Una web más inteligente

Tim Berners-Lee debe sentirse como si estuviera en una distorsión del tiempo. A principios de la década de 1990, pasó un año frustrante tratando de que la gente entendiera el poder y la belleza de su idea para un esquema conocido como sistema de hipertexto de Internet, al que le dio el seductor nombre de World Wide Web. Pero como la Web aún no existía, la mayoría de la gente no podía imaginar las implicaciones de lo que estaba hablando. Berners-Lee perseveró y, con la ayuda de las pocas personas que compartieron su visión, su invento se convirtió en el sistema de distribución de medios de más rápido crecimiento en la historia.

Una década después, Berners-Lee está luchando con el mismo problema, solo que esta vez, está tratando de articular su sueño de una Web Semántica. La idea es tejer una Web que no solo vincule documentos entre sí, sino que también reconozca el significado de la información en esos documentos, una tarea que la gente normalmente puede hacer bastante bien, pero es una tarea difícil para las computadoras, que no pueden decir si cabeza significa el líder de una organización o la cosa encima de un cuerpo. La Web Semántica es realmente un dato procesable por una máquina, dice Berners-Lee, quien es director del Consorcio World Wide Web con base en el MIT. De eso se trata el alboroto.

Esta historia fue parte de nuestro número de noviembre de 2001

• Ver el resto del número
• Suscribir

La World Wide Web de hoy es fundamentalmente un medio de publicación, un lugar para almacenar y compartir imágenes y texto. Agregar semántica cambiará radicalmente la naturaleza de la Web, desde un lugar donde la información simplemente se muestra a otro donde se interpreta, intercambia y procesa. Los agentes de búsqueda con capacidad semántica podrán recopilar datos legibles por máquina de diversas fuentes, procesarlos e inferir nuevos hechos. Los programas que no se hicieron para ser compatibles entre sí compartirán datos que antes no se podían mezclar. En otras palabras, el objetivo final de la Web Semántica es brindar a los usuarios casi omnisciencia sobre los vastos recursos de Internet, convirtiendo los millones de islas de bases de datos existentes en una única base de datos gigantesca Pangea.

Para comparar la Web Semántica con la Web de hoy, Berners-Lee, una persona intensa que habla en ráfagas de bajo volumen, ofrece el siguiente escenario: Imagine registrarse para una conferencia en línea.

El sitio web de la conferencia enumera la hora, la fecha y el lugar del evento, junto con información sobre el aeropuerto más cercano y un hotel que ofrece un descuento a los asistentes. Con la Web de hoy, primero debe verificar para asegurarse de que su horario sea claro y, si lo está, debe cortar y pegar la hora y la fecha en su programa de calendario. Luego, debe hacer arreglos de vuelo y hotel, ya sea llamando a los mostradores de reservas o visitando sus sitios web.

No hay forma de que puedas simplemente decir, quiero ir a ese evento ', explica Berners-Lee, porque la semántica de qué parte es la fecha y cuál parte es el tiempo se ha perdido. Pero en la Web Semántica, afirma, esos bits estarán etiquetados; el software en su computadora reconocerá esas etiquetas y automáticamente reservará su vuelo a la conferencia y reservará una habitación de hotel con el clic de un botón.

La Web Semántica también será una Web más rica y personalizable. Imagine que pasa el cursor sobre el nombre del hotel y se le informa que el 15 por ciento de las personas que han votado por su calidad dicen que es excelente. Si sabe que el hotel es un basurero, puede indicarle a su navegador que asigne a esas personas un nivel de confianza de cero. (La información de la encuesta se guardará en un servidor de anotaciones de terceros al que su navegador web acceda automáticamente). Al asignar altos niveles de confianza a las personas que coinciden con sus gustos e intereses, y filtrar bozo a las personas que no lo hacen, la Web comenzará a parecerse más a su Web.

Es una empresa enorme. El primer paso es establecer estándares que permitan a los usuarios agregar etiquetas descriptivas explícitas, o metadatos, al contenido web, lo que facilita identificar exactamente lo que está buscando. Luego viene el desarrollo de métodos que permiten que diferentes programas se relacionen y compartan metadatos de diferentes sitios web. Después de eso, las personas pueden comenzar a crear funciones adicionales, como aplicaciones que infieren datos adicionales de los que se les proporcionan. Como resultado, las búsquedas serán más precisas y completas, la entrada de datos se simplificará y la veracidad de la información será más fácil de verificar. Al menos ese es el objetivo.

