AIDA Informazioni

ISSN 1121-0095, trimestrale anno 18, numero 2, aprile-giugno 2000

La rappresentazione della conoscenza, si sa, non si autogiustifica (nemmeno in arte o in matematica o in filosofia, checché ne dicano gli addetti) ma è funzionale sia alla creazione e allíuso di nuova conoscenza, sia alla modifica di qualche realtà. La rappresentazione della conoscenza è, così, orientata come un vettore alla ricerca della conoscenza che a sua volta è orientata alla soluzione di problemi cioè, in definitiva, allíazione che, nel caso del KM, è "business oriented". Tenendo presente questo quadro di stretta operabilità, la rappresentazione della conscenza passa attraverso forme di "lettura" umana, di "lettura" automatica, di attribuzioni descrittive, di filtraggio, di creazione di ontologie generali e specifiche.

Vediamole tutte, sulla base dell'agile schema generale di Daniel E. O'Leary [2].

Líinterfaccia umana

La rappresentazione della conoscenza connessa con casi specifici può assumere diversi aspetti, che dipendono dallíutente, dal contesto e dalla tecnologia e, caso per caso, l'interazione di queste tre variabili determina l'àmbito applicativo più appropriato. Creare e mantenere una base di dati su un determinato oggetto consente una trasmissione di conoscenza coerente e costante nel tempo e nello spazio.

La rappresentazione di conoscenza di tipo dichiarativo si esplica principalmente secondo la tecnologia della gestione dei documenti contenenti fatti (manuali, fogli notizie, eccetera) o asserzioni (guide, regolamenti, eccetera) specifiche o di carattere più generale, fino a una base di dati di sole regole del tipo "if-then", a sua volta eventuale base di conoscenza per sistemi esperti. In quest'ultimo caso, la conoscenza diviene indipendente dalla particolare situazione informativa che l'ha generata, attraverso determinate procedure di filtraggio che consentono di astrarre dalla concretezza dei singoli casi.

L'interfaccia del calcolatore

Veri e propri sistemi esperti, integrati un un sistema di KM e costruiti per la soluzione di determinati problemi, consentono agli umani una presa di decisioni più o meno cosciente [3] suffragata dall'esame statistico (quantitativo e/o qualitativo) di una pluralità di casi diversi riconosciuti pertinenti e censiti con tutte le variabilità delle possibili conseguenze acclarate.

Altre forme d'intelligenza artificiale integrate nei sistemi KM sono rappresentate dagli agenti "intelligenti", che s'incaricano di reperire la conoscenza human-readable: il calcolatore non dà supporto diretto alle decisioni, ma si limita ad eseguire "perinde ac cadaver" (nonostante la dizione d'intelligenza) una pluralità di cómpiti predefiniti.

Attribuzioni descrittive

Informazioni sugli autori, sulle organizzazioni, su stati e condizioni díesistenza e di movimento rappresentano, nel loro complesso, un tipo di conoscenza aggiuntiva che può integrare le basi di conoscenza e le stesse ontologie, in una cascata d'informazioni più o meno riservate (e più o meno illegali) che possono discriminare spesso in modo inedito la validità operativa díinformazioni pubbliche e consolidateÖ

Filtraggio

Abbiamo già accennato alle istruzioni date agli agenti intelligenti per il reperimento díinformazione.

Un primo livello di filtraggio, così, lo usiamo correntemente quando facciamo inerire in questa o in quella cartella (cestino compreso) del nostro client la messe di messaggi elettronici spediti alla nostra e-mail.

Un secondo livello di filtraggio si ha con le liste di discussione moderate (relativamente moderate e assolutamente moderate, a seconda che il controllo si effettui sugli attributi descrittivi di cui sopra - di solito, in modo automatico - o anche sul contenuto dei messaggi - con più intenso e più frequente ricorso allíinterfaccia umana).

