En smartare webb

Tim Berners-Lee måste känna att han är i en tidsförskjutning. I början av 1990-talet tillbringade han ett frustrerande år med att försöka få människor att förstå kraften och skönheten i hans idé om ett system känt som ett internethypertextsystem, till vilket han gav det tjusande namnet World Wide Web. Men eftersom webben ännu inte existerade kunde de flesta människor inte föreställa sig konsekvenserna av det han pratade om. Berners-Lee höll ut och med hjälp av de få personer som delade hans vision blev hans uppfinning historiens snabbast växande mediadistributionssystem.

Ett decennium senare kämpar Berners-Lee med samma problem - bara den här gången försöker han formulera sin dröm om en semantisk webb. Tanken är att väva en webb som inte bara länkar dokument till varandra utan också känner igen betydelsen av informationen i dessa dokument - en uppgift som människor vanligtvis kan göra ganska bra men som är en svår uppgift för datorer, som inte kan avgöra om huvud betyder ledaren för en organisation eller saken ovanpå en kropp. Den semantiska webben är verkligen data som kan bearbetas med maskin, säger Berners-Lee, som är chef för det MIT-baserade World Wide Web Consortium. Det är vad bråket handlar om.

Den här historien var en del av vårt novembernummer 2001

• Se resten av frågan
• Prenumerera

Dagens World Wide Web är i grunden ett publiceringsmedium - en plats för att lagra och dela bilder och text. Att lägga till semantik kommer att radikalt förändra webbens natur - från en plats där information bara visas till en plats där den tolkas, utbyts och bearbetas. Semantiskt aktiverade sökagenter kommer att kunna samla in maskinläsbar data från olika källor, bearbeta den och härleda nya fakta. Program som inte är gjorda för att vara kompatibla med varandra kommer att dela tidigare omöjlig data. Med andra ord, det slutliga målet med den semantiska webben är att ge användare nära allvetenhet över Internets enorma resurser, och förvandla miljontals befintliga databasöar till en enda gigantisk databas Pangea.

För att jämföra den semantiska webben med dagens webb, erbjuder Berners-Lee – en intensiv person som talar i lågvolymskurar – följande scenario: Föreställ dig att registrera dig för en konferens online.

Konferensens webbplats listar evenemangets tid, datum och plats, tillsammans med information om närmaste flygplats och ett hotell som erbjuder deltagarna rabatt. Med dagens webb måste du först kontrollera att ditt schema är tydligt, och om det är det måste du klippa och klistra in tid och datum i ditt kalenderprogram. Sedan måste du ordna flyg och hotell, antingen genom att ringa bokningsdiskar eller genom att gå till deras webbplatser.

Det går inte att säga att jag vill gå till det evenemanget, förklarar Berners-Lee, eftersom semantiken för vilken bit som är datumet och vilken bit som är tiden har gått förlorad. Men på den semantiska webben, hävdar han, kommer dessa bitar att märkas; programvaran på din dator kommer att känna igen dessa etiketter och automatiskt boka ditt flyg till konferensen och boka ett hotellrum med en knapptryckning.

Den semantiska webben kommer också att bli en rikare, mer anpassningsbar webb. Föreställ dig att föra markören över hotellets namn och bli informerad om att 15 procent av personerna som har röstat på dess kvalitet säger att det är utmärkt. Om du råkar veta att hotellet är en soptipp kan du instruera din webbläsare att tilldela dessa personer en förtroendenivå på noll. (Omröstningsinformationen skulle sparas på en anteckningsserver från tredje part som din webbläsare kommer åt automatiskt.) Genom att tilldela höga nivåer av förtroende till personer som matchar dina smaker och intressen, och bozo-filtrera de personer som inte gör det, webben kommer att börja se mer ut som din webb.

Det är ett enormt åtagande. Det första steget är att upprätta standarder som tillåter användare att lägga till explicita beskrivande taggar, eller metadata, till webbinnehåll, vilket gör det enkelt att hitta exakt vad du letar efter. Därefter kommer att utveckla metoder som gör att olika program kan relatera och dela metadata från olika webbplatser. Efter det kan folk börja skapa ytterligare funktioner, som applikationer som härleder ytterligare fakta från de de får. Som ett resultat kommer sökningar att bli mer exakta och noggrannare, datainmatning kommer att effektiviseras och sanningshalten i informationen blir lättare att verifiera. Det är åtminstone målet.

