過去還是未來？淺談萬物相連的語意網

By 研究資料寄存所編輯群 on Fri, 12/09/2022 - 15:14
link-pic

 創用 CC 授權條款 本著作係採用創用 CC 姓名標示-相同方式分享 4.0 國際授權條款授權.

本文原刊於 2022-11-30《藝術松No.3：關於Web3》

作者：

  • 李承錱（中央研究院，資訊科學研究所｜研究資料寄存所1）
  • 何明諠（中央研究院，資訊科技創新研究中心｜研究資料寄存所）
  • 王家薰（中央研究院，資訊科學研究所｜研究資料寄存所）

語意網的哲學視角

奧地利哲學家維根斯坦 (Ludwig Wittgenstein) 在《哲學研究》(Philosophical Investigations) 中的開篇即指出，語言中的字詞命名了各物。命名使每個字詞都有相關聯的「意義」(meaning)，某個字詞的意義，即來自它被用於指涉何物 (Wittgenstein, 1973)。維根斯坦所說的「物」(object)，可以是客觀世界的物，但也能是存在於某人心中的所想。在此基礎上，語句的對錯僅在於其是否吻合某種既存的事態 (existing state of affairs) (Jahanforouz, 2019; Aaberge, 2013)。

維根斯坦對語言和意義的看法，挑戰了柏拉圖以降，認為事物有其真正的本質，而語句的對錯判準，在於其是否符應事物本質的理型論者想法，但也引出了私有語言 (private language) 或共通理解如何可能等相關問題。儘管持續存在爭議，但沿著維根斯坦對語言的理解，卻可用來掌握本文主題「語意網」(Semantic Web) 所打算處理的問題。

語意網並非近年才出現的新概念。在 1994 年，全球資訊網發明人 Tim Berners-Lee 在首次的全球資訊網研討會 (World Wide Web Conference) 上，以「網路對語意的需求」（The Need for Semantics in the Web）為題，提出了「語意網」的構想 (Berners-Lee, 1994)。

語意網的原始構想並不複雜。打造語意網，並非要打造另一個新的網路，而是要讓既有的網路資料，成為可被機器理解，亦即機器可讀 (machine-readable) 的資料。我們眾人所接觸的網頁，主要是以 HTML (HyperText Markup Language，超文本標記語言) 這套語法所撰寫。HTML 的主要功能，是透過一系列預先定義好的 HTML 標籤 (HTML tags)，使不同機器能以相同形式，展示人類使用自然語言所撰寫的資訊，以方便另一群人閱讀、理解 (Cardoso, J.&  Sheth, A. ,2006)。

儘管 HTML 標籤也可被視為是語意標籤2，但若只使用 HTML 標籤，對增進機器對語意的理解仍十分有限。例如在 HTML 的環境下，有個藝術品資料庫，其中某藝術品的館藏地標記為「松山」，機器通常無法理解所謂松山，究竟是指台灣的松山，亦或日本的松山；又或者有兩個資料庫，在作者的欄位，一個資料庫使用「artist」，另一個則是「creator」，若未經更多定義，機器也無法理解這是兩個相同的欄位名。

人類所以能克服自然語言的岐義，以理解另一個人的說話內容，主要仍是透過知識、脈絡的補充，使人們能固定彼此話語的意義，達成溝通 (Aaberge, 2013)。而在語意網技術未介入前，一台機器雖可在其自身展示很多資訊，但對另一台機器而言，大抵都像是模糊的語言，或甚至是無法理解的私有語言。在此意義上，網路過往所面臨的語意問題，和維根斯坦所遭遇的十分類似。

一個有趣的對照是，語意網中用以固定知識內涵的「知識本體」 (ontology) ——或稱「語彙 」(vocabularies) 3，若轉換到哲學領域，一般稱為「本體論」。在哲學上，本體論是探究事物本質 (nature) 的學問。僅由這個簡單的詞語對照，似乎就能理解，打造語意網的目標之一，是要使機器能確定網路上諸多資訊的本質意義。而語意網如何確定並傳達資訊的意義，則有賴本文以下將介紹的語意網技術。

