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 )