Hvad betyder Ontologi?
En ontologi er en eksplicit model af begreber og deres relationer inden for et område. Den kan beskrive, hvilke typer enheder der findes, hvilke egenskaber de har, og hvordan de kan forbindes. Det skaber et fælles grundlag, når flere systemer eller teams bruger de samme ord forskelligt.
En ontologi kan være mere formel end en almindelig ordliste eller en kategoriliste. Sprog som OWL giver mulighed for at beskrive klasser, egenskaber og relationer med en præcist defineret betydning. Det kan understøtte logiske slutninger, når data følger modellen.
Formaliseringen gør ikke automatisk virksomhedens begreber rigtige. De skal stadig afklares med dem, der bruger dem. En teknisk konsistent model kan være upraktisk eller misvisende, hvis den overser en vigtig forskel i den faktiske arbejdsgang.
Afklar de ord, som skaber misforståelser
Et ord som kunde kan betyde en juridisk organisation, en kontaktperson eller en faktureringskonto. Hvis disse betydninger blandes, kan et AI-system koble oplysninger forkert. En ontologi kan gøre forskellene og relationerne synlige.
Begynd med de spørgsmål, data skal kunne besvare. “Hvem må godkende ændringer på denne aftale?” kræver eksempelvis tydelige roller og deres tilknytning. Modellen bør være så præcis som nødvendigt, men ikke mere omfattende end teamet kan vedligeholde.
Skeln mellem viden og krav til registrering
Formelle ontologier og almindelige databaseskemaer kan have forskellige antagelser. OWL arbejder med en åben verden, hvor en manglende oplysning ikke automatisk betragtes som falsk. Det er vigtigt, hvis teamet forventer en kontrol af, at alle obligatoriske oplysninger er registreret.
Et krav om, at hver sag skal have en ansvarlig, kan derfor kræve særskilt datavalidering. Ontologiens betydning og arbejdsgangens registreringskrav bør dokumenteres hver for sig, så en logisk model ikke fejlagtigt bliver opfattet som en komplet godkendelseskontrol.
Et eksempel fra praksis
En servicevirksomhed samler data fra salg og drift. Salg bruger “kunde” om en koncern, mens drift bruger ordet om en lokal installation. Teamet definerer særskilte begreber for organisation, lokation, installation og kontaktperson.
Relationerne viser, hvilken organisation der ejer lokationen, og hvem der er kontakt for installationen. Et AI-svar om en serviceaftale kan dermed bygge på den korrekte enhed. Teamet tester modellen på en koncern med flere lokationer og forskellige kontaktpersoner, så den fælles begrebsmodel bliver prøvet på en reel type tvetydighed.
Typiske faldgruber
- En simpel kategoriliste kaldes en komplet formel ontologi.
- Logisk konsistens forveksles med, at alle nødvendige data er registreret.
- Modellen vokser hurtigere, end organisationen kan afklare og vedligeholde begreberne.
Det skal I afklare
- Afklar tvetydige begreber med de relevante fagpersoner.
- Beskriv relationer og antagelser gennem konkrete spørgsmål.
- Hold semantisk betydning og registreringsvalidering tydeligt adskilt.
Spørgsmål og svar
Har alle AI-projekter brug for en ontologi?
Nej. En enkel begrebsordliste kan være nok. En mere formel model er relevant, når tvetydighed og relationer på tværs af systemer skaber konkrete problemer.
Er en ontologi det samme som et databaseskema?
Der er overlap, men formålet og antagelserne kan være forskellige. Et skema beskriver ofte lagring og krav, mens en ontologi fokuserer på begrebers formelle betydning.
Kilder og videre læsning
De tekniske begreber bygger på nedenstående kilder. Eksemplerne er illustrative og viser, hvordan I kan arbejde med emnet.
- W3C: OWL 2 Overview ↗Klasser, egenskaber og formelt defineret betydning.
- W3C: OWL 2 Primer ↗Ontologimodellering og forskellen mellem åben verden og databaseantagelser.