Många känner att det inte går att göra. Även om saker och ting värms upp i forskningslaboratorier, hämmas den semantiska webben som föreställts av Berners-Lee av sociala och tekniska utmaningar som vissa kritiker säger kanske aldrig kommer att lösas. Men det hindrar inte World Wide Web Consortium och andra organisationer från att försöka. U.S. Defense Advanced Research Projects Agency (DARPA) och kommersiella företag som Network Inference i Manchester, England, utvecklar redan verktyg för att bygga den semantiska webbinfrastrukturen - såväl som applikationer för att använda den. Och enligt Berners-Lee, med ett växande antal människor som börjar förstå hur den semantiska webben kommer att tillåta fler och mer sofistikerade agenter att göra saker för deras räkning, kommer vi snart att se några glimtar av vad som kan vara i beredskap.

Att reda ut den semantiska webben

På sitt fullsatta kontor på tredje våningen i MIT:s Laboratory for Computer Science-byggnad verkar forskaren Eric Miller inte besväras av de bultande och malande ljuden som kommer från tung utrustning på byggarbetsplatsen bredvid. Som chef för Semantic Web-projektet är den vänliga och energiske Miller för hänförd av sitt nya jobb för att lägga märke till det. Jag är den lyckligaste killen i livet, säger han. Jag får betalt för det jag skulle göra gratis.

Berners-Lee anlitade Miller för att leda konsortiets Semantic Web Activity på grund av Millers engagemang i webbaserade kunskapshanteringsprojekt och hans förmåga att entusiastiskt formulera koncepten bakom den semantiska webben. Stående bredvid en whiteboard täckt av diagram över metadata i aktion, förklarar Miller att den grundläggande idén bakom den semantiska webben är att göra Internet mer användbart för människor genom att göra informationen som flyter över hela webben lättare att manipulera av datorer.

Idag däremot är det mesta innehållet formaterat för mänsklig konsumtion. När du till exempel läser en nyhetsartikel online, kan du enkelt välja rubrik, byline, datumlinje, fotokredit och så vidare. Men om inte dessa saker är uttryckligen märkta, har en dator ingen aning om vad de är. Den ser helt enkelt en massa text. I Semantic Web kommer en nyhet att markeras med etiketter som beskriver dess olika delar, vilket gör det enkelt för bland annat en sökmotor att hitta artiklar skrivna av Jimmy Carter och inte artiklar skrivna om honom.

Det är inte möjligt idag, åtminstone inte på global nivå. Formateringstaggarna som används för att skapa webbsidor är en del av hypertext markup language (HTML), och de beskriver bara hur en webbsidas information ser ut (fetstil, liten, stor, understruken, etc.). Den semantiska webben skulle gå längre än kosmetika genom att inkludera taggar som också beskriver vad informationen är: taggar skulle märka text som anger till exempel ämne, författare, gatuadress, pris eller fraktkostnad. Dessa beskrivande taggar är metadata – data om data. Metadata är inget nytt koncept och inte heller begränsat till Internet. Ett biblioteks kortkatalog - med dess register som beskriver en boks titel, författare, ämne, år och plats på hyllorna - är metadata.

Webben gjorde det trivialt enkelt att utbyta dokument mellan tidigare inkompatibla datorer (några av dagens webbanvändare kanske minns huvudvärken på 1980-talet, när datorer från olika tillverkare var elektroniska öar). Den semantiska webben kommer att ta detta ett steg längre, vilket gör det möjligt för datorer att utbyta viss information från dokument.

Bortom metadata

Du kan inte ha en semantisk webb utan metadata, men enbart metadata kommer inte att räcka. Metadata på webbsidor måste länkas till speciella dokument som definierar metadatatermer och relationerna mellan termerna. Dessa uppsättningar av delade begrepp och deras sammankopplingar kallas ontologier.

Säg till exempel att du har skapat en webbsida som listar medlemmarna i en fakultet. Du skulle tagga namnen på de olika medlemmarna med metadatatermer som ordförande, docent, professor och så vidare. Sedan skulle du länka sidan till en ontologi - en som du skapat själv eller en som någon annan redan har gjort - som definierar utbildningsjobb och hur de förhåller sig till varandra. En lämplig ontologi skulle i detta fall definiera en stol som en person, inte en sak man sitter på, och det skulle tyda på att en stol är den högsta positionen på en avdelning.

