انتولوژی و سیستم‌های اطلاعاتی
تعهد انتولوژیک
انتولوژی با کواین (1953)
معنای دومی را نیز به خود جذب نمود، که بر طبق آن انتولوژی با علم رقابت نمی‌کند
بلکه خود نظریات علمی را بررسی می‌نماید. به عبارتی دقیق‌تر، فلسفه نظریات علوم
طبیعی را بررسی می‌کند، علومی که به زعم کواین بهترین منبع دانش ما درباره‌ی چیستی
واقعیت هستند. هدف کواین یافتن انتولوژی "در" علم است. انتولوژی برای
او، مطالعه تعهدهای انتولوژیک یا پیش‌فرض‌های مستتر در نظریات علوم طبیعی است:
تئوری‌های علوم طبیعی وجود چه موجوداتی را در قالب چه نظام‌های مفهومی‌ای پیش‌فرض
گرفته‌اند. مساله تعهد انتولوژیک در خارج از فلسفه و علوم طبیعی نیز رواج یافته
است: دانشمندان انسان‌شناس سیر تحول تعهدات انتولوژیک قوم‌های مختلف را در فرهنگ‌های
متفاوت دنبال نمودند و روان‌شناسان تعهدات افراد و آسیب‌های وارد آمده بر آن را.
انتولوژی
و علوم اطلاعات
در
سال‌های اخیر و در پی پیشرفت در حوزه علوم کامپیوتر و اطلاعات، که فلاسفه بدان
کمتر توجه نموده‌اند، اصطلاح "انتولوژی" معنای سومی یافت. این معنای
جدید چنین است:
یکی
از اصولی که هوش‌مصنوعیِ کلاسیک بر آن بنا شد عبارتست از: "آن‌چیزی در دنیای
هوش‌مصنوعی وجود دارد که بتوان آن را بازنمود". پس انتولوژی سیستمی است برای
طبقه‌بندی بازنمایی‌ها و قوانین بازنمایی. برای مثال برای طراحی روباتی که قرار
است منزل شما را تمیز کند، ابتدا باید انتولوژی دنیای اتاق را برای وی تهیه کنیم.
یعنی نوع اشیائی را که با آن‌ها برخورد خواهد نمود، روابط آن اشیاء بایکدیگر و
خواص هر یک را به نحوی صوری و در قالب یک "زبان" مشخص سازیم. این
انتولوژی می‌تواند مشتق شده از یک انتولوژی سطح بالاتر باشد (یک انتولوژی در همان
سطحی که فلاسفه ادعای تهیه‌ی آن را دارند) و یا مختص به همان اتاق.
انتولوژی
جزء لاینفک سیستم‌های اطلاعاتی است. هر تلاشی در اتوماسیون دنیای جدی بزرگسالان،
شبیه‌سازی فرایندها، خلق جهان‌های مجازی، صنعت روباتیک و سایبرنتیک و سیستم‌های
اطلاعاتی، مبتنی بر یک انتولوژی است. در هر یک، فرایندی از این دست صورت خواهد
گرفت:
1- انتولوژیِ
بازنمایی‌های سیستم، بر اساس مفهوم‌سازی‌های کاربران و طراحان آن ایجاد می‌گردد؛
یعنی موجودیت‌های سیستم، خواص هریک و روابط میان آنان تعیین می‌گردند و هر موجودیت
در سلسله‌مراتبی از طبقات قرار می‌گیرد.
2- موتور
استنتاجی برای کار با آن انتولوژی ساخته می‌شود.
3- و
سرآخر زبانی برای کار با آن انتولوژی وضع و پیاده‌سازی می‌شود. این زبان می‌تواند
سلسله‌ای از کلیک‌های موس و یا مجموعه‌ای از APIها
باشد.
این زبان، رابط خارجی (interface)
انتولوژی
با دیگر سیستم‌هاست.
