模块一·本体论与AI知识建模核心问题:机器如何知道一个事物是什么,以及它与其他事物有什么关系?一、课程目标能区分哲学本体论与计算机科学本体论(Gruber定义),说清"本体"在AI系统中的精确含义。 二、理论体系2.1哲学本体论vs计算机科学本体论哲学本体论(Ontology,源自希腊语ontos"存在")研究"世界上究竟存在什么"。 +执行者+前置/后置条件A-01aSignalChange;byCityBrain;pre绿灯;post红灯工程要点:把"事件"与"对象"分开建模(事件有自己的生命周期与参与者),是后续做因果推理(第5节 RDFS.range,SC.Vehicle))#----4.不相交公理:一个实体不能既是建筑又是车辆----g.add((SC.Building,OWL.disjointWith,SC.Vehicle))#----5. 《从本体论到具身智能》30节系统课程·第1节
这个时机选择极具战略眼光——本体论与大模型的结合正在创造前所未有的协同效应。 本体论赋能大模型体现在三个维度。 更重要的是,本体论提供的是可追溯、可解释的知识,大模型的推理结果可以沿着本体论的关系链追溯到原始数据,这在金融、医疗、军事等高风险领域是刚需。 大模型加速本体论则体现在建模效率的革命性提升。 传统本体论依赖专家人工梳理和建模,周期长、成本高、难以规模化。 大模型能够基于企业已有数据自动识别业务实体和关系,生成本体论的初始框架或模板,大幅降低知识图谱的构建门槛。 边界与局限 尽管本体论价值显著,但它不是万能解药。 在数值优化领域,本体论不如专业算法引擎。 调度、排产、路径优化等场景需要借助线性规划、约束求解等专业算法,本体论擅长的是关系建模和因果推理,而非最优计算。 在高频实时数据场景下,本体论需要与流式计算框架配合。
正本清源:八个需要澄清的观念 一、本体论就是研究"世界由什么构成"。 第一篇已经讲了——那是宇宙论的事。Ontology的ont来自希腊文"是",也就是英文的being,不是"本体"。 简单说,本体论研究的不是"世界背后的那个东西是什么",而是"当我们说任何东西'是'什么的时候,这个'是'本身遵循什么逻辑"——它追问的是认识世界的方式,不是世界的材料。 二、Palantir的本体论就是数据建模,换了个词。 五、本体论是一项技术工作,找技术团队做就行。 第六篇讲了FDE——Ontology最难的环节是"把业务认知翻译成范畴定义",需要同时懂技术和懂业务的人驻扎在现场。 六、本体论就是语义层的规范化,跟数据治理差不多。 第七篇的回应——语义规范化是Ontology的地基,不是房子。没有动力层和动态层,Ontology就是数字盆景。
而解决这件事的那个概念,就是你查了八遍还没懂的——本体论。别急着查定义。听我讲完下面这个,你就通了。先从一本家谱说起假设你家有本家谱,上面写着两行:张三是李四的爸爸。李四是王五的爸爸。 一个是哲学的"本体论"。两千多年前亚里士多德提的问题:这世界最底层,到底由什么真实的东西构成?"狗性"这种抽象的性质算不算存在?物质和精神谁更根本? 记住这一句,你就不会再混:哲学的本体论问"世界有什么",计算机的本体问"我该怎么把这些概念和关系写清楚,好让机器能推理"。工程文章里动不动"引入XX本体论思想",很多只是借词撑门面。你要懂的是第二个。
最近不少ERP厂商开始给自己的产品贴上"本体论驱动"的标签,宣传从"传统ERP"升级为"本体驱动的企业智能操作系统"。这到底是真正的技术进步,还是数据中台之后的又一轮概念包装? 这些都有价值,但没有一件是新发明,也没有一件需要"本体论"这个哲学概念来解释。 用第九篇的三条准则检验 这个系列第九篇给出了判断ontology的三条准则。 拿来检验ERP厂商的"本体论": 准则一:是否从业务语义出发而非数据schema出发? 行业里的务实做法 值得注意的是,很多ERP厂商在做同样的事情,但它们不叫"本体论"。 但搞清楚这把锤子到底是什么,至少能帮你避免买到一把贴了"本体论"标签的普通螺丝刀。
