🤖 AI

An Undecidability Proof for the Plan Existence Problem

Dit artikel bewijst dat het probleem van het bepalen of een reeks epistemische acties een specifiek doel kan bereiken onbeslisbaar is, zelfs wanneer de voorwaarden van die acties zeer beperkt zijn.

Oorspronkelijke auteurs: Antonis Achilleos

Gepubliceerd 2026-04-27

📖 4 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

Oorspronkelijke auteurs: Antonis Achilleos

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je een robot aan het instrueren bent om een ingewikkelde taak uit te voeren, zoals een escape room vol mysteries. De robot moet niet alleen fysieke dingen doen (zoals een deur openen), maar hij moet ook "nadenken" over wat hij weet en wat hij niet weet.

Dit wetenschappelijke artikel van Antonis Achilleos gaat over een fundamenteel probleem in de computerwetenschap: "Is het voor een computer mogelijk om altijd te berekenen of er een plan bestaat om een bepaald doel te bereiken?"

Het korte antwoord van dit onderzoek is: Nee, dat is onmogelijk.

Hier is de uitleg in begrijpelijke taal.

De Metafoor: De Detective en de Onzichtbare Puzzel

Stel je een detective voor in een groot landhuis. De detective heeft een lijstje met acties die hij kan doen:

"Kijk in de lade."
"Vraag de butler naar de sleutel."
"Luister achter de deur."

De detective heeft echter een probleem: hij weet niet alles. Hij heeft "epistemische acties". Dat is een duur woord voor acties die zijn kennis veranderen. Als hij de butler vraagt naar de sleutel, verandert zijn kennis van "Ik weet niet waar de sleutel is" naar "Ik weet dat de butler de sleutel heeft".

Het doel van de detective is om een bepaalde staat van kennis te bereiken, bijvoorbeeld: "Ik weet zeker dat de dader in de keuken is."

Het Probleem: De "Onbeslisbaarheid"

De wetenschapper vraagt zich af: "Als ik een robot geef met een lijstje acties en een doel, kan de robot dan altijd met 100% zekerheid zeggen: 'Ja, ik kan dit doel bereiken met een plan' of 'Nee, dat is onmogelijk'?"

Achilleos bewijst dat dit onbeslisbaar is. Dat betekent niet dat de robot "dom" is, maar dat het probleem zelf zo complex is dat er geen wiskundige formule bestaat die voor elke situatie een antwoord geeft. Er zullen altijd situaties zijn waarbij de computer in een oneindige lus terechtkomt en nooit kan zeggen of er een oplossing is.

Hoe bewijst hij dat? (De "Post-match" truc)

Om dit te bewijzen, gebruikt hij een beroemde wiskundige truc genaamd het Post Correspondence Problem.

Stel je voor dat je twee sets dominostenen hebt. De ene set heeft plaatjes met letters (bijv. A-B-C), de andere set heeft andere combinaties (bijv. A-B). De uitdaging is om een reeks stenen te vinden waarbij de letters aan de bovenkant precies hetzelfde vormen als de letters aan de onderkant. Dit klinkt simpel, maar wiskundigen weten dat dit probleem voor een computer onmogelijk op te lossen is als de rijen heel lang worden.

Achilleos bouwt een "epistemische robot" die eigenlijk een dominostellen-machine is.

De robot gebruikt zijn acties om informatie over de stenen op te bouwen in zijn geheugen (zijn "kennis").
Hij bouwt een "bovenste rij" en een "onderste rij" aan informatie op.
Pas aan het einde van zijn plan controleert hij of de twee rijen informatie precies gelijk zijn.

Omdat het vinden van die dominostenen onmogelijk is voor een computer, en de robot precies dat probeert te doen met zijn kennis, is het vinden van een plan voor de robot ook onmogelijk.

Waarom is dit belangrijk?

Je vraagt je misschien af: "Wat heb ik aan een robot die niet kan plannen?"

Dit onderzoek is belangrijk voor de grenzen van wat we kunnen bouwen. Het vertelt programmeurs en AI-ontwikkelaars: "Stop met proberen een perfecte universele planner te maken voor systemen waarbij agenten over elkaars kennis moeten nadenken. Dat kan simpelweg niet."

In plaats daarvan moeten we ons richten op specifieke, beperkte situaties (zoals de "negatieve introspectie" die hij in het artikel noemt), waar we wél slimme en werkende robots kunnen bouwen.

Samenvatting in één zin

Het artikel bewijst dat zodra een robot acties moet uitvoeren die zijn eigen kennis en de kennis van anderen veranderen, het voor een computer wiskundig onmogelijk is om altijd te voorspellen of een plan voor een doel zal slagen.

