最新文章

把话说清楚,是一种工程能力:本体论到底在管什么

把话说清楚,是一种工程能力:本体论到底在管什么

TL;DR

本体论先是哲学问题,后来才成了计算机里的技术术语——一种把隐性共识显式化到可计算程度的思维方式。

本体论最早是个哲学问题

“本体论”这个词,第一眼看上去像是数据库或 AI 里的术语。其实它比计算机古老得多——最早是哲学里的一个分支,问的是一个特别朴素的问题:世界上到底有哪些东西是真的存在的?

古希腊的巴门尼德把话说得很绝:能被你想、能被你说出来的,就一定“存在”。你没法谈论“不存在”——你一开口,它就已经在了。亚里士多德接着往下拆:存在有好几种(他分了十个范畴),最实在的是“实体”,判据是“既不述说别的主体,也不存在于别的主体之中”——说白了,它不靠别的东西,自己就能存在;而数量、性质、关系这些范畴,都得依附在实体上才算数。

两千年后,海德格尔把整个传统又翻了一遍。他说你们研究来研究去,研究的都是“存在者”——一个个具体的东西,却把“存在”本身忘了。他管人叫“此在”(Dasein),意思是人的特别之处在于:人不是先有一个固定的本质再去做事,人是在不断做事、不断进入关系的过程中,才成为自己的。

看到这里你可能想问:这跟写代码有什么关系?

先记住一件事就够了——哲学家反复在做的,是把我们天天在用、却从没认真定义过的词,拿出来问一句“它到底是什么”。

问题是,哲学问到这儿就停了。它擅长把问题问深,但答案往往停在一句洞见、一段思辨里,没法变成一份别人能直接拿去用的东西。(忍不住吐槽:只可意会不可言传,哲学挖坑最多吧)

直到计算机出现,这件事才变得不得不做。

说明一下边界:这篇文章不打算讲本体论哲学史,也不评判谁对谁错。我们关心的是另一件事——本体论作为一种思维方式,怎么帮我们把一个领域里“大家都懂、但没人说清”的东西写下来,变成机器也能处理的东西。

写给机器的世界说明书

哲学停在了“追问”,计算机把这件事变成了“必须交作业”。

1993 年,Tom Gruber 给了本体一个在计算机领域流传最广的定义:本体是「概念化的显式规范说明」(an explicit specification of a conceptualization)。这句话每个词都值得拆开看:

  • 概念化:先把一个领域里重要的东西抽象出来——哪些是对象,哪些是它们之间的关系
  • 显式:不能靠默契,必须白纸黑字写下来
  • 规范说明:用一套有约束、机器能读的格式写

1997 年,Borst 把定义改成了「共享概念化的形式化规范」——多了两个词:共享和形式化。共享,是说这份说明得是整个领域公认的,不是你一个人的笔记;形式化,是说它得用机器能处理的语言写,比如 RDF、OWL。

一个本体通常包含四样东西:类(领域里有哪些类型,比如员工、经理、部门)、关系(类型之间怎么连,比如“汇报给”)、公理(不许违反的规则,比如“经理也是员工”),再加上实例(具体的人和部门)。

前三样构成规则层,也就是常说的 schema。日常提到“本体”,多数时候指的就是这一层;把具体实例灌进去之后,通常就改口叫知识图谱了。所以有个好记的说法:本体是模具,知识图谱是灌进去的料。本体说“经理是员工的一种”,知识图谱说“张三是研发部的经理”。

而本体真正值钱的地方,是推理——它能推出你没明说的结论。你定义了“经理是员工的子类”,系统就自动知道每个经理也是员工;你定义了“汇报给”的对象必须是经理,那么只要知道“李四汇报给张三”,系统就能推出张三是经理——哪怕这句话你从没写过。

所以你看,本体在计算机里干的活,和哲学里其实是同一件:把“我们心里都懂”的东西,写成“机器能算”的东西。只不过这次不能再停在“意会”——写不清楚,机器就真的不懂。

一个人,到底是谁

先不看代码,想一个问题:你是谁?

在公司,你是员工;回家在父母面前,你是孩子;在伴侣面前,你是配偶;有了孩子,你是父母;坐公交时,你是乘客。

同一个人,一会儿是这个,一会儿是那个。到底哪个才是“真正的你”?