Animation, Verification and Visualisation of Prolog Transition Systems with ProB

Imagina que eres un detective intentando resolver un misterio, pero en lugar de una escena del crimen, tu "crimen" es una pieza de código informático que podría estar ocultando un error. En el mundo de la informática, esto se llama verificación formal. Es como construir un mapa matemático perfecto de cómo debería comportarse un programa, y luego comprobar cada uno de los pasos para asegurarse de que el programa no se pierda o se bloquee. Normalmente, esto implica matemáticas complejas que solo los expertos pueden leer. Pero, ¿y si pudieras convertir esa matemática árida en un videoj actually vivo y palpitante? Eso es la magia de Prolog, un lenguaje de programación que piensa en acertijos lógicos en lugar de instrucciones estándar. Cuando combinas Prolog con una herramienta llamada PROB, obtienes un "verificador de modelos" (model checker): un robot superinteligente que puede observar cómo se desarrolla tu acertijo lógico, detectar errores e incluso permitirte recorrer la historia paso a paso para ver exactamente dónde las cosas salen mal.

Este artículo trata sobre darle a ese robot una mejora importante. Los autores, un equipo de la Universidad Heinrich Heine de Düsseldorf, han tomado una herramienta existente llamada PROB (que ya habla Prolog) y le han añadido todo un nuevo conjunto de superpoderes. Piensa en ello como transformar un cuaderno de bocetos en blanco y negro en un estudio de cine interactivo de alta definición. Han facilitado la visualización de lo que está sucediendo, han añadido una forma de simular miles de partidas en segundos para probar estrategias e incluso han creado un sistema donde puedes pausar la acción, darle al ordenador una instrucción específica y observar cómo reacciona. Probaron estas nuevas funciones convirtiendo el clásico juego Conecta Cuatro en un acertijo lógico, enfrentando a diferentes "cerebros" informáticos para ver quién ganaba. El resultado es un conjunto de herramientas que hace que la comprobación de la lógica compleja compleja se sienta más como jugar un juego y menos como hacer la tarea.

La magia del mapa lógico "vivo"

En su esencia, el artículo describe cómo tomar un conjunto de reglas escritas en Prolog (un lenguaje que parece una lista de enunciados de "si esto, entonces aquello") y convertirlas en un sistema de transición. Imagina un juego de mesa donde cada casilla es un "estado" (como "La luz del peatón está en Rojo") y cada movimiento es una "transición" (como "Cambiar a Verde"). En los viejos tiempos, PROB podía cargar estas reglas y dejarte hacer clic en un botón para moverte de una casilla a la siguiente, mostrándote el camino. Pero era un poco tosco.

Los autores han pulido esta experiencia significativamente. Primero, han mejorado mucho los visuales. Antes, podrías ver simplemente una lista de texto que decía "Estado: Rojo". Ahora, han integrado herramientas que pueden dibujar imágenes reales. Si estás modelando un semáforo, la herramienta ahora puede mostrarte un círculo rojo brillante real en tu pantalla. Si estás modelando una partida de ajedrez, puede mostrar el tablero de ajedrez con las piezas en sus posiciones exactas. Aún más genial, añadieron visualizaciones interactivas: puedes hacer clic derecho en una pieza de la imagen y la herramienta te mostrará todos los movimientos legales que puedes realizar, tal como en un videojuego real. También crearon una función para exportar estas historias visuales como archivos HTML, para que puedas compartir tu "película" del acertijo lógico con cualquier persona, incluso si no tiene instalado el software especial.

La función "Pausar y Preguntar"

Uno de los nuevos trucos más emocionantes es algo que llaman transiciones simbólicas. Imagina que estás jugando una partida contra un ordenador, pero el ordenador se queda bloqueado porque no sabe qué movimiento quieres hacer tú a continuación. En el pasado, el ordenador podría simplemente adivinar o detenerse. Ahora, la herramienta puede pausar y decir: "¡Oye, necesito que un humano decida esta parte!". Espera a que escribas un valor específico (como "Mover el caballo a F3") y luego continúa la historia. Esto es enorme para probar lógica compleja, como demostrar un teorema matemático, donde un humano podría tener que tomar una decisión que un ordenador no puede predecir por sí solo.

