Tecnologías semánticas. La base de la Cognición Artificial

Las tecnologías semánticas están en el corazón de las posibilidades que tienen nuestros sistemas de comprender el razonamiento humano. Estas tecnologías son la base para el desarrollo de soluciones cognitivas que, actualmente, constituyen el núcleo del programa de inteligencia artificial.

Dentro de este paradigma, permiten que los sistemas puedan entender el modo en el que las personas razonamos y conectamos la información, reforzando simultáneamente las capacidades de los usuarios para comprender textos, audios y descubrir relaciones entre datos y entidades. Para lograr esta comprensión profunda, estas tecnologías requieren de una estructura fundamental: los grafos de conocimeinto.

El modo en el que las tecnologías semánticas consolidan toda esa información heterogénea y distribuida de manera significativa es integrándola en un grafo de conocimiento interrogable y modelado por una ontología. Este grafo relaciona de un modo significativo entidades con entidades y entidades con sus atributos, en el marco de un ámbito de conocimiento determinado.

Pero, ¿qué es exactamente una ontología? Se trata de una descripción formal del conocimiento que define conceptos dentro de un dominio específico —un conjunto acotado de la realidad— y las relaciones que se establecen entre ellos. Para construir esta descripción, la ontología especifica formalmente componentes como individuos (instancias de objetos), clases, atributos, relaciones, restricciones, reglas y axiomas. El resultado es una representación formal del conocimiento que no solo es compartible y reutilizable, sino que también puede derivar nuevo conocimiento a partir de lo ya representado. Esta capacidad de derivación es posible gracias a los lenguajes logico-formales que permiten declarar estas ontologías.

El lenguaje estándar para formalizar estas ontologías es OWL(Web Ontology Language), un lenguaje de marcado semántico utilizado para publicar y compartir ontologías en la World Wide Web. Fue desarrollado por el World Wide Web Consortium (W3C) como una extensión de RDF (Resource Description Framework) y RDFS (RDF Schema), proporcionando una semántica más rica y una mayor capacidad de representación del conocimiento que sus predecesores.

OWL permite modelar de forma rigurosa un dominio de conocimiento, definiendo clases, propiedades, relaciones, restricciones y axiomas. Al estar basado en lógica de primer orden, OWL permite realizar inferencias y razonamientos automáticos sobre el conocimiento representado. Esto significa que, además de modelar el conocimiento existente, OWL puede inferir nuevos hechos a partir de los ya existentes, capacidad que resulta fundamental para el desarrollo de aplicaciones inteligentes.

Una de las principales fortalezas de OWL reside en su expresividad. El lenguaje proporciona un conjunto rico de constructores para modelar conocimiento complejo, permitiendo definir clases mediante condiciones necesarias y suficientes, especificar cardinalidades en las relaciones, definir propiedades de las relaciones (transitividad, simetría, etc.) o usar conectores lógicos, entre otros. Para adaptar esta expresividad a diferentes necesidades computacionales, OWL se divide en tres sublenguajes, cada uno con un nivel de expresividad diferente: OWL Lite, OWL DL (Description Logic) y OWL Full.

Más allá de su expresividad, otra característica fundamental de OWL es su capacidad para fomentar la interoperabilidad semántica. Las ontologías OWL pueden ser publicadas en la web, reutilizadas y enlazadas con otras ontologías, promoviendo así el intercambio de conocimiento entre diferentes sistemas y aplicaciones. Esta capacidad de interconexión lo convierte en una pieza fundamental en la visión de la web semántica y el Linked Data.

Esta visión de interoperabilidad se ve reforzada por el hecho de que, al ser un estándar del W3C, OWL se integra naturalmente con otras tecnologías de la web semántica como RDF, SPARQL y SKOS. Las ontologías OWL pueden ser serializadas en diferentes formatos como RDF/XML, Turtle o Manchester Syntax, facilitando su adopción en diversos contextos técnicos.

Las aplicaciones prácticas de OWL abarcan un amplio espectro de casos de uso. Entre ellos se incluyen la representación de taxonomías y vocabularios controlados, el modelado de bases de conocimiento de un dominio específico, la integración de datos y sistemas basada en semántica, el desarrollo de asistentes y buscadores semánticos, la representación de conocimiento en sistemas expertos y la interoperabilidad en diversos campos como Finanzas y Banca, Salud, Bio y Farma, Turismo y SmartCities o Comunicación y Medios.

