Web Sem�ntica Hoy

BUSCADORES SEM�NTICOS: COMPRENDER PARA ENCONTRAR (Parte 1)

Miguel �ngel Abi�n — 2009-07-01T03:33:14-04:00

En este art�culo se definen conceptos como b�squeda sem�ntica y buscador sem�ntico y se exponen ejemplos de las ventajas de los buscadores sem�nticos con respecto a los buscadores convencionales, basados en el uso de palabras clave para encontrar informaci�n y mostrarla al usuario. El inter�s industrial y comercial de las b�squedas sem�nticas se manifiesta tanto en la aparici�n de numerosos buscadores sem�nticos como en la utilizaci�n de t�cnicas sem�nticas para complementar las b�squedas convencionales (en Google, por ejemplo).

En mi art�culo anterior habl� del nuevo buscador sem�ntico de Microsoft. En este art�culo definir� precisamente conceptos como "b�squeda sem�ntica" y "buscador sem�ntico" y expondr� ejemplos de sus ventajas con respecto a los buscadores convencionales, as� como de sus limitaciones actuales.

Muchos de los buscadores actuales se basan en palabras clave. Es decir, el usuario introduce las palabras relevantes de su b�squeda ("Albert Einstein" y "Nobel", p. ej.), y la aplicaci�n devuelve todos los documentos que contienen esas palabras. En el apartado 3.2 de El futuro de la Web (http://www.javahispano.org/tutorials.item.action?id=55) puede encontrarse una exposici�n de las desventajas de esos buscadores. Dos son las m�s importantes:

Escasa precisi�n o relevancia en los resultados (se devuelven muchos documentos poco relevantes para la b�squeda: la presencia de una palabra clave en un documento no implica necesariamente que �ste sea relevante).

Excesiva sensibilidad al vocabulario empleado en las b�squedas (y, por tanto, imposibilidad de obtener a la primera todos los resultados relevantes disponibles: muchos documentos de inter�s pueden no incluir las palabras clave, pero s� sin�nimos, hip�nimos o hiper�nimos de ellas).

Un estudio de David Hawking y de varios investigadores evalu� 20 buscadores convencionales (basados en palabras clave) usando 54 b�squedas. El porcentaje de resultados relevantes despu�s de inspeccionar las 20 primeras p�ginas web devueltas fue del 0,5% para el mejor buscador (Northern Light), y Google fue el segundo buscador m�s preciso. As� pues, la popularidad de los buscadores basados en palabras clave no tiene mucho que ver con su precisi�n, sino con la paciencia de buey de los usuarios. As� las cosas, las b�squedas sem�nticas ser�an una vacuna para el contagioso virus de la falta de relevancia en los resultados.

Una b�squeda sem�ntica es una consulta en la que se tiene en cuenta el contexto, y por tanto el significado, de aquello por lo que se pregunta (y no solamente las palabras de la consulta), con el objetivo de evitar la ambig�edades tanto de las consultas como del texto de los documentos donde se busca. Por ejemplo, una b�squeda sem�ntica con las palabras "descubridor" y "penicilina" devolver�a documentos sobre Alexander Fleming, aunque en ellos no aparecieran esos dos t�rminos, porque identificar�a los conceptos que estructuran la b�squeda (la penicilina es un producto del cual se desea averiguar su descubridor o, dicho m�s formalmente, Medicina(Penicilina) tieneInventor Persona(Alexander Fleming)). El fin �ltimo de las b�squedas sem�nticas radica en que los usuarios puedan formular b�squedas m�s precisas y expresivas, que originen resultados relevantes para el usuario con la m�nima intervenci�n de �ste.

Normalmente, se admite que las b�squedas sem�nticas se basan en t�cnicas para extraer informaci�n mediante la utilizaci�n de ontolog�as (v�ase http://www.wshoy.sidar.org/index.php?2005/12/09/30-ontologias-que-son-y-para-que-sirven) o metadatos. El uso de ontolog�as permite definir formalmente los dominios de inter�s (teor�as cient�ficas, por ejemplo) con la suficiente riqueza expresiva para que los usuarios pueden especificar sus b�squedas con bastante detalle, ya sea antes de ejecutar la consulta o durante su ejecuci�n.

Desde un punto de vista t�cnico, un buscador sem�ntico es una aplicaci�n que comprende las b�squedas de los usuarios y los textos de los documentos de la web mediante el uso de algoritmos que simulan comprensi�n o entendimiento, y que a partir de �stos proporciona resultados correctos sin que el usuario tenga que abrir el documento e inspeccionarlo por s� mismo. Un buscador de este tipo reconoce el contexto correcto para las palabras o sentencias de b�squeda. Google o Yahoo no son buscadores sem�nticos, pues se basan fundamentalmente en algoritmos que generan estad�sticas a partir de palabras y enlaces, y no en algoritmos cognitivos que capturen el conocimiento impl�cito en las palabras y su contexto. Por ejemplo, una b�squeda como "�Qui�n fue Urano?" en cualquiera de esos buscadores devolver� resultados afines al s�ptimo planeta del Sistema Solar, cuando est� claro que el prop�sito de la b�squeda es encontrar informaci�n sobre el dios primordial del cielo en la mitolog�a griega.

Los buscadores sem�nticos no siempre pueden acertar a la primera el significado de una palabra polis�mica. Por tanto, deben disponer de medios de desambiguaci�n para conocer el sentido exacto que tiene la palabra en la b�squeda. Por ejemplo, un buscador sem�ntico que utilize internamente ontolog�as con conceptos inform�ticos y medios de transporte deber� disponer de herramientas para determinar a qu� se refiere el usuario cuando hace una consulta con la palabra bus, que puede significar autob�s o "sistema digital que transfiere datos entre los componentes de un computador o computadores". Para ello, puede escoger el significado m�s probable, preguntar al usuario para que elija entre varias opciones (como hace el buscador Hakia, que presenta las opciones extray�ndolas de su ontolog�a) o usar las dem�s palabras de la b�squeda para inferir el significado exacto de bus en ese contexto (p. ej., en una consulta como "�A qu� hora sale este viernes el bus para Soria desde Madrid?").

Como un buscador sem�ntico se basa en algoritmos que simulan la comprensi�n de las palabras y, por ende, establecen relaciones entre ellas, pueden realizar b�squedas de inter�s para el usuario aunque en los documentos devueltos no figuren las palabras o expresiones de b�squeda. Por ejemplo, un buscador sem�ntico en que se introdujera la palabra "marsupial" mostrar�a documentos donde aparecer�an t�rminos como �stos: canguro, koala, satanelo de Nueva Guinea, monito del monte, rata canguro, zarig�eya, tlacuache, demonio de Tasmania. Como demuestra este ejemplo, las b�squedas sem�nticas son muy superiores a las basadas en palabras clave: uno puede encontrar documentos de inter�s que jam�s encontrar�a buscando con palabras clave. Adem�s, si uno buscara informaci�n sobre distintas especies de marsupiales, no necesitar�a formular la consulta de distintas maneras, con el nombre de cada especie, para obtener la informaci�n deseada.

La falta de estructura y de anotaciones sem�nticas en los recursos de la web (documentos Word, PDF, p�ginas HTML, etc.) obliga a que los buscadores sem�nticos analicen mediante algoritmos cognitivos los recursos, palabra a palabra y oraci�n a oraci�n, para asignar las palabras y oraciones a conceptos ontol�gicos. Estos algoritmos son lentos y requieren supervisi�n humana. De ah� que los buscadores sem�nticos no cubran por ahora tantos recursos de la web como los convencionales, que emplean algoritmos estad�sticos, mucho m�s r�pidos y completamente automatizados. Esta limitaci�n desaparecer� cuando se vayan mejorando los algoritmos cognitivos o en cuanto los "islotes sem�nticos" se unan para formar la web sem�ntica o, al menos, "continentes sem�nticos".

"Nunca existir� la web sem�ntica �oigo a lo lejos�. Es tan imposible que funcione como las m�quinas voladoras de Leonardo da Vinci." Tengo dos objeciones contra esa opini�n. Una: el pesimismo no tiene futuro. Dos: hubo un tiempo, no lejano, en que se pensaba que la interoperabilidad sint�ctica era imposible salvo con enormes inversiones, y casi todos apostaron a que no habr�a un �nico caballo ganador en la carrera de los lenguajes de intercambio de datos. Se equivocaron. Y algunos perdieron hasta la camisa.

A falta de la web sem�ntica, algunos ya se han puesto al tajo. Existen buscadores sem�nticos que trabajan ya estructurando la informaci�n a la que luego se accede mediante b�squedas, pues resulta posible obtener cierto nivel de conocimiento sem�ntico a partir de la estructura de los datos. Por ejemplo, Freebase (http://www.freebase.com/), un buscador social, utiliza RDF para definir su estructura de datos como una serie de nodos y un conjunto de enlaces que establecen relaciones entre los nodos. Freebase tiene una gran colecci�n de vocabularios codificados mediante RDF(S), con los cuales expresa un amplio rango de dominios y �reas de inter�s.

Seg�n la documentaci�n oficial de Freebase, lo que diferencia a Freebase de otras bases de datos es que cualquier asunto puede ir acompa�ado de muchas clases distintas de informaci�n. El ejemplo que dan es muy claro: "Por ejemplo, Arnold Schwarzenegger podr�a aparecer como actor en una base de datos de pel�culas, como gobernador en una base de datos de pol�tica y como Mr. Universo en una base de datos de culturistas. En Freebase, solamente hay un tema sobre Arnold Schwarzenegger, que contiene informaci�n sobre las tres facetas de su vida p�blica. El tema unificado act�a como un centro de informaci�n, por lo que es f�cil encontrar informaci�n sobre �l y aportarla, independientemente de qu� clase de informaci�n es".

En principio, los buscadores sem�nticos podr�an evitar las p�ginas basura, que proliferan en la web como malas hierbas en un campo abandonado. Como tienen en cuenta el contexto de las palabras o frases de los documentos, podr�an descartar esas p�ginas enseguida. Por ejemplo, una p�gina web que incluya la frase "web sem�ntica" rodeada de frases sobre c�mo aumentar la potencia sexual, juguetes er�ticos y sexo f�cil en alg�n pa�s lejano de costumbres relajadas ser�a eliminada de cualquier b�squeda sobre la web sem�ntica o tendr�a una relevancia muy baja; pues el contexto de estas �ltimas frases (sexo) no tiene ninguna relaci�n con la web sem�ntica.

Que un buscador permita introducir preguntas en lenguaje natural ("�Qu� tiempo hace ahora en Viena?") y las responda correctamente no significa necesariamente que sea un buscador sem�ntico: puede que solamente traduzca las preguntas en lenguaje natural a consultas sobre una base de datos.

Por el momento, casi todos los buscadores sem�nticos permiten solamente b�squedas en ingl�s, aunque se est�n ampliando para que admitan otros lenguajes. Aparte del predominio del ingl�s, la causa de eso se debe tambi�n a las dificultades inherentes a reflejar el conocimiento de los lenguajes naturales en estructuras de datos que permitan b�squedas r�pidas y escalables (matrices, listas, pilas, colas, �rboles, grafos, etc.). Por ejemplo, el buscador Hakia utiliza un vocabulario en forma de ontolog�a que incluye unos 100.000 sentidos de palabras inglesas, y ese n�mero continuar� aumentando seg�n se perfeccione la aplicaci�n. Confeccionar cualquier vocabulario de ese tama�o es una empresa lenta, tediosa y muy cara, y que debe ser realizada por un equipo bien coordinado de especialistas en ling��stica.

Se equivocar� quien piense que, teniendo una ontolog�a de sentidos de palabras en ingl�s, resulta sencilla su conversi�n a una ontolog�a en otro idioma: la conversi�n de ontolog�as ling��sticas de un idioma a otro es un proceso muy complejo y que requiere la supervisi�n constante de un equipo de traductores. Por poner un ejemplo, si queremos pasar de una ontolog�a ling��stica en espa�ol a una en alem�n, debemos considerar todas las posibles traducciones al alem�n de cada palabra espa�ola; en caso contrario, los resultados de las b�squedas en alem�n estar�n m�s limitados que los de las b�squedas en espa�ol. Una palabra espa�ola sencilla y sin ambig�edades como "autom�vil" puede traducirse en alem�n como "Auto", "Wagen", "Kraftwagen", "Kraftfahrzeug", "Automobil", "Motorfahrzeug" o "KFZ" (seguro que hay m�s traducciones, pero hasta ah� llega mi alem�n b�sico).

