Онтологии в информатике и философии: концептуализация и применение.

Введение

Спецификация концептуализации

В информатике онтология охватывает представление, формальное наименование и определения категорий, свойств и отношений между понятиями, данными или сущностями, относящимися к одной, многим или всем областям знания. Проще говоря, онтология – это способ демонстрации свойств предметной области и их взаимосвязей посредством определения набора терминов и реляционных выражений, представляющих сущности в этой области. Область, изучающая онтологии в таком понимании, иногда называется прикладной онтологией. Каждая академическая дисциплина или область, создавая свою терминологию, тем самым закладывает основу для онтологии. Каждая из них использует онтологические предпосылки для формулирования явных теорий, проведения исследований и разработки приложений. Улучшенные онтологии могут повысить эффективность решения проблем в данной области, обеспечить совместимость систем данных и облегчить поиск данных. Перевод научных работ в любой области становится проще, когда эксперты из разных стран поддерживают контролируемый словарь терминов между своими языками. Например, определение и онтология экономики являются ключевыми вопросами в марксистской экономике, а также в других её подразделах. Пример применения информатики в экономике можно увидеть в случаях, когда моделирование или модель предназначены для принятия экономических решений, например, для определения того, какие капитальные активы находятся в зоне риска и в какой степени (см. управление рисками). Общим для онтологий как в информатике, так и в философии является стремление представить сущности, включая объекты и события, со всеми их взаимозависимыми свойствами и отношениями в соответствии с системой категорий. В обеих областях ведется значительная работа над проблемами онтологической инженерии (например, Куайн и Крипке в философии, Сова и Гуарино в информатике), а также ведутся дискуссии о том, насколько возможна нормативная онтология (например, фундаментализм и когерентизм в философии, BFO и Cyc в искусственном интеллекте). Некоторые рассматривают прикладную онтологию как преемницу предшествующих философских работ. Однако многие современные усилия направлены больше на создание контролируемых словарей узких областей, чем на философские первопричины или вопросы о способе существования фиксированных сущностей, или о том, могут ли устойчивые объекты (например, пердурантизм и эндурантизм) быть онтологически более фундаментальными, чем процессы. Искусственный интеллект по-прежнему уделяет значительное внимание прикладной онтологии в таких подразделах, как обработка естественного языка в машинном переводе и представление знаний, но редакторы онтологии часто используются в различных областях, включая биомедицинскую информатику и промышленность. В таких проектах часто используются инструменты редактирования онтологии, такие как Protégé.

In information science, an ontology encompasses a representation, formal naming, and definitions of the categories, properties, and relations between the concepts, data, or entities that pertain to one, many, or all domains of discourse. More simply, an ontology is a way of showing the properties of a subject area and how they are related, by defining a set of terms and relational expressions that represent the entities in that subject area. The field which studies ontologies so conceived is sometimes referred to as applied ontology. Every academic discipline or field, in creating its terminology, thereby lays the groundwork for an ontology. Each uses ontological assumptions to frame explicit theories, research and applications. Improved ontologies may improve problem solving within that domain, interoperability of data systems, and discoverability of data. Translating research papers within every field is a problem made easier when experts from different countries maintain a controlled vocabulary of jargon between each of their languages. For instance, the definition and ontology of economics is a primary concern in Marxist economics, but also in other subfields of economics. An example of economics relying on information science occurs in cases where a simulation or model is intended to enable economic decisions, such as determining what capital assets are at risk and by how much (see risk management). What ontologies in both information science and philosophy have in common is the attempt to represent entities, including both objects and events, with all their interdependent properties and relations, according to a system of categories. In both fields, there is considerable work on problems of ontology engineering (e. g., Quine and Kripke in philosophy, Sowa and Guarino in information science), and debates concerning to what extent normative ontology is possible (e. g., foundationalism and coherentism in philosophy, BFO and Cyc in artificial intelligence). Applied ontology is considered by some as a successor to prior work in philosophy. However many current efforts are more concerned with establishing controlled vocabularies of narrow domains than with philosophical first principles, or with questions such as the mode of existence of fixed essences or whether enduring objects (e. g., perdurantism and endurantism) may be ontologically more primary than processes. Artificial intelligence has retained considerable attention regarding applied ontology in subfields like natural language processing within machine translation and knowledge representation, but ontology editors are being used often in a range of fields, including biomedical informatics, industry. Such efforts often use ontology editing tools such as Protégé.

