Waarom de droom van het Semantisch Web niet uitkwam — en wat we daar vandaag de dag van kunnen leren

Twintig jaar geleden schreef Clay Shirky een kort, bondig essay waarin hij afrekende met de grandioze visie van het W3C op het Semantisch Web. Zijn kernbetoog was helder: het Semantisch Web was in de kern "een machine om syllogismen te maken," en syllogismen — hoe elegant ook — werken gewoon niet in de rommelige werkelijkheid van hoe mensen kennis vastleggen en doorgeven.

De klassieke example van Aristoteles:

• Mensen zijn sterfelijk
• Grieken zijn mensen
• Dus Grieken zijn sterfelijk

Netjes. Logisch. Vreselijk onpraktisch voor de meeste echte redeneringen.

Shirky legde uit dat als je weet "Clay Shirky is de maker van shirky.com" en "De maker van shirky.com woont in Brooklyn," je kunt afleiden dat hij in Brooklyn woont. Maar combineer dat met "Mensen die in Brooklyn wonen hebben een Brooklyn-accent," en je concludeert — ten onrechte — dat Shirky "shirky.com" uitspreekt als "shoiky.com."

Het probleem zit hem niet in de logica. Het probleem is dat de echte wereld zich niet organiseert in keurige, universeel geldige beweringen die wachten om gecombineerd te worden.

Wat er daadwerkelijk gebeurde

Het Semantisch Web, zoals oorspronkelijk bedacht, is nooit in betekenisvolle vorm werkelijkheid geworden. RDF, OWL en de rest van de semantische stack werden academische curiositeiten en enterprise-integratietools — niet het universele raamwerk voor machine-redenering dat Tim Berners-Lee voor ogen stond. De grootschalige voorspellingen over "alomtegenwoordige en verpletterend krachtige" machine-redenering verdampten.

Maar hier is waarom Shirky's essay het waard is om in 2025 opnieuw te lezen: de onderliggende spanning die hij identificeerde is nooit verdwenen. Hij verhuisde alleen naar een ander strijdveld.

De moderne opleving

Vandaag de dag beleven we een nieuwe golf van machine-redenering-optimisme, dit keer aangedreven door large language models en neurale netwerken in plaats van symbolische logica. De beloftes klinken bekend: AI-systemen die enorme hoeveelheden data kunnen analyseren, inzichten kunnen afleiden en verbanden kunnen leggen die mensen niet zouden zien.

Sommige dingen zijn veranderd. Moderne LLMs vertrouwen niet op formele syllogistische deductie. Ze werken via statistische patroonherkenning op massive schaal en leveren indrukwekkende resultaten op die vaak voelen als "begrip." Toch blijft de fundamentele uitdaging die Shirky identificeerde onveranderd: hoe ga je om met kennis die gedeeltelijk is, contextueel, of gewoonweg onjuist?

Wanneer een LLM zelfverzekerd iets stelt dat plausibel klinkt maar niet klopt, maakt hij geen logische fout. Hij weerspiegelt de rommelige werkelijkheid dat door mensen gegenereerde tekst tegenstrijdigheden bevat, culturele aannames, verouderde informatie en pure fictie — allemaal door elkaar gemengd. Die "kennis" is niet netjes georganiseerd. Dat was het nooit.

De knowledge graph als middenweg

Interessant genoeg zijn de praktische opvolgers van de Semantisch Web-visie helemaal niet semantisch — ze zijn probabilistisch. Google's Knowledge Graph, die veel van zijn zoekfuncties aandrijft, redeneert niet over formele beweringen. Het onderhoudt een enorme database van entiteiten en relaties, maar wordt opgebouwd en onderhouden via machine learning, menselijke curatie en constant bijwerken. Het is nuttig precis omdát het niet probeert logisch puur te zijn.

Deze aanpak — pragmatisch, rommelig, voortdurend gevalideerd tegen de werkelijkheid — heeft zich veel waardevoller bewezen dan het theoretisch pure Semantisch Web ooit had kunnen zijn.

Wat Shirky goed had

De kerninzicht blijft staan: deductieve redenering, of het nu geïmplementeerd via formele logica of neurale netwerken die dat nabootsen, worstelt met de kloof tussen hoe kennis daadwerkelijk wordt gerepresenteerd en hoe het daadwerkelijk waar is.

Sherlock Holmes leerde ons dat het briljante brein het onmogelijke elimineert en tot onvermijdelijke waarheid komt. Maar de meeste "kennis" in de echte wereld werkt niet zo. Het is gedeeltelijk. Het is contextueel. Het zit vol met onuitgesproken aannames die niet overdraagbaar zijn tussen domeinen.

De AI-systemen die daadwerkelijk industrieën hebben getransformeerd — van aanbevelingsalgoritmes tot vertaaltools tot code-completion — hebben dat niet gedaan door syllogistische redenering te perfectioneren. Ze deden het door nuttige patronen te vinden in rommelige data, onzekerheid te accepteren en soms fout te zijn zonder te exploderen.

De les voor bouwers van vandaag

Als je vandaag met AI bouwt, blijft Shirky's essay essentiële lectuur — niet omdat hij de toekomst voorspelde, maar omdat hij een fundamentele uitdaging diagnoseerde die blijft bestaan ongeacht de technologie van het moment.

De vraag is niet of machines kunnen redeneren. Dat kunnen ze, op specifieke manieren. De vraag is of de kennis waarmee je werkt georganiseerd is op een manier die het soort redenering dat je probeert te doen ondersteunt.

Meestal is dat niet zo. En dat is geen bug om te fixen — het is een feature van hoe kennis eigenlijk werkt.

Het falen van het Semantisch Web was geen falen van ambitie. Het was een falen om te begrijpen dat menselijke kennis fundamenteel anders is dan waar formele logica het voor nodig heeft te hebben. De tools die sindsdien hebben geslaagd, waren degene die die werkelijkheid accepteerden en ermee werkten, niet ertegen.

Dat is de echte erfenis van Shirky's essay uit 2003: niet een voorspelling over RDF of OWL, maar een reminder dat intelligentie — in machines en mensen — niet werkt zoals onze intuïtie ons vertelt dat het zou moeten.