En una b�squeda interlingu�stica espa�ol-alem�n de tipo sem�ntico, todas estas palabras deber�an tenerse en cuenta para encontrar todos los documentos relevantes cuando alguien escriba "autom�vil" en el buscador. (Las b�squedas interlingu�sticas son aquellas en que se traduce una b�squeda en un lenguaje a otro lenguaje, y los resultados se traducen de nuevo al primer lenguaje. Google est� trabajando para a�adir a su buscador esta clase de b�squedas, que permitir�n, entre otras muchas cosas, que un hispanohablante puede reservar entradas en museos y cines en Tokio, aunque la informaci�n de horarios y venta de entradas no est� disponible en espa�ol.)

Es probable que los buscadores sem�nticos cambien la manera en que se busca y se muestra la informaci�n y que supongan un gran cambio para los usuarios ocasionales. Consid�rense, por ejemplo, las interfaces que aparecen en las siguientes capturas de pantalla, procedentes de Mnemo (http://www.mnemo.org/) Kart00 (http://www.kartoo.com/) y KoolTorch ( http://www.kooltorch.com/).

BING: EL NUEVO BUSCADOR SEM�NTICO DE MICROSOFT

Miguel �ngel Abi�n — 2009-06-10T04:18:18-04:00

Las tecnolog�as sem�nticas se utilizan cada vez m�s en las grandes empresas, y un ejemplo de ello lo constituye el nuevo buscador de Microsoft: Bing. Poco a poco, se va alcanzando una masa cr�tica industrial y de usuarios que seguramente permitir� el paso de "islotes sem�nticos" a la Web sem�ntica, del mismo modo que unas cuantas p�ginas HTML y una infinidad de archivos de distintos formatos ("islotes sint�cticos") acabaron formando la Web actual.

En mayo de este a�o, Microsoft anunci� el lanzamiento de Bing (www.bing.com), un nuevo buscador basado en tecnolog�as sem�nticas. Este buscador est� disponible en forma de versi�n definitiva para Estados Unidos, y existe una versi�n beta para Europa a la que se le ir�n a�adiendo progresivamente algunas funciones de la versi�n estadounidense. Por el momento, consultas como "�Qui�n fue la mujer de Salvador Dal�?" o "�Cu�ndo muri� Hermann Minkowski?" obtienen la respuesta correcta en la versi�n estadounidense, pero todav�a no en la europea.

Parte de las tecnolog�as sem�nticas que usa Bing provienen de Powerset, empresa especializada en b�squedas sem�nticas mediante lenguaje natural y que fue adquirida en agosto de 2008 por Microsoft. El primer producto de Powerset es un buscador en lenguaje natural para la Wikipedia (www.powerset.com). En el cuadro de b�squeda se pueden introducir palabras, frases y preguntas. Los resultados del buscador de Powerset son bastante precisos, y en algunos casos incluso puede responder directamente ciertas preguntas. Por ejemplo, si introducimos las preguntas "When did Julio Cort�zar die?" (�Cu�ndo muri� Julio Cort�zar?), "Where did Julio Cort�zar die?" (�D�nde muri�?) y "Was Julio Cort�zar married?" (�Estuvo casado?), descubriremos que el escritor argentino muri� el 12 de febrero de 1984 en Par�s y que estuvo casado tres veces: primero con Aurora Bern�rdez, luego con Ugn� Karvelis y finalmente con Carol Dunlop (seg�n varias biograf�as del escritor, nunca contrajo matrimonio con Ugn� Karvelis, pero supongo que esa informaci�n estar� mal en la Wikipedia en ingl�s). Si preguntamos "What did Julio Cort�zar write?" averiguaremos que escribi�, entre otros libros, Rayuela, Las armas secretas, Final del juego, Fantomas contra los vampiros internacionales y Bestiario.

Si, por ejemplo, preguntamos c�mo muri� Ernest Hemingway ("How did Ernest Hemingway died?"), el buscador de Powerset responde directamente que la causa de la muerte fue suicidio -era de esperar esa muerte en un hombre que afirm�: "Cazo y pesco porque me gusta matar, porque si no matara animales me suicidar�a"- y muestra una imagen que no invita a disfrutar de la vida, precisamente.

Seg�n Microsoft, Bing combina tecnolog�a de b�squeda sem�ntica y miner�a de datos. Por necesidad, esta miner�a de datos es muy r�pida: cuando se realiza una b�squeda por palabras clave hay que determinar los conceptos relacionados con estas palabras (por ejemplo, sin�nimos), buscar tambi�n recursos de la web con esos conceptos y determinar su pertinencia para los resultados de la b�squeda.

El nuevo buscador usa ontolog�as para identificar conceptos y asociaciones entre ellos relacionados con una consulta del usuario. Siguiendo el ejemplo que puse en http://www.wshoy.sidar.org/index.php?2005/12/09/30-ontologias-que-son-y-para-que-sirven, Bing puede entender que "memoria USB", "pen drive", "memoria flash USB" y "l�piz USB" son t�rminos relacionados y que designan un mismo dispositivo.

Seg�n declara Microsoft, Bing no es un sistema completo de b�squeda sem�ntica por cuestiones de velocidad: analizar el contenido completo de todos los recursos de la web har�a que la obtenci�n de resultados fuera muy lenta. Con todo, es probable que el desarrollo de nuevos algoritmos o el perfeccionamiento de los actuales haga posible b�squedas sem�nticas completas en tiempos muy reducidos.

La aparici�n de este buscador es una buena noticia, porque es un paso m�s hacia la Web sem�ntica (por el momento, s�lo existen "islotes sem�nticos") y a la popularizaci�n de las tecnolog�as sem�nticas (v�ase, por ejemplo, http://www.wshoy.sidar.org/index.php?2009/05/11/44-el-proyecto-europeo-stasis-acercando-las-tecnologias-semanticas-a-las-empresas). Cada vez hay m�s grandes empresas que utilizan ontolog�as y lenguajes formales para manejar los datos que almacenan en sus servidores y centros de datos y para navegar por ellos. Bing tambi�n obligar� a la empresa Google a que utilice m�s y mejores tecnolog�as sem�nticas en su buscador: la efectividad de la publicidad, as� como los ingresos derivados de �sta, ser� mucho mayor con el uso de tecnolog�as sem�nticas que entiendan el significado de las b�squedas y que, por ende, permitan encontrar exacta y r�pidamente lo que el usuario busca.

Por el momento, Google usa algoritmos sem�nticos que detectan relaciones y conceptos relacionados con las palabras clave que introduce el usuario, y los utiliza para sugerir b�squedas relacionadas con las palabras clave introducidas. En la captura de pantalla siguiente puede verse c�mo la consulta "corriente filos�fica" da lugar a sugerencias de b�squedas relacionadas con el idealismo, el empirismo, el racionalismo, el positivismo, la filosof�a de John Locke, de Heidegger, etc. Aunque no hay mucha informaci�n sobre estos algoritmos sem�nticos, supongo que usan taxonom�as u ontolog�as para determinar qu� clasificaci�n asignar a los contenidos m�s importantes de las p�ginas, y luego determinan mediante reglas de clasificaci�n si las palabras clave de b�squeda corresponden a conceptos y relaciones de esas taxonom�as u ontolog�as. Adem�s, supongo tambi�n que la exactitud de las b�squedas relacionadas se va comprobando y refinando teniendo en cuenta qu� proporci�n de usuarios las selecciona.

El proyecto europeo STASIS: acercando las tecnolog�as sem�nticas a las empresas

Miguel �ngel Abi�n — 2009-05-11T04:49:11-04:00

En este art�culo se presenta el proyecto europeo STASIS, cuyo objetivo es acercar las tecnolog�as sem�nticas (ontolog�as, por ejemplo) a las empresas mediante herramientas sencillas, as� como dar a conocer las ventajas econ�micas y las nuevas oportunidades de negocio que estas tecnolog�as ofrecen.

En este art�culo quiero difundir el proyecto STASIS (Software for Ambient Semantic Interoperable Systems), en el cual he colaborado y en el que trabaja el Departamento de Tecnolog�as de la Informaci�n de AIDIMA. Es un proyecto subvencionado por el Sexto Programa Marco de la Uni�n Europea y pone en pr�ctica algunas de las tecnolog�as sem�nticas que he comentado en anteriores art�culos. El proyecto empez� en septiembre de 2006 y terminar� en agosto de 2009; tiene un presupuesto de 4 millones de �uros. Al final del proyecto se har�n p�blicos sus resultados.

En STASIS participan doce socios, pertenecientes a empresas comerciales (TIE, Porthus, iSoft), a universidades (Universidades de Oldenburg, Modena & Reggio Emilia y Tsinghua) y a varias organizaciones (AIDIMA, Mariner, Shanghai Sunline, Foton, TANET, ZF y Friedrichshafen AG).

La motivaci�n para STASIS se resume en la siguiente frase: "Si tengo informaci�n en mi formato y est� integrada en mis sistemas, quiero dedicar el m�nimo esfuerzo a convertirlo en cualquier otro formato (estandarizado o no) para realizar negocios electr�nicos con cualquier otra parte".

Actualmente, muchas empresas tienen que hacer negocios electr�nicos con otras empresas o entidades (administraciones p�blicas, universidades, etc.) y para ello necesitan intercambios distintos tipos de informaci�n (facturas, albaranes, pedidos, devoluciones, archivos CAD, etc.). El coste de estos negocios electr�nicos corresponde principalmente a los problemas de interoperabilidad; es decir, a la dificultad de intercambiar informaci�n entre distintas partes en un formato com�n que los sistemas de informaci�n de cada parte puedan �entender�.

Sin un formato com�n ni ninguna aplicaci�n que actu� de puente (un "traductor sint�ctico", por as� llamarlo), el sistema de informaci�n de una empresa no comprender� que el campo "Cantidad" de una factura electr�nica de otra empresa corresponde al campo "Unidades" que este sistema maneja. El sistema puede reconocer "Unidades" en un pedido (reconocimiento sint�ctico), pero c�mo desconoce su significado (sem�ntica) no puede hacer nada con esa informaci�n. En consecuencia, los sistemas de informaci�n de ambas empresas no pueden intercambiar mensajes (facturas, pedidos, albaranes, etc.) autom�ticamente. En el comercio electr�nico, la falta de sem�ntica causa hasta el 60% del coste de integraci�n de los sistemas de informaci�n.

Si los sistemas de informaci�n gestionan y manipulan informaci�n no demasiado compleja, pueden utilizarse aplicaciones puente que transformen los documentos de una empresa a documentos de la otra (por ejemplo, "Unidades" pasar�a a "Cantidad"), y viceversa. El problema de estas aplicaciones puente es que son costosas y requieren un conocimiento exacto del significado de la informaci�n que se va a intercambiar �hay que embeber en la aplicaci�n la sem�ntica que falta en los sistemas de informaci�n�.

Adem�s, si hay muchos sistemas de informaci�n, cada uno con su propio formato, las aplicaciones puente se vuelven inmanejables y desproporcionadas en coste.

Existen formatos estandarizados como XML o EDI (v�ase http://www.javahispano.org/tutorials.item.action?id=55) para el intercambio de informaci�n, pero son bastante complejos y caros, am�n de exigir especialistas en ellos. Adem�s, el conocimiento exacto del significado de los conceptos de una cierta �rea de conocimiento (gen�tica, por ejemplo) solamente lo tienen los usuarios de ese conceptos (genetistas, verbigracia), y no los especialistas en formatos estandarizados.

STASIS trata de resolver los problemas de interoperabilidad creando herramientas que cualquier empresa, ya sea grande o peque�a, pueda utilizar para crear correspondencias basadas en sem�ntica, pero evitando las complicaciones t�cnicas de �sta (creaci�n de ontolog�as, dominio de lenguajes l�gicos, p. ej.). En lugar de concertarse en la sintaxis, STASIS se concentra en identificar entidades o conceptos sem�nticos y en establecer equivalencias o conversiones entre ellas. Por ejemplo, tres conceptos como "Calle", "C�digo postal" y "Ciudad" pueden agruparse en una entidad sem�ntica llamada "Direcci�n", que a su vez puede asociarse a la definici�n formal de direcci�n en una ontolog�a.

El proceso de asociaci�n entre conceptos se realiza mediante ontolog�as, en las que pueden definirse los conceptos como clases y pueden establecerse relaciones entre ellos (v�ase http://www.wshoy.sidar.org/index.php?2005/12/09/30-ontologias-que-son-y-para-que-sirven). Asimismo, los conceptos pueden enlazarse con estructuras sint�cticas. Por ejemplo, la clase de una ontolog�a "Memoria USB" puede enlazarse al campo "USB flash memory" de una base de datos de una empresa, al campo "Pendrive" de la BD de otra empresa, al campo "Memory stick" de la BD de una tercera empresa�

Las aplicaciones desarrolladas en STASIS permiten identificar entidades sem�nticas utilizados en una organizaci�n y luego relacionarlas semiautom�ticamente con los conceptos utilizados en otra, considerando el significado de cada concepto y no s�lo su sintaxis. Por ejemplo, en la figura de abajo, las herramientas de STASIS permitir�an establecer relaciones entre los conceptos de dos bases de datos pertenecientes a distintas organizaciones.