Онтология в философии

Онтология — это область философии, пересекающаяся с такими дисциплинами, как метафизика, эпистемология и философия языка, поскольку она исследует, каким образом знание, язык и восприятие соотносятся с природой реальности. Метафизика рассматривает вопросы, такие как «что существует?» и «какова природа реальности?». Являясь одной из пяти традиционных ветвей философии, метафизика посвящена изучению бытия через свойства, сущности и отношения, например, соотношения между единичным и общим, внутренними и внешними свойствами, или сущностью и существованием. Метафизика является предметом непрерывных дискуссий на протяжении всей истории человечества.

Этимология

Слово "онтология" образовано от греческого ὄν, on (род. падеж ὄντος, ontos), то есть "бытие; то, что есть", которое является причастием настоящего времени глагола εἰμί, eimí, то есть "быть, я есть", и λογία, logia, то есть "логический трактат". См. классические примеры словообразования для данного типа слов. Хотя этимология греческая, старейшая сохранившаяся запись самого слова, неолатинская форма ontologia, появилась в 1606 году в труде "Ogdoas Scholastica" Якоба Лорхарда (Lorhardus) и в 1613 году в "Lexicon philosophicum" Рудольфа Гёккеля (Goclenius). Первое зафиксированное Оксфордским словарем английского языка (Oxford English Dictionary, онлайн-издание, 2008) употребление слова "ontology" на английском языке встречается в работе "Archeologia Philosophica Nova" или "Новые принципы философии" Гидеона Харви.

Формальная онтология

С середины 1970-х годов исследователи в области искусственного интеллекта (ИИ) признали, что инженерия знаний является ключом к созданию больших и мощных систем ИИ. Исследователи ИИ утверждали, что они могут создавать новые онтологии как вычислительные модели, обеспечивающие определенные виды автоматизированного рассуждения, что имело лишь ограниченный успех. В 1980-х годах сообщество ИИ стало использовать термин «онтология» для обозначения как теории моделируемого мира, так и компонента систем, основанных на знаниях. В частности, Дэвид Пауэрс ввел слово «онтология» в ИИ для обозначения привязки к реальному миру или робототехнике, опубликовав в 1990 году обзоры литературы, подчеркивающие обоснованную онтологию в связи с призывом к подаче статей на Летний симпозиум AAAI по машинному обучению естественного языка и онтологии, с расширенной версией, опубликованной в бюллетене SIGART и включенной в качестве предисловия к материалам симпозиума. Некоторые исследователи, вдохновляясь философскими онтологиями, рассматривали вычислительную онтологию как разновидность прикладной философии. В 1993 году широко цитируемая веб-страница и статья Тома Грубера «На пути к принципам проектирования онтологий, используемых для обмена знаниями» использовали «онтологию» как технический термин в информатике, тесно связанный с более ранней идеей семантических сетей и таксономий. Грубер представил этот термин как спецификацию концептуализации: онтология — это описание (подобно формальной спецификации программы) концепций и отношений, которые могут формально существовать для агента или сообщества агентов. Это определение согласуется с использованием онтологии как набора определений понятий, но является более общим. И это отличается от значения этого слова в философии. Стремясь отделить онтологии от таксономий и аналогичных усилий в моделировании знаний, основанных на классах и наследовании, Грубер заявил (1993): «Онтологии часто приравниваются к таксономическим иерархиям классов, определениям классов и отношению подчинённости, но онтологии не должны ограничиваться этими формами. Онтологии также не ограничиваются консервативными определениями, то есть определениями в традиционном логическом смысле, которые лишь вводят терминологию и не добавляют никаких знаний о мире. Для спецификации концептуализации необходимо сформулировать аксиомы, которые ограничивают возможные интерпретации определенных терминов». В качестве уточнения определения Грубера Feilmayr и Wöß (2016) отметили: «Онтология — это формальная, явная спецификация общей концептуализации, характеризующаяся высокой семантической выразительностью, необходимой для повышения сложности».