Genom att definiera relationerna mellan termer kan ontologier sedan användas av applikationer för att sluta sig till nya fakta. Anta att du har skapat en webbsida som lär skolbarn om kondorer och har lagt till metadata till innehållet. Du kan länka till en ontologi (eller mer troligt, flera ontologier) som definierar de olika termerna och deras relationer: California condor är en typ av kondor från Kalifornien. Condor är en medlem av rovfågelfamiljen. Alla rovfåglar är köttätare. Kalifornien är en delstat i USA. Köttätare är köttätare. Genom att använda både metadata och ontologier kan en sökmotor eller annan mjukvaruagent hitta din kondorwebbplats baserat på en sökförfrågan efter köttätare i USA – även om din webbplats inte nämnde köttätare eller USA.

Eftersom ontologiutveckling är ett stort åtagande, är det troligt att webbplatsskapare kommer att länka till tredjeparts ontologier. Vissa kommer att vara gratis, andra kommer att säljas eller licensieras. En fråga som måste konfronteras: precis som med ordböcker och atlaser kommer politiska och kulturella fördomar att smyga sig in i ontologier. En geografibaserad ontologi som upprätthålls av den kinesiska regeringen, till exempel, skulle förmodligen inte definiera Taiwan som ett land.

Men det hindrar knappast synen. När World Wide Web Consortium fortsätter att utveckla standarder och teknologier för den semantiska webben, bidrar hundratals organisationer, företag och individer till ansträngningen genom att skapa verktyg, språk och ontologier.

En stor bidragsgivare är DARPA – de personer som ansvarar för en stor del av tekniken bakom Internet ( ser DARPAs störande teknologier , TR oktober 2001 ). Dessa dagar bidrar DARPA med tiotals miljoner dollar till webbkonsortiets Semantic Web-projekt och har utvecklat ett semantiskt språk för det amerikanska försvarsdepartementet kallat DARPA Agent Markup Language som tillåter användare att lägga till metadata till webbdokument och relatera det till ontologier. University of Maryland datavetenskapsprofessor Jim Hendler - som fram till augusti var chef för DARPA-programmet - har arbetat nära Berners-Lee och Miller för att säkerställa överensstämmelse med konsortiets ansträngningar. I december förra året tillkännagav Hendler skapandet av ett språk som kombinerar DARPA Agent Markup Languages ​​kapacitet med ett ontologispråk, utvecklat i Europa, kallat OIL (som står för både Ontology Inference Layer och Ontology Interchange Language).

En utvecklare av detta nya språk, universitetsläraren Ian Horrocks, ger också råd till World Wide Web Consortium om den semantiska webben. I januari var han med och grundade ett företag som heter Network Inference för att utveckla teknologi som använder ontologier och automatiserade slutledningar för att ge semantiska webbmöjligheter till befintliga relationsdatabaser och stora webbplatser. Nyligen började ett Isle of Man-baserat datatjänstföretag vid namn PDMS använda Network Inferences teknologi för att lägga till Semantic Web-funktioner till företagsdatabaser. Dussintals andra företag, från Hewlett-Packard till Nokia, bidrar till Semantisk webbutveckling.

För mycket, för sent?

Miller tror att det sömlösa flödet och integreringen av information som härrör från dessa rörelser kommer att göra det möjligt att bearbeta kunskap på ett sätt som löser problem, för människor närmare och sporrar till nya idéer som aldrig kunde hända förut. Andra är dock inte så optimistiska om den semantiska webben. Det är ganska ambitiöst, säger R.V. Guha, som ledde utvecklingen av webbkonsortiets insatser för Resource Description Framework i slutet av 1990-talet. (Det här ramverket är ett viktigt verktyg för att beskriva och dela metadata.) Det skulle vara trevligt om sådana saker fanns, säger han, men det finns några riktigt svåra forskningsproblem som måste lösas först.

En fråga gäller slutledningar. Tiden det tar en dator att dra nya slutsatser från data, metadata och ontologier på webben ökar snabbt i takt med att regler läggs till i ett system. Inferens faller i samma kategori som det klassiska handelsresandeproblemet att planera den kortaste vägen genom ett antal städer. Det är inte svårt att ta reda på den bästa av alla möjliga rutter när du har att göra med bara ett fåtal platser. Men när du bara kommer upp till 15 städer finns det mer än 43 miljarder möjliga rutter. Samma typ av skenande situation finns för slutsatser, där brutala sökningar efter svar kan leda till tidsödande paradoxer eller motsägelser.

Och även om Berners-Lee och hans kohorter möter de tekniska utmaningarna, kommer det inte att räcka för att den semantiska webben ska klicka på plats. Det finns en stor fråga om huruvida folk kommer att tycka att fördelarna är värda den extra ansträngningen att lägga till metadata till sitt innehåll i första hand. En anledning till att webben trots allt blev så oerhört framgångsrik var dess sublima lätthet att skapa.

