这本书我读了很久。有不少章节读起来相当费劲，于是借助 AI 帮我重新讲解——一遍又一遍，不厌其烦，终究没有跳过那些晦涩的部分，把它全部读完了。
吴军写这本书的时候，AI 还远没有今天这样的能力。而当我们真正去做推演、统计、归纳，去辨析归纳法与演绎法之间的分野时，人脑其实是很吃力的，需要耗费大量的精力。有了 AI 的帮助，这些推理工作变得轻松了许多。但这里有一个有意思的递归：如果使用者本身具备逻辑素养，AI 对他的帮助也就更大——逻辑帮你更好地使用帮你做逻辑的工具。
什么是逻辑
简单讲，逻辑是讲道理的学问。它为我们的想法和结论找到站得住脚的理由，用一种能从前提一步步推导出必然结果的方式，论证结论的成立。
说到这里，不得不提一个很讨厌的词：”显然”。
当讲话人说”显然成立”的时候，听的人心里往往在想：为什么是”显然”？但又不好意思提问，怕显得自己能力不足。于是”显然”就这样糊弄过去了很多事情。这个词本身，就是逻辑缺席的一个信号。
吴军老师说，日常生活中我们容易犯三种逻辑错误：将整体与个体混为一谈，违反同一律，以及忽略语境。为了避免这些问题，他给了三条实用的建议：多用名词，少用代词，尽量用外延小的具体名词，减少歧义的空间；在跟人讲道理时，多用陈述句，少用感叹句和疑问句，尽量避免祈使句——因为后三者携带的情绪往往会压过逻辑本身。
逻辑的两条腿：演绎与归纳
全书的第二章讲演绎法，第三章讲归纳法。这两者共同构成了逻辑学的根基，前者对应谓词演绎，后者对应数理统计。
演绎法与停机问题
读演绎法这一章时，我仿佛回到了大一学《离散数学》的日子——集合论、命题演算，读起来费劲，推理起来更费劲。于是我去问 AI：为什么这里的命题逻辑跟《离散数学》如此相似？
答案其实不复杂：逻辑学与数学在根基上可以等价，所以今天人们更多地通过学数学来习得逻辑，而不再专门学逻辑学。离散数学，则是逻辑学在计算机科学中的一种变体——为机器的使用场景量身裁剪的逻辑。
作为一门极其古老的学科，逻辑学的演化本身就是一部思想简史。从亚里士多德的三段论出发，逻辑最初是哲学的地基。到了莱布尼兹，他试图将所有概念转化为符号，把逻辑变成像代数一样可以运算的东西，由此播下了数理逻辑的种子。此后，乔治·布尔发明了布尔代数，德摩根进一步完善了这套体系。受逻辑和布尔代数的启发，香农提出了数字电路的理论；图灵则利用逻辑的概念构想出图灵机，并由此提出了停机问题。
停机问题最初可以用”理发师悖论”来理解：如果一个理发师只给不给自己理发的人理发，那他到底该不该给自己理发？这个悖论移植到计算机科学中，就成了停机问题——没有一种通用的方法能判断任意程序是否会终止。
停机问题提出后不久，哥德尔继续抛出了不完备性定理。至此，人类想要通过逻辑抵达科学终极目的的宏愿破灭了。但留下来的，是理性思维本身的丰硕成果。逻辑没有成为万能钥匙，却成了我们手中最锋利的刀。
归纳法与统计推理
归纳法本质上是一种统计方法，也是逻辑学的另一条腿。某种意义上，统计和概率论还是古典数学的根基之一——这是我此前从未认识到的。
统计具有双面性：它既能揭示事物的真相，也能掩盖真相。所以我们说要”用数据看世界”，但首先得追问：这个数据本身是否准确，是否偏颇，是否具有代表性？数据与数据之间如何才能合理比较？这正是统计学要解决的问题。
