[!info] related notes

• 上级 MOC: 哲学与人生思想 MOC
• 子 MOC: 逻辑谬误 MOC、认知偏差 MOC
• 关系笔记: 逻辑谬误与认知偏差的区别与关系

逻辑学 MOC

知识总览

filters:
  and:
    - 'file.ext == "md"'
    - 'file.inFolder("z")'
    - 'this.file.links.contains(file)'
    - 'file.path != this.file.path'
formulas:
  knowledge: 'file.asLink(title)'
properties:
  formula.knowledge:
    displayName: 知识
  note.description:
    displayName: Description
  note.mastery:
    displayName: Mastery
views:
  - type: table
    name: 知识总览
    order:
      - formula.knowledge
      - note.description
      - note.mastery
    columnSize:
      formula.knowledge: 280
      note.description: 760
      note.mastery: 56

学习目标

这张地图的目标不是背诵“谬误名称”或符号，而是逐步建立一套可以迁移到讨论、阅读、写作、科学判断、软件工程与 AI 使用中的推理能力：

看见论证
→ 形式化结构
→ 检验有效性
→ 显式证明
→ 重构现实语言
→ 判断证据强度
→ 在不确定性下更新概率
→ 区分相关与因果
→ 识别谬误和认知偏差
→ 理解形式系统本身的边界

可以粗略把整条知识线分成三层：

形式逻辑
→ 什么结论可以由什么前提必然推出？

现实 / 科学推理
→ 当证据并不提供必然性时，我们应相信到什么程度？

判断机制
→ 为什么人即使知道规则，仍会系统性地判断偏？

其中认知偏差属于逻辑学的相邻应用知识，而不是形式逻辑本身。

推荐学习路线

第一阶段：论证的最小结构

目标：先学会准确识别“谁在支持谁”。

1. 论证、前提与结论
2. 演绎推理与归纳推理
3. 有效性与健全性
4. 必要条件与充分条件

这一阶段必须能区分：

前提事实上是真的吗？

和：

即使前提都真，结论真的能推出吗？

前者偏向前提真实性，后者才是演绎有效性。

第二阶段：命题逻辑

目标：把“不是、并且、或者、如果……那么、当且仅当”转成稳定结构。

5. 命题逻辑与逻辑联结词
6. 真值表
7. 逻辑等价、重言式、矛盾式与德摩根律
8. 条件推理的四种经典形式

这一阶段应真正掌握：

P → Q
P
∴ Q             ✅ 肯定前件

P → Q
¬Q
∴ ¬P            ✅ 否定后件

P → Q
Q
∴ P             ❌ 肯定后件

P → Q
¬P
∴ ¬Q            ❌ 否定前件

以及为什么后两者能够构造“前提全真、结论为假”的反例。

第三阶段：从判断有效到真正做证明

目标：不只说“这个论证有效”，而能把证明过程逐行展开。

9. 自然演绎

先掌握：

∧ Introduction / Elimination
→ Introduction / Elimination
∨ Introduction / Elimination
否定与 ⊥
条件证明
反证法

自然演绎可以理解成：

每一步推理都必须说明自己使用了哪条合法规则。

真值表是语义式检验；自然演绎是证明 / 句法式构造。两者不是竞争关系。

第四阶段：谓词逻辑与量词

目标：进入命题内部，表达“所有、有些、没有、每个人与某个人”等结构。

10. 谓词逻辑与量词
11. 量词作用域、否定与自然语言翻译

重点掌握：

¬∀x P(x) ≡ ∃x ¬P(x)
¬∃x P(x) ≡ ∀x ¬P(x)

以及：

∀x∃y Likes(x,y)
≠
∃y∀x Likes(x,y)

要能解释：

“不是所有人都赞成”为什么不等于“所有人都不赞成”。

第五阶段：把现实语言重构成可检验论证

目标：现实世界不会自动给出 P1, P2, ∴ C，所以要学会自己重建承重结构。

12. 论证重构、隐含前提与论证图
13. 反例：如何推翻全称命题与检验论证有效性
14. 举证责任
15. 证据强度与结论校准
16. 可证伪性

这一阶段的核心工作流：

找结论
→ 找明示前提
→ 补关键隐含前提
→ 区分联合支持 / 独立支持 / 子结论
→ 尝试构造反例
→ 确认举证责任
→ 判断证据质量和区分力
→ 把结论强度校准到证据真正支持的位置
→ 问什么观测会让假设失败