A un livello superiore, la gamma delle efficacie del filtraggio è, di solito, direttamente proporzionale alla presenza dell'intervento umano: un crescente corpus di catalogatori, indicizzatori, documentalisti viene correntemente impiegato per fornire diverse forme di valore aggiunto ai dati, all'informazione e alla stessa conoscenza, anche se un ricorso incrementale all'intelligenza artificiale sta sfornando prodotti che tentano di evitare, per quanto possibile, questa forca caudina, almeno ai livelli intermedî di chi premastica dati, informazione e conoscenza per il Delfino di turno: la valutazione finale, da parte del destinatario ultimo, del valore di informazione o conoscenza è e rimane un fatto inevitabilmente soggettivo (ma, non per questo, inevitabilmente irrazionale) di chi, gestore del dominio, ha la responsabilità del governo dellíorganizzazione o di sue frazioni.

Ontologie

E veniamo al tema, nel quale le cose si fanno un po' più difficili.

Il primo problema ci viene dall'ambiguità terminologica, per la qual cosa è opportuno chiarire súbito che non si tratta, qui, della disciplina istituzionalizzata nel XVII secolo come "scienza dellíessere" sulla scorta della nozione di "filosofia prima" (metafisica) di Aristotele, anche se poi approdata, via via in parte trasformandosi attraverso Kant, Husserl, Heidegger - per citare le tappe maggiori - a una seconda e aggiuntiva valenza di significato, nella quale la nozione di "entità" (non più solo di "essere") possiede una connotazione più vasta e generale, e suscettibile di applicazioni "al di qua della fisica", nel mondo degli oggetti e in quello dei concetti. Si tratta, ormai, di "cose" affatto differenti, tanto che si è ricorsi anche a caratterizzazioni ortografiche e grammaticali per distinguerle: "l'Ontologia" (con líiniziale maiuscola, líarticolo determinativo e al singolare) si riferisce alla disciplina filosofica; "un'ontologia" o "le ontologie" (iniziale minuscola, articolo indeterminativo oppure al plurale) si riferisce a un settore oggettivo (una teoria e una prassi) díingegneria della conoscenza nellíàmbito dellíintelligenza artificiale.

Che bisogno c'è delle ontologie nel KM? Ce n'è bisogno in almeno due sensi.

1. In un precedente intervento su questa Rivista [4] abbiamo rilevato, trattando del contributo che le risorse díintelligenza artificiale posso fornire al KM per la messa in comune e per la trasferibilità delle conoscenze allíinterno di un gruppo omogeneo, che gli umani che lavorano in questi gruppi si mantengono coesi e interattivi attraverso la costruzione, il riconoscimento e líutilizzo di koiné esclusive, tassonomie formali, "giochi linguistici" o teorie di mediazione semantica alla Wittgenstein dellíultimo periodo, in una parola: di ontologie. Le ontologie rappresentano, in questo caso, il fondamento della comunicazione tra le persone e tra i gruppi che si riconoscono in un determinato àmbito culturale, linguistico, organizzativo, e all'interno del quale condividono elementi concettuali analoghi, simili o identici. Definire le ontologie consente di formalizzare i modi di creazione della conoscenza, regolarne il trasferimento e garantirne la permanenza nel tempo e nello spazio, ovviamente a parità di condizioni: è la mobilità stessa della conoscenza che impone continue e fondamentali revisioni alle strutture formalizzate. È soprattutto uno strumento produttivo per operare il passaggio da sistemi informativi (lineari) a sistemi cognitivi (non routinarî, o sistemi socio-tecnici), che sappiano far fronte a un alto numero di eccezioni comunicative, senza "bloccarsi" dichiarando eccessi di "errore" o di "rumore".
2. Altra applicazione nel KM le ontologie la ricevono per líesigenza di descrivere entità reali (oggetti fisici, eventi, regioni, quantità di materia, eccetera) o meta-catagorie di modellizzazione della realtà (concetti, proprietà, qualità, stati, ruoli, eccetera) usate per la soluzione di problemi. Il ricorso alle ontologie fa compiere un salto di qualità al valore intrinseco delle basi di conoscenza, i cui oggetti (anche di una "semplice" base di dati) divengono ininfluenti in questa formalizzazione che astrae, con uníoperazione del tutto a-priori, regole e strutture più generali. Ciò che differenzia una teoria ontologica da una qualsiasi teoria logica (o base di conoscenza), infatti, è la sua semantica, dal momento che tutti i suoi assiomi devono essere veri in qualsiasi mondo possibile delle concettualizzazioni sottostanti. In altre parole, mentre una qualsiasi base di conoscenza è legata al proprio stato epistemico, un'ontologia può funzionare solo se rappresenta la conoscenza comune, indipendente da questo o da quello stato epistemico.

