Logic Programming Semantics for Causal Processes

Immagina di osservare una gigantesca macchina invisibile fatta interamente di regole. Questa non è una macchina con ingranaggi e pistoni, ma una "macchina logica" dove ogni parte è un semplice enunciato "se-allora". Se la luce è accesa, allora la ventola gira. Se la ventola gira, allora la stanza si rinfresca. Nel mondo dell'informatica, questo è chiamato Programmazione Logica. È il cervello dietro il modo in cui i computer ragionano, risolvono enigmi e persino modellano come il nostro corpo funziona. Pensalo come un insieme di istruzioni che raccontano una storia su come le cose cambiano nel tempo.

Ma ecco la parte complicata: cosa succede quando le regole tornano su se stesse in un ciclo? Immagina una regola che dice: "Se la ventola gira, la luce si accende", e un'altra che dice: "Se la luce si accende, la ventola gira". Se parti con entrambe spente, non succede nulla. Ma se accendi la luce per sbaglio, la ventola gira, il che mantiene la luce accesa per sempre. Questo è un processo causale: una catena di eventi in cui una cosa causa un'altra, che causa la successiva, e così via. Gli scienziati si interessano profondamente a questo perché questi cicli sono ovunque nella vita reale. Descrivono come si diffondono le malattie, come gli ecosistemi si riprendono o come l'umore di una persona possa rimanere bloccato in un ciclo di tristezza. La grande domanda è: se scriviamo queste regole, come facciamo a sapere cosa farà effettivamente la macchina nel lungo periodo? Si stabilizzerà o continuerà a oscillare all'infinito?

Questo articolo, scritto da Felix Weitkämper, approfondisce proprio questa domanda. Funge da traduttore, cercando di connettere due modi diversi di guardare queste macchine logiche. Da un lato, ci sono i Modelli Supportati (Supported Models), che sono come "possibili finali" che la macchina potrebbe raggiungere se partisse da qualsiasi stato casuale. Dall'altro lato, ci sono i Modelli Stabili (Stable Models), che sono i "finali veri e naturali" che la macchina trova se la si avvia da uno stato completamente vuoto e neutro, lasciandola correre senza alcuna interferenza esterna.

La scoperta principale dell'autore è una mappa chiara di come questi due concetti si relazionino al tempo e alla causa. Egli dimostra che se hai un insieme di regole che non usano il "non" (programmi logici positivi), il Modello Stabile è esattamente ciò che accade se parti dal nulla e lasci che le regole seguano il loro corso per sempre senza intoppi o guasti. È il "predefinito" futuro della macchina. Tuttavia, i Modelli Supportati sono molto più flessibili; rappresentano qualsiasi stato in cui la macchina potrebbe eventualmente incastrarsi, anche se fossi partita con un inizio strano e confuso o se qualcuno le avesse dato una spinta lungo il percorso.

Per rendere la cosa concreta, immagina due case vicine, Casa A e Casa B, con una regola magica: "Se la Casa A brucia, la Casa B brucia", e "Se la Casa B brucia, la Casa A brucia".

• La visione del Modello Stabile: Se parti con entrambe le case al sicuro e fredde, e nessuno lancia mai un fiammifero, rimarranno al sicuro per sempre. Lo stato "stabile" è "nulla sta bruciando". Questo è ciò che la macchina fa se lasciata sola.
• La visione del Modello Supportato: Ma cosa succederebbe se un fulmine colpisse la Casa A proprio all'inizio? Ora, la Casa A brucia, il che causa la combustione della Casa B, il che mantiene accesa la Casa A. Questo è un "modello supportato" valido perché le regole lo spiegano perfettamente. L'articolo mostra che questo stato di "entrambe in fiamme" è un modello supportato, ma non è un modello stabile perché richiede quel "colpo" iniziale (il fulmine) per iniziare.

L'articolo esplora anche cosa succede se la macchina viene interrotta. Se fai partire le case in fiamme, potrebbero restare in fiamme. Ma se parti con solo la Casa A in fiamme, e le regole continuano a far oscillare lo stato avanti e indietro (la Casa A brucia, poi la Casa B brucia, poi la Casa A brucia di nuovo), la macchina non si stabilizza mai. Non ha un "stato finale". L'autore mostra che per questi tipi specifici di set di regole, l'unico modo per garantire un futuro singolo e immutabile è partire da un luogo neutro e lasciare che le regole scorrano senza intoppi.

L'autore è molto attento a sottolineare che questo quadro chiaro vale solo per le regole "positive" (regole senza il "non"). Quando aggiungi il "non" nel mix, la storia diventa complicata. Fornisce un esempio in cui una macchina con una regola "non" può rimanere bloccata in un ciclo che sembra un finale valido, anche se non accadrebbe se partisse da zero. Ciò significa che la connessa pulita tra "far girare la macchina" e "trovare il modello stabile" si rompe quando le cose diventano più complicate.

In definitiva, questo lavoro suggerisce che quando usiamo la logica per modellare processi del mondo reale — come il modo in cui i sintomi in un paziente potrebbero alimentarsi a vicenda nel tempo — dobbiamo stare attenti a quale "finale" stiamo cercando. Se vogliamo sapere cosa fa un sistema naturalmente, cerchiamo il modello stabile. Se vogliamo sapere cosa potrebbe accadere se il sistema venisse disturbato o partisse da uno stato strano, guardiamo ai modelli supportati. È un po' come conoscere la differenza tra un fiume che scorre naturalmente verso il mare (stabile) e una pozzanghera che si forma perché qualcuno ha rovesciato un secchio d'acqua (supportata). Entrambe sono acqua, ma raccontano storie diverse su come funziona il mondo.