Constraining ontology mappings using metaphysical choices

Stel je voor dat je een verhaal probeert te vertalen van de ene taal naar de andere, maar de twee talen gebruiken niet alleen andere woorden; ze zien de wereld ook echt anders. De ene taal kan een "boom" beschrijven als één enkel, solide ding dat stilstaat, terwijl de andere taal een boom beschrijft als een stromende rivier van groei, verandering en geschiedenis. Dit is de kern van een vakgebied genaamd ontologie, wat in essentie de studie is van hoe we organiseren en definiëren wat bestaat. In de wereld van computers en data doet dit er veel toe. Wanneer twee verschillende computersystemen met elkaar proberen te communiceren, moeten ze het eens worden over wat hun data daadwerkelijk betekent. Als het ene systeem denkt dat een "boek" slechts een verzameling pagina's is, en het andere systeem denkt dat een "boek" een magisch object is dat zelfs zonder pagina's bestaat, dan zal hun gesprek een puinhoop worden. De grote vraag die onderzoekers stellen is: hoe zorgen we ervoor dat deze vertalingen accuraat zijn wanneer de onderliggende regels van de werkelijkheid verschillend zijn?

Dit artikel van Giacomo De Colle, Helena Blackmore en Chris Partridge pakt precies dat probleem aan. Ze stellen een slimme manier voor om te controleren of datatranslaties correct zijn door te kijken naar de "metafysische keuzes" die de computersystemen hebben gemaakt. Denk aan een reis naar de top van een berg. Helemaal onderaan is er een super-geunificeerd beeld waar alles gewoon één grote klomp ruimte en tijd is. Terwijl je omhoog klimt, begin je keuzes te maken om die klomp op te splitsen in afzonderlijke stukken: tijd versus ruimte, objecten versus gebeurtenissen, of een persoon versus hun levensverhaal. De auteurs suggereren dat als je weet waar twee verschillende computersystemen zich op deze berg bevinden, je precies kunt voorspellen hoeveel stukken data je moet creëren bij het vertalen van de een naar de ander. Bijvoorbeeld, als Systeem A een auto ziet als één enkel ding, maar Systeem B een auto ziet als twee dingen (de auto zelf en de geschiedenis van de auto), dan moet een goede vertaling één item in twee items veranderen. Het artikel praat niet alleen over dit onderwerp; ze hebben ook een computertest gebouwd met behulp van de "Information Exchange Standard" (IES) en de "Basic Formal Ontology" (BFO) om te bewijzen dat deze regels werken. Door speciale computercontroles (genaamd SPARQL-queries) te schrijven, hebben ze aangetoond dat je vertalingen die de wiskunde fout doen automatisch kunt signaleren, zodat de data trouw blijft aan de oorspronkelijke betekenis, zelfs wanneer de regels van de werkelijkheid veranderen.

Het Grote Data-vertalingsspel

Stel je voor dat je een magische doos hebt die een enkele Lego-steen in een heel kasteel kan veranderen, of een heel kasteel terug in een enkele steen. Dat is ongeveer wat er gebeurt wanneer we proberen data te mappen tussen verschillende computersystemen. Maar hier komt de crux: de magie is niet willekeurig. Het volgt strikte regels op basis van hoe elk systeem gelooft dat het universum is opgebouwd.

De auteurs van dit artikel noemen hun methode een "stratificatie-reis" (stratification journey). Stel je een enorme beslisboom voor, zoals een kies-je-eigen-avontuur-boek voor de werkelijkheid. Helemaal bovenaan (of onderaan, afhankelijk van hoe je het bekijkt), is er het meest verenigde beeld mogelijk: een "supersubstantieel object". In dit beeld is er geen verschil tussen jou, de ruimte die je inneemt en de tijd die je doorbrengt met bestaan. Jij, jouw leven en jouw kamer zijn allemaal slechts één gigantische, gefuseerde klomp materie en ruimtetijd.

Stel je nu voor dat je begint met het maken van keuzes om deze klomp op te splitsen.

• De Eerste Splitsing: Je besluit "tijd" te scheiden van "ruimte". Plotseling heb je twee dingen in plaats van één: het ding zelf (een duurzaam object) en de gebeurtenis van het plaatsvinden in de tijd (een perdurend object).
• De Tweede Splitsing: Je zou de "stoel" kunnen scheiden van de "kamer" waarin hij staat.
• De Derde Splitsing: Je zou het "proces" van het zitten kunnen scheiden van de "grens" waar het zitten begint en stopt.

Elke keer dat je een splitsing maakt, vermenigvuldig je het aantal dingen in jouw wereld. Een ontologie (een chic woord voor het regelboek van een systeem over wat bestaat) die vroeg stopt met splitsen is "verenigend" — het ziet minder dingen. Een ontologie die blijft splitsen is "delend" — het ziet veel meer dingen.