这里是形式逻辑真正进入新闻、论文、技术评审、需求讨论和 AI 内容审核的桥梁。

第六阶段：不确定性、概率与贝叶斯更新

目标：很多现实问题不是“必然真 / 必然假”，而是证据让不同假设的概率发生变化。

17. 条件概率
18. 贝叶斯更新

最重要的区分：

P(E | H)
≠
P(H | E)

以及：

Prior
×
Evidence 的区分力
→
Posterior

这解释了一个非常重要的现实推理现象：

H → E
E
∴ H

作为演绎证明是无效的“肯定后件”；但 E 仍然可以在概率意义上提高 H 的可信度，只要 E 在 H 成立时远比 H 不成立时更常见。

这就是演绎推理与诊断推理之间的关键桥梁。

第七阶段：因果推理

目标：从“相关不等于因果”的口号，进入真正的因果识别。

19. 因果推理、混杂变量与实验控制
20. 错误因果谬误 可作为反面入口复习。

需要能区分：

A → B
B → A
C → A 且 C → B
选择偏差
随机关系

并理解：

• 混杂变量；
• 反向因果；
• 对照组；
• 随机化；
• 观察 P(B|A) 与干预 P(B|do(A)) 的区别；
• 中介与 collider；
• 机制证据与多方法收敛。

因果推理的目标不是“看见相关后猜一根箭头”，而是主动设计证据去区分竞争因果结构。

第八阶段：逻辑谬误

目标：识别现实论证中反复出现的支持关系错误。

入口：逻辑谬误 MOC。

目前已经覆盖：

• 人身攻击；
• 稻草人；
• 虚假两难；
• 循环论证与乞题；
• 不当诉诸权威；
• 滑坡；
• 错误因果；
• 草率概括；
• Cherry-picking；
• Red Herring；
• 诉诸无知；
• 诉诸多数；
• 诉诸情绪；
• 语义歧义；
• 特殊辩护；
• 移动球门。

学习原则仍然是：

先指出哪一步支持关系失败，最后才给它一个谬误名称。

第九阶段：认知偏差与判断设计

目标：理解为什么人的信息搜索、概率估计和决策会系统性偏向某些方向。

入口：认知偏差 MOC。

目前主干包括：

• 确认偏误；
• 幸存者偏差；
• 可得性启发；
• 代表性启发；
• 基础率忽视；
• 锚定效应；
• 框架效应；
• 损失厌恶；
• 沉没成本；
• 过度自信；
• 事后聪明偏差；
• 规划谬误。

两层关系见 逻辑谬误与认知偏差的区别与关系。

最重要的边界：

逻辑谬误
→ 分析公开论证哪里出错

认知偏差
→ 解释判断过程为什么容易系统性偏移

不能因为看到一个坏论证，就直接隔空诊断对方心理上一定有什么偏差。

第十阶段：历史、哲学与形式系统边界

这一阶段不需要在最前面学，但能回答“逻辑为什么发展成今天这样”。

21. 亚里士多德三段论
22. 逻辑学史：从亚里士多德到现代形式逻辑
23. 归纳问题
24. 哥德尔不完备定理

这组分别回答：

三段论：最早的系统形式推理怎样工作？

逻辑史：为什么要从类别逻辑扩展到命题、量词、证明和元逻辑？

归纳问题：过去经验为什么无法演绎保证未观察未来？

Gödel：足够强的形式系统本身有哪些严格可描述的证明边界？

特别注意不要把 Gödel 扩大成“数学失败”“一切都不可证明”或“AI 必然不可能达到人类”的口号。

一张完整学习图

论证 / 前提 / 结论
        ↓
演绎 vs 归纳
        ↓
有效性 / 健全性
        ↓
必要 / 充分条件
        ↓
命题逻辑
        ↓
真值表 / 等价律 / 德摩根律
        ↓
MP / MT / 两个无效逆推形式
        ↓
自然演绎
        ↓
谓词逻辑 / 量词 / 作用域
        ↓
现实论证重构 / 隐含前提 / 反例
        ↓
举证责任 / 证据强度 / 可证伪性
        ↓
条件概率
        ↓
贝叶斯更新
        ↓
因果推理
        ↓
逻辑谬误
        ↓
认知偏差
        ↓
逻辑史 / 归纳问题 / Gödel 等边界