今天继续聊本体论和AI大模型,今天核心的主题就是本体论究竟解决了什么问题,带来什么核心的业务价值。 因此最近我和很多甲方客户,包括合作伙伴沟通的时候,谈到最多的就是本体论究竟带来了什么业务价值,具体什么场景下必须要用到本体论。 所以即使已经在研究本体论思想,客户仍然困惑究竟什么场景必须要使用本体论。 在前面我专门写过一篇文章谈本体论的应用场景,那篇文章的核心观点就是本体论适合类似开创,创新,探索,动态分析和推理的场景。 那么这些场景就是最佳的本体论应用场景。 那么我们是否可以设想下,能否在给AI列举了5到10种已有场景下我如何做运营的方法后,AI能够基于我底层的对象模型,行为规则,自动来分析推理新场景的应对方法。
这大半年,本体论实在是太火了。我自己也在公众号和视频号里聊了很多期,从西方哲学的本体论,到 Palantir 的本体,到对象行为规则建模,再到本体驱动 AI 原生应用。 坦白说,看到这么多人开始重视和研究本体论,包括能找到不少朋友共同研讨,本身是一件好事。 但最近我也越来越不安。因为我发现,本体论正在被捧成一种无所不能的神话,变成了一种能包治百病的灵丹妙药。 不是否定本体论,而是想认真地划一划它的边界:本体论到底适合解决什么问题,又有哪些场景根本不该硬上本体。讲清楚边界,本体论才不会沦为一个空洞的口号。 所以你看,本体论不是不强大,它在自己的主场里强大得惊人。但也正因为它的主场如此明确,我们才更不该把它当成万能钥匙到处乱插。 本体论不是灵丹妙药,它是一把需要对准特定锁孔的钥匙。 看清场景、看清问题、看清那两个轴和那道门槛,本体论才能真正发挥价值,而不是沦为又一个被吹上天、最后摔下来的技术神话。 好了,今天的分享就到这里。 希望对正在研究本体论的朋友有所启发。再见。
当AI遇见真实业务 要理解Palantir为什么能在这个AI时代脱颖而出,只需要抓住一个核心关键词:本体论(Ontology)。 利用Palantir,他们在仅仅18个月内,将潜客到机会的转化率提升了5倍。 秘密在于他们如何处理数据和知识。 通过统一200个分散的数据源,系统自动生成了18万条销售线索。
而本体论恰好是给这堵墙开门的钥匙。 第二部分:从第一性原理思考本体论在运维中的价值 要理解本体论为什么对智能运维这么重要,得回到运维的第一性原理。 第四部分:本体论与 AI 原生——为什么智能体离不开本体论 最近一年讨论本体论的人突然多了起来,这背后有一个最直接的推手:AI 原生(AI-Native)。 本体论恰好是给这堵墙开门的钥匙。 这一部分先讲清楚什么是 AI 原生、为什么它离不开本体论,再讲落到运维场景的具体协同模式。 4.3 为什么本体论恰好是 AI 原生的必备底座 把上一节的痛点反过来想,就明白本体论为什么突然热起来: 1.
目录 Palantir 本体论建模平台概览 供应链场景:数据在可视化图谱上的流动 大模型决策如何回写业务系统 与已有数据中台的集成方案 库存周转率告警驱动决策的完整解决方案 1. Palantir 本体论建模平台概览 问:你是否对 Palantir 的基于本体论建模的平台熟悉?在该平台上有一个运营平台,可以对本体论模型进行动态模拟或推演。 平台整体架构 Palantir Foundry / AIP 平台由五个层次构成,自上而下协同运转: 【架构图占位】 Palantir 本体论平台五层架构图 (数据采集层 → 集成与转换层 → 本体论建模层 5. 库存周转率告警驱动决策的完整解决方案 问:数据中台有一个监控指标,比如库存周转率,这个指标来源于底层多个数据对象的管理和整合才计算出来的。 触发 Webhook 通知 SAP 5.
