2020年10月26日、10月30日、11月2日，浙江大学逻辑与人工智能国际在线会议（International Online-Conferences on Logic and Artificial Intelligence）在浙江大学成功举办。本次会议以新一代人工智能的发展为背景，在王宽诚教育基金和浙江大学“双脑计划”的支持下，致力于促进基于逻辑的知识表示及推理方法与基于机器学习的数据驱动方法的有机结合，汇聚逻辑、论辩和人工智能交叉领域的国内外学者，报告相关前沿方向的最新成果。本次会议由浙江大学廖备水教授、浙江大学黄华新教授、卢森堡大学Leon van der Torre教授、英国伦敦国王学院Dov Gabbay教授共同担任大会主席。本次大会由3个子会组成，具体包括：第五届亚洲哲学逻辑研讨会（AWPL 2020）、第三届逻辑与论辩国际会议（CLAR 2020）、第六届人工智能全球会议（GCAI 2020）。经各子程序委员会的同行评审后，第五届亚洲哲学逻辑研讨会（AWPL 2020）收录长论文8篇、短论文4篇，第三届逻辑与论辩国际会议（CLAR 2020）收录长论文14篇、短论文7篇，第六届人工智能全球会议（GCAI 2020）收录论文9篇。这些论文涵盖了逻辑与人工智能、逻辑与哲学、形式论辩、计算机基础理论等跨学科领域，分别被逻辑学与人工智能领域知名论文集Logic in AsiaL Studia Logica Library、Lecture Notes in Artificial Intelligence、EPiC收录。大会将在逻辑学与人工智能知名杂志Journal of Logic and Computation上组织一期以“逻辑、论辩与人工智能”为题的特刊，汇报本次大会的研究成果，暂定于2021年出版。

本次大会共邀请了5位在逻辑学和人工智能领域的知名学者作特邀报告。德国柏林自由大学的Christoph Benzmüller教授作了题为“Ethico-legal governance of intelligent artificial agents — Can post-hoc normative reasoning competencies prevent AI systems from going rogue?”的特邀报告。Benzmüller教授首先回顾了人工智能在经济、军事、环境、伦理等各方面的影响，指出随着人工智能技术的进步，人工智能对日常生活的作用日益显著。虽然如此，我们仍然缺乏对“人工智能是什么”的共识。Benzmüller教授给出他关于AI的工作定义——它是一种关于计算技术的科学，研究如何在机器中实现和解释智能行为。他指出，目前人工智能已经被等同于神经网络和深度学习等技术，但这种观念显然有其局限性：它们不过是非符号化或亚符号化的人工智能。这类计算技术的运作过程是一个黑箱，面临可解释性与是否可信任等挑战。而符号化的人工智能处在非符号化或亚符号化的人工智能的对立面。Benzmüller教授认为前者能更好地构建人类对人工智能的信任、实现对人工智能的控制，从而也能更好地回应上述挑战。这也就要求我们为人工智能的行为建立一个有效的伦理-法律控制机制。

澳大利亚新南威尔士大学的Claude Sammut教授作了题为“Logic-based robotics: Learning to use and invent tools”的特邀报告。Sammut教授指出，机器人像人类一样能够使用工具来解决复杂的任务。人类的一种显著能力是，当没有合适的工具时，我们能够根据已有经验创造新工具。随着廉价的3D打印技术的出现，现在可以同样赋予机器人这样的能力——至少可以创造一些简单的工具。Sammut教授提出了一种基于逻辑的方法，让机器学习如何将不同物体作为工具来使用，并在必要情况下设计工具。这里包括了观察、训练、规划、试错等一系列动作模型的构建与完善过程。这种模型可以减少潜在的搜索空间，更为有效地评估和创建新工具。

浙江大学的吴飞教授作了题为“Big data intelligence: from correlation discovery to casual reasoning”的特邀报告。在报告中，吴飞教授讲述了如何利用大数据和相关性发现来实现因果推理。吴飞教授的报告主要分为三个部分，首先是如何利用seq2seq学习模型来实际相关性发现，然后是如何用记忆模型来生成Seq2seq学习模型，最后是如何从相关性发现完成因果推理。seq2seq学习模型利用相关性发现算法将数据转化为知识，通过建立多模态共同话题强化学习建立浅层模型，seq2seq学习模型能够分析图片及文本的内容并建立数据。Seq2seq学习模型利用神经网络图灵机，对数据进行筛选及权重分析，来建构知识记忆。通过在知识传统的统计的基本知识的因果推理的基础上增加因果继承规则，seq2seq学习模型最终能实现从相关性发现到因果推理。

