Animation, Verification and Visualisation of Prolog Transition Systems with ProB

Immagina di essere un detective che cerca di risolvere un mistero, ma invece di una scena del crimine, il tuo "crimine" è un pezzo di codice informatico che potrebbe nascondere un bug. Nel mondo dell'informatica, questo viene chiamato verifica formale. È come costruire una mappa matematica perfetta di come un programma dovrebbe comportarsi, e poi controllare ogni singolo passaggio per assicurarsi che il programma non si perda o vada in crash. Di solito, questo comporta una matematica complessa che solo gli esperti sanno leggere. Ma cosa succederebbe se potessi trasformare quella matematica arida in un videogioco vivo e pulsante? Ecco la magia di Prolog, un linguaggio di programmazione che pensa in termini di rompicapi logici piuttosto che di istruzioni standard. Quando combini Prolog con uno strumento chiamato PROB, ottieni un "model checker" — un robot super intelligente che può osservare il tuo rompicapo logico svilupparsi, individuare gli errori e persino permetterti di scorrere la storia un movimento alla volta per vedere esattamente dove le cose vanno storte.

Questo articolo parla di dare a quel robot un aggiornamento importante. Gli autori, un team dell'Università Heinrich Heine di Düsseldorf, hanno preso uno strumento esistente chiamato PROB (che già parla Prolog) e gli hanno aggiunto un intero nuovo set di superpoteri. Immagina di trasformare un taccuino a bianco e nero in uno studio cinematografico interattivo ad alta definizione. Hanno reso più facile la visualizzazione di ciò che accade, hanno aggiunto un modo per simulare migliaia di partite in pochi secondi per testare le strategie e hanno persino creato un sistema in cui puoi mettere in pausa l'azione, dare al computer un'istruzione specifica e guardarlo reagire. Hanno testato queste nuove funzionalità trasformando il classico gioco del Connett Four in un rompicapo logico, mettendo a confronto diversi "cervelli" informatici per vedere chi vince. Il risultato è un toolkit che rende il controllo della logica informatica complessa simile al giocare a un gioco piuttosto che al fare i compiti.

La magia della mappa logica "viva"

Al suo cuore, l'articolo descrive come prendere un insieme di regole scritte in Prolog (un linguaggio che sembra una lista di affermazzioni "se questo, allora quello") e trasformarle in un sistema di transizione. Immagina un gioco da tavolo in cui ogni casella è uno "stato" (come "Luce del Pedone è Rossa") e ogni mossa è una "transizione" (come "Passa a Verde"). Nei vecchi tempi, PROB poteva caricare queste regole e lasciarti cliccare un pulsante per muoverti da una casella all'altra, mostrandoti il percorso. Ma era un po' macchinoso.

Gli autori hanno lucidato significativamente questa esperienza. Per prima cosa, hanno migliorato molto la grafica. Prima, potevi solo vedere un elenco di testo che diceva "Stato: Rosso". Ora, hanno integrato strumenti che possono disegnare immagini reali. Se stai modellando un semaforo, lo strumento può ora mostrarti un vero cerchio rosso luminoso sul tuo schermo. Se stai modellando una partita a scacchi, può visualizzare la scacchiera con i pezzi nelle loro posizioni esatte. Ancora più fantastico, hanno aggiunto delle visualizzazioni interattive: puoi fare clic con il tasto destro su un pezzo nell'immagine e lo strumento ti mostrerà tutte le mosse legali che puoi compiere, proprio come in un vero videogioco. Hanno anche creato una funzione per esportare queste storie visive in file HTML, in modo da poter condividere il tuo "film" del rompicapo logico con chiunque, anche se non possiede il software speciale installato.

La funzione "Pausa e Chiedi"

Uno dei trucchi nuovi più eccitanti è qualcosa che chiamano transizioni simboliche. Immagina di giocare a un gioco contro un computer, ma il computer si blocca perché non sa quale mossa tu voglia fare dopo. In passato, il computer avrebbe potuto semplicemente indovinare o fermarsi. Ora, lo strumento può mettere in pausa e dire: "Ehi, ho bisogno che un essere umano decida questa parte!". Aspetta che tu inserisca un valore specifico (come "Sposta il cavallo in F3") e poi continua la storia. Questo è enorme per testare la logica complessa, come dimostrare un teorema matematico, dove un essere umano potrebbe dover compiere una scelta che un computer non può prevedere da solo.