Todas las entidades sem�nticas y sus relaciones creados en STASIS se almacenan en un repositorio distribuido entre iguales o peer-to-peer, lo cual permite compartir reutilizar esos conceptos y relaciones. Hasta el momento, se ha conseguido que las aplicaciones de STASIS sean lo bastante �inteligentes� para proponer relaciones entre conceptos mediante el an�lisis y la reutilizaci�n de relaciones ya establecidas.

Las herramientas de STASIS se est�n probando en Europa y China en el sector de la automoci�n y del mobiliario porque ambos sectores se caracterizan por utilizar infraestructuras de comunicaciones y formatos de datos incompatibles entre s�. Esto aumenta los costes de hacer negocios electr�nicos con otras empresas (proveedores, distribuidores, clientes) y ralentiza el lanzamiento de nuevos productos. Actualmente, STASIS ya permite a los participantes comerciales del proyecto construir comunidades abiertas donde se define y se comparte la sem�ntica de la informaci�n intercambiada en sus dominios.

�TIENEN LOS AGENTES INTELIGENTES CREENCIAS, INTENCIONES Y DESEOS?

Miguel �ngel Abi�n — 2008-06-23T06:46:41-04:00

Cuando se describen agentes de software, suelen utilizarse modelos que emplean conceptos como "creencia", "deseo" o "intenci�n". Tambi�n cuando se habla de ellos suelen usarse expresiones como "El agente de viajes desea que su cliente haga el viaje con pocos transbordos". En este art�culo veremos la utilidad de los modelos basados en creencias, deseos e intenciones para describir entidades de software que realmente no tienen esos estados mentales. �O tal vez s�?

Los agentes inteligentes son agentes de software con la capacidad de tomar decisiones racionales cuando se les presenta una elecci�n. Si un agente inteligente tiene un objetivo (buscar informaci�n sobre f�sica cu�ntica, por caso), tomar� decisiones para seguir el curso de acciones que le conducir� a cumplir el objetivo. Una decisi�n racional ser�a, por ejemplo, buscar en la base de datos de tesis doctorales del Instituto Max Planck.

Cuando se habla de agentes inteligentes o de sistemas multiagente suelen usarse t�rminos como "creencia", "deseo" o "intenci�n". �stos proceden del modelo Creencia-Deseo-Intenci�n (CDI o, en ingl�s, BDI: Belief-Desire-Intention), que describe los agentes inteligentes mediante nociones cognitivas como las anteriores. El modelo CDI se basa parcialmente en las ideas del fil�sofo estadounidense Daniel Clement Dennett, quien defiende el enfoque intencional para explicar el comportamiento humano. En opini�n de este fil�sofo, el comportamiento humano puede explicarse e incluso predecirse bas�ndose en conceptos de intenciones (intencionales): creer, temer, querer, desear, esperar� Dennet utiliza el t�rmino sistema intencional para referirse a entidades "cuyo comportamiento puede predecirse por el m�todo de atribuir creencias, deseos y perspicacia racional".

El modelo CDI tambi�n se basa en la teor�a del razonamiento pr�ctico, propuesta por el fil�sofo estadounidense Michael Bratman. Esta teor�a define un marco psicol�gico de sentido com�n para entender el comportamiento humano mediante creencias, deseos e intenciones, concebidos como planes parciales para realizar acciones concretas. A diferencia del razonamiento puramente l�gico, el razonamiento pr�ctico se orienta hacia las acciones (�qu� debemos hacer para conseguir algo?). Es innegable que el razonamiento humano es pr�ctico, pues casi todas las situaciones con las que nos enfrentamos en la vida ordinaria requieren soluciones pr�cticas: en un viaje, nadie se plantea utilizar las ecuaciones de Euler-Lagrange del c�lculo variacional para hallar el camino m�s corto entre dos ciudades. Lo pr�ctico es consultar un mapa de carreteras o preguntar en una estaci�n de trenes.

Seg�n Bratman, el razonamiento pr�ctico se basa en dos procesos: a) decidir qu� objetivos deben conseguirse (proceso de decisi�n o elecci�n); b) elegir un plan para conseguirlos (proceso de b�squeda de medios para alcanzar el objetivo). Por ejemplo, cuando una persona cambia de trabajo es porque ha decidido previamente que quiere m�s dinero, menor distancia al trabajo, mayor categor�a laboral, etc.; y que, para conseguir sus deseos, debe irse a otra empresa.

En el modelo CDI, los agentes inteligentes se consideran sistemas intencionales. Es decir, su comportamiento se explica consider�ndolos agentes racionales cuyas acciones est�n determinadas por sus deseos y creencias. Del mismo modo que decimos "Elena trabaja en una multinacional porque quiere ganar mucho dinero", podemos decir "El agente de compras trabaja con diversos proveedores en Internet porque quiere precios bajos" o "El robot evita los obst�culos porque quiere llegar lo antes posible a su destino". M�s adelante abordar� si es leg�timo asignar conceptos intencionales a los agentes.

En el modelo CDI, las creencias representan el conocimiento que el agente tiene sobre el estado actual de su entorno, de s� mismo y de otros agentes. Se utiliza el t�rmino creencia en lugar de conocimiento porque las creencias de un agente pueden ser err�neas. Por ejemplo, si consideramos un agente para jugar al ajedrez, la posici�n de cada pieza es una creencia del agente. Tanto los agentes inteligentes como los humanos toman, para cumplir sus objetivos, decisiones basadas en sus creencias sobre el mundo; es decir, en las informaciones que sobre �l tienen ("El cielo es azul", "El colesterol es malo para la salud", "Cuando no se ven las is�baras, es que las cosas no est�n claras", "El cerebro es un �rgano maravilloso: empieza a trabajar en el momento en que usted despierta por la ma�ana y no se detiene hasta que llega a la oficina", etc.).

En un agente CDI, la racionalidad resulta imprescindible. Imagine que encarga a un agente comprar en Internet la pel�cula Chelsea Girls. Si el agente tiene como objetivo comprar la pel�cula al precio m�s barato posible y cree que puede conseguirlo en Amazon.com, comprarlo en Amazon ser�a una decisi�n inteligente. Si el agente decidiera comprarla en cualquier parte, en contra de su objetivo o de sus creencias, su decisi�n no ser�a inteligente o, por mejor decir, ser�a irracional.

Los humanos y los agentes inteligentes tienen una gran flexibilidad en sus creencias: si descubren que son err�neas o incompletas pueden cambiarlas. Unos y otros disponen de reglas de inferencia que les permiten revisar sus creencias cuando se encuentran ante situaciones que contradicen las antiguas. Veamos un ejemplo: durante muchos siglos, los europeos creyeron que todos los cisnes eran blancos. Cuando se encontraron cisnes as� en Australia �bastante violentos, todo sea dicho de paso�, los europeos cambiaron enseguida esa creencia err�nea y modificaron sus libros de l�gica, ricos en expresiones como "Todos los cisnes son blancos". (Hay excepciones a la flexibilidad de las creencias humanas, claro. Pi�nsese, por ejemplo, en La sociedad de la Tierra plana: la tozudez humana puede vencer holgadamente a cualquier conjunto de pruebas emp�ricas.).

Aparte de la mayor complejidad de las creencias humanas frente a las de los agentes, ambas difieren tambi�n en su codificaci�n. Las humanas se codifican en nuestras redes neuronales; dependiendo de los est�mulos externos, se generan m�s o menos dentritas (conexiones sin�pticas) entre las neuronas. En los agentes inteligentes, las creencias se codifican mediante lenguajes l�gicos y ontolog�as. Por ejemplo, la ausencia de una persona puede codificarse como la creencia (Luis estaEnCasa ausente), donde ausente es una constante que significa que la persona no est� en casa o no est� a la vista del agente y Luis es una instancia de una clase Persona. Usar lenguajes l�gicos y ontolog�as limita la riqueza expresiva de las creencias.

Los deseos de modelo CDI, tambi�n llamados metas u objetivos, representan determinados estados que el agente quiere producir en su entorno, en s� mismo o en otros agentes. Corresponden a tareas que el agente debe realizar y que se consideran l�gicamente consistentes entre s�: "buscar vuelo a Munich", "ganar a las cartas", "conseguir tablas en la partida", "encontrar el precio m�s barato". Un deseo como "quiero agua caliente" es inconsistente con el de "quiero agua fr�a"; como sucede con "quiero congelar la patata" y "quiero fre�r la patata", si s�lo hay una. En lenguaje l�gico, los deseos se expresan con expresiones como (conseguir (agua tieneTemperatura 20)) o (comprobar ((Luis estaEnCasa ausente) Y (luz esta apagada))).

En el modelo CDI, las intenciones son deseos que el agente se compromete a realizar (no todos los deseos pueden cumplirse, como bien sabemos los humanos). Son deseos muy intensos y limitados a los aspectos del entorno sobre los cuales el agente tiene alg�n grado de control. Un agente s�lo tiene intenciones que considera posibles y que cree que puede lograr actuando de cierta manera.

Los agentes no necesitan considerar todos los posibles efectos secundarios de sus intenciones. Por ejemplo, consideremos un agente que pasea por Soria en invierno y tiene como objetivo llegar lo antes posible a una determinada calle. De repente se encuentra que el r�o Duero le impide el paso. Si decide cruzarlo nadando, enseguida se encontrar� empapado. Aunque el agente decida llegar como sea a su destino lo antes posible y, por tanto, est� dispuesto a mojarse y pasar fr�o, eso no significa que el agente desee sumergirse en aguas heladas. Que el agente se moje no es una intenci�n: si no lo consigue, no lo volver� a intentar.

Las intenciones dan lugar a cursos de acci�n �planes� que el agente sigue en un intento de cumplir sus intenciones. Cuando un agente tiene una intenci�n, su actividad se centra en ella. La influencia de la teor�a de Bratman sobre el razonamiento pr�ctico en el modelo CDI resulta bien visible ahora: las salidas del proceso de decisi�n son las intenciones; y las salidas del proceso de b�squeda de medios para alcanzar su objetivo son los planes, que se ejecutan mediante acciones. �stas provocan consecuencias que pueden cambiar las creencias, deseos, intenciones, planes y acciones del agente. Si las acciones del plan no le permiten conseguir su intenci�n, intentar� otro plan.

Si consideramos un agente con un deseo como (conseguir (Ana beber agua), una intenci�n podr�a intentarse con el siguiente plan:

(ir nevera)
(buscar botellaAgua)
(sacar botellaAgua)
(botellaAgua llevarA Ana)
(botellaAgua entregarA Ana)

Como ejemplo de arquitectura de agentes inteligentes basada en el modelo CDI se puede citar JAM (http://www.marcush.net/IRS/irs_downloads.html). En esta arquitectura, las creencias, deseos e intenciones de los agentes se representan expl�citamente en el c�digo del agente; y las intenciones del agente se determinan din�micamente mientras se ejecuta, de acuerdo con las creencias, deseos e intenciones programados.

En JAM, las creencias del agente se representan como hechos (FACTS) que se almacenan en un fichero de texto. Por ejempo, he aqu� las creencias que podr�a tener un agente robot:

FACTS:
   // creencias del agente
   FACT nombre_robot "Ivan";
   FACT id_robot "03536D";
   FACT estado_robot "Correcto";
   FACT posicion_robot 10000 10000 0;
   FACT lugar_robot "Habitacion3";
   FACT objeto_encontrado "Falso";
   FACT objeto_entregado "Falso";
   FACT destino "Habitacion4";

He aqu� un ejemplo de intenciones (llamados GOALS en JAM) y planes (cursos de acci�n para intentar cumplir las intenciones) para el agente robot en JAM:

PLAN: {
NAME: "Plan05"
GOAL: ACHIEVE recoger_destornillador
CONTEXT:
    FACT localizado "destornillador" $X;
    FACT localizado "robot" $X;
    FACT localizado "caja_herramientas" $Y;
BODY:
   EXECUTE print "Coge el destornillador en" $X �.\n�;
   ASSERT coger "destornillador";
   ACHIEVE localizado "robot" $Y;
   EXECUTE print "Deja el destornillador en" $Y ".\n";
   RETRACT coger "destornillador";
   ASSERT depositar "destornillador";
}

Con ASSERT se a�aden nuevos hechos al conocimiento del agente. Con RETRACT se borran. CONTEXT especifica las situaciones para las cuales los planes son v�lidos.