Het Standbeeld en de Klei

Om te begrijpen waarom dit ertoe doet, denk aan een standbeeld gemaakt van klei.

• Een verenigend systeem kijkt naar het standbeeld en zegt: "Dat is gewoon één ding: het standbeeld." Het geeft niet om de klei eronder; het is allemaal één item.
• Een delend systeem kijkt naar hetzelfde standbeeld en zegt: "Wacht, er zijn hier twee dingen: de klei (de materie) en de vorm (de vorm)."

Als je een database-invoer probeert te vertalen van het verenigende systeem naar het delende systeem, kun je niet simpelweg kopiëren en plakken. Je moet die enkele "standbeeld"-invoer magisch splitsen in twee invoer: "klei" en "vorm". Als je dat niet doet, is de vertaling kapot. Het artikel betoogt dat deze "metafysische keuzes" strikte cardinaliteitsrestricties creëren. Dat is een chique manier om te zeggen: "Als Systeem A 1 item heeft, moet Systeem B 2 items hebben (of 3, of 4) om correct te zijn."

De Churchill-test

De auteurs hebben dit niet alleen theoretisch benaderd; ze hebben het op de proef gesteld. Ze kozen twee echte systemen om te mappen:

1. IES (Information Exchange Standard): Dit systeem is een "verunifier". Het behandelt zaken zoals een auto of een persoon als één enkel, vierdimensionaal blok ruimtetijd dat zowel het object als de geschiedenis ervan bevat.
2. BFO (Basic Formal Ontology): Dit systeem is een "divider". Het houdt ervan om dingen uit elkaar te splitsen. Het ziet een auto als het fysieke object en de geschiedenis van de auto als aparte dingen. Het ziet een persoon als het lichaam en hun levensgebeurtenissen als aparte dingen.

Ze besloten dit te testen met een zeer bekend voorbeeld: de geboorte van Winston Churchill.

In het IES-systeem is de geboorte van Churchill gewoon één grote, verenigde gebeurtenis. Het is één enkel brok werkelijkheid.
In het BFO-systeem moet diezelfde geboorte worden afgebroken. Om accuraat te zijn, moet het systeem ten minste vijf verschillende dingen genereren:

1. Het materiële lichaam van Churchill.
2. De specifieke plaats (locatie) waar hij werd geboren.
3. Het proces van de geboorte zelf.
4. Het exacte moment waarop het proces begon.
5. De tijd- en ruimtelijke regio's die door die geboorte werden ingenomen.

De Computercontrole

Hier wordt het artikel echt interessant. De auteurs schreven een computerprogramma om als scheidsrechter te fungeren. Ze namen data uit het IES-systeem (de verunifier) en probeerden deze te vertalen naar het BFO-systeem (de divider).

Ze stelden een regel op: "Als je één IES-object ziet, moet je ten minste twee BFO-objecten zien."
Vervolgens draaiden ze hun vertaling en gebruikten ze een speciale computertaal (SPARQL) om de resultaten te scannen. De computer zocht naar vertalingen die de regels overtraden. Bijvoorbeeld, als de computer een Churchill-invoer in IES zag, maar slechts één enkele invoer in BFO vond, zou het een fout melden: "Hé! Je bent de geschiedenis vergeten! Je moet de data vermenigvuldigen!"

In hun simulatie werkte deze methode. Ze slaagden erin te bewijzen dat ze, door het begrijpen van de "metafysische reis" die elk systeem aflegt, automatische controles konden maken om te garanderen dat de data niet verloren ging tijdens de vertaling.

Wat dit betekent (en wat het niet betekent)

Het artikel suggereert dat we deze diepe filosofische regels kunnen gebruiken om betere, betrouwbaardere datatranslaties te bouwen. Het is geen toverstaf die elk probleem in de wereld oplost, maar het biedt een nieuwe manier om fouten te ontdekken. Als je weet dat het ene systeem de wereld ziet als "één" en de andere als "veel", kun je een regel schrijven die zegt: "Zorg ervoor dat de 'veel'-kant genoeg stukken heeft."

De auteurs benadrukken dat dit een raamwerk is dat zij voorstellen en testen. Ze hebben aangetoond dat dit werkt met een specifiek voorbeeld (Churchill) en een specifiek paar systemen (IES en BFO). Ze beweerden niet dat ze elk bestaand mapping-probleem hadden opgelost, maar ze lieten wel zien dat deze "stratificatie-reis" een krachtig hulpmiddel is om te valideren of een vertaling zinvol is. Het verandert de abstracte vraag "Wat is echt?" in een praktische checklist voor computerwetenschappers: "Heb je de data genoeg vermenigvuldigd?"