Muchos sienten que no se puede hacer. A pesar de que las cosas se están calentando en los laboratorios de investigación, la Web Semántica, tal como la concibió Berners-Lee, se ve obstaculizada por desafíos sociales y técnicos que, según algunos críticos, es posible que nunca se resuelvan. Pero eso no impide que el Consorcio World Wide Web y otras organizaciones lo intenten. La Agencia de Proyectos de Investigación Avanzada de Defensa de EE. UU. (DARPA) y empresas comerciales como Network Inference en Manchester, Inglaterra, ya están desarrollando herramientas para construir la infraestructura de Web Semántica, así como aplicaciones para usarla. Y según Berners-Lee, con un número creciente de personas que comienzan a comprender cómo la Web Semántica permitirá que agentes cada vez más sofisticados hagan cosas en su nombre, pronto veremos algunos destellos de lo que podría suceder.

Desenredando la Web Semántica

En su abarrotada oficina en el tercer piso del edificio del Laboratorio de Ciencias de la Computación del MIT, el científico investigador Eric Miller no parece molesto por los golpes y chirridos provenientes de equipos pesados ​​en el sitio de construcción de al lado. Como director del proyecto de Web Semántica, el amable y enérgico Miller está demasiado cautivado con su nuevo trabajo para darse cuenta. Soy el tipo más afortunado del mundo, dice. Me pagan gratis por lo que hago.

Berners-Lee eligió a Miller para dirigir la Actividad de Web Semántica del consorcio debido a la participación de Miller en proyectos de gestión del conocimiento basados ​​en la Web y su capacidad para articular con entusiasmo los conceptos detrás de la Web Semántica. De pie junto a una pizarra cubierta con diagramas de metadatos en acción, Miller explica que la idea fundamental detrás de la Web Semántica es hacer que Internet sea más útil para las personas al hacer que la información que flota por toda la Web sea más fácil de manipular por las computadoras.

Hoy, por el contrario, la mayor parte del contenido está formateado para consumo humano. Cuando lee un artículo de noticias en línea, por ejemplo, puede elegir fácilmente el título, la línea de autor, la fecha, el crédito de la foto, etc. Pero a menos que estas cosas estén etiquetadas explícitamente, una computadora no tiene idea de qué son. Simplemente ve un montón de texto. En la Web Semántica, una noticia se marcará con etiquetas que describen sus diversas partes, facilitando, entre otras cosas, que un motor de búsqueda encuentre artículos escritos por Jimmy Carter y no historias escritas sobre él.

Eso no es posible hoy, al menos no a escala global. Las etiquetas de formato que se utilizan para crear páginas web son parte del lenguaje de marcado de hipertexto (HTML) y describen solo el aspecto de la información de una página web (negrita, pequeño, grande, subrayado, etc.). La Web Semántica iría más allá de los cosméticos al incluir etiquetas que también describan cuál es la información: las etiquetas etiquetarían el texto como designando, por ejemplo, el tema, el autor, la dirección, el precio o los gastos de envío. Estas etiquetas descriptivas son los metadatos, los datos sobre los datos. Los metadatos no son un concepto nuevo ni restringido a Internet. El catálogo de fichas de una biblioteca, con sus registros que describen el título, el autor, el tema, el año y la ubicación de un libro en los estantes, son metadatos.

La Web facilitó trivialmente el intercambio de documentos entre computadoras previamente incompatibles (algunos de los usuarios de la Web de hoy en día pueden recordar los dolores de cabeza de la década de 1980, cuando las computadoras de diferentes fabricantes eran islas electrónicas). La Web Semántica llevará esto un paso más allá, haciendo posible que las computadoras intercambien piezas particulares de información dentro de los documentos.

Más allá de los metadatos

No se puede tener una Web Semántica sin metadatos, pero los metadatos por sí solos no son suficientes. Los metadatos en las páginas web deberán estar vinculados a documentos especiales que definen los términos de los metadatos y las relaciones entre los términos. Estos conjuntos de conceptos compartidos y sus interconexiones se denominan ontologías.

Digamos, por ejemplo, que ha creado una página web que enumera los miembros de una facultad. Etiquetaría los nombres de los diferentes miembros con términos de metadatos como presidente, profesor asociado, profesor, etc. Luego, vincularía la página a una ontología, una que haya creado usted mismo o una que ya haya creado otra persona, que defina los puestos de trabajo educativos y cómo se relacionan entre sí. En este caso, una ontología apropiada definiría una silla como una persona, no como una cosa sobre la que se sienta, e indicaría que una silla es el puesto de mayor jerarquía en un departamento.