Algunos autores creen incorrecto utilizar t�rminos como creencias o intenciones aplicadas a agentes, pues son estados mentales que los programas o las m�quinas no pueden tener. Para algunos, asignar a un agente palabras como "quiere" o "desea" es una forma de animismo (reconozco que definir persona como "aquel programa de computadora capaz de superar la prueba de Turing" me parece animismo en estado puro, adaptado a los tiempos modernos). Acierten o no, lo cierto es que resulta �til emplear conceptos intencionales porque facilitan entender la estructura de los agentes y su comportamiento.

En el campo de los agentes, los conceptos intencionales son met�foras y abstracciones que proporcionan maneras sencillas y familiares de describir, explicar y predecir el comportamiento de los agentes. El lenguaje cotidiano usa muchas met�foras ("Carlos funciona muy bien en el trabajo", "Carmen se encuentra en el oto�o de su vida", "Sujete la pata de la mesa", "Dele a la luz", "Respete mis canas", "El televisor se niega a funcionar"), as� que no es extra�o que suceda lo mismo en el lenguaje inform�tico y en el cient�fico ("Conecte el rat�n del ordenador", "El agente se comporta de manera err�tica", "El sistema ha ca�do", "Descargue un archivo de Internet", "El fot�n sabe por qu� rendija pasar"). Las abstracciones han resultado tambi�n muy provechosas en la inform�tica: los m�dulos, los tipos de datos abstractos, las clases y los agentes son abstracciones que nos evitan trabajar con c�digo m�quina o con lenguaje ensamblador.

El investigador Yoav Shoham �que acu�� el t�rmino "programaci�n orientada a agentes" en 1989 y ha intentado entenderlo desde entonces� pone el ejemplo de una computadora para explicar la utilidad del enfoque intencional en la inform�tica: aunque puede conseguirse una descripci�n t�cnica de la computadora y de su sistema operativo, ser�a inapropiado recurrir a esas descripciones para explicar por qu� aparece un men� cuando pulsamos un cierto icono con el rat�n. Cualquier computadora es demasiado complicada para explicar cada operaci�n que podemos realizar con ella.

Shoham tambi�n contrasta el ejemplo de la computadora con el de un interruptor de la luz. Aunque admite que el interruptor es un sistema que puede describirse muy bien con nociones intencionales ("El interruptor transmite corriente cuando cree que nosotros queremos que la transmita, y no en otros casos; apretar el interruptor es simplemente una manera de comunicar nuestros deseos"), reconoce que esa descripci�n es absurda y quiz�s infantil. A la pregunta "�Por qu� aceptamos la descripci�n intencional de la computadora y rechazamos la del interruptor?", Shoham responde: "La descripci�n intencional del interruptor no nos dice nada, porque esencialmente entendemos el mecanismo lo bastante para tener una descripci�n mecanicista y m�s simple de su comportamiento".

Lista de buscadores sem�nticos.

Emmanuelle — 2008-06-16T18:41:17-04:00

Una peque�a nota para tener como referencia aqu�� una interesante lista de buscadores sem�nticos en espa�ol. Se encuentra en: http://www.javi.it/semantic.html P�gina de lo m�s inaccesible, pero en fi�n, qu� se le va a hacer, lamentablemente la mayor��a de la gente interesada por la sem�ntica no es consciente de la importancia de la accesibilidad :-( El apunte me lo ha pasado Mart��n Baldassarre :-) Y eso es todo... Bueno, a�ado que en la lista no aparece, porque a�n no se ha publicado el buscador sem�ntico desarrollado por la Fundaci�n Sidar y cuya beta espero poder anunciar tras el verano.

Blogged with the Flock Browser

Tags: buscador, listas, semántica

�DE D�NDE VIENEN LOS AGENTES DE SOFTWARE?

Miguel �ngel Abi�n — 2008-03-03T03:40:46-05:00

Los agentes de software ser�n parte de la Web sem�ntica, pero no est�n restringidos a ella. Cada vez se usan m�s en aplicaciones de todo tipo: comercio electr�nico, sistemas de telecomunicaciones, control de procesos industriales, b�squeda de informaci�n, control del tr�fico a�reo, reingenier�a de procesos, gesti�n de agendas, organizaci�n de correos electr�nicos, etc. Puede que en el futuro no exista la Web sem�ntica o que s�lo haya "islotes" sem�nticos. Sea como fuere, los agentes est�n aqu� para quedarse. En este art�culo veremos de d�nde viene la tecnolog�a de agentes.

Cada vez m�s, se necesitan programas o aplicaciones flexibles, que sean capaces de anticiparse a las necesidades de los usuarios de sistemas inform�ticos y de adaptarse a ellas. Los agentes son una soluci�n a esa necesidad. Un agente de software es una entidad aut�noma de software que puede interaccionar con su entorno. James Hendler considera que los agentes de software no difieren mucho de los agentes humanos: "� los agentes podr�an encontrar posibles maneras de cumplir las necesidades de los usuarios y ofrecer al usuario elecciones para su realizaci�n. Del mismo modo que un agente de viajes podr�a darle una lista de varios vuelos que usted podr�a coger, o una elecci�n entre volar o coger un tren, un agente de la Web podr�a ofrecer una lista de posibles maneras de obtener lo que necesita en la Web".

Los agentes proceden de los campos de la inteligencia artificial (IA) y de la ingenier�a del software (en particular, de la orientaci�n a objetos). Desde un punto de vista conceptual los agentes proceden del modelo de actores concurrentes que propusieron Carl Hewitt, Peter Bishop y Richard Steiger en 1973. Los actores, directos predecesores de los agentes, fueron definidos por Hewitt en 1977 como "objetos autocontenidos, interactivos y que se ejecutan concurrentemente, que poseen estado interno y capacidad de comunicarse" y como "agentes computacionales que tienen una direcci�n de correo y un comportamiento". Los actores se comunican mediante un intercambio de mensajes y llevan a cabo sus acciones concurrentemente (es decir, sus acciones pueden ejecutarse en paralelo, sin secuencias fijadas de antemano). La principal diferencia entre los actores y los agentes es que estos �ltimos suelen tener restricciones relacionadas con metas o prop�sitos.

Las relaciones y las diferencias entre los objetos y los agentes se detallan en http://www.wshoy.sidar.org/index.php?2007/05/08/38-los-trabajadores-de-la-web-semantica-agentes-agentes-inteligentes-y-agentes-semanticos. La ingenier�a de software tiende a adoptar enfoques un tanto totalitarios: todo es un actor, todo es un objeto�

Hay una fuerte relaci�n entre los agentes y la IA: provienen del campo de la inteligencia artificial distribuida (IAD), que estudia m�todos y t�cnicas para la resoluci�n de problemas mediante la cooperaci�n de diversas entidades distribuidas, aut�nomas e inteligentes. En la IAD se entremezclan dos disciplinas: la IA y los sistemas distribuidos. Un sistema distribuido es, seg�n George Coulouris, "un sistema en el que los componentes de hardware y/o software localizados en computadores en red se comunican y coordinan sus acciones intercambiando mensajes". Aunque usted no supiera qu� es un sistema distribuido, seguro que ha usado alguno. Si no fuera as�, no estar�a leyendo esto, pues Internet y la World Wide Web son sistemas distribuidos.

En la IAD, la colaboraci�n de unas entidades con otras produce comportamientos colectivos que resuelven problemas que ser�an irresolubles si se abordaran individualmente o que proporcionan soluciones eficaces en cuanto a tiempo, velocidad o calidad. Un ejemplo de inteligencia "natural" distribuida nos la proporciona una colonia de termitas: la colaboraci�n entre ninfas, obreras, soldados y la reina permite la supervivencia de la colonia. Las termitas por separado no podr�an sobrevivir (los soldados no pueden alimentarse por s� solos, la reina apenas puede moverse y las obreras no pueden defenderse); pero su cooperaci�n les ha permitido existir desde hace millones de a�os en este planeta. Qui�n sabe, quiz�s sobrevivan al Homo sapiens sapiens: en el gran libro de la evoluci�n quedan muchas p�ginas por escribir.

La IAD consta de tres grandes ramas de investigaci�n: los sistemas multiagente (que estudian sistemas en que un conjunto de agentes cooperan, coordinan y se comunican para conseguir un objetivo com�n), la soluci�n distribuida de problemas (que estudia la soluci�n de problemas mediante procesamientos descentralizados) y la inteligencia artificial en paralelo (que desarrolla m�todos y algoritmos paralelos de IA). Dentro de la IAD, los agentes provienen de los sistemas multiagente, que son grupos de agentes aut�nomos, generalmente heterog�neos e independientes, que colaboran entre s� para conseguir ciertos objetivos; esta colaboraci�n implica que cooperen, se coordinen y negocien unos con otros. En un sistema multiagente no hay un control global del sistema ni existe un lugar donde est� toda la informaci�n.

Tal y como se menciona en http://www.wshoy.sidar.org/index.php?2007/05/08/38-los-trabajadores-de-la-web-semantica-agentes-agentes-inteligentes-y-agentes-semanticos, no es imprescindible que los agentes del sistema distribuido sean inteligentes (esto es, que tengan alg�n tipo de inteligencia artificial); la propia "inteligencia" puede obtenerse de la cooperaci�n entre agentes "tontos". Este tipo de inteligencia se denomina inteligencia social, y es la empleada en los partidos de f�tbol entre robots. En estos partidos, cada robot persigue dos metas bien simples: marcar gol y esquivar a los jugadores del equipo contrario. La combinaci�n de los comportamientos individuales para lograr dichos objetivos hace emerger un comportamiento social semejante al de cualquier equipo de f�tbol humano, salvo en la celebraci�n de los goles. Las colonias de termitas, mencionadas antes, son ejemplos biol�gicos de inteligencia social �al igual que las colonias de hormigas o de abejas�. En las colonias, cada individuo tiene unas metas individuales, programadas gen�ticamente, m�s complejas que las de los robots futbolistas.

Los sistemas multiagente se enfrentan a varias preguntas: �qu� lenguajes deben usar los agentes para comunicarse?, �c�mo deben coordinarse los agentes para que consigan los objetivos del sistema?, �c�mo pueden los agentes resolver los conflictos (de intereses, p. ej.) que pueden surgir mientras colaboran?, �qu� relaciones sociales surgen en una comunidad de agentes?

Gran parte de las propiedades y ventajas de los sistemas multiagente proceden de los sistemas de IA distribuida. Veamos algunas de ellas:

Modularidad. Seg�n el Dictionary of Object Technologies: The Definitive Desk Referente, la modularidad es "la descomposici�n l�gica de las cosas (por ejemplo, responsabilidades y software) en agrupaciones simples, peque�as (p. ej., requisitos y clases, respectivamente), que aumentan las posibilidades de lograr las metas de la ingenier�a de software". La programaci�n modular simplifica el desarrollo de sistemas de software y reduce su coste. (Si quiere saber por qu� la modularidad gan� la II Guerra Mundial puede consultar http://www.javahispano.org/tutorials.item.action?id=25 o http://www.javahispano.org/contenidos/es/orientacion_a_objetos_11/.)

Bajo acoplamiento. Suele utilizarse el t�rmino acoplamiento para designar la dependencia entre m�dulos o componentes de un sistema. En un sistema de software de bajo acoplamiento, cada componente depende lo m�nimo posible de los otros. En estos sistemas, los componentes pueden comunicarse a pesar de tener dise�os e implementaciones muy distintas. Por el contrario, en un sistema de acoplamiento fuerte, los componentes est�n dise�ados para trabajar estrechamente con otros y dependen fuertemente unos de otros. Por ejemplo, el controlador de una impresora tiene un acoplamiento muy fuerte con la plataforma en que se ejecuta: pasar de un PC a un Mac requerir�a programar de nuevo el controlador. El bajo acoplamiento de los sistemas multiagente se traduce en flexibilidad (si hay que modificar alg�n agente, los cambios apenas repercutir�n en el resto de los agentes) e interoperabilidad (los agentes pueden trabajar juntos aunque hayan sido dise�ados y programados independientemente).

Fiabilidad. Que un agente del sistema deje de funcionar no implica que los dem�s lo hagan.

Eficacia. Las funciones del sistema se pueden dividir en tareas repartidas entre los agentes, con lo cual se consigue paralelismo (los agentes trabajan a la vez en distintas m�quinas).

Flexibilidad. Se pueden a�adir y eliminar agentes din�micamente, y �stos pueden tener dise�os e implementaciones muy distintas.

Independencia de la plataforma. Los agentes pueden funcionar en distintas plataformas. Esta independencia est� relacionada con el bajo acoplamiento de los sistemas multiagente.