谷歌大脑的 Marc van Zee博士作了题为“A Tale of Two Stories: KR and ML”的特邀报告，对知识表达和机器学习两个研究方向的结合作了展望。首先，他回顾了知识表征的开始：基于Bratman对信念、期望和意图的哲学思想，Cohen和Levesque构建了BDI模型。这种形式化模型不仅是人工智能的理论基础，在近年的工业进展中，它展示出其重要的实用价值。例如，谷歌收购了Yoav Shoham基于BDI模型开发的日历程序。可见，知识表示在软件开发方面具有重要潜力。其次，van Zee博士以自己在谷歌的工作为例，讲述了逻辑如何影响机器学习技术。他介绍了自己基于组合性知识和复合式复杂度设计的数据库结构。这种基于逻辑的数据库结构对于建立日历非常适用。它可以推广于其他应用领域。当对复杂问题进行语义分析时，这种数据结构有更高的准确率。最后，van Zee博士提出了一些关于在知识表征和机器学习等交叉研究的有趣问题，例如如何将语法结构运用于构建数据库，如何提升数据库复杂程度等。

瑞典斯德哥尔摩大学的Dag Westerståhl教授作了题为 “Notes on Compositionality what, why, and how?”的特邀报告。Westerståhl教授首先详尽地介绍了关于组合性原则的问题起源及其研究发展，其中包括：霍奇斯对弗雷格语境原理的解释，即语词的含义整体地由包含语词的语境所决定，能与组合性共存；通过为（非语言）的语境添加参数、实现组合性的普遍方法；柯里化如何与霍奇斯的提升理论相联系。接着，Westerståhl教授介绍了一些寻找“良好”语义的经验法则。他以逻辑家们关于待依存关系的争论作为研究案例，展示了几种处理组合性问题的方法。最后，Westerståhl 教授认为，虽然我们在寻找“正确的”参数或“好的”语义值这个问题上,可能不存一般规则，但是组合性原理可以作为这些探寻的一种设计原理和最小要求。组合性原则已经在语义的研究上带来了许多有意义的洞见。

本次会议的三个系列子会议

第五届亚洲哲学逻辑研讨会（AWPL 2020）

亚洲哲学逻辑研讨会是由亚洲地区的逻辑学家发起，旨在促进逻辑学与哲学等领域之间的交流和合作。会议关注于形式化研究与哲学理论之间的联系，讨论主题包括哲学逻辑、非经典逻辑、代数逻辑等，以及它们在计算机科学、认知科学和社会科学等学科中的应用。

德国德累斯顿工业大学的Marcos Cramer作了题为 “Paracomplete truth theory with a definable hierarchy of determinateness operators” 的报告。KFS是最简单的弗完全真理论。但简单的KFS语言依然不能排除“说谎者”悖论。这是Hartry Field对KFS进行扩展的动机之一。该报告指出Field的扩展并非是说谎者悖论的一个好的解决方案。Cramer提出一种新的KFS可定义算子，用以在KFS中解决说谎者悖论。

清华大学的Lingyuan Ye作了题为 “Towards a Relational Treating of Language and Logical Systems”的报告。他在报告中分析了语义学理论方法有关的一些不足之处，并提出一种新的关系方法来解决问题。他建议把语义概念建立在表达式之间的关系上。这为逻辑意义的研究提供一个坚实的数学框架，最后展示它与其他方法的联系。

上海理工大学的赵梦媛博士在报告“EEG Evidence for Game-Theoretic Model to Ambiguous Pronoun Resolution” 中提出了一个基于模糊代词的博弈论模型。代词参照物在上下文中没有明确确定，迭代最佳反应（IBR）推理为模糊代词处理提供了一个合理的解决方案。利用脑电图研究汉语加工过程，证明模糊代词方案决策机制具有可行性。

清华大学的闫佳亮在题为“Monotonic Opaqueness in Deontic Contexts”的报告中提出了一个一阶去语态事件模型。他构建了一个规范系统作为模型的组成部分来解释模态，使得提出的模型能够解释为何一些单调推理是不被接受的。

日本北海道大学的Takakiro Sawasaki在题为“Proof-Theoretic Results of Common Sense Modal Predicate Calculi”的报告中，介绍了可刻画在常识推理中的后继模态算子，构建了相关的希尔伯特系统。他证明了这个系统的强完全性及其切割消除定理。

德国图宾根大学的Eric Raidl博士作了题为“Strengthened Conditionals”的报告。他介绍了一种将基本条件下的完全性结论转换到给定条件下的完全性结论的通用方法，并演示了如何在一般条件下运用该方法。

华南师范大学的熊明教授作了题为“Paradoxes behind the Solovay Sentences”的报告。他认为Solovay的关于哥德尔的可证明性逻辑的论文中，提出的完备性定理是不可确定的。通过在Solovay函数的形式化过程中使用真谓词而不是可证明性谓词。因为前者比后两者严格地具有较低的悖论程度，所以这种悖论是后者的适当弱化。他指出，Solovay的方法提供了一种发现各种悖论的新方法。