Al definir las relaciones entre términos, las aplicaciones pueden utilizar ontologías para inferir nuevos hechos. Suponga que ha creado una página web que enseña a los escolares sobre los cóndores y ha agregado metadatos al contenido. Puede vincular a una ontología (o más probablemente, varias ontologías) que definen los diversos términos y sus relaciones: el cóndor de California es un tipo de cóndor de California. Condor es un miembro de la familia de las rapaces. Todas las rapaces son carnívoras. California es un estado de los Estados Unidos. Los carnívoros son carnívoros. Mediante el uso de metadatos y ontologías, un motor de búsqueda u otro agente de software podría encontrar su sitio de cóndor basándose en una solicitud de búsqueda de carnívoros en los EE. UU., Incluso si su sitio no mencionó a los carnívoros ni a los Estados Unidos.

Dado que el desarrollo de ontologías es una gran empresa, es probable que los creadores de sitios se vinculen a ontologías de terceros. Algunos serán gratuitos, otros se venderán o se licenciarán. Una cuestión que habrá que afrontar: al igual que ocurre con los diccionarios y atlas, los prejuicios políticos y culturales se infiltrarán en las ontologías. Una ontología basada en la geografía mantenida por el gobierno chino, por ejemplo, probablemente no definiría a Taiwán como un país.

Pero eso difícilmente impide la visión. A medida que el Consorcio World Wide Web continúa desarrollando estándares y tecnologías para la Web Semántica, cientos de organizaciones, empresas e individuos están contribuyendo al esfuerzo creando herramientas, lenguajes y ontologías.

Un contribuyente importante es DARPA, las personas responsables de gran parte de la tecnología detrás de Internet ( ver Tecnologías disruptivas de DARPA , TR octubre de 2001 ). En estos días, DARPA está contribuyendo con decenas de millones de dólares al proyecto de Web Semántica del consorcio Web y ha desarrollado un lenguaje semántico para el Departamento de Defensa de los Estados Unidos llamado DARPA Agent Markup Language que permite a los usuarios agregar metadatos a documentos Web y relacionarlos con ontologías. El profesor de ciencias de la computación de la Universidad de Maryland, Jim Hendler, quien fue hasta agosto gerente del programa DARPA, ha estado trabajando en estrecha colaboración con Berners-Lee y Miller para garantizar la coherencia con los esfuerzos del consorcio. En diciembre pasado, Hendler anunció la creación de un lenguaje que combina las capacidades de DARPA Agent Markup Language con un lenguaje de ontología, desarrollado en Europa, llamado OIL (que significa tanto Ontology Inference Layer como Ontology Interchange Language).

Un desarrollador de este nuevo lenguaje, el profesor de la Universidad de Manchester Ian Horrocks, también asesora al Consorcio World Wide Web sobre la Web Semántica. En enero, cofundó una empresa llamada Network Inference para desarrollar tecnología que utiliza ontologías e inferencia automatizada para brindar capacidades de Web Semántica a bases de datos relacionales existentes y grandes sitios Web. Recientemente, una empresa de servicios de datos con sede en la Isla de Man llamada PDMS comenzó a utilizar la tecnología de Network Inference para agregar capacidades de Web Semántica a las bases de datos corporativas. Decenas de otras empresas, desde Hewlett-Packard hasta Nokia, están contribuyendo al desarrollo de la Web Semántica.

¿Demasiado, demasiado tarde?

Miller cree que el flujo continuo y la integración de la información resultante de estos movimientos harán posible procesar el conocimiento de una manera que resuelva problemas, acerque a las personas y estimule nuevas ideas que nunca antes podrían suceder. Otros, sin embargo, no son tan optimistas sobre la Web Semántica. Es bastante ambicioso, dice R. V. Guha, quien dirigió el desarrollo de los esfuerzos del marco de descripción de recursos del consorcio web a fines de la década de 1990. (Este marco es una herramienta esencial para describir y compartir metadatos). Sería bueno que existieran tales cosas, dice, pero hay algunos problemas de investigación realmente difíciles que deben resolverse primero.

Un problema tiene que ver con la inferencia. El tiempo que le toma a una computadora sacar nuevas conclusiones a partir de datos, metadatos y ontologías en la Web aumenta rápidamente a medida que se agregan reglas a un sistema. La inferencia cae en la misma categoría que el clásico problema del viajante de comercio de planificar la ruta más corta a través de varias ciudades. No es difícil descubrir la mejor de todas las rutas posibles cuando se trata de muy pocas ubicaciones. Pero cuando se llega a solo 15 ciudades, hay más de 43 mil millones de rutas posibles. El mismo tipo de situación descontrolada existe para la inferencia, donde la búsqueda de respuestas por fuerza bruta podría conducir a paradojas o contradicciones que hacen perder el tiempo.

E incluso si Berners-Lee y sus compañeros superan los desafíos técnicos, eso no será suficiente para que la Web Semántica encaje en su lugar. Existe una gran pregunta sobre si las personas pensarán que los beneficios valen la pena el esfuerzo adicional de agregar metadatos a su contenido en primer lugar. Después de todo, una de las razones por las que la Web tuvo tanto éxito fue su sublime facilidad de creación.