Velocidad. Como los agentes que cooperan entre s� se ejecutan concurrentemente, aumenta la velocidad de ejecuci�n del sistema en conjunto.

Redundancia. La utilizaci�n de agentes redundantes (es decir, que desempe�an una misma tarea) mejora la tolerancia a fallos del sistema.

Escalabilidad. El sistema mantiene su eficacia cuando aumenta significativamente el n�mero de usuarios del sistema.

Si bien los agentes proceden del campo de la IA y forman un subcampo relevante de ella, cada vez m�s en continua expansi�n, la IA no termina en los agentes. Los agentes no resuelven todos los problemas a los que se enfrenta la IA. A saber: comprensi�n autom�tica de textos en lenguaje natural, traducci�n de textos, reconocimiento y s�ntesis autom�ticas del habla, construcci�n de sistemas capaces de pensar de manera original o creativa, introducci�n del sentido com�n en m�quinas, fabricaci�n de sistemas de reconocimiento de rostros o de formas� Dir� el esc�ptico: "�No deber�a la IA resolver todos esos problemas antes de anunciar lo listos que son los agentes?". Pobre esc�ptico, porque con esa exigencia jam�s habr�a visto un agente en su vida (ni en varias vidas, si cree en la reencarnaci�n). Dudo mucho que alg�n lector llegue a ver una m�quina que hable as� espont�neamente: "S� que �ltimamente he tomado muy malas decisiones, pero puedo asegurarle que mi trabajo se normalizar�. Todav�a tengo gran entusiasmo y confianza en la misi�n, y quiero ayudarle". Hasta el momento, los agentes inteligentes trabajan en dominios muy limitados (la Web, bases de datos, colecciones de documentos, correo electr�nico) y realizan tareas muy sencillas. As�, necesitan muy poca inteligencia y no tienen que enfrentarse a muchos de los problemas de la IA a�n sin soluci�n.

�Ad�nde van los agentes? Por ahora, a todas partes: cada vez hay m�s aplicaciones comerciales y acad�micas basadas en ellos. Si al final son sustituidos por otra tecnolog�a (basada en "siervos", por ejemplo), puede estar seguro de que oiremos frases como �stas: "Todo es un siervo", "La tecnolog�a de siervos aumentar� la productividad de las empresas", "Los siervos abren la puerta a una nueva era de tecnolog�a", "Con los siervos, los usuarios no perder�n el tiempo en tareas repetitivas"�

LOS HABITANTES DE LA WEB SEM�NTICA: AGENTES, AGENTES INTELIGENTES Y AGENTES SEM�NTICOS

Miguel �ngel Abi�n — 2007-05-08T05:39:37-04:00

Como sucede con toda nueva rama del conocimiento, existe bastante confusi�n en cuanto al vocabulario de las tecnolog�as sem�nticas. En este art�culo me centro en explicar qu� se entiende por agente, agente inteligente y agente sem�ntico, t�rminos que aparecen casi siempre que se habla de la Web sem�ntica. A fin de resaltar las semejanzas y diferencias entre ellos, usar� definiciones y ejemplos.

Si consultamos el diccionario de la Real Academia Espa�ola, veremos que agente significa "Persona que obra con poder de otra". Si actualizamos un poco la definici�n ("Programa o m�quina que obra con poder de una persona o de otro programa o m�quina"), tendremos una primera idea de lo que se entiende por agente en ingenier�a.

En general, se acepta que un agente es cualquier sistema capaz de percibir cambios en su entorno, de representar de alg�n modo la informaci�n sobre el estado actual de sus objetivos y de actuar sobre su entorno bas�ndose en �stos y en experiencias pasadas. Cuando se consideran entornos virtuales (la Web, intranets, etc.), se habla de agentes de software; en entornos f�sicos, los agentes pueden ser animales, personas, robots o aut�matas. Por ejemplo, el veh�culo Mars Pathfinder �que recorri� la aherrumbrada superficie de Marte durante varios meses de 1997� era un agente en un entorno f�sico bastante agresivo para la vida humana.

En lo que sigue considerar� �nicamente agentes de software, no robots ni aut�matas. Seg�n Michael Wooldridge, un agente es un sistema de software capaz de actuar aut�noma y flexiblemente en un entorno cambiante. Para Gerhard Weiss, un agente es una entidad computacional que percibe y act�a aut�nomamente en su entorno. Ambas definiciones coinciden en que los agentes gozan de cierta libertad de actuaci�n en su entorno; es decir, no se limitan a efectuar ciertas tareas siempre de la misma forma, sino que tienen sus propias �ideas� sobre c�mo alcanzar sus objetivos. Perd�neme el lector o la lectora por personificar a los agentes: les entristece mucho que los traten como programas o subrutinas.

Seg�n Jeffrey Bradshaw, las principales caracter�sticas de los agentes son �stas (no todas son obligatorias y algunas pueden darse en mayor o menor grado):

Persistencia: El c�digo de un agente se ejecuta continuamente, no cuando el usuario lo decide, y decide por s� mismo cuando deje ejecutar alguna acci�n. Los agentes siempre permanecen activos: se ejecutan en un bucle infinito y observan su entorno, actualizan su estado y determinan qu� acciones realizar. Se comportan como buitres (siempre mirando, siempre esperando a que llegue el turno de actuar), pero sin sus siniestras intenciones.

Autonom�a: Un agente puede tomar decisiones sin la intervenci�n humana o de otros agentes. Es decir, para cumplir sus objetivos, un agente controla sus propias acciones.

Reactividad: Un agente es capaz de percibir su entorno y mantener un v�nculo constante con �l, de modo que puede responder adecuadamente a los cambios. Los agentes m�s reactivos tienen en cuenta la posibilidad de que se produzcan fallos o de que las cosas no vayan como se esperaba.

Proactividad: Un agente no act�a dirigido solamente por los sucesos que se producen en su entorno, sino que tambi�n toma iniciativas para lograr sus objetivos. Es decir, los agentes reconocen y utilizan las oportunidades que se les presentan. Las iniciativas pueden proceder de experiencias pasadas, pues los agentes aprenden del pasado.

Habilidad social: Un agente constituye una entidad social integrada en una sociedad, en la cual hay tareas, recursos y papeles que se distribuyen entre los agentes. Algunos objetivos s�lo se pueden conseguir mediante la colaboraci�n con otros agentes o con humanos.

Como los agentes son programas, �debemos concluir que los programas son tambi�n agentes? Para contestar a la pregunta, consideremos un programa conversor de euros a francos suizos. El programa funciona as�: cada vez que un usuario ejecuta el programa, �ste se conecta por Internet a los mercados de divisas, extrae el tipo de cambio �que fluct�a constantemente� y lo presenta por pantalla. El programa es, en cierto sentido, consciente de su entorno porque devuelve una salida (un tipo de cambio) tras recibir una entrada (la ejecuci�n del programa) y porque se conecta a los mercados de divisas. Sin embargo, no es un agente: su salida actual no afecta a sus futuras salidas; dicho de otro modo, no tiene �memoria� de sus actos ni puede aprender de ellos. Adem�s, el programa carece de persistencia: s�lo permanece activo un tiempo muy breve; una vez que devuelve el tipo de cambio, se vuelve inactivo. Vemos, en definitiva, que no todos los programas son agentes.

Muchas personas piensan que los agentes no son m�s que objetos con algunas funciones a�adidas; seg�n ellos "un agente es un objeto que� [aqu� a�aden sus caracter�sticas favoritas]". Otros van m�s lejos: afirman que la �nica diferencia entre ellos radica en que "agente" es una palabra de moda, como en su d�a lo fue "objeto". (Si desea saber m�s sobre objetos, clases y la programaci�n orientada a objetos, puede consultar http://www.javahispano.org/tutorials.item.action?id=25 y http://www.javahispano.org/tutorials.item.action?id=33). Existen ciertas semejanzas entre objetos y agentes: en primer lugar, se caracterizan por su estado y por su comportamiento; en segundo, se comunican entre s� mediante mensajes.

Con todo, tambi�n hay diferencias entre unos y otros. Primera: los objetos no tienen ning�n control sobre sus acciones, que est�n determinadas desde su creaci�n; por el contrario, los agentes las controlan para cumplir sus objetivos. �stos pueden tener un comportamiento impredecible. Por ejemplo, si se pide a un agente que compre alg�n CD barato en alguna tienda, cualquier resultado es posible: el agente podr�a volver con Power, Corruption and Lies de New Order o con un CD de cantos hind�es del siglo V antes de Cristo, o sin nada. A diferencia de los objetos, los agentes pueden decir "no" (es m�s, algunos gozan con eso).

Segunda diferencia: los agentes gozan de m�s autonom�a y flexibilidad que los objetos, tan esclavos ellos. Como las clases definen los m�todos y atributos como p�blicos o privados, los objetos (instancias de las clases) no pueden cambiar la visibilidad de m�todos y atributos. Si el m�todo dispararFlecha de un objeto arcoOl�mpico es p�blico, el objeto no puede impedir que otros objetos lo usen. Un agente, en cambio, s� podr�a impedir que otros agentes usaran su dispararFlecha (volvi�ndolo privado, p. ej.), siempre que eso favoreciera sus objetivos.

Tercera diferencia: tal como se mencion� antes, los agentes siempre est�n activos (vigilan su entorno, actualizan su estado y determinan qu� acciones son apropiadas); los objetos vienen a ser muertos a tiempo casi completo, porque s�lo �viven� (est�n activos) cuando sus m�todos son llamados por otros objetos.

Cuarta y �ltima diferencia: los objetos jam�s se equivocan (en todo caso, se equivocan quienes los programan), mientras que los agentes puede tomar decisiones equivocadas e incluso aprender de sus errores pasados. Si un objeto tiene un m�todo calcularIVA que aplica un porcentaje equivocado (14% en lugar de 16%, verbigracia), el objeto nunca aprender� nada de ese error, pues ya naci� �mejor dicho, se instanci� con �l.

Suele usarse el t�rmino agente inteligente para referirse a agentes dotados de cierta inteligencia artificial y que, por tanto, gozan de un alto grado de autonom�a, reactividad, proactividad y habilidad social. El concepto de inteligencia resulta sumamente escurridizo: algunos investigadores piensan que las m�quinas nunca alcanzar�n una inteligencia como la humana. En apoyo de esta opini�n acude este hecho: el sentido com�n resulta m�s dif�cil de reproducir que cualquier habilidad t�cnica. Otros investigadores piensan en la inteligencia como un fen�meno emergente (los fen�menos emergentes son propiedades de un sistema complejo que no pueden reducirse a las propiedades de sus partes constituyentes). En consecuencia, piensan que la inteligencia podr�a alcanzarse, en principio, a partir de partes constituyentes no biol�gicas. Para no entrar en discusiones que llevan ocupando a los fil�sofos desde hace siglos, empleo el t�rmino inteligencia para denotar la capacidad de adaptarse al medio y de aprender (es decir, descubrir informaci�n). Hasta el m�s esc�ptico en cuanto a las posibilidades de la inteligencia artificial coincidir� conmigo en que existen ya programas que permiten descubrir informaci�n mediante asociaciones y b�squeda de patrones.

Seg�n Barbara Hayes-Roth, los agentes inteligentes realizan continuamente tres funciones: perciben las condiciones cambiantes del entorno; act�an para modificar las condiciones del entorno; y razonan para interpretar percepciones, resolver problemas, extraer inferencias y determinar acciones.

Algunas personas usan agente inteligente como sin�nimo de agente, cuando en realidad un agente no tiene por qu� tener "inteligencia" (pi�nsese en un cliente de correo, p. ej.). Otras reservan agente inteligente para los agentes que contienen planificaciones, calendarios, reglas, etc. Se suele emplear el t�rmino bot (abreviatura de robot) para los agentes que, siguiendo reglas estrictas e invariables, realizan tareas repetitivas: buscar productos, rellenar cuestionarios, mostrar noticias sobre un determinado asunto� Los bots usados por los buscadores de informaci�n �Google, Yahoo, MSN Search� para construir sus bases de datos se denominan ara�as.

Los agentes inteligentes suelen relacionarse con los sistemas expertos. Un sistema experto es un programa que intenta imitar el comportamiento de un experto en un dominio concreto. Por ejemplo, un sistema experto en medicina podr�a, a partir de los s�ntomas del enfermo, emitir diagn�sticos. Los agentes difieren de los sistemas expertos en dos aspectos esenciales: primero, �stos no interaccionan con el entorno; segundo, los agentes suelen desarrollarse con la intenci�n de colaborar con otros agentes, mientras que los sistemas expertos no colaboran ni intercambian informaci�n entre ellos.