برای
مثال در طراحی عاملی (Agent) که صفحات وب را طبقه‌بندی و جستجو می‌کند، در قدم اول باید
موجودیت‌های دنیای وب را مشخص سازیم (مانند سایت، صفحه، عنوان، متن، لینک، کلمات کلیدی) و سپس خصوصیات ممکن هر یک (مانند
موضوع، زبان، تاریخ ایجاد) و روابط میان آنان را (مانند مشابهت، عضو یک سایت بودن،
لینک گرفتن از) تعیین کنیم. در این مرحله در واقع تعهدات انتولوژیک عامل را مشخص
ساخته‌ایم. در قدم دوم باید قوانین جستجو و حرکت در این انتولوژی را در قالب یک
موتور استنتاج طراحی نماییم و سرآخر رابطی را برای ارتباط با دنیای خارج در اختیار
گذاریم (تا فرضا یک موجودیت خارجی بتواند وظیفه‌ای را برای عامل تعریف کند).
مساله‌ی برج بابل و انتولوژی‌های سطح بالا
فرض
کنید دو عامل جستجوگر وب بخواهند از نتایج یکدیگر استفاده کنند. بسیار محتمل است
که در این امر مساله‌ی عدم همخوانی انتولوژی این دو عامل خود را نشان دهد. طراحان
این گونه سیستم‌های مبتنی بر داده و دانش، هر یک اصطلاحات و مفاهیم خاص خود را
برای برساختن چارچوب بازنمایی اطلاعات اختیار می‌نمایند و لذا یکپارچه ساختن
انتولوژی آنان مشکل همیشگی دنیای سیستم‌های اطلاعاتی است.
در
ابتدا چنین ناسازگاری‌هایی مورد به مورد حل می‌شد. برای مثال دو عامل بالا سعی می‌کردند
تا برای ارتباط با یکدیگر، از سیستمِ بازنمایی واسطی استفاده کنند. اما به تدریج
مزایای تهیه یک انتولوژی مرجعِ مشترک –یعنی طبقه‌بندی مشترکی از موجودیت‌ها- بر راه‌حل‌های
مورد به مورد هویدا گشت، و دانشمندان علومِ اطلاعات، اصطلاح "انتولوژی"
را برای تبیین ایجاد توصیف‌های استانداردی برای این گونه امور به کار بردند. در
این بستر، یک انتولوژی، لغت‌نامه‌ی اصطلاحاتی است که تعریف مشترک مورد قبولی داشته
و توسط ساختار استانداری فرمول‌بندی شده باشد که برای ایجاد چارچوبی لغوی برای
طبقه‌بندی و بازنمایی دانش طراحی می‌شود و در میان جوامع مختلفِ سیستم‌های
اطلاعاتی، به اشتراک گذارده می‌شود. این پروژه شبیه به رویای قدیمی فلسفه در ایجاد
"دایره‌المعارف عظیمی" است که تمام دانش را در قالب یک سیستم در برگیرد.
اما
دشواری‌های ایجاد چنین انتولوژی‌ای باورنکردنی است. به علاوه همیشه رابطه‌ی معکوسی
میان گستره‌ی مقبولیت یک استاندارد عمومی و توان بیان و سودمندی آن وجود دارد.
همچنین دنیای سیستم‌های اطلاعاتی غالبا تحت تاثیر افق‌های کوتاه مدت محیط
اقتصادی-تجاری است. این امر بدین معناست که انتظاراتی که از سیستم‌های اطلاعاتی می‌رود
دایما در تغییر است. اما با این حال فعالیت بر روی انتولوژی در جهان سیستم‌های
اطلاعاتی همچنان به شکوفایی خود ادامه می‌دهد. مثال‌هایی از انتولوژی‌های طراحی
شده در ادامه آورده شده است.
