Ответ на это прост, если не учитывать проблемы, которые я освещал в одном из предыдущим постов.

Cначала давайте определимся, что будем понимать под приложением Semantic Web.

Итак, если приложение построено с использованием таких средств Semantic Web, как XML,  RDF, OWL, SPARQL, то такое приложение будем называть приложением Semantic Web первого типа.

В случае, если приложение реализует идеи Semantic Web, как концепции,  тогда такое приложение назовем приложением Semantic Web второго типа.
Читать продолжение »

Рисунки и формулы теперь видны. Читаем!

Работа посвящена вопросам анализа нечетких онтологий и их применению.

Shcherbak says: Это интересно и познавательно! Читаем ))

В общем, с онтологиями, как основой Semantic Web,  уже все практически ясно. Как минимум путь онтологий от 3D  до  4D, 5D, 6D и так далее "виден" достаточно ясно.  Если 3D -  трехмерная онтология, с помощью которой можно описать любой объект предметной области; 4D - 3D+время, что позволило решить вопрос версионности объектов; 5D - это как минимум возможность разорвать четкие связи в 4D онтологиях, например, путем введения степени принадлежности; ну и так далее; Но вот вопрос, как агента, активную составляющую Semantic Web, который использует онтологии как хранилище знаний для решения своих специфических задач, сделать "любознательным"?

Я могу заставить агента увеличить объем своих знаний о предметной области. Он будет увеличивать количество фактов, которые он знает о мире, но что делать с правилами, на основе которых он эти факты собрал?

С одной стороны, динамические правила - это не проблема, мы  с вами все привыкли к тому, что динамически можно создавать скрипты обработки (например, на javascript можно порождать новые процедуры на javascript), но вот как агент "поймет", когда ему нужно создавать новое правило или улучшать старое? А о постановке перед собой новых целей и задач я вообще молчу...

Вот здесь и возникают все те проблемы, которые мучают создателей теории искусственного интеллекта по сей день... Онтологии могут позволить решить многое, и агенты могут уже много (дедуктивный вывод ими освоен уже очень хорошо), но вот с индуктивным выводом агенты дружат очень и очень плохо... А жаль )