Hanno anche migliorato il replay delle tracce. Pensa a questo come a una funzione "Salva Partita". Se trovi una sequenza perfetta di mosse che risolve un problema, puoi salvarla. Più tardi, puoi caricare quel file salvato e lo strumento riprodurrà esattamente le stesse mosse passo dopo passo. Questo è fondamentale per assicurarsi che, se correggi un bug oggi, non ne abbia accidentalmente creato uno nuovo domani. La nuova versione salva questi replay in un formato intelligente (JSON) che ricorda esattamente in quale stato ti trovavi, così il replay è perfetto ogni volta.

Il simulatore di "Un milione di partite"

Forse l'aggiunta più potente è la capacità di eseguire simulazioni Monte Carlo. Questo è un modo elegante per dire "giochiamo il gioco un milione di volte per vedere cosa succede". Gli autori hanno collegato PROB a un simulatore chiamato SIMB. Invece di guardare solo una partita, puoi dire al computer di giocare al Connett Four 10.000 volte di seguito, lasciando che diverse strategie si combattano tra loro.

Hanno usato questo per testare tre diversi "cervelli" per il Connett Four:

1. Random (Casuale): Un giocatore che sceglie una mossa senza pensare.
2. Minimax: Un'IA classica che guarda qualche mossa avanti per trovare il percorso migliore.
3. MCTS (Monte Carlo Tree Search): Un'IA più intelligente che simula molti futuri possibili per prendere la sua decisione.

I risultati sono stati affascinanti. Quando il giocatore Random ha combattuto contro Minimax, il giocatore Random ha vinto circa il 55,7% delle volte se andava per primo, ma quel numero è sceso al 7,3% quando Minimax andava per primo. Tuttavia, quando Minimax ha combattuto contro MCTS, il giocatore MCTS l'ha travolto, vincendo circa il 99% delle partite. Gli autori hanno notato che il loro giocatore Minimax era un po' debole perché guardava solo due mosse avanti (una ricerca superficiale), il che spiega perché ha perso così tanto contro il più avanzato MCTS.

Hanno anche misurato quanto tempo hanno impiegato queste partite. I giocatori Random e Minimax erano veloci, finendo 10.000 partite in meno di 20 minuti. Ma il giocatore MCTS era un po' più lento, impiegando diverse ore per eseguire lo stesso numero di partite perché stava facendo molto pensiero pesante. Interessante è che hanno scoperto che il giocatore MCTS aveva bisogno solo di una media di 9,7 mosse per battere il giocatore Random, mentre Minimax ne aveva bisogno di 18,0.

Perché questo è importante

Questo non riguarda solo il giocare ai videogiochi. Gli autori dimostrano che questi strumenti sono perfetti per l'insegnamento. Immagina uno studente che impara a scrivere codice; invece di guardare solo uno schermo pieno di testo, può vedere il suo codice prendere vita come un'animazione visiva. Se commette un errore, può vedere la "luce del semaforo" diventare rossa o il "pezzo degli scacchi" scomparire, rendendo molto più facile capire cosa è andato storto.

Il documento evidenzia anche che questo sistema è ottimo per costruire interpreti. Un interprete è come un traduttore che permette a un linguaggio di programmazione di parlare con un altro. Usando le nuove funzionalità di PROB, studenti e ricercatori possono facilmente costruire traduttori per altri linguaggi (come Java o WebAssembly) e testarli immediatamente guardandoli girare nel visualizzatore.

In definitiva, gli autori non pretendono di aver risolto tutta l'informatica. Suggeriscono che, rendendo questi strumenti logici più visivi, interattivi e capaci di eseguire massicce simulazioni, possiamo individuare i bug prima, insegnare meglio agli studenti e comprendere i sistemi complessi più profondamente. Accennano anche a un futuro in cui questi strumenti potrebbero essere usati per addestrare agenti IA tramite l'apprendimento per rinforzo, lasciando che il computer impari a giocare ai giochi (o a risolvere rompicapi logici) per tentativi ed errori, proprio come farebbe un essere umano. Ma per ora, la vittoria principale è trasformare il mondo arido e astratto delle dimostrazioni logiche in un parco giochi dove puoi vedere, toccare e giocare con le regole.