انتولوژی‌های غول‌پیکر
شاید
تحسین برانگیزترین تلاش برای ایجاد یک انتولوژی –لااقل صرفا از نظر
اندازه- پروژه CYC باشد (http://www.cyc.com). CYC فرمول‌بندی دانش عرف عامه در قالب پایگاه‌داده عظیمی از
اصول اولیه‌ای (آکسیوم‌ها) است تا به کمک آن، یک سیستم کامپیوتری بتواند کم و بیش
همان دیدگاهی را نسبت به جهان به دست آورد که بزرگسالان در فعالیت‌های جدی روزمره
خود از آن استفاده می‌کنند. این پروژه از سال 1984 تا کنون به رهبری داگ لِنات در
حال توسعه است. محصول آنان، پایگاه‌دانش عظیمی است که دانش مورد استفاده در زمینه‌های
متفاوتی از زندگی انسان‌ها را فرمول‌بندی نموده است. این پایگاه‌دانشِ عظیم (با
بیش از 1000000 قاعده) CYC را قادر ساخته است تا بخش عظیمی از دانش روزمره و استنتاجات هر
روزه‌ی ما را بپوشاند. CYC می‌تواند به شما بگوید که چه می‌دانید و یک زبان برنامه‌نویسی نیز
در اختیار شما می‌گذارد تا بتوانید این دانش عظیم خود را مدیریت کنید.
اما
از جهت پروژه‌ای حساب‌شده‌تر، انتک (مخفف تکنولوژی انتولوژیک) را باید ذکر نمود که
از سال 1981 تاکنون سرگرم ایجاد تکنولوژی‌های برنامه‌نویسیِ پایگاه‌داده و
بازنمایی دانشِ لازم برای بوجود آوردن سیستم‌های اتوماسیون تصمیم‌گیری برای موسسات
غول‌پیکر است. تیمی از فلاسفه (شامل دیوید اسمیت و پیتر سیمونز) با مهندسین نرم‌افزار
تشریک مساعی نمودند تا سیستم PACIS (بستری برای ساخت مکانیزه سیستم‌های هوشمند) را بوجود آورند که
نظریات مختلف (تعهدات انتولوژیک مختلف) در باب موجودیت‌های هر حوزه‌ی مورد بحث را
پیاده‌سازی می‌نماید. انتک با گرایش به واقعیتِ فیزیکیِ عرف عامه[1] (که
در آن چنان گسترش یافته است که هواپیما‌ها، بال‌ها و کارخانجات ساخت آنان را نیز
شامل می‌شود) و کنارگذاردن دنیای بازیچه‌گونه تحقیقات کلاسیک هوش‌مصنوعی توانسته
است تا صورت‌‌بندی خصوصیات انتولوژیک جهان را چنان‌که بزرگسالان در زندگی‌های جدی
خود با آن درگیر می‌شوند، محقق سازد. چنین پروژه‌های کلانی، برای پیشرفت‌های
بلندمدت در هوش‌مصنوعی ضروری‌اند.
پروژه‌ی لیپزیگ، GOL (زبان عمومی
انتولوژی؛ ر.ک http://www.ontology.uni-leipzig.deDegen)،
نیز بر بنیان متدولوژی واقعگرایانه‌ای شبیه به انتک بناشده است.
همچنین
از جهت ایجاد انتولوژی‌های سطح بالا که خود را به یافتن نظریات و یا توصیفاتی در
مورد طبقات فوق‌العاده عمومی (مستقل از حوزه کاربست) محدود می‌سازند (طبقاتی چون:
زمان، مکان، وراثت، مصداقیت، هویت، مقدار، کمیت، وابستگی توابع، فرایند، رخداد،
صفات، حدود و غیره) می‌توانید به http://sva.iece.org رجوع کنید.
انتولوژی و واقعیت‌زدایی
گروبر می‌گوید "آن‌چه
برای هوش‌مصنوعی "وجود دارد"، هر آن‌چیزی است که بتوان آن را بازنمود".
دو نتیجه بر این اصل مترتب است:
1- تنها موجودیت‌هایی
وجود دارند که در سیستم اطلاعاتی بازنمایی شده باشند.
2- آن موجودیت‌ها،
تنها صفاتی را خواهند داشت که در آن سیستم بازنمایی گشته باشند.