1. come disciplina filosofica - della quale abbiamo accennato -
2. come sistema concettuale informale - del tipo: "base di conoscenza" arbitraria di cui sopra -
3. come accezione semantica formale - ontologia vera e propria -
4. come specificazione di una "concettualizzazione" - secondo la definizione di Tom Gruber e comune in Intelligenza Artificiale, e gravida, nell'analisi di Guarino, di qualche vaghezza di significato e di condizionamenti epistemologici -
5. come rappresentazione di un sistema concettuale attraverso una teoria logica, a sua volta caratterizzata da proprietà formali specifiche o solo da obiettivi specifici - cioè una teoria logica vera e propria, pura collezione di asserzioni -
6. come vocabolario usato da una teoria logica - con il rischio di collassare nella definizione precedente qualora consista soltanto in un isieme di definizioni logiche -
7. come specificazione (meta-livello) di una teoria logica.

Non è inutile, a questo punto, rammentare lo sforzo (elaborativo e innovativo insieme), recentemente concluso, dal Progetto europeo DECIDoc, del quale AIDA presenterà al prossimo Convegno nazionale di Napoli la traduzione ufficiale italiana, come Euroguida delle professioni dell'informazione e della documentazione.

[1] Vedi il nostro precedente "KM-Appunti. 1. Knowledge vs Information". AIDA Informazioni, 1, 2000, p. 24-28. <http://www.aidainformazioni.it/pub/kmappunti12000.html>
[2] "Evaluating web technology: enterprise knowedge management". Computer Magazine, 3, 1998, p. 54-61. <http://www.intraware.com/ms/mktg/indaa/evaltch/EntKnowMngt.html>
[3] Charles L. Smith. Computer-supported decision making. Ablex, 1998, ISBN 1-56750-357-8. (Nostra recensione in: Bollettino AIB, 3, 1999, p. 335-337. <http://www.aib.it/aib/boll/1999/99-3-335.htm>)
[4] "KM, Knowledge Management - 2/3". AIDA Informazioni, 3, 1998, p. 8-14. In particolare, i paragrafi "Network KM" (p. 9-11) e "DallíIR al KM" (p. 11-12). <http://www.aidainformazioni.it/pub/km2.html>
[5] Un buon punto di partenza è costituito dal sito "The Ontology page. What are ontologies?" <http://www.kr.org/top/definitions.html> che porta a confronto posizioni differenti in letteratura: Tom Gruber (che è, tra l'altro, líinventore di Hypermail), Nicola Guarino e Pierdaniele Giaretta, Richard Fikes (tra i creatori del sistema "Ontolingua", per il quale consigliamo la partecipazione del lettore al "Guided Tour to Developing Ontologies Using Ontolingua", <http://www-ksl-svc.stanford.edu:5915/doc/frame-editor/index.html>). Di Guarino, in italiano: Il Ruolo dell'Ontologia Formale per l'Integrazione e la Condivisione delle Conoscenze: Attivita' di Ricerca presso il LADSEB-CNR. Giornata di Lavoro AI*IA su "Accesso, Estrazione e Integrazione di Conoscenza", Napoli, 28/9/96, <http://www.ladseb.pd.cnr.it/infor/Ontology/Papers/AIIA96.pdf> oppure <http://www.ladseb.pd.cnr.it/infor/Ontology/Papers/AIIA96.doc>
[6] "Balancing formality with informality: user-centred requirements for knowledge management technologie". AAIS Spring Symposium on Artificial Intelligence in Knowledge Management, March 24-26, 1997, Stanford Univrsity, Palo Alto, AAAI Press. <http://kmi.open.ac.uk/people/sbs/org-knowledge/aikm97/sbs-paper1.html>