Logic Programming Semantics for Causal Processes

Imaginez que vous regardez une machine géante et invisible, faite entièrement de règles. Ce n'est pas une machine avec des engrenages et des pistons, mais une « machine logique » où chaque pièce est une simple instruction « si... alors ». Si la lumière est allumée, alors le ventilateur tourne. Si le ventilateur tourne, alors la pièce devient fraîche. Dans le monde de l'informatique, c'est ce qu'on appelle la programmation logique. C'est le cerveau qui permet aux ordinateurs de raisonner, de résoudre des énigmes et même de modéliser le fonctionnement de notre corps. Voyez cela comme un ensemble d'instructions qui racontent une histoire sur la façon dont les choses changent au fil du temps.

Mais voici la partie délicate : que se passe-t-il lorsque les règles bouclent sur elles-mêmes ? Imaginez une règle qui dit : « Si le ventilateur tourne, la lumière s'allume », et une autre qui dit : « Si la lumière s'allume, le ventilateur tourne ». Si vous commencez avec les deux éteints, rien ne se passe. Mais si vous allumez la lumière par accident, le ventilateur tourne, ce qui maintient la lumière allumée pour toujours. C'est un processus causal : une chaîne d'événements où une chose en provoque une autre, qui en provoque une autre, et ainsi de suite. Les scientifiques se soucient profondément de cela car ces boucles sont partout dans la vie réelle. Elles décrivent comment les maladies se propagent, comment les écosystèmes se rétablissent ou comment l'humeur d'une personne peut rester bloquée dans un cycle de tristesse. La grande question est la suivante : si nous écrivons ces règles, comment savoir ce que la machine fera réellement à long terme ? Va-t-elle se stabiliser, ou continuera-t-elle à basculer d'un état à l'autre pour toujours ?

Cet article, écrit par Felix Weitkämper, explore précisément cette question. Il agit comme un traducteur, tentant de relier deux manières différentes de regarder ces machines logiques. D'un côté, il y a les Modèles Supportés (Supported Models), qui sont comme des « fins possibles » que la machine pourrait atteindre si vous la faisiez partir de n'importe quel état aléatoire. De l'autre côté, il y a les Modèles Stables (Stable Models), qui sont les « fins véritables et naturelles » que la machine trouve si vous la lancez à partir d'un état vide et neutre et la laissez fonctionner sans aucune interférence extérieure.

La découverte principale de l'auteur est une carte claire de la façon dont ces deux concepts sont liés au temps et à la causalité. Il prouve que si vous avez un ensemble de règles qui n'utilisent pas le « non » (programmes logiques positifs), le Modèle Stable est exactement ce qui se passe si vous partez de rien et laissez les règles suivre leur cours indéfiniment, sans heurts ni incidents. C'est le futur « par défaut » de la machine. Cependant, les Modèles Supportés sont beaucoup plus flexibles ; ils représentent tout état dans lequel la machine pourrait finir par se retrouver coincée, même si vous l'aviez démarrée avec un début étrange et désordonné ou si quelqu'un lui avait donné une bousculade en cours de route.

Pour rendre cela concret, imaginez deux maisons voisines, la Maison A et la Maison B, avec une règle magique : « Si la Maison A brûle, la Maison B brûle » et « Si la Maison B brûle, la Maison A brûle ».

• La vue du Modèle Stable : Si vous commencez avec les deux maisons saines et intactes, et que personne ne jette jamais d'allumette, elles resteront intactes pour toujours. L'état « stable » est « rien ne brûle ». C'est ce que fait la machine si elle est laissée tranquille.
• La vue du Modèle Supporté : Mais que se passe-t-il si un éclair frappe la Maison A au tout début ? Maintenant, la Maison A brûle, ce qui fait brûler la Maison B, ce qui maintient la Maison A en feu. C'est un état « supporté » valide car les règles l'expliquent parfaitement. L'article montre que cet état « les deux maisons brûlent » est un modèle supporté, mais ce n'est pas un modèle stable car il nécessite ce « coup de pouce » initial (l'éclair) pour démarrer.

L'article explore également ce qui se passe si la machine est interrompue. Si vous commencez avec les maisons en feu, elles pourraient rester en feu. Mais si vous commencez avec seulement la Maison A en feu, et que les règles font basculer l'état d'avant et d'après (A brûle, puis B brûle, puis A brûle à nouveau), la machine ne se stabilise jamais. Elle n'a pas d'« état éventuel ». L'auteur montre que pour ces types spécifiques de règles, la seule façon de garantir un futur unique et immuable est de partir d'un lieu neutre et de laisser les règles fonctionner sans accroc.

L'auteur est très prudent et souligne que ce portrait clair ne tient que pour les règles « positives » (les règles sans le « non »). Lorsque vous ajoutez le « non » dans le mélange, l'histoire devient confuse. Il donne un exemple où une machine avec une règle de type « non » peut rester coincée dans une boucle qui ressemble à une fin valide, même si elle ne se produirait pas si l'on partait de zéro. Cela signifie que la connexion nette entre « faire tourner la machine » et « trouver le modèle stable » se brise lorsque les choses deviennent plus compliquées.

En fin de compte, ce travail suggère que lorsque nous utilisons la logique pour modéliser des processus du monde réel — comme la façon dont les symptômes chez un patient peuvent s'alimenter les uns les autres au fil du temps — nous devons être prudents quant au type de « fin » que nous recherchons. Si nous voulons savoir ce qu'un système fait naturellement, nous cherchons le modèle stable. Si nous voulons savoir ce qui pourrait arriver si le système est perturbé ou commence dans un état étrange, nous regardons les modèles supportés. C'est un peu comme connaître la différence entre une rivière qui coule naturellement vers la mer (stable) et une flaque d'eau qui se forme parce que quelqu'un a renversé un seau d'eau (supporté). Les deux sont de l'eau, mais ils racontent des histoires différentes sur la façon dont le monde fonctionne.