Since the mid 1970s, researchers in the field of artificial intelligence (AI) have recognized that knowledge engineering is the key to building large and powerful AI systems. AI researchers argued that they could create new ontologies as computational models that enable certain kinds of automated reasoning, which was only marginally successful. In the 1980s, the AI community began to use the term ontology to refer to both a theory of a modeled world and a component of knowledge based systems. In particular, David Powers introduced the word ontology to AI to refer to real world or robotic grounding, publishing in 1990 literature reviews emphasizing grounded ontology in association with the call for papers for a AAAI Summer Symposium Machine Learning of Natural Language and Ontology, with an expanded version published in SIGART Bulletin and included as a preface to the proceedings. Some researchers, drawing inspiration from philosophical ontologies, viewed computational ontology as a kind of applied philosophy. In 1993, the widely cited web page and paper "Toward Principles for the Design of Ontologies Used for Knowledge Sharing" by Tom Gruber used ontology as a technical term in computer science closely related to earlier idea of semantic networks and taxonomies. Gruber introduced the term as a specification of a conceptualization: An ontology is a description (like a formal specification of a program) of the concepts and relationships that can formally exist for an agent or a community of agents. This definition is consistent with the usage of ontology as set of concept definitions, but more general. And it is a different sense of the word than its use in philosophy. Attempting to distance ontologies from taxonomies and similar efforts in knowledge modeling that rely on classes and inheritance, Gruber stated (1993): Ontologies are often equated with taxonomic hierarchies of classes, class definitions, and the subsumption relation, but ontologies need not be limited to these forms. Ontologies are also not limited to conservative definitions — that is, definitions in the traditional logic sense that only introduce terminology and do not add any knowledge about the world. To specify a conceptualization, one needs to state axioms that do constrain the possible interpretations for the defined terms. As refinement of Gruber's definition Feilmayr and Wöß (2016) stated: "An ontology is a formal, explicit specification of a shared conceptualization that is characterized by high semantic expressiveness required for increased complexity."

Формальные компоненты онтологии

Современные онтологии имеют много структурных сходств, независимо от языка, на котором они представлены. Большинство онтологий описывают индивидов (экземпляры), классы (понятия), атрибуты и отношения.

Онтология домена

Онтология домена (или предметно-ориентированная онтология) представляет концепции, относящиеся к определенной области мира, такой как биология или политика. Каждая онтология домена обычно моделирует определения терминов, специфичные для данной области. Например, слово "карта" имеет множество различных значений. Онтология, посвященная домену покера, будет моделировать значение слова "игральная карта", в то время как онтология, посвященная домену компьютерного оборудования, будет моделировать значения "перфокарта" и "видеокарта". Поскольку онтологии доменов разрабатываются разными людьми, они представляют концепции очень специфическими и уникальными способами и часто оказываются несовместимыми в рамках одного проекта. По мере расширения систем, использующих онтологии доменов, часто возникает необходимость в их объединении путем ручной настройки каждой сущности или с использованием комбинации программного объединения и ручной доработки. Это представляет собой сложную задачу для разработчика онтологии. Различные онтологии в одной и той же области возникают из-за различий в языках, предполагаемом использовании онтологий и различных взглядах на предметную область (основанных на культурном фоне, образовании, идеологии и т.п.). В настоящее время объединение онтологий, не разработанных на основе общей верхней онтологии, является преимущественно ручным процессом, что требует значительных затрат времени и ресурсов. Онтологии доменов, использующие одну и ту же верхнюю онтологию для предоставления набора базовых элементов, с помощью которых определяются значения сущностей онтологии домена, могут быть объединены с меньшими усилиями. Существуют исследования обобщенных методов объединения онтологий, но эта область исследований все еще находится в стадии развития, и относительно недавно появилась возможность избежать этой проблемы путем использования нескольких доменных онтологий, основанных на одной и той же верхней онтологии, как это реализовано в OBO Foundry.