打造語意網的技術

自全球資訊網 (World Wide Web; WWW) 於 1990 年問世以來，網路世界已有翻天覆地的改變。2004 年起，以參與式網路 (participative web) 與社群網路 (social web) 為核心的 Web 2.0，其以使用者為中心的互動式即時體驗，形塑了今日的網路世界。而對於次世代網路的想像，Tim Berners-Lee 於 2006 年的訪談中首次提及 Web 3.0，並認為 Web 3.0 將是一個匯集了大量資料的「語意網 」(Semantic Web) (Shannon, 2006)。

「語意網」這個概念，在 1994 年就已被發想，並於 1998 被正式提出 (Berners-Lee, 1998)。簡單來說，語意網即「資料的網絡」(web of data) (W3C, 2015)。「資料」是指於網路上流通的各式資訊，舉凡近期上映的電影情報、私房景點地圖、部落格文章等，皆屬資料的範疇。語意網的目標，在於以通用的標準格式，將這些資料描述成為一個個「資源」(resource)，而此標準格式即為「資源描述架構」(Resource Description Framework; RDF)。

在語意網中，任何概念均可使用 RDF 敘述 (statement) 加以描述。一個使用 RDF 資料模型 (data model) 的敘述，是由主詞 (subject)、述詞 (predicate) 與受詞 (object) 三個元素組成，又稱「三元組」(triple)。主詞與受詞為欲描述關係的兩個對象，述詞則說明兩者之間的關係。以下方這個敘述為例：

「陳澄波是一位畫家。」

在文法中，「陳澄波」、「是一位」、「畫家」即是一標準的主詞–動詞–受詞 (Subject–Verb–Object) 語序，對應到 RDF 敘述即為主詞–述詞–受詞  (Subject–Predicate–Object)。我們可將前述關係以圖 (Graph) 的形式呈現，如圖一。

semantic-web-ig1
圖一 範例三元組的示意圖

 

RDF 並未規範單一的語法格式，包括 RDF/XML、Turtle 與 JSON-LD 等串列化格式 (serialization formats) 均可用來撰寫 RDF 敘述 (W3C Working Group, 2014)。以 RDF/XML 為例，我們可將例句以 <Subject> <Predicate> <Object> 的格式，描述為由三個「資源」組成的三元組。為便於唯一識別與相互連結，三元組的資源通常以國際化資源識別碼 (Internationalized Resource Identifier; IRI) 表示：

<​​https://www.wikidata.org/entity/Q707301> <https://schema.org/hasOccupation> <https://dbpedia.org/ontology/Painter> .

其中，<​​https://www.wikidata.org/entity/Q707301> 指稱陳澄波此人；<https://schema.org/hasOccupation> 用來描述一個人的職業；<https://dbpedia.org/ontology/Painter> 則指稱畫家。

而根據資源的內涵，可再將其區分為「類別」 (Classes)、「屬性」 (Properties) 與「個體 」(Individuals) 三種類型，並由各領域內公認的「語彙」(vocabularies) 所定義。語彙由 RDF Schema 或更為完整的網路本體語言 (Web Ontology Language; OWL) 定義，同樣以 IRI 方式呈現，並共用相同的命名空間前綴 (namespace prefixes)，供程式快速解析。

例如在上述例子中，<https://schema.org/hasOccupation> 即為「屬性」類型的資源（描述「職業」此一屬性），並取自 <https://schema.org/> 這個命名空間前綴，擁有該命名空間的語彙名稱則（正好）是 Schema.org，此語彙專門用於描述網路上的各類資訊；<https://dbpedia.org/ontology/Painter> 則為「類別」類型的資源（描述「畫家」此一分類），而 <https://dbpedia.org/ontology/> 為結構化資料庫 DBpedia 所使用的知識本體，因其多元的資料內容，而廣為其他網路資源所使用；至於 <​​https://www.wikidata.org/entity/Q707301> 就屬「個體」類型的資源（「陳澄波」此人）。

