Защо Semantic Web се провали и какво научихме от това

Преди повече от двадесет години Клей Ширки публикува кратка, но силна статия, с която разкритикува голямата визия на W3C за Семантичния уеб. Неговата основна теза беше проста: Семантичният уеб представлява „машина за създаване на силогизми", а силогизмите — колкото и теоретично привлекателни да са — просто не работят в реалния свят на човешкото знание.

Класическият пример от Аристотел:

• Хората са смъртни
• Гърците са хора
• Следователно гърците са смъртни

Изящен. Логичен. И впечатляващо непрактичен за повечето реални разсъждения.

Ширки показа нещо интересно. Ако знаем, че „Клей Ширки е създател на shirky.com" и „Създателят на shirky.com живее в Бруклин", бихме заключили, че той живее в Бруклин. Но ако добавим твърдение като „Хората, които живеят в Бруклин, говорят с бруклински акцент", стигаме до погрешното заключение, че Ширки произнася „shirky.com" като „shoiky.com".

Проблемът не е в логиката. Проблемът е, че реалният свят не се подрежда на чисти, универсално верни твърдения, чакащи да бъдат комбинирани.

Какво всъщност се случи

Семантичният уеб, така както беше замислен първоначално, никога не се материализира по някакъв значим начин. RDF, OWL и останалите компоненти на семантичния стек се превърнаха в академични любопитности и инструменти за корпоративна интеграция — не в универсалната рамка за машинно разсъждение, която Тим Бърнърс-Лий си представяше. Грандиозните прогнози за „всепроникващо и опустошително мощно" машинно разсъждение се изпариха.

Но ето какво прави статията на Ширки relevantна и през 2025: основното напрежение, което той идентифицира, никога не изчезна. То просто се премести в друга арена.

Новата вълна днес

Днес преживяваме поредната вълна на оптимизъм за машинното разсъждение, този път захранена от големи езикови модели и невронни мрежи, вместо от символна логика. Обещанията са познати: AI системи, които могат да анализират огромни количества данни, да извличаt прозрения и да правят връзки, незабележими за хората.

Някои неща са се променили. Съвременните LLM-и не разчитат на формални силогистични заключения. Те работят чрез статистическо разпознаване на модели в мащаб, постигайки впечатляващи резултати, които често изглеждат като „разбиране". И все пак предизвикателството, което Ширки идентифицира, си остава: как да се справим със знание, което е частично, контекстуално или просто грешно?

Когато един LLM уверено заяви нещо, което звучи правдоподобно, но не е вярно, той не прави логическа грешка. Той отразява мръсната реалност, че текстът, генериран от хора, съдържа противоречия, културни предположения, остаряла информация и чиста фикция — всичко това смесено заедно. „Знанието" не е чисто подредено. Никога не е било.

Практичните наследници

Интересното е, че практическите наследници на визията за Семантичния уеб изобщо не са семантични — те са вероятностни. Google's Knowledge Graph, който захранва много от функциите за търсене, не разсъждава върху формални твърдения. Той поддържа огромна база данни от обекти и връзки, но е изграден и поддържан чрез машинно обучение, човешка проверка и постоянно обновяване. Той е полезен точно защото не се опитва да бъде логически чист.

Този подход — прагматичен, хаотичен, непрекъснато валидиран срещу реалността — се оказа много по-ценен от всякога теоретично чистия Семантичен уеб.

Какво Ширки улучи

Основната идея остава валидна: дедуктивното разсъждение, независимо дали е имплементирано чрез формална логика или невронни мрежи, които я имитират, се бори с пропастта между това как знанието всъщност е представено и как всъщност е вярно.

Шерлок Холмс на Дойл ни казваше, че блестящият ум елиминира невъзможното и стига до неизбежната истина. Но повечето „знание" в реалния свят не е подредено по този начин. То е частично. То е контекстуално. То е натоварено с неявни предположения, които не се пренасят между различни области.

AI системите, които действително трансформират индустриите — от препоръчителните алгоритми до преводаческите инструменти до автоматичното довършване на код — не постигнаха това чрез усъвършенстване на силогистичното разсъждение. Те го постигнаха, като намериха полезни модели в мръсни данни, приеха несигурността и понякога бяха грешни, без да се „взривят".

Поука за днешните създатели

Ако разработвате с AI днес, есето на Ширки остава задължително четене — не защото е предсказало бъдещето, а защото диагностицира фундаментално предизвикателство, което персистира независимо от технологията на деня.

Въпросът не е дали машините могат да разсъждават. Могат, по определени начини. Въпросът е дали знанието, с което работите, е организирано по начин, който поддържа вида разсъждение, който се опитвате да направите.

През повечето време — не е. И това не е бъг, който трябва да бъде поправен — това е характеристика на начина, по който знанието всъщност работи.

Провалът на Семантичния уеб не беше провал на амбицията. Той беше провал да се разбере, че човешкото знание е фундаментално различно от това, което формалната логика изисква да бъде. Инструментите, които успяха след това, бяха тези, които приеха тази реалност и работеха с нея, не срещу нея.

Ето я истинската наследка на статията на Ширки от 2003 г.: не предсказание за RDF или OWL, а напомняне, че интелигентността — в машини и хора — не работи по начина, по който нашите интуиции ни казват, че би трябвало.