Quipu: A Governed Bitemporal Knowledge Graph Store
Dit artikel introduceert Quipu, een inbedbare bitemporale kennisgrafiekopslag die strikte governance afdwingt door middel van gated writes, lattice-gebaseerde trust-compositie en zelf-auditerende traces, waarmee een superieure defectdetectie en betrouwbaarheid van besluitvormingsbewijslast wordt aangetoond vergeleken met conventionele ongated systemen.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
In de moderne digitale wereld is een nieuw soort schrijver opgekomen: softwareagenten. Dit zijn programma's die documenten lezen, code analyseren en automatisch massieve kaarten van bekende feiten bouwen, zogenaamde kennisgrafen. Decennialang werden deze kaarten gecureerd door mensen die fouten konden opsporen, bronnen konden verifiëren en konden beslissen wat te bewaren. Maar wanneer softwareagenten deze kaarten schrijven, doen ze dat met een snelheid en een volume dat menselijke beoordelaars niet kunnen bijhouden. Ze produceren feiten die perfect lijken, maar die onjuist kunnen zijn, en ze doen dit sneller dan welke schoonmaakploeg dan ook het kan herstellen. De traditionele systemen die ontworpen zijn om deze informatie op te slaan, waren gebouwd voor menselijk geduld; ze accepteren alles eerst en hopen het later op te schonen. Deze aanpak, die werkte toen een mens nog aan het stuur zat, creëert een gevaarlijke flessenhals wanneer een machine het verhaal schrijft.
Onderzoekers hebben nu een andere manier voorgesteld om deze vloedgolf van geautomatiseerd schrijven te beheersen. Zij stellen dat, in plaats van alles te accepteren en op het beste te hopen, een opslagsysteem vanaf het begin strikt moet zijn. Het moet fungeren als een poortwachter die weigert alles toe te laten dat niet aan specifieke regels voldoet, en het moet een permanent, onveranderlijk verslag bijhouden van elke beslissing die het neemt, inclusief de afwijzingen. Deze nieuwe aanpak behandelt de regels zelf als onderdeel van de data, waardoor het systeem in de tijd kan terugkijken en precies kan zien wat er op een specifiek moment vereist was. Door de last van de striktheid te verschuiven naar de softwareagenten, die onmiddellijk kunnen herproberen en hun fouten kunnen corrigeren, zorgt het systeem ervoor dat de uiteindelijke kaart van feiten betrouwbaar blijft, zelfs wanneer deze door machines is geschreven.
Steve Brown en zijn team hebben een systeem genaamd Quipu gebouwd om dit idee te testen. Ze creëerden een gespecialiseerde opslagengine die de standaard gewoonten van databasebeheer omdraait. In plaats van data binnen te laten en het later op te schonen, weigert Quipu een feit te accepteren tenzij het een strikte set controles doorstaat tegen de staat van de wereld die het zou creëren. Als een stuk informatie een regel overtreedt, wijst het systeem dit onmiddellijk af. Cruciaal is dat het systeem niet alleen "nee" zegt; het schrijft een ondertekend, tijdgestempeld verslag van die afwijzing op, waarmee wordt bewezen waarom het feit werd afgewezen. Dit verslag blijft bestaan, zelfs als de poging om het feit te schrijven wordt teruggedraaid, waardoor de geschiedenis van wat er is geprobeerd en waarom het mislukte, nooit verloren gaat.
De onderzoekers hebben ook de manier waarop het systeem met tijd en vertrouwen omgaat, herontworpen. In veel databases is tijd een eenvoudige lijn en is vertrouwen een plat label dat overal gelijk aan wordt toegekend. Quipu behandelt tijd als twee aparte trajecten: één voor wanneer het systeem iets heeft geleerd, en een andere voor wanneer dat feit daadwerkelijk waar is in de echte wereld. Het past deze dubbele tijdlijn ook toe op de regels en de vertrouwenslabels zelf. Dit betekent dat het systeem vragen kan beantwoorden als: "wat werd er op dit specifieke moment in het verleden als betrouwbaar beschouwd?" of "welke regel was van kracht toen deze beslissing werd genomen?". Het organiseert vertrouwen ook in aparte, niet-overlappende groepen. Wanneer deze groepen worden gecombineerd, zorgt het systeem ervoor dat het resulterende vertrouwensniveau nooit per ongeluk sterker wordt dan het zwakste deel van de groep, waardoor voorkomt dat een zwakke of niet-geverifieerde bron de geloofwaardigheid van het geheel onbedoeld verhoogt.
Om te bewijzen dat deze strikte aanpak werkt, voerde het team een gecontroleerd experiment uit genaamd Census. Ze creëerden een scenario waarin meerdere softwareschrijvers probeerden feiten aan het systeem toe te voegen, waarbij ze doelbewust zes specifieke soorten fouten plantten, zoals ontbrekende informatie, ongeautoriseerde toegang of gefabriceerde details. Ze draalden hetzelfde script twee keer: één keer met de strikte poortwachter actief, en één keer wanneer deze uitgeschakeld was. De resultaten waren duidelijk. Het systeem zonder de poortwachter accepteerde alle zes de geplante fouten. Het strikte systeem wees echter elk van hen af. Het ving de ongeautoriseerde schrijfacties op, de ontbrekende details en de feiten die alleen geldig waren wanneer ze geïsoleerd werden bekeken, maar faalden wanneer ze met andere feiten werden gecombineerd. Het systeem deed dit zonder het proces voor feiten die al correct waren te vertragen, wat bewijst dat striktheid niet hoeft te betekenen dat het inefficiënt is.
De studie toonde ook aan dat het systeem de geschiedenis perfect kan herhalen. Omdat de regels en de data beide met een dubbele tijdlijn worden opgeslagen, konden de onderzoekers naar elk punt in het experiment teruggaan en vragen: "Wat zou het systeem hebben beslist als dit feit op dat moment was ingediend?". Het systeem antwoordde elke keer correct, zelfs toen de regels in de tussentijd waren veranderd. Dit is iets wat standaard databases niet kunnen; ze onthouden meestal alleen de huidige regels, waardoor het onmogelijk is om te weten wat er in het verleden vereist was. In dit nieuwe systeem is de audit trail niet een apart logboek waar iemand doorheen moet graven; het is een query die het systeem op zijn eigen data kan uitvoeren om zijn eigen geschiedenis te verifiëren.
Toen de onderzoekers het systeem testten tegen een real-world trace van een ander project, ontdekten ze dat de strikte regels een gat in de handhaving hadden blootgelegd die eerder was gemist. Het systeem identificeerde dat een regel lokaal werd afgedwongen maar niet officieel in het beleid was opgenomen, en signaleerde deze discrepantie. Dit leidde ertoe dat het team het systeem bijwerkte zodat het nu precies registreert wie er werd geweigerd en waarom, waardoor een kleine maar belangrijke opening in de audit trail werd gedicht. Het experiment demonstreerde dat wanneer softwareagenten de schrijvers zijn, de kosten van striktheid betaalbaar zijn omdat de agenten onmiddellijk kunnen leren van een afwijzing en het opnieuw kunnen proberen. Het systeem heeft geen mens nodig om de rommel op te ruimen; de poortwachter voorkomt dat de rommel überhaupt ontstaat, en het permanente verslag van elke beslissing zorgt ervoor dat de geschiedenis van de kennisgraaf accuraat en betrouwbaar blijft.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.