以 RDF 格式建立，使用語彙描述，彼此相互關聯，且可使用語意網工具——如使用 SPARQL 查詢、或以 SHACL (Shapes Constraint Language) 進行條件驗證等——操作的資源集合，稱為「資料連結」(Linked Data)4。資料連結所形成的網絡，即語意網「資料的網絡」精神的技術實踐。前面提及的 RDF、OWL、SPARQL，與 SHACL 等規範，均為發展全球資訊網的主要國際組織 W3C 的推薦標準 (W3C Recommendation)，代表這些技術已經過 W3C 成員的充分討論與實證，並推薦廣泛應用於網際網路。

誰才是 Web 3.0：語意網或其他

如同 Web 2.0，Web 3.0 並無一致定義，且隨技術發展而不斷演變。例如，紐約時報科技記者 John Markoff 即認為 Web 3.0 將是語意網與人工智慧 (AI) 的結合 (Markoff, 2006)；Web 3.0 有時也會與 Web3（由以太坊共同創辦人 Gavin Wood 於 2014 年提出）一併提及，而後者的目標為建立「以區塊鏈為基礎的去中心化網路」 (Edelman, 2021)，其內涵與關注議題，均與語意網不同；有趣的是，亦有將語意網與去中心化網路均視為 Web 3.0 特徵的觀點 (Bansgopaul, 2021; Zarrin, Wen Phang, Babu Saheer, & Zarrin, 2021)。但無論是將語意網作為網際網路資料的主體，或是將語意網視為既有資料的補充 (Antoniou & Van Harmelen, 2008)，語意網相關技術將資料以結構化形式儲存與呈現，在資料交換、資訊檢索、知識管理、物聯網等領域均有助益 (Patel & Jain, 2021)。

然而，相較於問世以來即迅速發展且影響深遠的 Web 2.0，以及迅速竄紅的 Web3，被稱為 Web 3.0 且賦予甚高期待的語意網，仍不慍不火。究其原因，首先，語意網不若 Web 2.0，一般網路使用者並不直接參與 RDF 資源的生產活動。為求內容的權威性，資源的類別、屬性、關係的選定，涉及領域專業；資源的產製，亦仰賴電腦科學的相關技術，使過往語意網的應用侷限於專業社群。近年來，隨著以語意網技術為基底的維基資料5 (Wikidata; https://www.wikidata.org/) 提供 RDF 網頁編輯介面與視覺化搜尋服務 Query Service，以及 Google 搜尋引擎最佳化指標納入結構化資料描述 (Google, 2022) 後，語意網的技術可近性已有所改善。

再者，語意網資源的建立，需在既有的 HTML 網頁之外，再以 RDF 描述資料內容，甚至須考慮多語系內容，這均形成資料生產者與儲存空間的額外負擔；縱使網站經營者有意願產生機器可讀的資料，也更傾向直接使用網站既有的資料庫綱要 (database schema)，透過 Web API 形式，提供 JSON 格式的資料，省去 RDF 描述的工夫，這些都造成 RDF 資源成長緩慢；缺乏 RDF 資源，也令資料連結無法發揮其「萬物相連」的綜效。但近期，在自然語言處理或機器學習技術的輔助下，自動生成 RDF 資源已成為可能。例如美國的大都會藝術博物館 (The Met) 即運用機器學習辨識藏品特徵，並將結果匯入 Wikidata (Lih, 2019)；此外，保存龐大資料且具備領域知識的 GLAM——即美術館 (Galleries)、圖書館 (Libraries)、檔案館 (Archives) 及博物館 (Museums) 的聯合簡稱——為有效管理數位化的典藏品資訊，亦積極導入資料連結技術，如今歐洲數位圖書館 (Europeana)6、美國數位公共圖書館 (Digital Public Library of America; DPLA)7 等計畫已貢獻數以百萬計的 RDF 資源。

語意網技術在藝術上的應用

如前所述，近年來語意網的實作案例倍增。透過 RDF 架構描述資料內容，連接資料與資料的關係，就如同人類的腦神經網絡，從理解資料到串連資訊進而產生知識與邏輯概念的判斷。語意網透過知識本體，使人類與機器能以結構化的方式梳理既有的知識與文化，進而發掘更多隱藏其中的價值。

