چرا آنتولوژی‌ها مهم هستند؟
به اشتراک‌گذاری دانش
آنالیز دانش یک حوزه به کمک آنتولوژی، ساختار دانش را هم برای ماشین و هم انسان واضح و روشن می‌سازد. با داشتن یک حوزه برای حل مسله، آنتولوژی آن قلب و هسته‌ی مرکزی برای هر سیستمی است که از بازنمایی دانش در آن حوزه استفاده می‌خواهد کند. بدون آنتولوژی‌ها، یا بازنمایی آبستراکت‌تر از دانش زیربنایی آن، هیچ مجموعه لغات و ترم‌های مشترکی برای بازنمایی دانش در آن حوزه وجود نخواهد داشت. بنابراین، اولین قدم در تهیه‌ی یک سیستم مصرف‌کننده‌ی دانش، انجام آنالیز به کمک آنتولوژی‌ها (Ontological Analysis) در فیلد یا حوزه‌ی خاص مورد نیاز است. البته باید توجه داشت آنالیز سطحی و ضعیف منجر به ساخت دانشی متناقض و شاید بی‌فایده می‌شود.
برای دلیل محکم در لزوم انجام یک آنالیز خوب، از دنیای دیتابیس‌ها می‌توان مثالی آورد. فرض کنید یک حوزه‌ی مشخص دارای انواع مختلف انسان است (مانند دانش‌آموز، دانش‌جو، استاد، کارمند، مرد و زن). با بررسی مدل‌سازی‌های موجود، به نظر رسید اکثریت سیستم‌های با تاسی از یک روش مرسوم، آن‌ها را به صورت کلاس‌های جداگانه مانند کلاس مرد، کلاس زن، کلاس دانش‌آموز، کلاس استاد و … تحت رابطه‌ی types-of برای کلاس انسان مرتب می‌کنند (یعنی هر یک از این کلاس‌ها، نشان‌دهنده‌ی یک نوع یا تایپ از انسان هستند). یکی از مشکلات این طراحی، این است که یک دانش‌جو می‌تواند هم‌زمان کارمند هم باشد، هم‌چنین می‌تواند با ترک‌تحصیل دیگر دانش‌آموز نباشد. بررسی بیشتر نشان داد کلماتی مانند students و employee دسته‌ای از انسان‌ها را توصیف نمی‌کنند، بلکه نقش‌هایی هستند که یک انسان می‌تواند در زندگی انجام دهد. در صورتی که کلمه‌هایی مانند زن و مرد نشان‌دهنده‌ی زیردسته‌هایی از انسان هستند. بنابراین روشن ساختن معنای این لغات و ترم‌های استفاده شده در یک حوزه، این امکان را می‌دهد تا از آنتولوژی حاصله در جهت استنتاج سازگار، نامتناقض و پیوسته استفاده کند.
آنتولوژی‌ها هم‌چنین امکان به‌اشتراک‌گذاری دانش را فراهم می‌سازند. فرض کنید بعد از یک آنالیز خوب، به نتیجه‌ای مناسب برای درک (Conceptualization) مناسب، کلمات و ترم‌های مناسب برای نمایش آن‌ها برای یک حوزه‌ی خاص، مثلا حوزه‌ی قطعات موبایل رسیدیم. آنتولوژی منتج‌شده از آنالیز، احتمالا شامل لغات و ترم‌هایی از حوزه‌ی قطعات الکترونیکی موبایل مانند صفحه نمایش، باتری، صفحه لمسی، پردازنده و … خواهد بود. لغات عام مانند عملکرد قطعه، ارزش آن و … نیز در آنتولوژی موجود خواهد بود. هم‌چنین مفاهیمی مانند جریان الکتریکی، ولتاژ، صدا و … نیز احتمالا در آنتولوژی قرار دارد. این آنتولوژی به اصطلاح ساختار مفهومی ذاتی از این حوزه (قطعات موبایل) را استخراج نموده است. برای تولید یک زبان بازنمایی و نمایش دانش، براساس این آنالیز، باید کلمات و ترم‌های استخراج شده را به مفاهیم (اشیا) و رابطه‌های بین آن‌ها در آنتولوژی مرتبط کنیم. برای تایین این ارتباطات (ارتباط یک کلمه به رابطه یا مفهومی در آنتولوژی) باید از زبانی برای نوشتن و ذخیره‌ی دانش، به صورت یک مجموعه از مفاهیم (کلاس‌ها) و رابطه‌ها استفاده کنیم. در نهایت ما می‌توانیم این دانش استخراجی را به کمک زبان مورد استفاده به اشتراک گذاریم و در اختیار افرادی که در حوزه‌ی مشابه مشغول فعالیت هستند قرار دهیم، و در نتیجه هزینه‌های مربوط به آنالیز دانش را حذف کنیم.
در نتیجه آنتولوژی‌های به اشتراک گذاشته‌شده توسط افراد، در حقیقت پایه‌ی زبان‌های بازنمایی و نمایش دانش است (مانند زبان KL-One). این زبان‌ها سرشار از محتوا هستند (در برابر مکانیزم که در زبان‌های برنامه‌نویسی معمول مانند Java یا Python یا C++ ابزار اصلی است). این زبان‌ها شامل مجموعه‌ی بزرگی از کلمات و ترم‌ها هستند که تئوری محتوای حوزه‌ی مورد اشاره را تولید می‌کنند (کلمه‌ی درست به جای تولید، در اینجا embody است که معادل فارسی مناسبی که نشان‌دهنده‌ی معنی آن در اینجا باشد، پیدا نشد).
آنتولوژی‌های به‌اشتراک‌گذاشته‌شده امکان ساخت پایگاه‌های دانش خاصی را می‌دهند، که برای مقاصد خاصی و حل مسله‌ی مشخصی استفاده خواهند شد. برای نمونه، تولیدکننده‌های مختلف دستگاه‌های موبایل می‌توانند از یک فرهنگ لغات و زبان ساخت مشترکی برای ساخت کاتولوگ‌های مهندسی محصولاتشان استفاده کنند. سپس همه‌ی تولیدکننده‌های مرتبط (مانند شرکت‌های تولیدکننده ابزار جانبی) می‌توانند از این کاتالوگ مهندسی در ابزارهای طراحی خودکار خود استفاده کنند. این روش به‌اشتراک‌گذاری، پتانسیل استفاده‌ی مجدد از دانش را به طور چشم‌گیری افزایش می‌دهد.
در حال تکمیل…