معنای چنین امری این است
که اشیا بازنمایی شده در سیستم (مانند دانشجویان در پایگاه‌داده‌ی دانشگاه) اشیا
واقعی (انسان‌های گوشت و خون‌دار) نیستند، بلکه جانشینانِ طبیعت‌زدایی شده‌ای
هستند که خصوصیات محدودی را دارا می‌باشند و نسبت به تمام ابعاد و خصوصیاتی که
سیستم دلمشغول آنان نیست، به کلی غیرمتعین‌اند (برای مثال آن دانشجویان نه عاشق‌اند
و نه غیرعاشق بلکه نسبت به عشق بی‌تفاوت‌اند). در این معنا، انتولوژیِ سیستم‌های
اطلاعاتی ابدا بر محور اشیا و جهان متمرکز نگشته، بلکه بر حول مدل‌های مفهومی،
زبانی و یا ذهنی ما می‌چرخد (و به تفسیری سهل‌انگارانه می‌توان گفت که در این
انتولوژی‌ها، اشیا و مفاهیم بایکدیگر خلط گشته‌اند).
این کاربرد جدید و باب روز
از "انتولوژی"، دیری است که جای خود را در بسیاری از چرخه‌های سیستم‌های
اطلاعاتی مستحکم گردانده است. در این معنا، انتولوژی چارچوبی است برای مفهوم‌سازی:
دیدگاهی انتزاعی و ساده‌شده‌ای از جهان که ما به کمک آن، جهان را به منظور خاصی
بازمی‌نماییم.
آن‌چه در این تعریف اهمیت
می‌یابد این نکته است که ما به عنوان ساکنین دنیای سیستم‌های اطلاعاتی، می‌توانیم
در پس هر یک از درگیری‌های روزانه (ورزش صبحگاهی، نماز جمعه، دریافت حقوق پایان
ماه و یا خرید آخر هفته) نوعی مفهوم‌سازی را پیش‌فرض گیریم. یعنی هر کدام از این
اعمال با سیستمی از مفاهیم سروکار دارد که به کمک آن، حوزه‌ای از واقعیت را به
اشیا، فرایندها و روابطی، متفاوت از دیگر سیستم‌ها، تقسیم می‌نماییم؛ مفهوم‌سازی‌هایی
که غالبا به صورت ضمنی و غیرروشمند صورت می‌گیرند.
اما ما می‌توانیم
ابزارهایی را پرورش دهیم تا مفاهیم موجود در هر یک از این فعالیت‌ها را مشخص و
واضح گردانند و طبقه‌بندی‌های پنهانی آن
را آشکار سازند. حاصل چنین ایضاحی، انتولوژی در معنای جدید خود می‌باشد.
حق
با مشتری است یا حقیقت؟
لذا انتولوژی ابدا دلمشغول
پرسش از هستی واقعی نیست، یعنی پرسش از مطابقت مفهوم‌سازی‌ها با گونه‌ای از
واقعیتِ مستقلِ موجود. بلکه صرفا نظامی است پراگماتیک که از مفهوم‌سازی آغاز می‌کند
و از آن جا به سمت توصیف مفاهیم متناظر آن حوزه (مفاهیمی که غالبا به نحو غلط‌اندازی
"اشیا" نامیده می‌شوند) پیش می‌رود. اما این اشیا، چیزی نیستند جز
عناصری از یک مدل داده‌ایِ جهانی بسته، که به هدف کاربردیِ خاصی طراحی گشته‌اند.
در این معنا از انتولوژی، دغدغه‌ی اصلی، حقیقت در نسبت با حوزه‌ای از واقعیت موجود
نیست، بلکه در بهترین حالت، حقیقت در نسبت با یک مفهوم‌سازی است: مشتری است که
داده‌های خام مفهوم‌سازی را در اختیار مهندسین قرار می‌دهد. این انتولوژی صرفا با
شبه‌حوزه‌هایی خلق شده سروکار دارد، و نه با واقعیتی استعلایی در ورای آن.