abstract_id=5228625 引言 本研究发展出一种哲学本体论,在其中,“分化”被设定为首要的本体论范畴,优先于所有传统的形而上学基础。 阶段 R5 — 伦理性分化(ethical differentiation)他者被承认为另一个正在分化的存在。这一阶段标志着责任、关系与人格的出现。 相反,它们构成了分化在特定本体论场景中运作方式的原始区分 。它们描述了本体论清晰性的基本方向,独立于空间延展或时间连续性的完整概念。 进化本体论: 现实中发生的种种变化——物理的、生物的、认知的或社会的变化——可以从本体论上被理解为分化主导模态与程度的变化 。 5. 符号性记忆(Symbolic Memory) 在最高层次上,分化将自身结构化为意义 。语言、文化、书写、仪式与技术——所有这些都是分化独立于任何特定载体而被持守与传递的方式。
它不让你直接去碰那些表格和字段,而是先构建了一层数字孪生——他们管这个叫Ontology,中文翻译是本体论。 这个本体论做什么呢? 它把冷冰冰的数据库数据变成了现实世界的实体。 和ChatBI对比 有了这个本体论基础,Palantir的AI处理起问题来就完全不一样了。 Palantir不存在这个问题,因为AI面对的是已经工程化建模过的本体论,它调用的每一个数据都是经过业务验证的API或对象。 当然,Palantir也不是完美的,它的本体论构建需要大量的前期投入,不是每个企业都愿意花这个成本。 但在企业级数据分析这个领域,它确实走出了一条不一样的路,你觉得呢?
中世纪:本体论为神学服务 托马斯·阿奎那把亚里士多德的范畴体系嫁接到基督教神学上。"什么东西存在"这个问题的最终答案变成了"上帝是最高的存在者"。本体论变成了证明上帝存在的工具。 近代:本体论这个词的诞生和第一次危机 "Ontology"这个词其实不是亚里士多德发明的。 然后康德给了它第一次重击——不是彻底废除本体论,而是推翻了独断论式的本体论。 康德保留了"先验范畴"作为认知框架——人的理性本身有一套预装的组织方式——但他否定了那种不经验证就直接宣称"世界本质是什么"的独断论本体论。 他说从亚里士多德到黑格尔,两千年的本体论都犯了同一个错误——他叫它"存在者遗忘"(Seinsvergessenheit)。
HVAC-KG-RAG 项目在系统架构和代码实现中深度融入了本体论(Ontology)思想。 这套基于本体论的规则,则在回答 HVAC 领域的知识应该如何被表示、连接、约束和判断。 有了这些规则,AI 就可以从一个爱吹牛的聊天机器人,变成了一个严谨、可靠、懂行的工程师。 L5 治理层是在做质检和验收。 知识图谱提取流程 知识入图过程采用四阶段判定机制,包括语义识别、结构规范、数值验证和治理决策。 系统首先从文本中识别候选实体,并进行本体映射。 L5 语义治理层事先已经通过物理熔断机制,把所有不靠谱的、违背常识的数据,如 >100℃,剔除出去了。 L4 解析映射层已经把《洁净厂房设计规范》里的表格,解析成了结构化的知识图谱。 L5 语义治理层给这个模型设定底线,你的 Parameter: 运行电流如果超过 Value:阈值,就是故障。 现实世界中的传感器传回数据,电流突然飙升。
核心设计一:本体论 = 数据标准体系 1. 本体的本质 在这个项目中,本体论是领域数据标准 + 元数据模型。 我定义了一套 HVAC 领域的统一语义结构。 13类实体,如设备、参数、工艺、故障等。
最近一年来,随着美国Palantir因本体技术获得巨大的商业成功,本体论在IT业界持续火爆。 本体论(Ontology)原本是一个哲学学科概念,最早可以溯源到公元前 350 年左右的古希腊。 本体、本体论,源出同一个词“Ontology”。IT、AI概念应该取“本体”,国内官方翻译也取“本体”。国内大量自媒体取“本体论”,不能说错,但终究有点不伦不类。 本体论作为其技术体系的“灵魂”,正驱动Palantir从数据分析工具演进为企业AI时代的“智能操作系统” 。 例如:“如果在72小时内,某一地点出现超过5个关联到同一监控组织的人员,则触发‘潜在袭击’预警”。