Верхняя онтология

Верхняя онтология (или фундаментальная онтология) — это модель общих, разделяемых отношений и объектов, которые обычно применимы в широком спектре доменных онтологий. Она обычно использует базовый глоссарий, охватывающий термины и связанные с ними описания объектов, как они используются в различных соответствующих доменных онтологиях. К стандартным верхним онтологиям, доступным для использования, относятся BFO, методология BORO, Dublin Core, GFO, Cyc, SUMO, UMBEL и DOLCE. Некоторые рассматривают WordNet как верхнюю онтологию и используют его в качестве лингвистического инструмента для разработки доменных онтологий.

Гибридная онтология

Онтология Геллиша является примером объединения верхней и предметной онтологии.

Визуализация

Катифори и др. представляют обзор методов визуализации онтологий. Более актуальный обзор методов и инструментов визуализации онтологий был опубликован Dudás et al. Наиболее устоявшиеся методы визуализации онтологий, а именно визуализация в виде иерархического дерева и графа, оцениваются Fu et al. Визуальный язык для онтологий, представленных в OWL, специфицируется Visual Notation for OWL Ontologies (VOWL).

Редакторы

Редакторы онтологий – это приложения, предназначенные для помощи в создании или редактировании онтологий. Как правило, редакторы онтологий используют один или несколько языков онтологий. К ключевым особенностям редакторов онтологий относятся: визуальная навигация по модели знаний, механизмы логического вывода и извлечения информации; поддержка модульности; импорт и экспорт форматов представления знаний для сопоставления онтологий; а также поддержка метаонтологий, таких как OWL S, Dublin Core и другие.

Учиться

Обучение онтологии — это автоматическое или полуавтоматическое создание онтологий, включая извлечение терминов предметной области из текста на естественном языке. Поскольку ручное создание онтологий требует огромных трудозатрат и занимает много времени, существует значительная потребность в автоматизации этого процесса. Методы извлечения информации и интеллектуального анализа текста использовались для автоматического связывания онтологий с документами, например, в рамках соревнований BioCreative.

Исследования

Эпистемологические предположения, которые в исследовании ставят вопросы: "Что вы знаете?" или "Как вы это узнали?", формируют основу, которую исследователи используют при обращении к определенной теме или области для потенциального исследования. Поскольку эпистемология напрямую связана со знанием и тем, как мы приходим к принятию определенных истин, лица, проводящие академические исследования, должны понимать, что позволяет им приступить к построению теории. Иными словами, эпистемологические предположения побуждают исследователей критически осмысливать процесс получения имеющихся у них знаний.

Примеры применения

В целом, онтологии могут быть полезны в различных областях. Корпоративные приложения. Более конкретным примером является SAPPHIRE (Здравоохранение) или система ситуационной осведомленности и готовности к инцидентам в области общественного здравоохранения и логические механизмы, представляющая собой семантическую систему информации в здравоохранении, способную отслеживать и оценивать ситуации и события, которые могут повлиять на общественное здоровье. Геоинформационные системы объединяют данные из разных источников и, следовательно, выигрывают от использования онтологических метаданных, которые помогают установить семантическую связь между данными. Доменно-специфические онтологии чрезвычайно важны в биомедицинских исследованиях, где требуется разрешение неоднозначности различных биомедицинских терминов и аббревиатур, имеющих одинаковое написание, но представляющих разные биомедицинские понятия. Например, ЦСЖ может обозначать как фактор, стимулирующий колонии, так и спинномозговую жидкость, оба из которых в биомедицинской литературе обозначаются одним и тем же термином – ЦСЖ. Именно поэтому большое количество общедоступных онтологий связано с науками о жизни. Инструменты анализа данных в области наук о жизни, не использующие такие биомедицинские онтологии, не смогут точно определять причинно-следственные связи между понятиями.