Proceedings 21st International Symposium on Logical and Semantic Frameworks with Applications

Stellen Sie sich die Welt der Informatik als eine riesige, geschäftige Stadt vor. In dieser Stadt gibt es zwei Hauptbezirke, die normalerweise nicht viel miteinander zu tun haben. Auf der einen Seite haben Sie das „Logik-Viertel“, in dem die Straßen auf perfekten, unzerbrechlichen Regeln wie mathematischen Gleichungen und strenger Grammatik aufgebaut sind. Hier wird das Fundament der Stadt gelegt, um sicherzustellen, dass eine Brücke nicht wegen eines dummen Fehlers im Bauplan zusammenbricht. Auf der anderen Seite haben Sie das „Lern-Viertel“, einen chaotischen, aufregenden Ort, an dem Computer versuchen, die Dinge zu verstehen, indem sie sich Millionen von Beispielen ansehen – so ähnlich wie ein Kind, das lernt, eine Katze zu erkennen, indem es tausende Bilder von Katzen sieht.

Lange Zeit arbeiteten diese beiden Bezirke getrennt. Das Logik-Viertel war besorgt, dass das Lern-Viertel zu unordentlich und unvorhersehbar sei, während das Lern-Viertel das Logik-Viertel für zu starr und langsam hielt. Doch vor Kurzem erkannten die Stadtplaner, dass die Zukunft dieser Stadt davon abhängt, dass diese beiden Nachbarn zusammenarbeiten. Sie wollen Systeme bauen, die so intelligent sind wie das Lern-Viertel, aber so zuverlässig wie das Logik-Viertel. Das ist die große Frage, die Informatiker nachts wachhält: Wie mischen wir die „perfekten Regeln“ mit dem „intelligenten Raten“, um eine Technologie zu erschaffen, die sowohl leistungsstark als auch sicher ist?

Dieses Papier ist im Wesentlichen ein Bericht von einer kürzlich stattgefundenen Stadtplanungssitzung namens LSFA 2026, die im Juli 2026 über zwei Tage in Lissabon, Portugal, stattfand. Das Treffen brachte eine Gruppe von Experten zusammen, die versuchen, diese Lücke zwischen den strengen Regeln der Logik und der flexiblen Natur des modernen maschinellen Lernens zu schließen. Betrachten Sie diese Experten als Architekten und Ingenieure, die versuchen, ein neues Arten von Baumaterial zu entwerfen, das sowohl so stark wie Stahl als auch so anpassungsfähig wie Ton ist.

Das Papier präsentiert keinen einzelnen, fertigen Wolkenkratzer oder eine magische Lösung, die alles über Nacht löst. Stattdessen ist es eine Sammlung von Blaupausen, Skizzen und Experimenten, die Forscher geteilt haben, welche die verschiedenen Wege testen, diese zwei Welten zu verbinden. Einige der diskutierten Ideen beinhalten, die alten, gut bekannten Regeln darüber, wie Computer denken (wie die Regeln des „Lambda-Kalculus“, was nur eine schicke Art ist, zu beschreiben, wie Funktionen funktionieren), zu nehmen und zu sehen, wie sie aktualisiert werden können, um die neuen, unordentlichen Daten aus dem maschinellen Lernen zu verarbeiten.

Die wichtigste Erkenntnis dieses Treffens ist, dass die Arbeit noch in vollem Gange ist. Die Forscher untersuchen aktiv, wie man diese Methoden integriert, führen Simulationen durch und testen Theorien, um zu sehen, was funktioniert und was nicht. Sie schlagen vor, dass wir durch die Kombination der „etablierten“ Techniken mit dem „State-of-the-Art“-Maschinellen Lernen bessere Werkzeuge für die Zukunft bauen können. Das Papier macht jedoch deutlich, dass dies eine Entdeckungsreise ist und kein Ziel, das über Nacht erreicht wurde. Sie sammeln Feedback darüber, wie man diese gemischten Methoden in der realen Welt tatsächlich anwenden kann, und erkennen an, dass die Theorie zwar vielversprechend aussieht, die praktische Anwendung aber noch geklärt werden muss. Es ist eine Momentaufnahme einer Gemeinschaft neugieriger Köpfe, die versuchen, das Regelwerk für eine neue Art intelligenter Technologie zu schreiben – eine, die die alten Gesetze der Logik respektiert und gleichzeitig die neue Kraft des Lernens begrüßt.