
AI工程师重新关注RDF和OWL,语义网本体论回归
来源标题:The Semantic Web didn't fail because ontologies were wrong
AI工程师正重新关注RDF和OWL等语义网技术,用其将概率性AI代理约束在确定性边界内,schema.org和Dublin Core等现成词表因模型已见过而受青睐。UC Berkeley的Frank Coyle在AI Engineer World's Fair上主张概率模型需要逻辑护栏,Neo4j CEO Emil Eifrem则提出共享语义层方案。
以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
本体论又迎来了一个受关注的时刻。AI 工程师们重新发现 RDF 和 OWL,把它们当作将概率性 agent(智能体)约束在确定性边界内的一种手段;他们之所以选用 schema.org、Dublin Core 这类现成词表,是因为模型已经见过这些词表。Latent Space 报道了这轮复兴:在 AI Engineer World's Fair 上,UC Berkeley 的 Frank Coyle 主张概率模型需要逻辑护栏,Neo4j CEO Emil Eifrem 则提出一个共享语义层,让轻量 agent 在其上运行,而不必每个 agent 都靠手工接到自己的数据源上。
我见过三次大规模地让知识变得机器可读的努力:2001 年微软的 Smart Tags,我参与构建了它;同年发布的两个 SharePoint,我在公司另一侧旁观;以及 2005 年 google.com 上的问答,我当时是 PM,后来管理工程团队。这三个项目在技术上都交付了,但都撞了墙。通常给出的原因是维护。
这是三个难题中的第三个。得有人设计 schema。得有人在它有价值之前把内容填进去。还得有人永远让它保持最新。三个问题,靠人反复解决,二十年来没有什么值得为它这么做的回报。这三个项目都不是 Semantic Web 项目,而这正是重点:形式不同,问题相同。变化在于,agent 可以承担维护工作,而回报已经到来,或者至少足够多的人相信它已经到来,以至于 RDF 和 OWL 重新回到桌面上。我想事先说明,我正在这个领域创办一家公司。
当时我真心相信这三个项目。这次复兴之所以不同,不是因为我信得更深,而是因为让模型保持最新,现在可以作为工作的副产品发生,而不是某个人的专职工作。
1998 年加入微软做语义标注之前,我读了自然语言处理方向的博士。我们把实验室和大学的研究产品化,并于 2001 年在 Office XP 中发布了 Smart Tags。
顺带说一句:更有名的 Smart Tags 故事是浏览器那个。2001 年 6 月,在出版商反对微软把他们的文字变成微软自选的链接之后,微软从 Internet Explorer 6 中撤下了该功能。那场争斗关乎谁控制一个网页。Office 版本发布了,却因另一个原因淡出。
每个 smart tag 都有两个组成部分:识别器和动作。识别器判断某个字符串属于某种类型。动作则为你提供针对它的动词。给这个人发邮件、把这个日期加到你的日历、查这只股票。我们发布了这些,也允许你自己构建。
微软发布了一个 SDK,让公司可以定义自己业务中重要的类型,并挂上值得对这些类型执行的动作。问题就出在这里,而且是在维护成为问题之前。开发者并不擅长识别这些类型,也不擅长为它们发明动词。这两件事都不是软件工程师的工作。而且这实际上不是任何人的工作。
如果没有人负责这项工作,有两条出路:把它变成某人的工作,或者构建不依赖这项工作的东西。微软同时尝试了两者,而我坐在前排。2001 年它发布了两个 SharePoint。Portal Server 于当年 3 月 RTM,是严肃的那个。它按类别组织文档,把类别文件夹、文档配置文件和属性定义作为一等对象。它是为最有条件把这件事做好的公司构建的——这些公司足够大,能设一个人或一整个团队,其真正工作就是拥有分类体系。另一个是 Team Services,于当年 5 月随 Office XP 和 FrontPage 2002 广泛提供。它是一个放文件和搭站点的地方,不需要任何专门技能。
Portal Server 以及其中人工策展的分类功能,本是为成功而设置的。微软在背后支持它,其客户也大到足以雇用分类学家。另一个版本流行了起来。Team Services 在 2003 年变成 Windows SharePoint Services,2010 年变成 SharePoint Foundation,而后来每个版本都继承自这条血脉,而不是 Portal Server 那条。
两个赌注,同一家公司,同一年,此后的一切都建立在那个不需要专门技能的产品上。价格不是解释。那种规模的客户通过企业协议购买微软软件,Portal Server 的增量成本很小。差别在于需求。
2005 年我们在 google.com 上推出了问答。它在搜索结果上方提供简短的事实性答案。其背后的系统叫 DAFFIE,即 Database of All Fact, Fiction, Information and Exaggeration,我写过它如何围绕实体及其属性组织一切。这个方法反转了 Smart Tags。我们不是让开发者定义类型,而是抓取网络,自己获得属性和值。
在页面已经有结构的地方,这种方法可以泛化。表格就是表格,你不需要事先了解领域就能读一张表。在其他所有地方都是定制的,用当时的信息抽取工具,一次为一个来源手写代码。
发布博文里有一句话说清了边界在哪里。DAFFIE 了解“celebrities, countries of the world, the planets, the elements, electronics, movies, and anything else we've thought of so far.”
“anything else we've thought of so far。”没有任何内容是手工输入的。但通用抽取器只能触及已经存在的结构,再往前,每个新领域都需要工程师写自己的抽取器。
(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。