Dar una clasificaci�n completa de los agentes es tarea harto compleja; pues cada autor suele proponer su propia clasificaci�n, a menudo tan discutible como cualquier otra. Los agentes pueden clasificarse seg�n su movilidad (est�ticos, din�micos), seg�n si son deliberativos (contienen modelos simb�licos de su entorno y reglas de razonamiento) o reactivos (no poseen modelos simb�licos de su entorno y, por tanto, act�an siguiendo el esquema est�mulo-respuesta), seg�n las tareas que desempe�an, las caracter�sticas que predominan, etc. Hyacinth S. Nwana clasifica as� los agentes: agentes colaboradores, agentes de interfaz, agentes m�viles, agentes de informaci�n, agentes reactivos, agentes h�bridos y sistemas heterog�neos de agentes.

Si consideramos como criterio de clasificaci�n las tareas que desempe�an los agentes, existen muchos tipos de agentes. Los m�s conocidos est�n vinculados al comercio electr�nico: los agentes de compra comparativa se encargan de localizar mercanc�as al mejor precio posible; los de subasta permiten a los usuarios pujar por una mercanc�a o bien; los de negociaci�n automatizan los procesos de negociaci�n habituales en las transacciones comerciales. En general, en casi cualquier dominio pueden usarse agentes. Por ejemplo, el proyecto Guardian (http://ksl-web.stanford.edu/projects/guardian/) desarroll� un agente inteligente para monitorizar a los pacientes de las unidades de cuidados intensivos. Este agente permite, entre otras cosas, controlar constantemente el estado de los pacientes, definir los tratamientos y cuidados necesarios a corto y largo plazo, as� como diagnosticar posibles enfermedades y complicaciones. Debido a lo delicado de su tarea, el agente reacciona r�pidamente a cualquier modificaci�n del estado del paciente.

Los sistemas multiagente son sistemas distribuidos de software formados por un conjunto de agentes aut�nomos (nodos) que trabajan juntos para resolver problemas. Asign�ndose tareas unos a otros y colaborando, los agentes pueden solucionar problemas que ser�an irresolubles para un agente aislado. En un sistema multiagente no hay un control global del sistema ni un lugar donde est� toda la informaci�n. La "inteligencia" de un sistema multiagente puede obtenerse de dos maneras. En primer lugar, mediante el uso de agentes inteligentes para el sistema. En segundo lugar, usando agentes reactivos (como expliqu� antes, son aquellos que reaccionan siguiendo el esquema conductista: est�mulo-respuesta). En este caso, la inteligencia colectiva del sistema es un fen�meno emergente.

Las enormes posibilidades de los sistemas multiagente se vislumbran en Robocup Rescue (puede encontrarlo en http://www.rescuesystem.org/robocuprescue/), un sistema multiagente que simula la respuesta de los equipos de rescate a cualquier desastre natural (un terremoto, por ejemplo). La simulaci�n consiste en la reconstrucci�n fotogr�fica de un desastre y, luego, en manejar un conjunto de agentes inteligentes (que hacen el papel de v�ctimas, polic�as, bomberos, etc.) en ese entorno. El objetivo de Robocup Rescue consiste, por un lado, en reducir al m�nimo los da�os en el mundo virtual que sufre el desastre; y, por otro, en sacar de la simulaci�n conclusiones que puedan aplicarse en el mundo real a la coordinaci�n de equipos de rescate. La complejidad de Robocup Rescue es ingente, por cuanto maneja situaciones como rescatar personas atrapadas en edificios en ruinas, en llamas o inundados. RoboCup Rescue es tambi�n una competici�n: los participantes construyen sus propios agentes y compiten por reducir al m�nimo los efectos de los desastres naturales.

Existen muchas plataformas para crear agentes e interconectarlos: IBM Aglets, ZEUS, JADE (Java Agent Development Framework), ABLE, MadKit, JATLite (Java Agent Template Lite), Grasshopper, AgentBuilder, FIPA-OS, Concordia, Gossip, FarGo, Voyager. Si usted no tiene experiencia en agentes y desea probar alguna plataforma, le recomiendo empezar con AgentBuilder (http://www.agentbuilder.com/Documentation/product.html). Es un conjunto integrado de herramientas que permite desarrollar agentes inteligentes y aplicaciones basadas en ellos, sin necesidad de programar (la versi�n PRO permite desarrollar tambi�n aplicaciones multiagente). Recomiendo esta soluci�n comercial porque me parece una de las m�s sencillas y r�pidas para quien carezca de experiencia en el desarrollo de agentes. JADE y ABLE son m�s potentes que AgentBuilder, pero tambi�n son m�s complejas de usar.

ZEUS (http://labs.bt.com/projects/agents/zeus/) es una herramienta para desarrollar sistemas multiagente. Es una herramienta educativa y no necesita conocimientos de programaci�n. Tanto las ontolog�as como los agentes se crean mediante asistentes visuales, como sucede con AgentBuilder. Al final del proceso de creaci�n de los agentes, ZEUS genera c�digo fuente escrito en Java. Como Java es un lenguaje multiplataforma (v�ase, por ejemplo, http://www.javahispano.org/articles.article.action?id=55), el c�digo compilado puede ejecutarse en las plataformas m�s habituales (una plataforma es una combinaci�n de hardware y software que permite ejecutar aplicaciones; por ejemplo, Microsoft Windows/Intel x86 es la plataforma m�s com�n). En consecuencia, con ZEUS pueden construirse sistemas multiagente donde un agente "viva" (perd�n, resida) en un PC con Linux, otro en un Macinstosh con Mac OS X, un tercero en una estaci�n de trabajo UNIX�

Los agentes sem�nticos son agentes que usan tecnolog�as de la Web sem�ntica (RDF/RDFS, OWL, ontolog�as) para cumplir sus objetivos. Puede obtener una descripci�n de tales tecnolog�as en http://www.javahispano.org/tutorials.item.action?id=55. Debido a que todav�a no existe una Web sem�ntica, no hay agentes sem�nticos que puedan aprovechar sus posibilidades. Existen, sin embargo, agentes sem�nticos que operan sobre dominios muy espec�ficos (intranets de empresas, por ejemplo); y tambi�n hay algunos agentes sem�nticos que act�an como buscadores de informaci�n o como asistentes personales. Por ejemplo, el navegador Amblit Navigator (http://www.amblit.com/products/AmblitNavigator.html) incluye un asistente (Intelligent Personal Agent) al que se le puede ense�ar qu� desea el usuario y cu�ndo lo desea.

Este agente admite preguntas como las siguientes: �Cu�l es la cotizaci�n de Endesa? �Qu� tiempo har� en Par�s la pr�xima semana? �Cu�l es el n�mero de tel�fono de Mar�a Senso Huertas? Tambi�n se le pueden dar �rdenes del tipo "B�scame un mapa de Hannover" o "Averigua d�nde puedo encontrar la pel�cula Les 400 coups". Para entender miles de sentencias en lenguaje natural, el agente sem�ntico de Amblit se apoya en una ontolog�a y en un software de comprensi�n del lenguaje natural. Este software "traduce" las preguntas u ordenes en texto libre a conceptos de la ontolog�a (puede encontrar m�s informaci�n sobre ontolog�as en http://www.wshoy.sidar.org/index.php?2005/12/09/30-ontologias-que-son-y-para-que-sirven).

Para mostrar las posibilidades de los agentes sem�nticos, considero el siguiente ejemplo: Heliodoro G�mez ha puesto en marcha una tienda de l�mparas en su barrio. Se acerca la hora de hacer el primer pago fraccionado del IRPF y no sab� qu� impreso usar ni c�mo calcular el rendimiento neto empresarial. Preocupado por hacer mal las cosas y recibir luego una simp�tica carta de Hacienda, Heliodoro ha decidido usar un agente sem�ntico para encontrar un asesor contable y fiscal. Para ello, se conecta a la Web sem�ntica y elige un agente personal que parece fiable.

Escribe en un cuadro de texto "Busco asesor contable y fiscal (cerca de la calle Arboleda, en Soria). Quiero que sea barato y bueno", y el agente se pone en marcha. Primero obtiene una lista de todos los asesores que est�n a menos de dos kil�metros de la calle Arboleda; luego, para comprobar la calidad de cada uno, investiga si tienen reclamaciones de clientes, quejas ante los colegios profesionales o denuncias. A continuaci�n, busca los que tienen tarifas bajas. Finalmente, selecciona a dos asesores y se los propone a Heliodoro.

A �ste no le gusta ninguno de los dos. Uno no es todo lo barato que Heliodoro desear�a, y el otro no puede atenderle hasta dentro de dos semanas (est� de viaje de novios). Decepcionado con los resultados, Heliodoro escribe a su agente sem�ntico: "Mira otras opciones". El agente repite el trabajo que hab�a hecho, pero no encuentra m�s asesores que cumplan las condiciones del usuario. Entonces prepara una lista de los asesores cercanos a la calle Arboleda y de buena reputaci�n, independientemente de que sean caros o baratos; acto seguido, contacta con los agentes sem�nticos de esos asesores para intentar negociar una reducci�n de las tarifas que aplican. S�lo uno acepta la reducci�n. Tras una r�pida negociaci�n entre agentes, la reducci�n se fija en un 20% (con la condici�n de que el cliente pagar� cada trimestre de asesor�a por anticipado y al contado).

El agente muestra a Heliodoro los datos del asesor elegido y la tarifa que ha quedado establecida. Heliodoro desconf�a de la tarifa, porque le parece demasiado barata, y le pregunta a su agente: �C�mo has negociado la tarifa? �C�mo sabes que ese asesor es bueno? El agente, dotado de paciencia infinita, le proporciona pruebas de todo (para saber m�s sobre estas pruebas, puede consultar http://www.wshoy.sidar.org/index.php?2007/01/30/37-la-web-semantica-metadatos-ontologias-logica-y-confianza). Contento por ahorrarse un dinerillo, Heliodoro cierra su agente personal y se levanta del ordenador. Mientras se prepara un caf�, piensa en la Web sem�ntica: "Es buena idea esto de la nueva Web. �Y pensar que hace diez a�os parec�a ciencia-ficci�n! Hasta me est�n cayendo simp�ticos los bichos esos, los agentes".

LA WEB SEM�NTICA: ADEM�S DE METADATOS (ONTOLOG�AS), L�GICA Y CONFIANZA

Miguel �ngel Abi�n — 2007-01-30T03:59:09-05:00

El esqueleto de la Web sem�ntica se compondr� de metadatos asociados a los documentos y archivos de la Web actual. Sin embargo, las verdaderas capacidades de la Web s�lo se conseguir�n aplicando l�gica y confianza a los metadatos. La l�gica permitir� extraer autom�ticamente conclusiones de la informaci�n almacenada y hacer b�squedas de informaci�n muy especializadas. La confianza har� que los usuarios de la Web obtengan respuestas fiables a sus consultas y que no desconf�en de los agentes inteligentes y de sus acciones. Mediante firmas y certificados digitales se proteger� a los usuarios de posibles usos malintencionados de la informaci�n que proporcionen a los agentes.

Son muchos los que piensan que la Web sem�ntica ser� una colecci�n de recursos (documentos, im�genes, archivos de audio, de v�deo, etc.) que incluir�n metadatos. Esta creencia no es del todo correcta, pues alcanzar el verdadero potencial de la Web sem�ntica precisar� ir m�s all� de los metadatos.

Para entender mejor las limitaciones de los metadatos, debemos antes comprender bien qu� son. Etimol�gicamente, "metadato" significa "dato sobre datos". Los metadatos se encuentran a la vista de todo el mundo: los c�digos de barras �que describen datos sobre el producto: precio, c�digo...� son metadatos. El cat�logo de una editorial es un metadato porque describe sus libros y revistas. En una revista cient�fica, por ejemplo, las palabras del resumen de cualquier art�culo son metadatos. El esquema de una base de datos es otro ejemplo de metadatos. Decir que el campo "Autor" de una base de datos es un dato de tipo String equivale a describir los datos que son v�lidos para ese campo (una fecha de tipo Date, vaya por caso, no ser�a v�lida en ese campo).

En general, los metadatos describen el contenido, la calidad, la condici�n o el origen de los datos, aunque pueden describir cualquier caracter�stica de �stos. En otras palabras, enriquecen sem�nticamente los datos, pues hacen m�s f�cil su interpretaci�n, as� como la del contexto en que pertenecen.

Una de las funciones m�s conocidas de los metadatos es su uso para mejorar la b�squeda de informaci�n, aunque esta funci�n a�n no se emplea en todo su potencial. Hoy no existe ning�n buscador comercial que "entienda" que Miguel de Cervantes fue un "escritor espa�ol". Por lo tanto, un buscador en que se busque informaci�n mediante las palabras clave "escritor espa�ol", no devolver� ning�n resultado que contenga "Miguel de Cervantes" o que tenga un enlace a una p�gina relacionada con este escritor.