También mejoraron la reproducción de trazas (trace replay). Piensa en esto como una función de "Guardar partida". Si encuentras una secuencia perfecta de movimientos que resuelve un problema, puedes guardarla. Más tarde, puedes cargar ese archivo de guardado y la herramienta reproducirá exactamente los mismos movimientos paso a paso. Esto es crucial para asegurar que, si arreglas un error hoy, no hayas roto algo accidentalmente mañana. La nueva versión guarda estas reproducciones en un formato inteligente (JSON) que recuerda exactamente en qué estado te encontrabas, por lo que la reproducción es perfecta cada vez.

El simulador de "Millones de Partidas"

Quizás la adición más poderosa es la capacidad de ejecutar simulaciones de Monte Carlo. Esta es una forma elegante de decir "vamos a jugar la partida un millón de veces para ver qué sucede". Los autores conectaron PROB con un simulador llamado SIMB. En lugar de solo observar una partida, puedes decirle al ordenador que juegue a Conecta Cuatro 10.000 veces seguidas, dejando que diferentes estrategias luchen entre sí.

Utilizaron esto para probar tres "cerebros" diferentes para Conecta Cuatro:

1. Aleatorio (Random): Un jugador que simplemente elige un movimiento sin pensar.
2. Minimax: Una IA clásica que mira unos pocos movimientos por delante para encontrar el mejor camino.
3. MCTS (Búsqueda de Árbol de Monte Carlo): Una IA más inteligente que simula muchos futuros posibles para tomar su decisión.

Los resultados fueron fascinantes. Cuando el jugador Aleatorio luchó contra Minimax, el jugador Aleatorio ganó aproximadamente el 55,7% de las veces si iba primero, pero ese número cayó al 7,3% cuando Minimax iba primero. Sin embargo, cuando Minimax luchó contra MCTS, el jugador MCTS lo aplastó, ganando aproximadamente el 99% de las partidas. Los autores señalaron que su jugador Minimax era un poco débil porque solo miraba dos movimientos por delante (una búsqueda superficial), lo que explica por qué perdió tanto ante el más avanzado MCTS.

También midieron cuánto duraban estas partidas. Los jugadores Aleatorio y Minimax fueron rápidos, terminando 10.000 partidas en menos de 20 minutos. Pero el jugador MCTS fue un poco más lento, tardando varias horas en ejecutar el mismo número de partidas porque estaba realizando un pensamiento muy intenso. Curiosamente, descubrieron que el jugador MCTS necesitaba solo un promedio de 9,7 movimientos para vencer al jugador Aleatorio, mientras que Minimax necesitó 18,0 movimientos.

Por qué esto es importante

Esto no es solo para jugar juegos. Los autores demuestran que estas herramientas son perfectas para la enseñanza. Imagina a un estudiante aprendiendo a escribir código; en lugar de simplemente mirar una pantalla de texto, pueden ver su código cobrar vida como una animación visual. Si cometen un error, pueden ver que el "semáforo" se pone en rojo o que la "pieza de ajedrez" desaparece, lo que hace mucho más fácil entender qué salió mal.

El artículo también destaca que este sistema es excelente para construir intérpretes. Un intérprete es como un traductor que permite que un lenguaje de programación hable con otro. Al usar las nuevas funciones de PROB, los estudiantes y los investigadores pueden construir fácilmente traductores para otros lenguajes (como Java o WebAssembly) y probarlos inmediatamente al verlos ejecutarse en el visualizador.

Al final, los autores no pretenden haber resuelto toda la informática. Sugieren que, al hacer que estas herramientas lógicas sean más visuales, interactivas y capaces de ejecutar simulaciones masivas, podemos detectar errores antes, enseñar mejor a los estudiantes y comprender sistemas complejos de manera más profunda. Incluso insinúan un futuro donde estas herramientas podrían usarse para entrenar agentes de IA mediante el aprendizaje por refuerzo, permitiendo que el ordenador aprenda a jugar juegos (o resolver acertijos lógicos) mediante ensayo y error, tal como lo haría un humano. Pero por ahora, la victoria principal es convertir el mundo árido y abstracto de las pruebas lógicas en un patio de recreo donde puedes ver, tocar y jugar con las reglas.