مشتری
یا کاربر جهان خود را توصیف می‌کند و مهندس انتولوژی مفهوم‌سازی پیش‌فرض آن را به
نحوی روشمند بیرون می‌کشد، وضوح می‌بخشد و مطابق آن سیستمی طبیعت‌زدایی شده را
برای پیاده‌سازی طراحی می‌کند. از نظر مهندس انتولوژی، حق همیشه با مشتری است
چراکه در هر حالت، مشتری است که جهان اشیا جانشین دنیای واقعی خود را تشریح می‌کند.
از نظر مهندس انتولوژی، حقیقت را مشتری تعیین می‌کند و در اختیار او می‌گذارد.
چرا انتولوژی سیستم‌های اطلاعاتی شکست خورد؟
بر
این اساس می‌توان به روشنی دریافت که چرا پروژه‌ی ایجاد یک انتولوژی مشترک، که
بسیاری از جوامع اطلاعاتیِ حوزه‌های مختلف آن را بپذیرند، با شکست مواجه شد. تمامی
مفهوم‌سازی‌ها با یکدیگر برابر نیستند؛ آن‌چه مشتری می‌گوید، همیشه درست نیست، حتی
به اندازه‌ی کافی منسجم نیست تا نسبت به بازار نیز حقیقت باشد. لذا مفهوم‌سازی‌های
بد فراوان است..
حال
بر این اساس پروژه‌ی ایجاد یک انتولوژی سطح بالا را در نظر گیرید، یعنی پروژه‌ی
ایجاد اساس مشترکی برای تمامی انتولوژی‌ها. این پروژه در ابتدا چنین به نظر می‌رسد
که در پی یافتن بالاترین تقسیم‌بندی مشترک (شبیه به بزرگ‌ترین مقسوم‌علیه
مشترک:ب.م.م) است که میان حجم عظیمی از تئوری‌های درست و نادرست مشترک باشد. بر
اساس توضیح بالا روشن می‌شود که دلیل اصلی ناموفق ماندن تلاش برای ایجاد انتولوژی‌های
سطح بالا دقیقا در این واقعیت نهفته است که این گونه کوشش‌ها بر اساس متدولوژی‌ای
صورت می‌گیرد که تمام حوزه‌های کاربست را به یک دید می‌نگرد. لذا اختلاف در مفهوم‌سازی‌های
گوناگونی را که هر انتولوژی به عنوان ورودی دریافت می‌کند، نادیده گرفت؛ مفهوم‌سازی‌هایی
که نه تنها کیفیتا از یکدیگر متفاوتند، بلکه تقریبا ناسازگار می‌باشند.
بازگشت
به دنیای واقعی
چندی است که مهندسین
انتولوژی متوجه گشته‌اند که دست کشیدن از مفهوم‌سازی صرف و تنها تکیه نمودن بر اشیاء
دنیای واقعی، نتایج کاربردی مناسبی به دنبال خواهد داشت. بر این بنیان است که
مهندسین انتولوژی بر آن گشته‌اند تا مدل‌های خود را با استفاده از نتایج 2000 ساله‌ی
فیلسوفان انتولوژیست بهبود بخشند. اما این امر ابدا به معنای این نیست که آنان
حاضر شده باشند تا دیدگاه پراگماتیک خود را رها کنند، بلکه دلایل پراگماتیک بسیار
خوبی را در جدی گرفتن دغدغه‌ی حقیقت‌جویی یافته‌اند؛ که مهم‌ترین آنان نقش بسیار
مهم جهان واقع در حفظ اتحادپذیری و انسجام انتولوژی‌های جداگانه و جلوگیری از
خطاهای سیستماتیک در مفهوم‌سازی و ایجاد انتولوژی‌های سطح بالا می‌باشد. چنین است
رابطه انتولوژی فلسفی و مهندسی انتولوژی.
[1] Common
Sense Physical Reality
