Derfor traff Clay Shirky spikeren på hodet – igjen

For tjue år siden publiserte Clay Shirky et kort, konsist innlegg som utfordret W3C sine storstilte planer for det semantiske weben. Poenget hans var elegant: Det semantiske weben var i bunn og grunn «en maskin for å lage syllogismer», og syllogismer – for all sin teoretiske skjønnhet – fungerer bare ikke i den rotete virkeligheten der mennesker faktisk koder og overfører kunnskap.

Det klassiske eksempelet fra Aristoteles

• Mennesker er dødelige
• Grekere er mennesker
• Derfor er grekere dødelige

Pent. Logisk. Helt praktisk ubrukelig for de fleste virkelige resonnementer.

Shirky påpekte at hvis du vet «Clay Shirky er skaperen av shirky.com» og «Skaparen av shirky.com bor i Brooklyn», kan du konkludere med at han bor i Brooklyn. Men kombinerer du det med «Folk som bor i Brooklyn snakker med brooklynsk aksent», ender du opp med å tro – feilaktig – at Shirky uttaler «shirky.com» som «shoiky.com».

Problemet er ikke logikken. Problemet er at den virkelige verden ikke organiserer seg selv i rene, universelt sanne påstander som venter på å bli kombinert.

Hva som faktisk skjedde

Det semantiske weben, slik det opprinnelig ble tenkt, materialiserte seg aldri på noen meningsfull måte. RDF, OWL og resten av den semantiske stacken ble akademiske kuriositeter og enterprise-integrasjonsverktøy – ikke det universelle rammeverket for maskinell resonnering som Tim Berners-Lee forestilte seg. De grandiose spådommene om «universell og devastérende kraftig» maskinell resonnering fordampet.

Men her er hvorfor Shirky sin essay er verdt å gravlegge frem igjen i 2025: Spenningen han identifiserte forsvant aldri. Den bare flyttet til en annen arena.

Den moderne gjenfødelsen

I dag opplever vi nok en bølge av maskinell resonnerings-optimisme, denne gangen drevet av large language models og nevrale nettverk i stedet for symbolsk logikk. Løftene er kjente: AI-systemer som kan analysere enorme datamengder, trekke ut innsikter og finne sammenhenger mennesker ikke kunne se.

Noen ting har endret seg. Moderne LLM-er stoler ikke på formell syllogistisk deduksjon. De jobber gjennom statistisk mønstergjenkjenning i massiv skala, og produserer imponerende resultater som ofte føles som «forståelse». Likevel gjenstår den grunnleggende utfordringen Shirky identifiserte: Hvordan håndterer du kunnskap som er ufullstendig, kontekstavhengig, eller rett og slett feil?

Når en LLM selvsikkert sier noe som høres plausibelt ut men ikke er sant, gjør den ingen logisk feil. Den reflekterer den rotete virkeligheten at menneskeskapt tekst inneholder motsigelser, kulturelle antagelser, utdatert informasjon og ren fiksjon – alt blandet sammen. «Kunnskapen» er ikke rent organisert. Det var den aldri.

Kunnskapsgrafen som mellomting

Interessant nok er de praktiske arvtakerne til det semantiske weben ikke semantiske i det hele tatt – de er probabilistiske. Googles Knowledge Graph, som driver mange av søkefunksjonene deres, resonnerer ikke om formelle påstander. Den opprettholder en enorm database av entiteter og relasjoner, men bygges og vedlikeholdes gjennom machine learning, menneskelig kuratering og konstant oppdatering. Den er nyttig nettopp fordi den ikke prøver å være logisk pur.

Denne tilnærmingen – pragmatisk, rotete, konstant validert mot virkeligheten – har vist seg langt mer verdifull enn det teoretisk rene semantiske weben noen gang var.

Hva Shirky traff rett

Kjerneinnsikten holder: Deduktiv resonnering, enten implementert gjennom formell logikk eller nevrale nettverk som etterligner den, sliter med gapet mellom hvordan kunnskap faktisk er representert og hvordan den faktisk er sann.

Doyles Sherlock Holmes lærte oss at det brillante sinnet eliminerer det umulige og kommer frem til uunngåelig sannhet. Men mesteparten av «kunnskap» i den virkelige verden er ikke organisert sånn. Den er ufullstendig. Den er kontekstavhengig. Den er lastet med underforståtte antagelser som ikke overføres på tvers av domener.

AI-systemene som faktisk har transformert industrien – fra anbefalingsmotorer til oversettelsesverktøy til kodefullføring – har ikke gjort det ved å mestre syllogistisk resonnering. De har gjort det ved å finne nyttige mønstre i rotete data, akseptere usikkerhet, og noen ganger ta feil uten å eksplodere.

Lærdommen for dagens byggere

Hvis du bygger med AI i dag, er Shirky sin essay fortsatt obligatorisk lesning – ikke fordi den spådde fremtiden, men fordi den diagnostiserte en grunnleggende utfordring som vedvarer uansett teknologien som er på moten.

Spørsmålet er ikke om maskiner kan resonnere. Det kan de, på spesifikke måter. Spørsmålet er om kunnskapen du jobber med er organisert på en måte som støtter den typen resonnering du prøver å utføre.

Det meste av tiden er den ikke. Og det er ikke en bug som skal fikses – det er en egenskap ved hvordan kunnskap faktisk fungerer.

Det semantiske weben sin fiasko var ikke en fiasko av ambisjon. Det var en fiasko i å forstå at menneskelig kunnskap er fundamentalt annerledes enn hva formell logikk trenger at den skal være. Verktøyene som har lykkes siden da har vært de som aksepterte den virkeligheten og jobbet med den, ikke mot den.

Det er Shirky sin 2003-essays virkelige arv: ikke en prediksjon om RDF eller OWL, men en påminnelse om at intelligens – i maskiner og mennesker – ikke fungerer slik intuisjonen vår forteller oss at den skal.