Webben idag är den enklaste, mest primitiva formen av hypertext, säger tidigare Sun Microsystems Distinguished Engineer Jakob Nielsen, medgrundare av Nielsen Norman Group, ett webbdesignföretag i Fremont, Kalifornien. Och det är därför det var så enkelt att implementera; det är därför alla kunde börja lägga upp sina egna webbsidor; det är därför webben är så stor. Men även om de flesta människor kan vara bekväma med att göra förenklade redigeringar, som att markera en text som fetstil, påpekar Nielsen, De kan inte göra semantisk redigering, där de säger: Detta är författarens namn, eller Det här är namnet på personer jag jag citerar.'

Naturligtvis kan sådan pessimism ignorera den senaste historien. För inte så länge sedan verkade tanken på att miljontals människor skulle lära sig skriva HTML-kod långsökt, men det är precis vad som hände. Ändå kommer hindret för att skapa en semantisk webb att vara högre. Människor kan använda HTML hur de vill. De använder vanligtvis tabeller för icke-tabellformiga ändamål, till exempel, och slår på underrubrik-taggen bara för att använda fetstil. Dessa kluges och genvägar har vanligtvis bara kosmetiska konsekvenser. Men samma typ av fudging-säg, genom att använda bibliografitaggar för att lista en DVD-samling - kan göra en sidas metadata oanvändbar.

Det faktum att metadata inte implementerades direkt från webbens början kan också göra det svårare för den semantiska webben att få acceptans. En särskilt tuff skeptiker är Peter Merholz, medgrundare av Adaptive Path, ett San Francisco-baserat konsultföretag för användarupplevelser. Det här måste bakas in från början, säger Merholz, som kallar Semantic Web en intressant akademisk sysselsättning med liten betydelse för samhället. Den semantiska webben får mycket hype bara för att Tim Berners-Lee, uppfinnaren av World Wide Web-är så intresserad av det, säger han. Om det bara vore en skit på något universitet i Indiana, skulle ingen bry sig.

Inledande trådar

Till och med Berners-Lee medger att vägen till den semantiska webben kan vara lite långsammare än den till World Wide Web. På ett sätt behöver vi inte gå för fort, säger han, eftersom teorin folk måste titta på det för att se till att vi inte är för galna, och andra människor måste kolla upp idéerna i praktiken innan de plockas upp och används för flitigt.

På frågan om att kika in i sin kristallkula förutspår evangelisten av utbytbara data att några av den semantiska webbens första kommersiella applikationer kommer att syfta till att integrera de olika informationssystem som vanligtvis samexisterar i stora organisationer. (Skulle det inte vara trevligt att ta hand om affärer på motorfordonsavdelningen eller sjukhuset utan att behöva fylla i ett halvdussin i stort sett överflödiga formulär? Den semantiska webben kan hjälpa till här.)

Och även om den semantiska webben fortfarande huvudsakligen finns på ritbordet, kan du se antydningar om dess kraft på vissa befintliga webbplatser. Tänk på Moreover Technologies sökmotor som genomsöker tusentals nyhetssajter flera gånger om dagen, vilket gör den till en favorit för nyhetsjunkies. Dessutom har mjukvaruagenterna programmerats att titta på teckensnittstaggarna (HTML-etiketterna som talar om för webbläsare hur stor eller liten texten ska visas på skärmen) för att avgöra om en viss sida är en nyhetsartikel eller inte. Om en Moreover-agent hittar en sträng på sex till 18 ord taggade som stor typ nära toppen av en sida, kommer den att anta att det är en rubrik och placera den i en databas. Naturligtvis, eftersom agenten bara gissar, väljer den ibland en sida som trots allt inte är nyheter. Så dessutom måste du tillämpa ytterligare filtrering för att bli av med sidor som inte innehåller artiklar.

Det är fortfarande långt ifrån det slutliga målet - men det är en bra början. Och inte ens de semantiska webbmästarna låtsas förstå exakt var sådana steg kommer att leda. När allt kommer omkring, vem förutspådde Amazon.com eller eBay när Berners-Lee slog på strömbrytaren på världens första webbserver i december 1990?

Men poängen är att människor vill ha mer intelligens från webben än de får – och ett växande antal datavetare delar glimten i Berners-Lees öga och känslan av att den semantiska webben har svaret. Det är fantastiskt, säger uppfinnaren av World Wide Web, att ha den gräsrotsentusiasmen runt igen.

Dölj