Constraining ontology mappings using metaphysical choices

Imagine que você esteja tentando traduzir uma história de uma língua para outra, mas as duas línguas não usam apenas palavras diferentes; elas realmente veem o mundo de forma diferente. Uma língua pode descrever uma "árvore" como uma coisa única e sólida que permanece imóvel, enquanto a outra a descreve como um rio fluente de crescimento, mudança e história. Isso é o coração de um campo chamado ontologia, que é basicamente o estudo de como organizamos e definimos o que existe. No mundo dos computadores e dos dados, isso importa muito. Quando dois sistemas de computador diferentes tentam conversar entre si, eles precisam concordar sobre o que seus dados realmente significam. Se um sistema pensa que um "livro" é apenas uma coleção de páginas, e o outro pensa que um "livro" é um objeto mágico que existe mesmo sem páginas, essa conversa será uma bagunça. A grande questão que os pesquisadores fazem é: como garantimos que essas traduções sejam precisas quando as regras subjacentes da realidade são diferentes?

Este artigo de Giacomo De Colle, Helena Blackmore e Chris Partridge aborda exatamente esse problema. Eles propõem uma maneira inteligente de verificar se as traduções de dados estão corretas ao observar as "escolhas metafísicas" que os sistemas de computador fizeram. Pense nisso como uma jornada subindo uma montanha. No nível mais baixo, há uma visão super-unificada onde tudo é apenas um grande bloco de espaço e tempo misturados. À medida que você sobe, você começa a fazer escolhas para dividir esse bloco em partes separadas: tempo vs. espaço, objetos vs. eventos, ou uma pessoa vs. sua história de vida. Os autores sugerem que, se você souber em que ponto da montanha dois sistemas de computador diferentes se encontram, você pode prever exatamente quantas peças de dados você precisa criar ao traduzir de um para o outro. Por exemplo, se o Sistema A vê um carro como uma coisa única, mas o Sistema B vê o carro como duas coisas (o próprio carro e a história do carro), uma boa tradução deve transformar um item em dois. O artigo não apenas fala sobre isso; eles construíram um teste de computador usando o "Padrão de Intercâmbio de Informações" (IES) e a "Ontologia Formal Básica" (BFO) para provar que essas regras funcionam. Ao escrever verificações de computador especiais (chamadas consultas SPARQL), eles mostraram que você pode sinalizar automaticamente traduções que erram a matemática, garantindo que os dados permaneçam fiéis ao seu significado original, mesmo quando as regras da realidade mudam.

O Grande Jogo da Tradução de Dados

Imagine que você tem uma caixa mágica que pode transformar um único bloco de Lego em um castelo inteiro, ou um castelo inteiro de volta em um único bloco de Lego. É aproximadamente isso que acontece quando tentamos mapear dados entre diferentes sistemas de computador. Mas aqui está o detalhe: a magia não é aleatória. Ela segue regras estritas baseadas em como cada sistema acredita que o universo é construído.

Os autores deste artigo chamam o método deles de uma "jornada de estratificação". Imagine uma árvore de decisão gigante, como um livro de "escolha sua própria aventura" para a realidade. No topo (ou na base, dependendo de como você olha), existe a visão mais unificada possível: um "objeto supersubstancial". Nesta visão, não há diferença entre você, o espaço que você ocupa e o tempo que você passa existindo. Você, sua vida e seu quarto são todos apenas um grande bloco fundido de matéria e espaço-tempo.

Agora, imagine que você começa a fazer escolhas para dividir este bloco.

• A Primeira Divisão: Você decide separar o "tempo" do "espaço". De repente, você tem duas coisas em vez de uma: a coisa em si (um objeto duradouro) e o evento de ela acontecer ao longo do tempo (um objeto perdurante).
• A Segunda Divisão: Você pode decidir separar a "cadeira" do "quarto" onde ela está sentada.
• A Terceira Divisão: Você pode separar o "processo" de sentar da "fronteira" onde o sentar começa e termina.

Cada vez que você faz uma divisão, você multiplica o número de coisas em seu mundo. Uma ontologia (uma palavra sofisticada para o livro de regras de um sistema sobre o que existe) que para de dividir cedo é "unificadora" — ela vê menos coisas. Uma ontologia que continua dividindo é "divisora" — ela vê muito mais coisas.