Consideremos otro ejemplo: si introduce en Google el texto "Quiero averiguar qu� tiendas del mueble fabrican sillones en Soria o alrededores" (sin comillas), comprobar� que la b�squeda genera unas respuestas in�tiles, que no tienen nada que ver con la intenci�n del usuario. Los metadatos pueden usarse para proporcionar b�squedas m�s precisas. Si los documentos y disposiciones de las administraciones p�blicas, vaya por caso, se anotaran sem�nticamente con metadatos, ser�a posible acceder a la p�gina de su ayuntamiento, activar el servicio de consultas y escribir en un �rea de texto preguntas como �Me voy a cambiar de domicilio, �qu� tramites debo seguir?�. A continuaci�n, el servicio de consultas mostrar�a la respuesta (acuda al ayuntamiento para cambiar el empadronamiento, renueve el DNI con la direcci�n nueva, etc.) e incluso podr�a mostrar una lista de preguntas similares de otros usuarios, con sus correspondientes respuestas. (Si es usted aficionado o aficionada a mundos virtuales como Second Life, imag�nese a un sensual avatar respondiendo a la consulta y movi�ndose seductoramente por la pantalla: tratar con la administraci�n podr�a ser hasta divertido.) Actualmente, toda la informaci�n sobre esos tramites est� en la Web, pero se halla desperdigada entre muchas p�ginas web, documentos en Word, en PDF, etc. Se necesita una persona para que vaya consultando esas p�ginas y documentos y para que vaya recopilando la informaci�n de inter�s. Anotando con metadatos los textos, un buscador podr�a recopilar por nosotros la informaci�n buscada.

El ejemplo propuesto resulta muy simple, pero hay infinidad de b�squedas m�s complejas en que los metadatos ser�an muy �tiles para buscar informaci�n. Imagine, por ejemplo, consultas como �stas: �Qu� pasos debe seguir una empresa para solicitar deducciones por I+D? �Qu� requisitos se necesitan para opositar a profesor de secundaria en Pontevedra? �D�nde hay monumentos visigodos en Castilla y Le�n? �Qu� rutas tur�sticas puedo seguir en Asturias? �En qu� proyectos europeos participa la empresa AIDIMA?

Desarrollar� s�lo un caso: imagine una empresa multinacional de consultor�a �con oficinas en m�s de 50 pa�ses y con m�s de 13.000 empleados� que desea recibir respuestas a preguntas como "�Qu� empleados tienen experiencia en modelado empresarial?", "�Qu� empleados podemos usar para el contrato con la empresa LogicHouse, que necesita implantar un sistema distribuido basado en J2EE, RMI y CORBA?". Como es de esperar, buscar esa informaci�n entre los curr�culos de miles de empleados precisar�a semanas o meses, y consumir�a el tiempo de muchas personas. Anotando con metadatos cada curr�culo, un buscador sem�ntico podr�a contestar a esas preguntas muy r�pidamente.

La Web sem�ntica tendr� su base en los metadatos. Las ontolog�as actuar�n como metadatos, y los recursos de la red se marcar�n con instancias de las ontolog�as. (Para saber m�s sobre ontolog�as, v�ase http://www.wshoy.sidar.org/index.php?2005/12/09/30-ontologias-que-son-y-para-que-sirven y http://www.javahispano.org/tutorials.item.action?id=55 ). En la siguiente figura se muestra, como ejemplo, una ontolog�a sobre m�sica. Louis Armstrong es una instancia de la clase Int�rprete.

Mediante el uso de ontolog�as como forma de a�adir metadatos a los recursos de la Web actual, la Web sem�ntica se parecer�, muy simplificadamente, a la figura a continuaci�n.

Para ver c�mo se "marcan" con metadatos los recursos de la web (es decir, c�mo se anotan sem�nticamente), consideremos un documento tan simple que s�lo contiene una frase: "Luis tiene un perro llamado Fido". Usando las tecnolog�as de la Web sem�ntica, es posible construir una ontolog�a con las clases Persona, Perro, Mam�fero, Rabia y Enfermedad, y las relaciones entre ellas (por ejemplo, un Perro es un Mam�fero). Para construir una ontolog�a se puede usar cualquier editor de ontolog�as, como Prot�g� (http://protege.stanford.edu) o OilEd (http://oiled.man.ac.uk/download.shtml). Para hacer anotaciones sem�nticas a partir de ontolog�as pueden emplearse herramientas como Annotea (http://www.w3.org/2001/Annotea/) u OntoMat Annotizer (http://annotation.semanticweb.org/ontomat/index.html).

Las palabras del documento "Luis" y "Fido" pueden asociarse a las clases de la ontolog�a. Si utilizamos el lenguaje de la orientaci�n a objetos (http://www.javahispano.org/tutorials.item.action?id=25), dir�amos �por ejemplo�, que Fido es una instancia de Perro. Esta asociaci�n es un tipo de metadatos, pues proporcionan informaci�n adicional sobre la informaci�n del documento. Incluso se podr�a vincular a cada clase de la ontolog�a una p�gina web donde estuviera su definici�n. As�, la p�gina asociada a Rabia dir�a algo as�: "La rabia (hidrofobia) (C�digo CIE-9-MC: 071) es una enfermedad viral infecciosa que afecta al sistema nervioso de los seres humanos y otros mam�feros. Las personas contraen la enfermedad por la mordedura de un animal rabioso. Cualquier animal silvestre como un mapache, zorrillo, zorro, coyote o murci�lago puede tener rabia y transmitirla a los seres humanos."

Aunque los metadatos anteriores pueden aclarar el sentido en que se usan los conceptos a las personas que lean el documento (en este caso, "rabia" se usa en el sentido m�dico, y no como "emoci�n primaria intensa y parox�stica)", la utilidad de �stos resulta muy limitada. La potencia de la Web sem�ntica no estriba en la mera presencia de metadatos, sino en la combinaci�n de metadatos con la l�gica y la confianza en la informaci�n.

La l�gica, disciplina que estudia los principios del razonamiento, es m�s general que los metadatos o las ontolog�as y permite descubrir conocimientos y relaciones ocultos entre mara�as de datos. Un motor de inferencias o razonador (programa que genera deducciones siguiendo reglas l�gicas) que procese los metadatos del documento anterior deducir� autom�ticamente que Fido puede contraer la rabia, pues Fido es una instancia de la clase Perro, y �sta es una subclase de Mam�fero. Por lo tanto, lo m�s adecuado ser�a vacunarlo cuanto antes.

Consideremos la siguientes sentencias en OWL (un lenguaje l�gico de ontolog�as).


Class(a:taxista complete intersectionOf(a:persona restriction(a:conduce someValuesFrom (a:taxi))))

Class(a:conductor complete intersectionOf(a:persona restriction(a:conduce someValuesFrom (a:vehiculo))))

Class(a:taxi partial a:vehiculo)

Un razonador deducir� de lo anterior que, como un taxista es una persona que conduce un taxi y un taxi es un veh�culo, un taxista, por conducir un veh�culo, debe ser un conductor.

Veamos otro de sentencias escritas en OWL, que ahora contienen instancias (individuals), no s�lo clases:


Individual(a:Blanquita type(owl:Thing) value(a:es_mascota_de a:Miguel))

Individual(a:Miguel type(owl:Thing))

ObjectProperty(a:tiene_mascota domain(a:persona) range(a:animal))

ObjectProperty(a:es_mascota_de inverseOf(a:tiene_mascota))

Teniendo en cuenta que es_mascota_de est� definida como propiedad inversa de tiene_mascota y las restricciones de dominios y rangos para tiene_mascota, un razonador podr� deducir que �como Blanquita es la mascota de Miguel y �ste es una persona y s�lo las personas pueden tener mascotas� Blanquita debe ser un animal, y obrar en consecuencia (no permitiendo, por ejemplo, que a Blanquita se le asigne por error un n�mero de seguridad social).

Para la Web sem�ntica, la gran ventaja de la l�gica reside en que proporciona explicaciones para las deducciones. �stas son muy importantes para la Web sem�ntica porque los agentes inteligentes de la nueva Web las usar�n para tomar decisiones, ejecutar acciones y colaborar entre ellos (para que las deducciones sean v�lidas, deben basarse en afirmaciones fiables; volver� m�s adelante sobre este asunto). Por caso, un agente que reciba una reclamaci�n de otro podr� comprobar por s� mismo la informaci�n del segundo y verificar que la reclamaci�n es v�lida. As�, las deducciones aumentar�n la confianza del usuario en los agentes de la Web sem�ntica.

Consideremos, en el ejemplo de Fido, que el agente inteligente de su propietario solicita una vacunaci�n antirr�bica al agente de un veterinario. El segundo agente preguntar�a al primero por el motivo de su petici�n (no todos los animales pueden sufrir la rabia). Acto seguido, el primero enviar�a los metadatos (Fido es instancia de la clase Perro, Perro es subclase de Mam�fero, etc.); y el segundo usar�a sus reglas de inferencia para deducir que la petici�n de la vacuna antirr�bica para Fido es v�lida. En consecuencia, el agente del veterinario asignar�a una fecha y un d�a para la vacunaci�n y lo anotar�a en la agenda electr�nica del veterinario.

Una deducci�n es cierta si se basa en datos fiables. Es aqu� donde entra en juego una palabra mencionada ya antes: la confianza. En la figura de la Web sem�ntica podemos ver que la capa de confianza (Trust) ocupa el lugar superior.

La confianza es un concepto que aparece a menudo cuando se consideran sistemas de software o comercio electr�nico. Cuando decimos �Conf�o en una afirmaci�n o un documento�, queremos decir que confiamos en su verdad; cuando decimos �Conf�o en un programa o en un agente�, tratamos de expresar que confiamos en que funcionan correctamente.

En la Web sem�ntica, la confianza afecta a las siguientes �reas:

Certificaci�n: cuando un agente trabaja con agentes que pertenecen a otras organizaciones, debe confiar en alguna "autoridad de confianza" que autentifique esos agentes. De la misma manera que hay empresas independientes que certifican que una p�gina web pertenece a una empresa (pi�nsese en el candado amarillo de muchas p�ginas), deber� haber empresas que certifiquen que un agente de la Web sem�ntica ha sido verdaderamente desarrollado por una compa��a.

Credibilidad: cuando un agente proporciona informaci�n a un usuario o a otro agente, �hasta qu� punto es correcta? La informaci�n puede ser poco fiable porque las fuentes de informaci�n no lo sean, porque no est�n actualizadas o porque los algoritmos internos del agente tengan defectos.
La poca fiabilidad de algunas fuentes de informaci�n salta a la vista. Por ejemplo, los foros de bolsa suelen estar plagados de falsedades y de opiniones basadas en sue�os imposibles y corazonadas (algunas noticias econ�micas, tambi�n). �Qu� fiabilidad se le deber�a dar a la frase "Al inversor que compr� acciones de Terra Lycos a 157 euros yo le dir�a, con la mano en el coraz�n, que ha hecho una buena inversi�n"? Esta frase �merecedora de ser inscrita en m�rmol funerario para que sirva de ejemplo a las generaciones venideras� la pronunci� Joaqu�n Agut, presidente de Terra, en mayo de 2001. Es un claro ejemplo de que, a veces, la informaci�n puede merecer poco cr�dito porque su emisor carece de neutralidad o tiene motivos para proporcionar informaci�n no del todo veraz o exacta (los resultados de Terra no justificaban su precio en absoluto, pero reconocerlo hubiera perjudicado los intereses de la compa��a y de algunas agencias de bolsa).

Abuso de confianza: cuando un usuario o una organizaci�n proporcionan informaci�n a un agente de un tercero, es posible que �sta se emplee para los prop�sitos del propietario del agente, y no en beneficio de aqu�llos. En el mejor de los casos, el uso de un agente as� puede resultar in�til para quien lo usa; en el peor, puede resultar contraproducente e incluso perjudicial.
Si una empresa, vaya por caso, proporciona a un agente malicioso informaci�n sobre sus clientes y proveedores creyendo que �ste le ayudar� a planificar sus compras y ventas, podr�a encontrarse con la desagradable sorpresa de que los datos vayan a parar directamente a la competencia. Otro ejemplo: consideremos un agente "esp�a" que haya sido dise�ado para obtener dise�os de circuitos electr�nicos. El agente, disfrazado de piel de cordero, simular� ser un comprobador de circuitos (programa que verifica que un circuito est� bien dise�ado), pero enviar� a un tercero los dise�os que se supone que debe probar.

