Shirky hade rätt – och det är därför AI fortfarande förvirrar oss

För tjugo år sedan publicerade Clay Shirky en kort, vass essä som ifrågasatte W3C:s storslagna vision för det semantiska webben. Hans poäng var elegant: det semantiska webben var i grunden "en maskin för att skapa syllogismer" – och syllogismer, trots sin teoretiska tilltalande, fungerar helt enkelt inte i verklighetens röriga sätt att organisera kunskap.

Den klassiska syllogismen

Aristoteles gav oss mönstret:

• Människor är dödliga
• Greker är människor
• Alltså är greker dödliga

Praktiskt taget perfekt. I teorin.

Shirkys wittigare exempel: om du vet att Clay Shirky skapade shirky.com och att skaparen av shirky.com bor i Brooklyn, kan du dra slutsatsen att han bor i Brooklyn. Men om du kombinerar det med "personer som bor i Brooklyn har brooklynsk accent" – ja, då får du fel.

Problemet är inte logiken. Problemet är att verkligheten inte organiserar sig i prydliga, universellt sanna påståenden redo att kombineras.

Vad som faktiskt hände

Det semantiska webben, som det ursprungligen设想ades, materialiserades aldrig. RDF, OWL och resten av den semantiska stacken blev akademiska kuriositeter och enterprise-verktyg – inte det universella ramverket för maskinell resonering som Tim Berners-Lee drömde om.

Men här är grejen: spänningen Shirky identifierade försvann aldrig. Den flyttade bara till en annan arena.

##转头看向 dagens AI-våg

Idag lever vi genom en ny våg av maskinell resoneringsoptimism, den här gången driven av stora språkmodeller och neurala nätverk istället för symbolisk logik. Löftena är bekanta: AI-system som kan analysera enorma mängder data, härleda insikter och hitta kopplingar människor inte såg.

Visst, saker har förändrats. Moderna LLM:er förlitar sig inte på formell syllogistisk deduktion. De arbetar genom statistisk mönsterigenkänning i enorm skala och levererar imponerande resultat som ofta känns som förståelse.

Men den grundläggande utmaningen Shirky pekade på kvarstår: hur hanterar du kunskap som är ofullständig, kontextberoende eller helt fel?

När en LLM självsäkert påstår något som låter plausibelt men inte stämmer, gör den inget logiskt fel. Den speglar verkligheten att mänsklig text innehåller motsägelser, kulturella antaganden, föråldrad information och rena påhitt – allt sammansmält. Kunskapen är inte prydligt organiserad. Den var aldrig det.

Kunskapsgrafernas pragmatiska mittenväg

Intressant nog är de praktiska arvtagarna till det semantiska webben inte alls semantiska – de är probabilistiska. Googles Knowledge Graph, som driver många av dess sökfunktioner, resonerar inte om formella påståenden. Den underhålls genom maskininlärning, mänsklig redigering och ständig uppdatering. Den är användbar just för att den inte försöker vara logiskt ren.

Det här tillvägagångssättet – pragmatiskt, rörigt, ständigt validerat mot verkligheten – har visat sig mycket mer värdefullt än det teoretiskt rena semantiska webben någonsin var.

Vad Shirky träffade rätt med

Kärninsikten håller: deduktiv resonering, oavsett om den implementeras genom formell logik eller neurala nätverk som efterliknar den, kämpar med gapet mellan hur kunskap faktiskt representeras och hur den faktiskt är sann.

Sherlock Holmes lärde oss att det briljanta sinnet eliminerar det omöjliga och kommer fram till oundviklig sanning. Men det mesta "kunskap" i verkligheten är inte organiserad så. Den är ofullständig. Den är kontextberoende. Den är lastad med underförstådda antaganden som inte överför mellan domäner.

De AI-system som faktiskt förändrat branscher – från rekommendationsmotorer till översättningsverktyg till kodgenerering – har inte gjort det genom att behärska syllogistisk resonering. De har gjort det genom att hitta användbara mönster i rörig data, acceptera osäkerhet och ibland ha fel utan att explodera.

Läxan för dagens byggare

Om du bygger med AI idag är Shirky essä fortfarande obligatorisk läsning – inte för att han förutspådde framtiden, utan för att han diagnostiserade en grundläggande utmaning som kvarstår oavsett vilken teknik som är het just nu.

Frågan är inte om maskiner kan resonera. Det kan de, på specifika sätt. Frågan är om kunskapen du arbetar med är organiserad på ett sätt som stödjer den typ av resonering du försöker göra.

Det mesta av tiden är den inte det. Och det är inte en bugg som ska fixas – det är en egenskap hos hur kunskap faktiskt fungerar.

Det semantiska webbens misslyckande var inte ett misslyckande av ambition. Det var ett misslyckande att förstå att mänsklig kunskap är fundamentalt annorlunda än vad formell logik behöver att den ska vara. Verktygen som har lyckats sedan dess är de som accepterade den verkligheten och arbetade med den, inte mot den.

Det är Shirky 2003-essäs verkliga arv: inte en förutsägelse om RDF eller OWL, utan en påminnelse om att intelligens – i maskiner och människor – inte fungerar som våra intuitioner säger att den borde.