En definitiva, OWL es un lenguaje formal y estandarizado diseñado para representar conocimiento complejo de una manera que permita su procesamiento e intercambio por parte de sistemas computacionales en la web. Su capacidad para modelar dominios de conocimiento de forma rica y expresiva, junto con su fundamentación en la lógica que permite el razonamiento automático, lo convierten en una herramienta esencial para la construcción de sistemas inteligentes basados en la representación y explotación del conocimiento. Su adopción como estándar por parte del W3C y su integración con otras tecnologías de la web semántica lo posicionan como un componente fundamental en la infraestructura para la gestión y el intercambio de conocimiento.

Si OWL define la estructura lógica de las ontologías, RDF (Resource Description Framework) proporciona el modelo fundamental para representar los datos que pueblan esas ontologías. Desarrollado y estandarizado por el W3C, RDF es el estándar para la descripción de recursos web y el intercambio de datos. A pesar de la existencia de diversas herramientas convencionales para gestionar datos y sus relaciones, RDF destaca como el estándar más sencillo, potente y expresivo diseñado hasta la fecha.

RDF es el método general para describir información mediante la definición de relaciones entre objetos de datos. Su potencia radica en su flexibilidad: permite la integración eficaz de datos de múltiples fuentes, desvinculándose de su esquema original. Esto posibilita aplicar, interconectar, consultar y modificar múltiples esquemas sin cambiar las instancias de datos. Además, RDF está construido alrededor de estándares web consolidados: XML y URI.

Triple RDF

La unidad básica de RDF es el triple, también conocido como "declaración" o "declaración RDF". Un triple RDF está compuesto por tres elementos: sujeto, predicado y objeto. El sujeto representa el recurso que se está describiendo, el predicado define la relación entre el sujeto y el objeto, y el objeto puede ser otro recurso o un valor literal.

Este formato sujeto-predicado-objeto puede tomar cualquier sujeto y conectarlo a cualquier otro objeto utilizando el predicado (verbo) para mostrar el tipo de relación existente entre ambos. Por ejemplo, la afirmación "Las Meninas están en el Museo Nacional del Prado" puede representarse como un triple RDF, donde "Las Meninas" es el sujeto, "están en" es el predicado y "Museo Nacional del Prado" es el objeto. Este modelo permite expresar prácticamente cualquier hecho o relación mediante una estructura uniforme y enlazada.

Así es como el modelo RDF aumenta el poder de cualquier pieza de datos al brindarle los medios para establecer relaciones infinitas con otras piezas de datos y convertirse en el componente básico de estructuras de datos más grandes, más flexibles y ricamente interconectadas. Es importante saber que todos los datos, independientemente de su formato original, pueden convertirse a datos RDF. Un concepto central en esta arquitectura es el Identificador Universal de Recursos (URI), un sistema de identificación único utilizado en la web para identificar recursos de manera unívoca.

RDF para grafos de conocimiento

Los grafos de conocimiento representados en RDF proporcionan el mejor marco para la integración, unificación, vinculación y reutilización de datos. Esta supremacía se fundamenta en cinco características esenciales.

Los grafos RDF se utilizan para gestionar conjuntos de datos de Linked Open Data, como DBPedia, que se publican como RDF y están interconectados. Esto permite consultar y responder consultas federadas con mayor rapidez y obtener resultados de búsqueda altamente relevantes.

Más allá de la representación y consulta de datos explícitos, los grafos RDF pueden inferir hechos implícitos a partir de declaraciones explícitas. Con la ayuda de una plataforma como GNOSS Semantic AI Platform, esta capacidad de inferencia convierte la información en conocimiento, permitiendo a las organizaciones descubrir relaciones ocultas en sus datos y cerrar el círculo que conecta la representación formal (OWL) con la instanciación de datos (RDF) en un sistema coherente de gestión del conocimiento.

Interoperabilidad semántica. Hacia sistemas que realmente se entienden entre sí

La interoperabilidad semántica representa un nivel avanzado de integración entre sistemas que va más allá de la mera capacidad técnica de conexión. Se refiere a la capacidad de diferentes sistemas para intercambiar datos con un significado preciso y compartido, asegurando que la información sea interpretada correctamente por todos los componentes del ecosistema digital.