Technische Samenvatting: Een Onbeslisbaarheidsbewijs voor het Plan-existentieprobleem

1. Het Probleem (The Problem)

Het onderzoek richt zich op het Plan Existence Problem (PEP) binnen de Epistemic Planning (EP). In EP probeert men een reeks acties (een plan) te vinden die een gewenste doeltoestand bereikt, waarbij de toestand niet alleen bestaat uit fysieke feiten, maar ook uit de kennis en overtuigingen van meerdere agenten.

De formele setting is als volgt:

Initiële toestand: Een pointed Kripke model (een model dat de kennis van agenten representeert).
Doel: Een formule uit de modale logica.
Acties: Epistemische acties met preconditions (voorwaarden die moeten gelden om de actie uit te voeren) en postconditions (hoe de wereld verandert).

Het specifieke probleem dat dit paper aanpakt, is de vraag of het PEP beslisbaar is wanneer de acties zeer beperkt zijn: de preconditions hebben een maximale modale diepte van 1 en er zijn geen postconditions (de acties veranderen de proposities in de wereld niet, alleen de kennisstructuur).

2. Methodologie (Methodology)

De auteur gebruikt een reductiebewijs om de onbeslisbaarheid aan te tonen. De reductie vindt plaats van het Post Correspondence Problem (PCP), een klassiek onbeslisbaar probleem uit de theoretische informatica, naar het Plan Existence Problem.

De kern van de reductie:
De constructie is ontworpen om een match in het PCP te simuleren via een plan in twee fasen:

Fase 1 (Opbouw): Epistemische acties worden gebruikt om blokken uit de PCP-instantie toe te voegen aan twee parallelle paden in het Kripke-model. Eén pad representeert de bovenkant van de reeks blokken ( $a_i$ ) en het andere pad de onderkant ( $b_i$ ).
Fase 2 (Verificatie): Zodra de opbouw voltooid is, schakelt het plan over naar een verificatiefase. Hierbij worden symbolen één voor één van de uiteinden van de paden verwijderd. Als de paden exact gelijk zijn (een "match"), kan het plan de toestand bereiken waarin de paden volledig zijn "opgegeten" tot aan de wortel van het model.

De auteur moet hierbij complexe constructies gebruiken om te voorkomen dat de beperkte modale diepte (maximaal 1) de toegang tot de diepere structuren van het model blokkeert. Dit wordt opgelost door acties lokaal te laten opereren op direct toegankelijke werelden.

3. Belangrijkste Bijdragen (Key Contributions)

Nieuwe onbeslisbaarheidsgrens: Het paper bewijst dat het PEP onbeslisbaar blijft, zelfs onder extreme restricties (modale diepte $\leq 1$ en geen postconditions). Dit was voorheen een open vraag.
Multi-agent uitbreiding: De auteur bewijst dat het probleem onbeslisbaar is voor systemen met minstens twee agenten, ongeacht de specifieke modale logica (zoals K, KTB of KT4) die de agenten gebruiken.
Single-agent analyse: Het paper maakt een cruciaal onderscheid voor het geval van één agent:
- Als de agent beschikt over negatieve introspectie (het weten wat men niet weet, zoals in de logica S5), dan is het probleem beslisbaar.
- Zonder negatieve introspectie (bijv. in logica K) blijft het probleem onbeslisbaar.
Robuustheid tegen frame-condities: De auteur laat zien dat de onbeslisbaarheid standhoudt zelfs als de toegankelijkheidsrelaties extra eigenschappen hebben, zoals reflexiviteit of symmetrie.

4. Resultaten (Results)

De belangrijkste formele resultaten zijn:

Onbeslisbaarheid: Het PEP is onbeslisbaar voor willekeurige frames en voor single-agent systemen zonder negatieve introspectie.
Beslisbaarheid (NP-compleetheid): Voor een enkele agent met negatieve introspectie (S5-logica) is het probleem beslisbaar en valt het in de complexiteitsklasse NP.
Karakterisering: De auteur toont aan dat de complexiteit van epistemische planning niet alleen afhangt van de diepte van de formules, maar fundamenteel wordt bepaald door de mogelijkheid om structuren (zoals paden) te bouwen en te vergelijken via acties.

5. Betekenis (Significance)

Dit paper is van groot belang voor de theoretische informatica en de kunstmatige intelligentie (AI). Het schept een scherpere grens voor wat wel en niet berekenbaar is in de planning van intelligente agenten.

Het resultaat waarschuwt ontwerpers van planning-systemen: zelfs als men de acties zeer eenvoudig houdt (geen verandering van de fysieke wereld, zeer eenvoudige kennisvoorwaarden), kan het probleem van het vinden van een plan nog steeds computationeel onmogelijk zijn. Tegelijkertijd biedt het een "veilig pad" voor praktische toepassingen door aan te tonen dat het toevoegen van negatieve introspectie (het model beperken tot equivalentierelaties) het probleem direct hanteerbaar maakt (NP-compleet).