Hoy en día, la Web es la forma más simple y primitiva de hipertexto, dice el ex ingeniero distinguido de Sun Microsystems, Jakob Nielsen, cofundador de Nielsen Norman Group, una firma de diseño web en Fremont, CA. Y por eso fue tan fácil de implementar; es por eso que todo el mundo puede empezar a crear sus propias páginas web; por eso la Web es tan grande. Sin embargo, aunque la mayoría de las personas pueden sentirse cómodas haciendo una edición simplista, como marcar un texto en negrita, Nielsen señala, No pueden hacer una edición semántica, donde dicen, Este es el nombre del autor, o Este es el nombre de las personas que yo. estoy citando.

Por supuesto, tal pesimismo puede estar ignorando la historia reciente. No hace mucho tiempo, la idea de que millones de personas aprendieran a escribir código HTML parecía descabellada, pero eso es exactamente lo que sucedió. Aún así, el obstáculo de crear una Web Semántica será mayor. Las personas pueden usar HTML de la forma que quieran. Por lo general, usan tablas para fines no tabulares, por ejemplo, y colocan la etiqueta del subtítulo simplemente para aplicar negrita. Estos kluges y atajos suelen tener solo consecuencias cosméticas. Pero el mismo tipo de manipulación, por ejemplo, al emplear etiquetas de bibliografía para enumerar una colección de DVD, podría inutilizar los metadatos de una página.

El hecho de que los metadatos no se hayan implementado desde el inicio de la Web también podría dificultar que la Web Semántica obtenga aceptación. Un escéptico particularmente duro es Peter Merholz, cofundador de Adaptive Path, una consultora de experiencia del usuario con sede en San Francisco. Este material tiene que estar integrado desde el principio, dice Merholz, quien llama a la Web Semántica una actividad académica interesante con poca relación con la sociedad. La Web Semántica está recibiendo mucha publicidad simplemente porque Tim Berners-Lee, el inventor de la World Wide Web, está muy interesado en ella, dice. Si fuera un idiota en alguna universidad de Indiana, a nadie le importaría.

Hilos iniciales

Incluso Berners-Lee admite que el camino a la Web Semántica puede ser un poco más lento que el de la World Wide Web. En cierto modo, no necesitamos movernos demasiado rápido, dice, porque la teoría que la gente necesita analizar para asegurarse de que no estamos demasiado locos, y otras personas deben comprobar las ideas en la práctica antes de que se conviertan en realidad. recogido y utilizado demasiado.

Cuando se le pide que mire en su bola de cristal, el evangelista de los datos intercambiables predice que algunas de las primeras aplicaciones comerciales de la Web Semántica apuntarán a integrar los diferentes sistemas de información que normalmente coexisten en las grandes organizaciones. (¿No sería bueno ocuparse de los negocios en el departamento de vehículos motorizados o en el hospital sin tener que completar media docena de formularios en gran parte redundantes? La Web Semántica puede ayudar aquí).

Y aunque la Web Semántica todavía reside principalmente en la mesa de dibujo, puede ver indicios de su poder en algunos sitios Web existentes. Considere el motor de búsqueda de Later Technologies, que rastrea miles de sitios de noticias varias veces al día, lo que lo convierte en el favorito de los adictos a las noticias. Además, los agentes de software han sido programados para mirar las etiquetas de fuente (las etiquetas HTML que le dicen a los navegadores web qué tan grande o pequeño debe hacer que aparezca el texto en la pantalla) para determinar si una página en particular es una noticia o no. Si un agente de Además encuentra una cadena de seis a 18 palabras etiquetadas como tipo grande cerca de la parte superior de una página, asumirá que es un título y lo colocará en una base de datos. Por supuesto, dado que el agente solo está adivinando, a veces selecciona una página que, después de todo, no es una novedad. Por lo tanto, además tiene que aplicar un filtrado adicional para deshacerse de las páginas que no contienen artículos.

Eso todavía está muy lejos del objetivo final, pero es un buen comienzo. E incluso los campeones de la Web Semántica no pretenden comprender exactamente adónde conducirán esos pasos. Después de todo, ¿quién predijo Amazon.com o eBay cuando Berners-Lee encendió el primer servidor web del mundo en diciembre de 1990?

Pero la cuestión es que la gente quiere más inteligencia de la Web de la que está obteniendo, y un número cada vez mayor de informáticos comparte el brillo en los ojos de Berners-Lee y la sensación de que la Web Semántica tiene la respuesta. Es fantástico, dice el inventor de la World Wide Web, volver a tener ese entusiasmo de base.

esconder