清华大学的 王奕岩作了题为“Intentionality as Disposition”的报告。他指出已有的研究中关于集体动因，有可还原和不可还原的两种解释路径，这两个解释带有不必要的预设。他提出了一个新的具有倾向性解释的观点，作为个人主义解释的替代方法，可更好地解决理论难题。

日本产业技术综合研究所的 Takeuti Izumi 博士带来报告“Modal Logic and Planarity of Graphs”。他报告了重图的平面性，并提出了一种扩展模态逻辑的语法，其中平面性是可以定义的。此外，还提供了相关语义及其公理化。

第三届国际逻辑与论证会议（CLAR 2020）

第三届国际逻辑与论证会议旨在探讨逻辑与论辩这两个领域的最新发展，促进国内外相关领域的进一步交流。本次会议主题涉及形式论辩、模态逻辑、代数逻辑、知识表示和推理、语义网逻辑，非单调逻辑，哲学逻辑等领域的最新成果及其交叉研究。

奥地利维也纳技术大学的Kees van Berkel作了题为“A Decidable Multi-Agent Logic for Reasoning about Actions, Instruments, and Norms”的报告。不同于两种已知的规范类型norms to be和norms to do，他提出了一种新类型的规范norms of instrumentality。它可用于描述某个行为是否应该作为达成某个目的的工具性规范。在此基础上，他提出了一种可以对行为、工具性和规范进行推理的多主体模态逻辑。

中山大学的陈伟伟博士作了题为“Preservation of Admissibility with Rationality and Feasibility Constraints”的报告。给定一抽象论辩框架，不同的主体可能给出该抽象论辩框架的不同外延。他指出，如何聚合这些外延以表达主体间的意见折中具有很重要的意义。该报告考虑了“在何种情形下，一个聚合规则可以保证聚合之后的外延仍是可容许的”的问题。

山东师范大学的Zongshun Wang作了题为“Dynamics of Fuzzy Argumentation Frameworks”的报告。报告考虑了模糊论辩框架下的动态理论。该理论不仅包括论证及攻击关系的变化，而且也涵盖了它们的模糊度的变化。他还提出了一种用于计算该理论下论辩框架的语义的算法。

山东师范大学的吴家超教授作了题为“Probabilistic Three-value Argumentation frameworks”的报告。他认为论辩可以既是模糊的又是概率的。因此，他提出了所谓的“概率和模糊论辩框架”用于描述既是模糊的又是概率的论证，他还研究了该框架下的论辩语义。

山东大学的苏庆辉教授作了题为“Reasoning as Speech Acts”的报告。他认为推理并不仅仅是前提和结论之间的后承关系，而且也涉及到主体进行推理所要达到的目的——说服。因此，他提出了一种能够对说服进行推理的逻辑。

意大利博洛尼亚大学的Davide Liga作了题为“Uncertainty in Argumentation Schemes: Negative Consequences and Basic Slippery Slope”的报告。他把不确定性引入两种论辩模式——“坏结果”论证和滑坡论证——之中。他认为有两种不确定性值得考虑：关于时间的和关于前提和结论之间的实质关系的。

中山大学的余喆博士作了题为“A Formalization of the Slippery Slope Argument”的报告。滑坡论证（SSA）是日常生活中常见的论辩模式。基于ASPIC+和SSA的论辩模式理论，她的工作为滑坡论证建立了一个形式化理论。她还使用该理论分析了关于基因编辑的争论。

德国德累斯顿工业大学的Marcos Cramer博士作了题为“Logic Programming, Argumentation and Human Reasoning”的报告。自抽象论辩框架被提出时起，关于论辩语义和逻辑编程语义之间的联系就已受到关注。该报告定义了一个从逻辑程序到抽象论辩框架的新的翻译，并且证明了在该翻译下，弱完全语义对应于抽象论辩框架的基语义。而给定其他的抽象论辩框架的语义，我们可以通过这个翻译逆向得到全新的逻辑编程语义。

塞尔维亚科学院数学研究的Sejla Dautovic博士作了题为“Reasoning about Degrees of confirmation”的报告。她提出一种可用于推理确信程度的概率逻辑，并且为逻辑提供了健全而完整的公理化系统。 她指出这个系统是PSPACE可满足的。

日本驹泽大学的Satoru Suzuki博士报告的题目为“Intuitionistic-Bayesian Semantics of First-Order Logic for Generics”。虽然泛型在各种自然语言中被广泛使用，但Cohen提出的泛型的经典的概率解释存在许多缺点。在报告中，Satoru Suzuki提出一个新的泛型一阶逻辑（FLG），它不仅克服了Cohen理论中的缺点，还具有直观的贝叶斯语义。

