Una cassa spinta nel punto sbagliato può bloccare tutto. Sokoban, il rompicapo delle casse da spostare, è il primo caso di studio indicato nel contributo scientifico di Marco Duca, ricercatore dell’Università della Calabria premiato a Klagenfurt. Dietro il riconoscimento c’è un problema concreto dell’intelligenza artificiale: come orientare la ricerca di una soluzione quando le alternative possibili diventano moltissime. Un passaggio poco visibile all’utente, ma decisivo per il tempo che un sistema impiega a trovare una risposta.
Il rompicapo che rende visibile un problema dell’IA
Le regole di Sokoban sono semplici: le casse si possono spingere, una alla volta, ma non tirare. Una scelta sbagliata può creare una configurazione dalla quale non si riesce più a raggiungere l’obiettivo. Avvicinare una cassa alla destinazione, dunque, non significa necessariamente aver fatto una buona mossa. Proprio questa combinazione di semplicità e difficoltà lo rende utile alla ricerca. Si può vedere dove un algoritmo si blocca, confrontare problemi di complessità crescente e studiare come evitare percorsi senza uscita. È una delle ragioni per cui Sokoban viene utilizzato da tempo come banco di prova per l’intelligenza artificiale.
Imparare quali possibilità esplorare per prime
La ricerca di Duca si intitola “Transformers for Domain-specific Heuristics in ASP”. Nell’abstract, il progetto propone di addestrare modelli Transformer sulle sequenze di scelte prodotte da un risolutore ASP tradizionale. Lo scopo è apprendere strategie adatte a specifiche categorie di problemi. Sono le cosiddette euristiche: criteri che aiutano il sistema a decidere quali possibilità esplorare prima. L’idea è utilizzare ciò che il modello apprende per orientare il lavoro del motore logico. Il contributo presenta Sokoban come caso di studio iniziale.
A cosa serve la parte logica
L’Answer Set Programming, abbreviato in ASP, permette di descrivere problemi combinatori attraverso un linguaggio formale e di affidarne la risoluzione a software specializzati. Il gruppo Potassco dell’Università di Potsdam lo presenta come un modo per concentrarsi sulla descrizione del problema, lasciando al sistema la ricerca delle soluzioni. Per capirne il senso, si può immaginare un semplice esempio illustrativo: assegnare attività a persone e orari rispettando disponibilità e incompatibilità. Una soluzione deve tenere insieme tutte le condizioni previste. Al crescere delle combinazioni, diventa importante scegliere con efficienza come cercarla. Questo esempio chiarisce il tipo di difficoltà; non è un’applicazione attribuita al progetto di Duca. È in questo incontro tra apprendimento e logica che si colloca l’IA neuro-simbolica, l’ambito nel quale il lavoro viene presentato dalla nota sul riconoscimento.
Il lavoro ad Arcavacata e il confronto internazionale
Duca è borsista di ricerca del Dipartimento di Matematica e Informatica. Lavora con Francesco Ricca come supervisore, nel Laboratorio di intelligenza artificiale diretto da Nicola Leone. A Klagenfurt ha ricevuto il Best Doctoral Consortium Contribution Award, il riconoscimento al contributo presentato nel consorzio dottorale della conferenza LPNMR 2026. Il consorzio è uno spazio di confronto per ricercatori all’inizio del percorso: presenta progetti, raccoglie osservazioni e mette in contatto giovani studiosi ed esperti. Il premio va letto in questa cornice scientifica, come riconoscimento a un lavoro di ricerca in sviluppo.
Che cosa resta da dimostrare
Quanto migliora il metodo, su quali problemi e a quale costo? L’abstract consultato non riporta confronti numerici. Sono domande da approfondire con il ricercatore, insieme alla capacità di affrontare casi nuovi: verifiche necessarie per valutare le prospettive della proposta.