实战时不要机械按课程顺序

真正处理一个现实问题，可以直接使用一个压缩版流程：

1. 结论是什么？
2. 明示前提是什么？
3. 还有哪些隐含前提？
4. 是演绎结论还是概率性结论？
5. 能不能找到前提全真但结论假的反例？
6. 谁承担举证责任？
7. 证据是否相关、可靠、独立、有代表性、有区分力？
8. 当前结论强度有没有超过证据？
9. 如果是不确定性问题，基础率和 P(E|H) 是什么？
10. 如果是因果问题，有没有混杂、反向因果、选择偏差或干预证据？
11. 是否存在逻辑谬误？
12. 自己的搜索、锚点、框架、沉没成本或过度自信是否在影响判断？
13. 什么新证据最可能改变当前判断？

这套流程比“找谬误名字”更接近真正可迁移的批判性思维。

每篇逻辑笔记的统一结构

为了方便长期回顾，concept / synthesis 尽量包含：

一句话定义 / 覆盖范围
↓
形式或核心模型
↓
通俗解释
↓
最小例子
↓
现实 / 软件 / AI 场景
↓
容易混淆的边界
↓
快速自测
↓
一句记忆

谬误类笔记再增加：

谬误结构
↓
为什么不成立
↓
什么时候看起来像谬误但其实不是
↓
如何回应

认知偏差类再增加：

偏差发生在哪个判断环节
↓
为什么直觉上自然
↓
流程化去偏方法

参考课程与教材

主骨架：forall x: Calgary

Open Logic Project 的免费开放教材，适合作为形式逻辑主线。它从 arguments / consequence / validity 进入 truth-functional logic、truth tables、natural deduction、first-order logic、interpretations 和更进阶内容。

入口：https://forallx.openlogicproject.org/

互动练习：Stanford Introduction to Logic

Stanford 的在线 Introduction to Logic 提供章节、互动 lesson、练习和工具，覆盖 propositional logic、proof、relational logic、model checking、induction、first-order logic 等。

入口：https://logic.stanford.edu/intrologic/public/

日常推理：HKU Critical Thinking Web

香港大学 Philosophy Department 的 Critical Thinking Web 覆盖 argument analysis、basic logic、sentential logic、predicate logic、scientific methodology、fallacies and biases 等，适合现实推理支线。

入口：https://philosophy.hku.hk/think/

为什么采用“三源合一”而不是照抄一门课

• forall x：严谨的形式逻辑主线；
• Stanford：互动证明和练习；
• HKU：现实论证、科学方法和谬误。

知识库按稳定概念和关系组织，而不是按课程“第几章”保存。课程是来源，Thought Forest 才是长期知识结构。

与其他知识的连接

逻辑学既属于 哲学与人生思想 MOC 的基础工具，也直接迁移到：

• 哲学：区分前提争议、概念争议和推理无效；
• 科学：归纳、概率、可证伪性与因果识别；
• 软件工程：布尔逻辑、契约、不变量、测试、Debug、架构论证；
• AI Agent：hypothesis → evidence → review → repair / replan；
• 新闻阅读：区分事实、证据、因果和修辞；
• 决策：把概率、后果、成本和偏差分开处理。

当前完成度与后续原则

当前地图已经不再只是“逻辑入门提纲”，而是形成了从形式有效性 → 现实证据 → 不确定性 → 因果 → 判断偏差 → 元逻辑边界的完整主干。

后续不建议继续为了“完整”批量添加冷门谬误或偏差。更好的做法是：

1. 按这里的阅读顺序真正学习；
2. 对每个阶段做 Prediction / 反例 / 形式化练习；
3. 遇到真实讨论或工程问题时，再按需要新增细分知识；
4. 如果某个主题扩展到足够大，再拆成新的子 MOC。

学习原则

不要把“会说谬误名称”当成学会逻辑，也不要把“会画符号”当成学会逻辑。

真正的检验是：给你一段没有标签、没有提示的话，你能否：

1. 重构它的前提、隐含前提和结论；
2. 分清演绎支持与概率支持；
3. 对演绎论证找证明或反例；
4. 对经验论证评价证据强度并校准结论；
5. 对诊断问题结合基础率更新概率；
6. 对因果主张区分观察与干预；
7. 指出具体支持链在哪里断裂；
8. 同时审查自己的认知偏差；
9. 明确什么证据会让自己改变判断。

如果这九件事都能稳定做到，才是真正把逻辑从“知识”变成了“思维工具”。