Social Aspect

Plus Ca Change ?

Proyek Umum di Artificial intelijen (AI) berusaha untuk menghasilkan umum pemecah masalah beradaptasi secara simbolis Deskripsi dan penalaran, yang kuat (dan prima facie wajar) driver AI penelitian melalui tahun 1960-an dan 1970-an, pada akhirnya kandas di difficulties menentukan segalanya yang dibutuhkan untuk komputer untuk alasan tentang situasi yang sewenang-wenang. Kegagalan ini menyebabkan nama meremehkan 'GOFAI' (Good Old Fashioned AI) untuk proyek.

Beberapa berpendapat bahwa GOFAI terhalang oleh kegagalan untuk memecahkan masalah bingkai, fakta bahwa dunia nyata penalaran tampaknya menjadi sangat terletak, dan bahwa setiap deskripsi atau representasi dapat pernah dibatasi untuk berdamai dengan lokal significance – untuk mengerti apa-apa komputer harus mengerti segala sesuatu.

Argumen AI-independen  yang tampaknya mendukung yang pro GOFAI, yang (misalnya) ' mengetahui bagaimana ' adalah hanya spesies 'mengetahui bahwa', dan bahwa prosedural pengetahuan adalah, apa pun penampilan, hubungan antara agen dan proposisi, tapi argumen seperti itu tampaknya tidak ditanggung oleh teknologi. Alternatif untuk GOFAI, hal ini berpendapat, relatif bodoh metode berdasarkan sintaks dan perhitungan numerik – metode ini 'bodoh' (seperti PageRank, IR, NLP) ternyata berperilaku lebih efektif. Di sisi lain, klaim bahwa Web, dan Baratdaya khususnya, akan memukul masalah yang sama seperti GOFAI perlu dilihat dalam konteks manipulasi, berbagi dan interogasi terhadap data relasional sebagai dibayangkan oleh program SW.

Cara Alternatif Untuk Penalaran

Salah satu alternatif penalaran yaitu asosiatif penalaran, dimana penalaran berdasarkan asosiasi-yang dapat menjadi sangat tak terduga dan personalisasi-mengambil satu turun melatih pemikiran. Di Web, potensi asosiatif penalaran sangat besar, mengingat jumlah besar asosiatif hyperlink, dan sifat dunia kecil dari Web. Pencarian Google-seperti, berharga meskipun mereka tidak diragukan lagi, tidak seluruh cerita di dunia perangkat meresap kecil, agen perangkat lunak, dan sistem terdistribusi.

Namun, penalaran asosiatif melalui hyperlink, walaupun metode yang menarik dan penting, bukanlah satu-satunya cara untuk pergi tentang itu. Jenis pemikiran ini tidak ketat asosiatif penalaran yang tepat, karena asosiasi adalah penulis, orang yang menempatkan yang hyperlink ke dokumen. Associativity adalah jelas salah satu pendorong utama dari Web sebagai toko pengetahuan dan sumber informasi. Asosiatif penalaran, misalnya, telah digunakan untuk filtering kolaboratif dalam sistem recommender.

Penalaran dengan analogi bekerja dengan bercak karakteristik yang serupa antara dua sub proyek turnkey, dan kemudian dengan asumsi mata pelajaran yang lebih, Dalam sebuah domain yang digambarkan oleh beberapa ontologi, teknik-teknik penalaran analogis juga mungkin berguna sebagai alasan bergerak dari satu set ontologis Deskripsi lain, meskipun sama-sama perubahan sudut pandang mungkin juga masalah. Ada menarik upaya untuk mendukung analogis penalaran (yaitu CBR) di seberang kompleks pengetahuan desentralisasi struktur tersebut, dan juga ekstensi ke XML untuk mengungkapkan kasus berbasis pengetahuan.

Penalaran Di bawah Incomsistency

Untuk Web klasik prinsip ex falso quodlibet, bahwa konjungsi pernyataan dan penyangkalan yang mensyaratkan setiap proposisi apa pun, adalah jelas terlalu kuat. Menegakkan konsistensi memeriksa dan mencoba untuk melarang kontradiksi adalah non-starter berkat tekanan sosial terhadap inkonsistensi di Web, atau memang sistem terdistribusi berskala besar lainnya. Kemungkinan kesalahan (data yang tidak tepat entries) tentu tinggi. Kekuatan sosial ini membuat inkonsistensi tak terelakkan di berukuran bagian web- dan memang sudah telah mendorong banyak strategi penalaran di AI, dimana sistem dirancang dalam pengharapan harus mengatasi dengan bertentangan pengetahuan dasar, atau di mana ada kemungkinan bahwa pernyataan yang benar dalam model pada satu titik.

Keuntungan utama dari klasik logika adalah bahwa skala. Oleh karena itu salah satu solusi untuk masalah inkonsistensi adalah untuk mengembangkan strategi untuk berurusan dengan kontradiksi seperti yang muncul. Selain itu, ini adalah kesempatan aplikasi untuk paraconsistent logika, yang memungkinkan ekspresi inkonsistensi tanpa bersifat deduktif sesuai. Logika Paraconsistent pelokalan effects inkonsistensi, sering memerlukan semantik relevansi dari proposisi yang digunakan dalam pemotongan (bukti ex falso quodlibet memerlukan konjungsi proposisi yang tidak relevan dengan kontradiktif yang), yang mencegah effects menyebar melampaui hotspot kontradiktif.

Dalam istilah Web Science, masalah logika "benar" untuk Web akan tergantung pada konteks, tujuan analisis dan seterusnya. Tetapi jelas bahwa pemodelan Web sangat penting untuk sejumlah tujuan mana bukti-bukti diperlukan tentang apa dipertanggung jawabkan oleh serangkaian pernyataan.

Epistemologi Web

Komputer telah merevolusi Epistemologi, dan Web paling penting. Ide-ide seperti Web semantik bertahan kemungkinan perpanjangan otomatisasi pengolahan informasi.

Ada dua pertanyaan epistemologis penting untuk Web Science:

Pertama adalah sifat-sifat apa platform masa depan harus memiliki untuk memungkinkan informasi sebanyak mungkin untuk tertarik ke Web tanpa memaksakan struktur atau mengatur teori atasnya? Salah satu tujuan dari Web adalah untuk memfasilitasi rasional diskusi ide-ide, daripada jenis-jenis serangan ad hominem rancorous yang membentuk agak terlalu banyak dari apa yang longgar disebut perdebatan.

Dan kedua, Web memiliki struktur yang secara radikal desentralisasi. Mengingat bahwa, tentu saja dapat digunakan sembrono atau jahat. Bagaimana kita dapat membuatnya lebih mungkin daripada kurang bahwa ilmu pengetahuan baik dan baik Epistemologi berakhir di Web, dan tidak takhayul? Memang, apakah itu hal yang baik? Pada umumnya, kebanyakan orang berperilaku dengan niat baik.