語意網技術在 GLAM 已盛行多年8，並特別對文化遺產 (Cultural Heritage) 的數位保存起到重大貢獻。如歐洲數位圖書館 (Europeana) 計畫 ，整合了歐盟境內超過 3,700 個不同機構，共 5,000 萬筆以上的藝術、報紙、考古、時尚、科學、體育、書籍、音樂和影片等各類文化遺產素材，並將這些素材供所有人自由的取用及分享。與過往的作法不同，Europeana 並不是將這些資料悉數儲存在集中的伺服器內，而是透過共同的資料格式如 EDM (the Europeana Data Model)9 及 Web API 進行資料的連接整合。令人訝異的是，歐盟早在 2005 年就發起這項計畫，其使用語意網技術，保存歐洲重要歷史與文化的作法，創造了語意網與整個數位文化遺產保存的雙贏局面。面對近期的烏克蘭與俄羅斯戰爭，Europeana 也正以同樣的技術，向使用者說明烏克蘭的文化歷史10，如圖二。

semantic-web-ig2.png
圖二  Europeana 連結資料成故事

 

semantic-web-ig3.png
圖三：Europeana 連結資料－烏克蘭文化保存聲援

 

除了政府官方單位的支持與參與外，近年來亦有以群眾力量累積 RDF 資料量的案例，Wikidata 是其中廣為人知的專案。Wikidata 是一個可協同編輯的知識庫，它的重要任務之一，是將所有人類的知識，以知識本體進行以多語言的結構化處理，再以 CC0 這類無著作權的方式釋出。目前 Wikidata 已收錄了近 9 千萬筆的資料條目，且仍在快速增長中11。國際上的各博物館或研究單位（如 NASA）等權威性的組織單位，亦不斷聲援並支持這項工作。

semantic-web-ig4.png
圖四  Wikidata 官網歡迎任何人翻譯及貢獻

 

Wikidata 平台所整理的資料亦延伸出不少有趣的藝術專案，openArtBrowser12 是其中之一。openArtBrowser 收錄了古今 3 萬多位藝術家的作品（如下圖四），並運用 Wikidata 的條目，註記了藝術家及作品的相關後設資料 (Metadata)，包含藝術家的性別、生存年代、國籍，藝術作品的風格、材料、創作時間地點等資訊。如此做的好處，一來是使用者能便利地在 openArtBrowser 上自由研究，若有使用者想了解某個藝術家，例如藝術家 Eliseu Visconti13，她可以瀏覽 openArtBrowser 中關於該藝術家的頁面，就藝術家的各時期、各屬性的作品進行比較，從不同視角體認藝術家的畫作風格及想法；或者她也能宏觀地就某個時期（如下圖五的浪漫主義時期14）的作品去做更大規模的比較。二來是如此標記的作品，未來也容易在維持一定的資料品質下，與其他平台進行串接。

semantic-web-ig5.png
圖五  openArtBrowser 首頁入口網分類不同的標籤素材

 

semantic-web-ig6.png
圖六 連結 Romanticism 時期的介紹、作品及影音

 

語意網的世界到了嗎？

本文在前述篇幅，介紹了語意網的緣起、技術，以及應用案例，其中也提及了部份語意網技術在過去的缺陷。事實上，語意網從提出後，就不斷面臨各種大小質疑與批評。例如牛津大學的 Luciano Floridi，曾在 2009 年對語意網作出嚴厲且系統化的抨擊。他認為 Tim Berners-Lee 想連結網路上資料的構想，儘管願景宏大，卻是個受到過度吹捧的概念。其批評主要基於幾個理由：(1) 語意網在許多概念上──例如何謂語意 (semantics)、意義 (meaning)、理解 (understanding) ──模糊不清 (2) 欠缺成熟 AI 的協助，打造語意網將耗費難以想像的資源 (3) 語意網技術雖在個別領域取得成功，但要推廣至整個網路，仍有極大落差 (4) 語意網技術嚴格要求描述物件的後設資料欄位的正確性，而一個物件又可能有相當多的描述方式，這將使創造與維護描述都變得異常艱辛 (Floridi, 2009)。