A Estátua e a Argila

Para entender por por que isso importa, pense em uma estátua feita de argila.

• Um sistema unificador olha para a estátua e diz: "Isso é apenas uma coisa: a estátua". Ele não se importa com a argila por baixo; é tudo um único item.
• Um sistema divisor olha para a mesma estátua e diz: "Espere, há duas coisas aqui: a argila (a matéria) e a forma (o desenho)".

Se você tentar traduzir uma entrada de banco de dados de um sistema unificador para um sistema divisor, você não pode apenas copiar e colar. Você tem que pegar essa entrada única da "estátua" e magicamente dividi-la em duas entradas: "argila" e "forma". Se você não fizer isso, a tradução estará quebrada. O artigo argumenta que essas "escolhas metafísicas" criam restrições de cardinalidade rigorosas. Essa é uma maneira sofisticada de dizer: "Se o Sistema A tem 1 item, o Sistema B deve ter 2 itens (ou 3, ou 4) para estar correto".

O Teste de Churchill

Os autores não ficaram apenas teorizando; eles colocaram isso à prova. Eles escolheram dois sistemas reais para mapear:

1. IES (Information Exchange Standard): Este sistema é um "unificador". Ele trata coisas como um carro ou uma pessoa como um pedaço único de quatro dimensões de espaço-tempo que inclui tanto o objeto quanto sua história.
2. BFO (Basic Formal Ontology): Este sistema é um "divisor". Ele adora separar as coisas. Ele vê um carro como o objeto físico e sua história como coisas separadas. Ele vê uma pessoa como o corpo e seus eventos de vida como coisas separadas.

Eles decidiram testar isso com um exemplo muito famoso: o nascimento de Winston Churchill.

No sistema IES, o nascimento de Churchill é apenas um grande evento unificado. É um único bloco de realidade.
No sistema BFO, esse mesmo nascimento precisa ser decomposto. Para ser preciso, o sistema precisa gerar pelo menos cinco coisas distintas:

1. O corpo material de Churchill.
2. O lugar específico (local) onde ele nasceu.
3. O processo do nascimento em si.
4. O momento exato em que o processo começou.
5. As regiões de tempo e espaço ocupadas por esse nascimento.

O Check-up do Computador

É aqui que o artigo fica realmente interessante. Os autores escreveram um programa de computador para agir como um árbitro. Eles pegaram dados do sistema IES (o unificador) e tentaram traduzi-los para o sistema BFO (o divisor).

Eles estabeleceram uma regra: "Se você vir um objeto IES, você deve ver pelo menos dois objetos BFO".
Eles então executaram sua tradução e usaram uma linguagem de computador especial (SPARQL) para escanear os resultados. O computador procurava por quaisquer traduções que quebrassem as regras. Por exemplo, se o computador visse uma entrada de Churchill no IES, mas encontrasse apenas uma única entrada no BFO, ele sinalizaria um erro: "Ei! Você esqueceu a parte da história! Você precisa multiplicar os dados!"

Em sua simulação, este método funcionou. Eles mostraram com sucesso que, ao compreender a "jornada metafísica" que cada sistema percorre, poderiam criar verificações automáticas para garantir que os dados não fossem perdidos na tradução.

O Que Isso Significa (E O Que Não Significa)

O artigo sugere que podemos usar essas regras filosóficas profundas para construir traduções de dados melhores e mais confiáveis. Não é uma varinha mágica que resolve todos os problemas do mundo, mas oferece uma nova maneira de detectar erros. Se você sabe que um sistema vê o mundo como "um" e o outro vê como "muitos", você pode escrever uma regra que diz: "Certifique-se de que o lado 'muitos' tenha peças suficientes".

Os autores são cuidadosos ao notar que este é um framework que eles estão propondo e testando. Eles demonstraram isso com um exemplo específico (Churchill) e um par específico de sistemas (IES e BFO). Eles não alegaram ter resolvido todos os problemas de mapeamento existentes, mas mostraram que essa "jornada de estratificação" é uma ferramenta poderosa para validar se uma tradução faz sentido. Ela transforma a pergunta abstrata "O que é real?" em um checklist prático para cientistas da computação: "Você multiplicou os dados o suficiente?".