挪威卑尔根大学的Thomas Agotnes教授作了题为“Group Belief”的报告。他系统地了研究在不同前提下群体知识和信念的标准概念，最终认为那些被称为集体知识的信念的经常不是真正的知识和信念，也就是说，不具备知识的信念所应有的性质，并在KD45模型中验证了这些性质。

秘鲁国立圣马尔科斯大学的 Luis Felipe Bartolo Alegre作了题为“A Note on Arguments and Validity”的报告。在报告中，他分析了已有研究中的伪证概念的缺陷，并提出了一种基于一致性的修正方法。

卢森堡大学的Tomer Libal博士作了题为“A Meta-level Annotation Language for Legal Text”的报告。自动推理能够给许多法律文本推理提供有益的支持，法律文本使用的语言十分丰富，难以形式化并注释。Libal博士扩展了现有的注释工具，为一些复杂案例的形式化提供了支持。

卢森堡大学的Alexander Steen博士作了题为“Towards an Executable Methodology for the Formalization of Legal Texts”的报告。他提出了一种形式化法律文本的方法。这个方法基于NAI Suite（一种最近开发的法律文本形式化环境）。利用这个工具，他对苏格兰议会提出的《2016年禁止吸烟（机动车中的儿童）（苏格兰）法》进行了研究。

德国柏林自由大学的 David Fuenmayor作了题为“Computer-Supported Analysis of Arguments in Climate Engineering”的报告。 他解释如何将高阶交互式自动定理证明应用在与现实生活有关的论辩场景中。其中，他以Betz和Cacean关于气候工程（CE）的部分论点为例进行了分析。

第六届全球人工智能大会（GCAI 2020）

第六届全球人工智能大会旨在探讨人工智能中基于逻辑与基于机器学习的不同技术之间的交叉研究。本次会议的主题包括：知识表示、认知建模，主体和分布式人工智能，机器人与伦理等。

塞浦路斯塞浦路斯开放大学的Nicos Isaak作了题为“WinoReg: A New Faster and More Accurate Metric of Hardness for Winograd Schemas”的报告。Winograd方案是近年来兴起的用于替代图灵测试的方案之一，它主要通过让受试者解决复杂句子中的代词问题来测试其智力。该报告提出了一种新的评估Winograd方案困难程度的方法。该方法被证明比已有的某些方法更为精确和迅速。

加拿大滑铁卢大学的Jan Gorzny作了题为“Partial Regularization of First-Order Resolution Proofs”的报告。他提出了一种应用于一阶逻辑的证明压缩方法，该方法能够简化定理证明器自动生成的一阶逻辑证明。

英国伦敦帝国学院的Shuang Xia作了题为“Topical Neural Theorem Prover that Induces Rules”的报告。神经定理证明器（NTP）可用于从给定知识库中推导出一阶语言的结论。但是随着知识库的增大，NTP的计算时间显著增加，因而不具有可扩展性。该报告提出了一种NTP的扩展——TNTP。TNTP能够把计算时间减少数个量级。

美国伦斯勒理工学院的Michael Giancola博士作了题为“Adjudication of Symobolic & Connectionist Arguments in Autonomous Driving AI”的报告。他提出了一种人工智能仲裁方法，在多个人工智能主体产生支持某种行动的论点时，由一个人工智能仲裁主体决定采取何种方案。主体信息的输入既可以来自符号推理，也可以由联结主义方法得出。

格鲁吉亚第比利斯国立大学的Levan Uridia博士作了题为“Distributed knowledge in an Epistemic Logic with Hypotheses”的报告。他提出了标准认识论逻辑的S5一个变体及该逻辑的公理化，并表明它与标准认识论逻辑S5具有相同的表达能力和计算复杂度。用分布式知识的运算符扩展提出的逻辑，并表明它如何用于表示主体的知识

西南大学的Wu Yan作了题为“Guided Inductive Logic Programming: Cleaning Knowledge bases with Iterative User Feedback”的报告。她提出了一种被命名为 'GILP '的归纳逻辑程序设计(ILP)的引导形式，并提出了两种算法和各自的衡量标准，以自动评估所学规则与用户反馈的质量。

本次会议通过论文报告和讨论交流，促进了逻辑学、论辩及人工智能等多个领域的学者相互了解。会议表明，在下一代人工智能的研究过程中，基于知识的方法和深度学习方法的融合是一个重要的突破口。如何实现两者的有效结合还需要来自两个领域的研究者的持续探索。另一方面，此次会议也进一步增强了浙江大学哲学系的国际影响力。