Dunia teknologi sedang hangat dengan hujah yang provokatif: sistem AI moden seperti ChatGPT memberikan kesan bukan kerana ia mewakili kejuruteraan yang elegan, tetapi kerana ia merupakan penyelesaian berkuasa untuk mengatasi dekad kegagalan dalam mengatur maklumat dengan betul. Perdebatan ini telah mencetuskan perbincangan sengit tentang sama ada kita telah mengambil laluan yang betul dalam sejarah pengkomputeran.
Masalah Teras: Struktur vs Carian
Perbincangan ini berpusat pada peralihan asas dalam cara kita mengendalikan maklumat. Daripada membina sistem yang tersusun dengan baik dengan struktur yang jelas, industri berulang kali memilih pendekatan cari segala-galanya. Google Drive menunjukkan corak ini - daripada mencipta alat pengorganisasian fail yang lebih baik, Google hanya menambah keupayaan carian yang berkuasa dan memberitahu pengguna untuk membuang segala-galanya dalam folder.
Corak yang sama muncul di mana-mana. Laman e-dagang memenuhi halaman produk dengan kata kunci daripada membina navigasi yang logik. Syarikat menggunakan chatbot daripada menulis dokumentasi yang jelas. Hasilnya ialah dunia digital di mana mencari maklumat memerlukan algoritma carian yang semakin canggih daripada pengorganisasian yang intuitif.
Mengapa Semantic Web Tidak Pernah Berlaku
Komuniti telah mengenal pasti beberapa sebab utama mengapa semantic web - visi data berstruktur dan boleh dibaca mesin di seluruh internet - tidak pernah menjadi kenyataan. Insentif ekonomi memainkan peranan utama. Syarikat secara terbuka bermusuhan untuk menjadikan maklumat berharga mereka mudah dikaut oleh pesaing. Seperti yang dinyatakan oleh seorang pembangun, perniagaan mahu pelawat melihat iklan mereka, bukan kandungan mereka digunakan oleh bot dan dibungkus semula oleh firma lain.
Cabaran teknikal juga muncul. Kandungan web dicipta oleh manusia, bukan jurutera, menjadikan piawaian yang konsisten sukar untuk dikuatkuasakan. Pelayar memilih fleksibiliti berbanding pematuhan yang ketat, memaparkan halaman dengan cara usaha terbaik daripada memecahkan laman yang tidak mematuhi.
*Semantic web: Visi untuk World Wide Web di mana data berstruktur dan dipautkan dengan cara yang memudahkan mesin membacanya, membolehkan pemprosesan maklumat yang lebih pintar.
Paradigma Pengkomputeran Bersejarah Dibandingkan:
- Visi 1990an-2000an: Web semantik berstruktur dengan data terpaut
- Realiti Semasa: Data tidak berstruktur diproses oleh algoritma carian yang berkuasa
- Pendekatan AI: Pengecaman corak kasar merentasi maklumat yang huru-hara
- Laluan Alternatif: Pangkalan pengetahuan berstruktur dengan pertanyaan yang cekap
Penyelesaian Kasar
Sistem AI moden seperti model bahasa besar mewakili apa yang dilihat ramai sebagai penyelesaian kasar kepada kegagalan organisasi ini. Daripada memerlukan data berstruktur, sistem ini mengimbas web yang huru-hara dan membina peta semantik sementara merentasi segala-galanya. Mereka boleh menjawab soalan berbilang langkah yang kompleks yang akan menyukarkan enjin carian tradisional, tetapi pada kos pengiraan yang besar.
LLM menghidrat semula ini untuk kita, menjadikannya jauh lebih sedap; jika anda biasa mengunyah buah kering, ia kelihatan menakjubkan. Tetapi masih banyak kerja yang perlu dilakukan.
Ironinya tidak hilang pada pembangun yang ingat ketika komputer menjadi lebih pantas tetapi entah bagaimana lebih sukar digunakan. Walaupun mesin moden boleh melakukan beribu-ribu operasi sesaat, kita telah melabur berbilion dalam sistem berkuasa GPU yang boleh mensimulasikan pemahaman bahasa tetapi bergelut dengan tugas asas seperti mengira huruf dalam perkataan.
Konsep Teknikal Utama yang Dibincangkan:
- Semantic Web: Data web berstruktur yang boleh dibaca mesin dengan pautan yang kaya
- Large Language Models (LLMs): Sistem AI yang memproses dan menghasilkan teks seperti manusia
- Vector Databases: Sistem penyimpanan untuk representasi data yang serasi dengan AI
- Knowledge Graphs: Rangkaian berstruktur maklumat yang saling berkaitan
 |
|---|
| Gambaran keseluruhan yang dijana AI menunjukkan keupayaan sintesis maklumat sistem AI moden |
Melihat ke Hadapan: Struktur atau Fleksibiliti?
Perdebatan ini mendedahkan perpecahan falsafah yang lebih mendalam dalam pengkomputeran. Ada yang berpendapat bahawa jika kita berjaya mencipta pangkalan pengetahuan yang berstruktur dengan betul dan dipautkan secara semantik, kita boleh menjawab soalan kompleks menggunakan kuasa pengiraan yang jauh lebih sedikit sambil mengekalkan maklumat yang boleh diakses dan difahami.
Yang lain berpendapat pandangan ini tidak realistik. Sistem kompleks melibatkan banyak pelakon berbeza dengan insentif yang bersaing. Mengharapkan semua orang mengikuti piawaian yang sempurna mengabaikan sifat manusia dan realiti kucar-kacir bagaimana teknologi sebenarnya dibina dan digunakan.
Perbincangan ini mempunyai implikasi praktikal untuk pembangunan AI semasa. Sesetengah syarikat sedang meneroka sama ada sistem AI boleh membantu mencipta graf pengetahuan berstruktur yang gagal dibina secara manual oleh manusia, berpotensi menggabungkan yang terbaik dari kedua-dua pendekatan.
Sama ada AI mewakili kejayaan kejuruteraan atau pembalut mahal pada seni bina maklumat yang lemah masih diperdebatkan dengan hangat. Yang jelas ialah perbualan ini mencerminkan soalan yang lebih luas tentang bagaimana kita mahu masa depan digital kita berfungsi - dan sama ada kita membina sistem yang benar-benar melayani keperluan manusia atau hanya demonstrasi teknologi yang mengagumkan.
Rujukan: Al is impressive because we've failed at semantic web and personal computing