Представьте, что вам нужно написать эффективный алгоритм сборки кубика Рубика за наименьшее число шагов из любого закрученного состояния. Это очень непросто, т.к. для того чтобы гарантировать оптимальность нужен правильно организовать перебор в очень большом пространстве состояний. Если же переходить к задачам более высокой размерности, например, мы хотим решать большее сложные головоломки или искать пути на Графах Кэли различных нетривиально-устроенных групп, то даже просто найти хоть какое-то решение становится затруднительно.
Недавний прогресс в этой области связан с разработкой гибридных решателей, когда одновременно используются классические алгоритмы поиска и машинное обучение, которое помогает эффективно фокусировать поиск, т.е. направлять его в нужную сторону. К сожалению (или счастью?) в этой области ещё много сложных задач, которые требуют разработки новых подходов. Именно такие задачи и подходы и являются фокусом этого проекта.