从这一期开始,我想写一个一直萦绕在我心头的关于“Palantir与本体论”的系列文章。 今年以来,"本体论"这个词很火。 大家言必称本体论,出现了基于本体论的ERP、本体论的一体化平台等等,俨然下一个数据中台。 于是行业里出现了一种跟风:既然Palantir靠本体论成功了,那我们也得有本体论。 说实话,自从数据中台概念一地鸡毛之后,软件市场迫切需要一个新概念给沉寂的局面注入一针强心针。本体论来得正是时候。 但很多人连本体论是什么都没搞清楚就开始大肆宣传了——这跟当年数据中台的套路如出一辙。 问题是,大部分人并不真正理解Palantir的本体论到底是什么。 在收听不同分享时,听到过各种各样的说法—— 有人说本体论就是数据建模,换了个词而已。有人说本体论的关键是全量建模——把企业所有的数据都纳入一个统一的模型。有人说本体论就是知识图谱。
这份文档是我和AI关于西方哲学本体论的一次沟通和对话,探讨西方哲学从本体论到认识论的演进。 如何理解西方哲学中本体论的研究基础? 康德的“哥白尼式革命”指出人类永远无法触达事物的“物自体”(本质),只能认识“现象”,从而将本体论问题强行转换为了认识论问题。 海德格尔的本体论与外在环境、时间有什么必然联系? 问: 可否这样理解:海德格尔打破了主观与客观的二元对立,将本质和存在融合。他不仅研究作为结果的“存在者”,更研究存在的“过程”。 海德格尔提出了“向死而生”(Being-towards-death): 死亡是一种存在方式: 本体论的死亡不是断气的一刻,而是对“我必然会死”的觉知。 巴门尼德是本体论的基础奠基者,而海德格尔是本体论的集大成者。 答: 高度认可。
Lucas 什么是本体论? 本体论作为科学的一部分, 有很多面孔。 起初, 本体论是关于"存在"哲学的一部分, 也是描述世界的物体、现象和规律的通用知识体系。 近年来, 本体论的发展已经从人工智能领域转向语义网。 网络上的本体论, 包括从对一般网页内容(如 schema.org)进行分类, 到销售产品及其功能(如亚马逊网站)。 虽然句法语言(例如 OWL、 RDF 和 RDFS)可以用来构建本体论, 而本节将关注与任何特定建模语言无关的方法论。 信息模型的类 信息模型作为一个知识领域, 可以有自己的本体, 可以建立一个多层次的本体论。 信息模型顶级对象类(ODEF Information-set)可用于包含定义信息模型的子类(图20)。 [图20 | 一个信息模型类层次结构] 数据类型的本体 数据类型和测量单位(如 QUDT.org)的本体论可以为商业和技术提供基础语义互操作性。 数据类型类可以作为信息模型的子类来建模。
本体论到底在解决什么问题 2024年,Palantir和BP达成AIP合作,2025年又与xAI推出金融AI解决方案。空中客车用Foundry优化航空航天制造流程,实现了25倍ROI。 本体论到底有什么魔力? 简单说,本体论不是哲学课上讨论的存在的本质,而是Palantir用十多年时间打磨出的企业AI语义操作系统。 SAP叫"Material_Code",用友叫"物料编号",MES叫"零件ID"——本体论告诉你,这些都是“零件”这个对象。 不用改老系统,但在上层统一了语言。 说白了,传统中台告诉你库存不够了,本体论直接帮你把单下了。 结语 数据中台建了这么多年,为什么效果一直不行? 不是因为数据不够多,而是因为太关注数据本身了。 本体论不只是一个技术方案,它是一种思维方式的转变:从“存数据”变成“管业务”,从“看报表”变成“做决策”。 2024年数睿数据发布的数据通,就是对Palantir本体论的轻量级本土化实践。