读到这里，我不禁回忆起大一学数理统计与概率论的日子。虽然当时用的是英文课本，但我们稀里糊涂就学过去了。现在想来，许多核心问题——样本量是否足够、参照系是否合理、如何从个例中找到共性——其实都被我们囫囵吞下了。
在多变量数据中，”相关”、”决定”、”因果”这三者的关系尤其关键。相关最容易建立，因果最难证明，而相关未必意味着决定性。以前觉得这不过是拗口的文字游戏，后来做研究时才真正体会到：如何从相关性走向因果性，如何选择恰当的图形让数据的形状、范围、集中趋势一目了然，如何分辨调查与实验、厘清自变量与因变量——这些全是数理统计的功夫。
两者皆有局限
演绎法推导严密，但前提本身往往是有限的——它不产生新知识。要突破，只能像黎曼那样，把欧氏几何从平面拓展到更一般的空间，改造前提本身，才能解释更真实的世界。
归纳法同样有盲区：它看不见黑天鹅，永远面临被证伪的风险。再多的白天鹅也无法证明”天鹅都是白的”，一只黑天鹅就够了。
两条腿都有瘸的时候，但人类的认知，恰恰是靠这两条不完美的腿交替前行的。
回到生活中去
一种理论真正重要，最终还是要回到生活中去检验。吴军在书中专门讲述了如何用逻辑去洞穿日常中的谬误。
最常见的是假两难谬误——非黑即白的二元思维，仿佛世界上只有两条路可走。诉诸暴力，是把两件无关的事强行绑定，用强权压制对方。诉诸怜悯则反过来，利用同情心绑架论证。诉诸人身攻击更为险恶，通过攻击对方的人格或背景来使其”失声”，这种手法容易演变为”井里投毒”——先污名化发言者，就不必回应发言本身了。诉诸大众，看的不是道理对不对，而是嗓门大不大、人多不多。诉诸权威，则是盲目迷信，认为权威说的就一定对。
还有一些更隐蔽的谬误。片面辩护——比如公司声称尊重每个员工的意见，”但批评公司的人除外”，逻辑上就自相矛盾了。转移焦点——故意抛出无关的话题来消耗注意力，使讨论偏离真正缺乏逻辑的核心。
除此之外，还有几种在日常生活和互联网上极为常见的逻辑陷阱：故意歪曲对方原意的稻草人谬误；因果倒置或强加因果；循环论证——用来证明结论的论据本身依赖于结论的成立；虚假前提；用复杂晦涩的表达掩盖逻辑缺失的语言过载；以及诉诸无知——利用对方无法证明某事不存在，来反向肯定它的存在。
逻辑与数学的微妙距离
我们常说数学训练逻辑，但数学并不等同于逻辑。在学数学时，我们往往只关注结果——做对了吗？做好了吗？做得够不够快？这种倾向让我们忽视了推理过程本身的严谨性，不再去追问方法背后的原理。数学是逻辑的一种载体，但如果只盯着答案看，载体就空了。
不可能与必然
吴军还教我们区分现实与逻辑上的”不可能”。能力上的不可能，是你个人做不到；物理和化学上的不可能，是换谁也做不到；逻辑上的不可能，则是这件事本身就自相矛盾，从根基上不可能成立。
与”不可能”相对的是”必然”。有些东西在逻辑上是必然的，我们同样需要去辨识，否则很容易被忽悠。
科学之所以是科学，在于它的结论需要被证明、被检验。从一个命题能否判断真伪，就可以区分科学与玄学。科学最重要的，是寻找答案的过程——而这个过程，本质上就是设法证伪先前结论的过程。所以科学精神，归根结底，就是一种逻辑精神。
结语
逻辑就是那头藏于不显处的巨兽。从柏拉图点燃火种，到图灵和哥德尔划定边界，西方文明花了两千多年才摸清它的轮廓——它不是一门课，而是一整座大厦的地基。
在那个语境下，数学等价于逻辑，或许说得通。但在我们的语境下，这恐怕万万不能。我们学了十几年数学，学的是”怎么算对”，而非”怎么想清楚”。巨兽一直都在，只是我们从未被教过怎样去看见它。