Durante más de dos décadas, en GNOSS hemos desarrollado soluciones que priorizan la interoperabilidad semántica como elemento fundamental. Nuestra experiencia nos ha demostrado que no basta con que los sistemas se conecten; es esencial que realmente se entiendan entre sí.

La interoperabilidad técnica se refiere a la capacidad de un sistema de conectarse con otros sistemas de manera estandarizada y eficiente. Estas conexiones permiten funciones como la migración de datos, el intercambio de datos entre plataformas, la búsqueda federada o la eliminación de recursos obsoletos. Sin embargo, la interoperabilidad semántica va un paso más allá: asegura que los datos intercambiados mantengan su significado preciso en todos los contextos.

Para lograr este nivel de interoperabilidad, los grafos de conocimiento deben implementarse y desplegarse utilizando estándares abiertos como RDF, SPARQL y OWL, promovidos por el W3C. El uso de estos estándares facilita la interoperabilidad y el intercambio de datos entre sistemas, a diferencia de otras implementaciones propietarias que pueden crear dependencias tecnológicas y silos de información.

La interoperabilidad semántica permite una gestión integral de los datos, asegurando no solo que puedan "conversar" entre sí dentro de un sistema, sino también interactuar eficazmente con sistemas de terceros. Esta capacidad enriquece y contextualiza la información, mejorando su precisión, utilidad y alcance.

Garantizar que cada sistema pueda compartir información de forma completa, precisa y oportuna permite a las organizaciones aprovechar al máximo las capacidades para las que sus sistemas fueron diseñados. Por el contrario, la ausencia de interoperabilidad da lugar a sistemas que crecen de forma aislada, provocando un ecosistema de datos fragmentado tanto para la organización como para los usuarios. Estas funciones de interoperabilidad, integradas en una solución Semantic Data Fabric, ayudan a las organizaciones a combatir la "entropía de datos", es decir, la tendencia de los ecosistemas de datos a volverse más caóticos y desorganizados con el tiempo.

La interoperabilidad semántica se sustenta en dos conjuntos de principios complementarios que establecen las bases para un ecosistema de datos verdaderamente conectado: los principios FAIR y los principios de Linked Open Data.

 Los principios FAIR establecen que los datos deben ser:

• Encontrables (Findable): deben contar con identificadores únicos y persistentes (por ejemplo, URIs) y estar descritos con metadatos estructurados que permitan su localización e interpretación.
• Accesibles (Accessible): deben poder ser recuperados a través de protocolos universales como HTTP o HTTPS, permitiendo el acceso seguro mediante certificados digitales, y garantizando que los metadatos sigan disponibles incluso si los datos originales dejan de estarlo.
• Interoperable: deben utilizar vocabularios estandarizados y formalizados, como OWL y RDF, ampliamente adoptados y comprendidos por distintos sistemas y comunidades.
• Reutilizables (Reusable): deben publicarse bajo licencias claras que definan sus condiciones de uso, incluir información sobre su procedencia, y cumplir con los estándares del dominio correspondiente, lo que favorece su aplicación en distintos contextos sin pérdida de fiabilidad.

Por su parte, los principios de Linked Open Data, establecidos por Tim Berners-Lee, el creador de la World Wide Web, constituyen un conjunto de reglas que establecen las tecnologías y prácticas necesarias para publicar datos de manera que impulsen la creación de un espacio global interconectado. Estos principios requieren:

• Utilizar URIs (Uniform Resource Identifier) como identificadores únicos para las entidades. 
• Emplear HTTP URIs para permitir la búsqueda y el acceso directo a estos identificadores. 
• Proporcionar información útil cuando se consulta un URI empleando estándares como RDF o SPARQL.
• Incluir enlaces a otros URIs, facilitando la conexión y descubrimiento de más datos relacionados.

Publicar datos como Linked Data es una forma óptima de implementar los principios FAIR en la práctica, ya que aborda directamente los aspectos clave de estos principios. Los datos enlazados utilizan URIs como identificadores únicos (primer principio) y su asociación con el protocolo HTTP (segundo principio) permite que sean "encontrables" en la Web. La descripción y la relación con otros recursos (tercer principio) se hacen efectivas mediante la aplicación del modelo RDF, mientras que su recuperación y manipulación se realiza a través del protocolo SPARQL. El cuarto principio, junto con el tercero, es responsable del enlace efectivo de datos de diferentes fuentes y retoma la idea de que los beneficios de enlazar datos se potencian cuando estos son abiertos.