Revelaci�n de secretos: para cumplir sus objetivos, los agentes pueden revelar a terceros informaci�n delicada sobre el usuario o la organizaci�n que los usan, ya sea por accidente, por defectos en su algoritmos o por no haber considerado la confidencialidad en su dise�o. Por ejemplo, un agente que est� buscando una hipoteca para su usuario podr�a revelar a los agentes bancarios informaci�n sobre los ingresos de �ste o sobre su solvencia. La potencia de los agentes radica en trabajar en un mundo abierto, pero esto tambi�n presenta inconvenientes. En la Web sem�ntica, los agentes deber�n estar sujetos a pol�ticas de seguridad que garanticen que no transfieran datos confidenciales.

La inclusi�n de metadatos, aunque primitivos, ha fracasado en la Web ordinaria por falta de confianza: las palabras que aparec�an en los campos META de las p�ginas HTML no sol�an describir el contenido real de �stas. He aqu� un ejemplo del uso de los campos META en una p�gina web:

meta name="keywords" contents="ontolog�as, web sem�ntica, OWL, RDF"

Como no hab�a ninguna organizaci�n que controlara que las palabras descriptivas de los campos META correspond�an al contenido de las p�ginas web, los creadores de las p�ginas sol�an incluir en ellos palabras populares o atractivas (algunos lo siguen haciendo), pero que no describ�an bien sus p�ginas. Algunos buscadores clasificaban las p�ginas web seg�n las palabras clave de los campos META, pero los resultados decepcionaban a los usuarios. Al final, la picard�a de algunos erradic� la utilidad de los campos META. Los buscadores m�s populares del momento (Google, Yahoo) no tienen en cuenta estos campos.

En la Web sem�ntica, como sucede en la Web actual, no todas las fuentes de informaci�n ser�n de confianza, y habr� algunas m�s fiables que otras. Para evitar extraer conclusiones de datos err�neos, falsos o malintencionados, la Web sem�ntica necesitar� disponer de mecanismos de confianza y credibilidad (firmas digitales, certificados de terceras partes, recomendaciones, agencias de calificaci�n).

No debemos imaginar que habr� una inmensa burocracia encargada de asignar cierta calificaci�n de confianza a cada documento que se publique. En algunos casos, los propios usuarios podr�n valorar la fiabilidad de los documentos. Este proceso de valoraci�n ya se est� dando con buscadores como Google, cuyas b�squedas ordenan los resultados por el n�mero de enlaces al resultado. Cada vez que un usuario coloca en un recurso suyo un enlace a otro recurso, hace que �ste sea m�s relevante en las b�squedas e, indirectamente, le concede cierta fiabilidad. Por tanto, cuantos m�s enlaces apuntan a un recurso, m�s confianza se puede tener en �l. En otros casos, ser� imprescindible la existencia de autoridades de certificaci�n (p. ej., cuando se trabaje con agentes bancarios o de subastas).

Cuando uno haga una pregunta a la Web sem�ntica, �sta proporcionar� informaci�n sobre cu�n fiable es la respuesta bas�ndose en deducciones y en la fiabilidad de las fuentes consultadas, e incluso podr� adjuntar una prueba l�gica (reglas de inferencia aplicadas a afirmaciones) de c�mo ha generado la respuesta. Una consulta como "�De qu� pintor es El juego l�gubre?" obtendr�a la respuesta "Salvador Dal�"; si el usuario preguntara por la fiabilidad de la respuesta, obtendr�a una lista de las fuentes en que se basa la contestaci�n (pinacotecas, cat�logos oficiales, biograf�as, exposiciones) y un "calificaci�n de fiabilidad" basada en el prestigio y reconocimiento de esas fuentes de informaci�n. En el caso de un cuadro de autenticidad dudosa �dicho sea de paso, Dal� ten�a cierta tendencia a estampar, previo pago, su firma en lienzos y litograf�as en blanco�, el buscador presentar�a una calificaci�n de fiabilidad (un 65%, por ejemplo) bas�ndose en la calidad de las fuentes consultadas.

Debido a la evoluci�n, los cerebros humanos �excepto en algunos casos excepcionales� no est�n muy bien dotados para la l�gica: formular silogismos era menos �til que correr r�pidamente o tener brazos fuertes. Por este motivo, disponer de pruebas l�gicas para b�squedas o preguntas ser� m�s �til para los agentes que para nosotros: podr�n verificar por s� mismos las respuestas dadas por otros agentes a sus preguntas, mediante pruebas y mediante comprobaciones de la confianza que merecen las afirmaciones en que se sustentan las deducciones.

Desde un punto de vista te�rico, las discusiones y disputas entre agentes no tendr�n cabida, del mismo modo que las disputas entre personas carecer�an de sentido si la humanidad hubiera adoptado el quim�rico lenguaje artificial �l�gico y perfecto� propuesto por Leibniz en el siglo XVII: "Una vez conseguido el lenguaje l�gico perfecto �cada palabra, un concepto; cada concepto, una palabra�, se acabar�n las discusiones; bastar� que los interlocutores se sienten en los extremos de la mesa y sacando sus plumas digan: "�Calculemos!".

En la figura inferior podemos ver un ejemplo de inferencia en el cual, a partir de las afirmaciones de Rosa y Juan, puede deducirse que Pilar tiene permisos de acceso a la intranet de Muebles 110. Si esas afirmaciones fueran "de confianza" (si estuviesen certificadas por la propia empresa, p. ej.), un agente podr�a deducir de manera fiable que Pilar debe tener acceso a la intranet; e incluso podr�a d�rselo si ella no lo tuviera (por ejemplo, en el caso de que acabara de llegar a la compa��a).

En conclusi�n, el largo camino hacia la Web sem�ntica no pasa solamente por los metadatos. Se precisa adem�s una cualidad muy apreciada en el mundo de los seres de carne y hueso: confianza. Cuanto m�s complejas son las herramientas que creamos para facilitarnos las cosas, tanto m�s nos vemos reflejadas en ellas.

Tabulator: un navegador para la Web Sem�ntica - Parte II

inkel — 2006-08-05T19:37:01-04:00

Si para muestra hace falta un bot�n, aqu� el esperado ejemplo de uso de Tabulator. En �sta oportunidad, visualizaci�n de informaci�n geogr�fica, probablemente el ejemplo que m�s me ha gustado de momento.

En �sta ocasi�n decid� que, en vez de basarme en un ejemplo de los que vienen por defecto, voy a crear mi propio ejemplo, por lo tanto tom� algunas fotos que tengo en Flickr, agregarle informaci�n geogr�fica obtenida gracias a Google Earth (no tengo GPS) y luego sub� la informaci�n a mi sitio. El contenido del archivo es el siguiente:



    
        Laburando
        
        -34.595680
        -58.597090
    
    
    
        Tango
        
        -34.559817
        -58.449780
    
    
    
        Concurso de reflejos!
        
        -34.582577
        -58.418267

Para visualizar estos datos, lo primero que debemos hacernos es abrir Tabulator y decirle que cargue la informaci�n que se encuentra en http://f14web.com.ar/inkel/2006/08/05/tabulator-example.rdf. Una vez cargada la informaci�n, nos encontraremos con lo siguiente:

Lo que debemos hacer ahora es desplegar la informaci�n sobre las foaf:Image que se encuentran en el archivo, haciendo click sobre el bot�n para visualizar informaci�n (), y luego hacer lo mismo para la foto titulada Tango. Al visualizarse �sta informaci�n, presionar ALT y hacer un click sobre latitude y longitud, con lo que obtendremos lo siguiente:

¡Y llegamos a la parte tan esperada! Ahora seleccionamos la pesta�a Map y presionamos el bot�n View and Save Current Query y veremos dos cosas: la primera, triste, es que no existen mapas de la Argentina (flojo Google ah�). La segunda, m�s interesante, son los 3 globos que indican que existe informaci�n en el mapa:

Eso es todo lo que tuvimos que hacer para visualizar la informaci�n geogr�fica que se encontraba en el archivo. Por supuesto la parte m�s laboriosa es recopilar estos datos, pero solo tenemos que automatizar este proceso, dado que la visualizaci�n ya est� resuelta. Para visualizar cada foto, debemos presionar el globo correspondiente, y veremos la informaci�n asociada:

Queda pendiente averiguar como agregar t�tulos y descripciones a cada imagen, pero no puede ser muy dificil :). Espero encuentren este ejemplo de utilidad, y como siempre, escucho sus comentarios.

Tabulator: un navegador para la Web Sem�ntica - Parte I

inkel — 2006-07-18T01:16:47-04:00

�De manos de qui�n m�s sino el mismo Tim Berners-Lee pod�a surgir un prototipo de navegador para la Web Sem�ntica?

Con el creciente desarrollo de la web los usuarios nos vimos beneficiados por la segunda Guerra de Navegadores, donde, en una opini�n plenamente personal, se destacan principalmente Firefox y Opera. Si bien sus capacidades son por todos ampliamente conocidas, han sido dise�ados para la web actual y, a pesar de contar con algunas herramientas, no se adaptan correctamente a la Web Sem�ntica en su instalaci�n m�s simple. Tal vez por esta raz�n el padre de la WWW, Tim Berners-Lee desarroll� una p�gina que, utilizando AJAX y los conceptos de la Web Sem�ntica, nos proporciona un prototipo de c�mo podr�a ser un navegador para la WS: Tabulator.

Antes de continuar, y debido a que es mucho m�s interesante ir siguiendo su funcionamiento a lo largo del articulo, veamos la compatibilidad con los diversos navegadores disponibles:

Firefox: �nico navegador con el que se ha probado en su totalidad. Si bien hay que realizar un ajuste de las reglas de seguridad del navegador para navegar recursos remotos, las mismas no transforman al sistema en inseguro.
Opera: no ha sido probada plenamente, y no funciona con recursos remotos, por lo que se desarroll� un widget para Opera 9.
Safari: presenta errores extra�os, por lo que no recomiendo que lo utilicen, al menos, no de momento.
Internet Explorer: no funciona en este navegador, aunque est�n viendo el por qu�. No se si ha sido probado con la versi�n 7.0, aunque de todos modos no lo recomiendo.

Pasemos ahora a la descripci�n de lo que podemos hacer con Tabulator. Para comenzar, digamos que es un navegador particular, en el sentido de que navega cosas y no documentos. Por supuesto que algunas de �stas cosas son documentos, pero Tabulator primero los considera una cosa y luego un documento. Es importante hacer esta distinci�n, dado que hasta el momento todos los navegadores solo navegan documentos: una p�gina web, una imagen.

Por otra parte, Tabulator navega por estos recursos de manera escalable, es decir, no solo permite navegar por m�s de una cosa por vez, sino que, adem�s, no es necesario cargar en memoria y luego navegar toda una base de conocimiento en RDF. Esto se ajusta a la perfecci�n a una de las ideas de la WS, que es poder definir informaci�n parcialmente incompleta, e ir tomando la informaci�n complementaria a medida que la necesitamos. Para esto utiliza un protocolo llamado protocolo de migajas de pan.

Protocolo de Migajas de Pan

Un protocolo de migajas de pan es aquel en el cual la informaci�n se deja incompleta para luego ser incrementada, dejando un enlace a la siguiente migaja. Cualquier similitud con Hansel & Gretel, no es pura coincidencia. Si el proveedor deja un enlace al complemento de informaci�n indicando el tipo de la misma, el consumidor puede actuar en consecuencia y de antemano para discernir que fragmentos de informaci�n son necesarios. Un ejemplo de este protocolo es el de enlaces FOAF, y funciona as�: el documento ?d1 hace una referencia a la cosa referenciada por ?x en el documento ?d2 cuando:

?d1 log:says { ?y foaf:mbox_sha1sum ?s. ?y rdfs:seeAlso ?d2}.
?d2 log:says { ?x foaf:mbox_sha1sum ?s }.

Si el proveedor de informaci�n de ?d1 deja esa informaci�n, el consumidor, luego de haber leido ?d1 y deseando incrementar la informaci�n de ?y busca en el documento referenciado por rdfs:seeAlso, y encuentra en ?d2 la referencia a algo con el mismo valor de foaf:mbox_sha1sum y deduce que es la misma cosa. En este caso el protocolo asume que solo una persona (o entidad) es identificado por una direcci�n de email univoca, de ah� la validez de la suma SHA1.

Si bien esto es claramente m�s complejo que un simple enlace, Tabulator puede utilizar ambos. Los enlaces que pueden ser seguidos son representados por puntos azules ().

Con esto finalizamos esta primera parte sobre Tabulator. En el transcurso de los siguientes d�as nos adentraremos en ejemplos de utilizaci�n y otras funcionalidades. �Espero lo disfruten y me dejen sus comentarios!