Semantic Webdan tortib LLMlargacha: O'zgarmaydigan muammo

Yigirma yil oldin Clay Shirky Semantic Web haqida qisqagina maqola yozdi. Uning fikri oddiy edi: Semantic Web — bu "sillogizmlar yaratish mashinasi". Nazariy jihatdan chiroyli, lekin real hayotda behuda.

Aristotelning mashhur misoli:

• Insonlar o'limli
• Yunonlar inson
• Demak, yunonlar o'limli

Yaxshi ko'rinadi, to'g'ri. Ammo kunlik hayotda bu usul deyarli ishlamaydi.

Shirkyning o'ziga doir misoli: agar "Clay Shirky shirky.com saytining yaratuvchisi" va "shirky.com saytining yaratuvchisi Bruklinda yashaydi" degan ma'lumotlaringiz bo'lsa, xulosa qilish mumkin — u Bruklinda yashaydi. Endi buni "Bruklinda yashovchilar Bruklin aksenti bilan gapiradi" bilani bilan birlashtirsangiz, xato xulosaga kelasiz: Shirky "shirky.com" ni "shoiky.com" desa kerak.

Muammo mantiqda emas. Muammo shundaki, haqiqiy dunyo o'zini toza, umumiy qoidalarga bo'ysundirishga ko'nmaydi.

Nimadir o'zgardi, nimadir yo'q

Semantic Web, dastlab rejalashtirilganday, hech qachon ro'yobga chiqmadi. RDF, OWL va boshqa texnologiyalar akademik qiziqish va korporativ integratsiya vositalariga aylandi xolos. Tim Berners-Li tasavvur qilgan "hamma joyda va juda kuchli" mashinali mantiqlash haqidagi bashoratlar puch chiqdi.

Ammo 2025-yilda Shirky maqolasini qayta o'qishga arzigulik qiladigan narsa bor: uning aniqlagan asosiy ziddiyat hali ham mavjud. Faqat boshqa sohaga ko'chdi.

Bugungi yangi to'lqin

Bugun yana bir bor mashinali mantiqlash optimizmi boshlandi — bu safar Symbolic mantiq emas, balki katta til modellari va neyron tarmoqlar hisobiga. Va'dalar tanish: AI tizimlari katta hajmdagi ma'lumotlarni tahlil qiladi, xulosalar chiqaradi, odamlar ko'rmagan bog'liqliklarni topadi.

Ba'zi narsalar o'zgardi. Hozirgi LLMlar rasmiy sillogistik mantiqqa tayanmaydi. Ular katta hajmda statistik naqshlarni tanib, ta'sirli natijalar beradi — "tushunish" ga o'xshaydi. Lekin Shirky aniqlagan asosiy muammo hali ham bor: qanday ishlov berish kerak qismli, kontekstli yoki noto'g'ri bo'lgan bilimga?

LLM ishonch bilan biror narsa aytganda, bu mantiqiy xato emas. Bu insonlar yaratgan matnlarda ziddiyatlar, madaniy farazlar, eskirgan ma'lumotlar va to'liqo ' yolg'onlar aralash bo'lganligini aks ettiradi. "Bilim" toza tarzda tartiblangan emas. Hech qachon bo'lmagan.

O'rtacha yo'l: Bilim Grafigi

Qiziqarli tomoni: Semantic Web g'oyasining amaliy vorislari umuman semantic emas — ular probabilistik. Google Bilim Grafigi — ko'pgina qidiruv xususiyatlarini ta'minlovchi tizim — rasmiy tasdiqlar ustida mantiq yuritmaydi. U katta ma'lumotlar bazasi saqlaydi, lekin uni mashinali o'rganish, odamlar nazorati va doimiy yangilanishlar hisobiga qurilgan. U ishlamaydi, chunki mantiqan toza bo'lishga harakat qilmaydi.

Bu yondashuv — amaliy, tartibsiz, real dunyo bilan doimiy tekshiriladigan — nazariy jihatdan toza Semantic Webdan ko'ra ko'proq qiymat berdi.

Shirkyning to'g'ri aytganlari

Asosiy fikr o'z kuchida turibdi: deduksion mantiqlash, rasmiy mantiq orqali yoki uning taklidini qiluvchi neyron tarmoqlar orqali bo'lsin, bilimning qanday taqdim etilishi va qanday haqiqiy bo'lishi o'rtasidagi farq bilan kurashadi.

Sherlok Xolms aytgan edi: aql -imkoniyatsizni yo'q qiladi va muqarrar haqiqatga olib keladi. Ammo ko'pchilik "bilimi" shunday tartiblangan emas. U qismli. U kontekstli. U tushuntirilmagan farazlar bilan to'la — bular boshqa sohalarda o'tmaydi.

Hozirgi AI tizimlari — tavsiya vositalari, tarjima, kod yozish — sillogistik mantiqlash orqali emas, balki tartibsiz ma'lumotlarda foydali naqshlarni topib, noaniqlikni qabul qilib, ba'zan xato bo'lishiga ruxsat berib tarmoqlarni o'zgartirdi.

Bugungi yaratuvchilar uchun saboq

Agar siz bugun AI bilan ishlayotgan bo'lsangiz, Shirky maqolasi hali ham muhim — kelajakni bashorat qilgani uchun emas, balki texnologiyadan qat'i nazar davom etayotgan asosiy muammoni aniqlagani uchun.

Savol shu emas: "Mashinalar mantiq yurita oladimi?" — Albatta, ba'zi yo'llari bilan.

Savol shu: "Sizning bilimingiz mantiqlashga moslashganmi?"

Ko'pincha — yo'q. Va bu tuzatilishi kerak bo'lgan xato emas. Bu bilimning aslida qanday ishlashining xususiyati.

Semantic Web muvaffaqiyatsizligi — ehtiros yetishmasligidan emas. U bilimning aslida qanday ekanligini tushunmaslikdan. Keyinchalik muvaffaqiyat qozongan vositalar — aynan shu haqiqatni qabul qilib, unga qarshi emas, balki uning bilan ishlaganlar.

Shirky maqolasining haqiqiy merosi — RDF yoki OWL haqida bashorat emas. U eslatma: aqil, mashinalarda ham, odamlarda ham, bizning sezgilarimiz aytdigidan boshqacha ishlaydi.