類似的理由，2014 年，一篇名為「語意網仍算一回事嗎？」的文章，更直白地指出，若要提昇資料附加價值，與其耗費大量心力打造語意網，倒不如專注於改善資料品質 (Rochkind, 2014)。該文章也引用當時的一篇評論15，該評論直截了當地斷言，「語意網」的原始概念「已宛如去年在路上被撞死的生物一般死去」(as dead as last year's roadkill)，剩下的都是一些變形。

上述的批評至今都仍有其道理，且過往對語意網的批評聲也並不僅止於此。但如本文所說，同樣不可忽視的是，自 1994 年 Tim Berners-Lee 提出概念雛型後，至今這 20 多年來，人們為了統一資訊意義已建立許多標準，採用語意網技術的資料服務更日益增加；而機器學習或自動化的成熟，亦加速了語意網的實作進程。儘管如今有關 Web 3.0 的定義，多數都與區塊鍊實作有關，但若語意網正隨時間逐一克服過去的難題，則打造一個資料可交互操作的網路，可能已不如想像遙遠。語意網或許不一定會是近在眼前的 Web 3.0，但它仍可以是指向 Web 4.0 的願景。

註解

1. 研究資料寄存所 (depositar) 為中央研究院資訊科學研究所、資訊科技創新研究中心共同建置的線上開放研究資料儲存庫 (data repository)，並獲得科技部的經費支持。所有人均可在研究資料寄存所上自由取用、存放研究資料。網址 : <https://data.depositar.io/> （2022 年 4 月 20 日檢索）。

2. W3C 認為 HTML 的標籤可傳達意義，但若細究，無疑仍是在資料的格式或結構的層次上進行，詳細可見 W3C 有關 HTML5 的參考文件：<https://dev.w3.org/html5/html-author/> （2022 年 4 月 20 日檢索）。

3. 較為正式且複雜的「語彙」一般會稱為「知識本體」，但兩者常交互使用。

4. 也譯作「鏈結資料」、「連結資料」。

5. 也譯作「維基數據」。

6. 歐洲數位圖書館，網址 : <https://pro.europeana.eu/page/linked-open-data> （2022 年4 月 20 日檢索）。

7. 美國數位公共圖書館，網址 : <https://pro.dp.la/developers/technologies>（2022 年 4 月 20 日檢索）。

8. 有關 GLAM 的介紹 : <https://zh.wikipedia.org/wiki/GLAM_(%E7%94%A2%E6%A5%AD)>（2022 年 4 月 20 日檢索）。

9. EUROPEANA DATA MODEL 的介紹參見 : <https://pro.europeana.eu/page/edm-documentation>  （2022 年 4 月 20 日檢索）。

10. 參見 Europeana 聲援烏克蘭文化保存網頁 : <https://www.europeana.eu/en/statement-of-solidarity-with-ukraine>（2022 年 4 月 20 日檢索）。

11. 可見 Wikidata 首頁上方所顯示之資料：「人人都可以編輯的自由知識庫，目前已有 97,461,453 個項目。」網址 : <https://www.wikidata.org/wiki/Wikidata:Main_Page>（2022 年 4 月 21 日檢索）。

12. openArtBrowser 網頁 : <https://openartbrowser.org/en/>（2022 年 4 月 20 日檢索）。

13. 藝術家 Eliseu Visconti (Q2340277) 的作品時序及介紹網頁，可參見 :  <https://openartbrowser.org/en/artist/Q2340277?tab=timeline> （2022 年 4 月 20 日檢索）。

14. Romanticism Movement openArtBrowser 網頁 : <https://openartbrowser.org/en/movement/Q37068?tab=timeline>（2022 年 4 月 20 日檢索）。

15. 評論可參見 : <https://news.ycombinator.com/item?id=8510401>（2022 年 4 月 20 日檢索）。

參考資料