Ontology trở lại: Tại sao AI Agents đang hồi sinh Semantic Web

Một trong những video được xem nhiều nhất từ sự kiện AI Engineer World’s Fair gần đây là bài thuyết trình dài 20 phút của Frank Coyle, một giáo sư khoa học máy tính hiện đang giảng dạy về AI tạo sinh và LLM tại UC Berkeley. Dựa trên kinh nghiệm hàng chục năm của mình, Coyle đã giới thiệu lại khái niệm và cách thực hành ontologies (hệ thống phân loại tri thức) cho các kỹ sư AI ngày nay.

Coyle lập luận rằng mặc dù các LLM rất hiệu quả trong việc cung cấp khả năng suy luận xác suất, nhưng để các hệ thống tác tử (agentic systems) thực sự hiệu quả, chúng cần có các “rào chắn logic” — mà theo ông chính là các ontologies.

Trong khoa học máy tính, ontology là “một mô tả về cấu trúc dữ liệu – về các lớp, thuộc tính và mối quan hệ trong một lĩnh vực tri thức” (theo định nghĩa rất hay của Oxford Semantic Technologies). Bản thân Coyle định nghĩa ontology đơn giản là “dữ liệu dưới dạng đồ thị”. Ông nói thêm rằng ontologies như một khái niệm đã có từ thời Aristotle và đã được sử dụng xuyên suốt lịch sử của Trí tuệ nhân tạo.

Công ty Neo4j, nổi tiếng với các hệ thống cơ sở dữ liệu đồ thị, cũng đang sử dụng ontologies trong các sản phẩm tác tử của mình.

Trong một phiên thảo luận chính tại AIEWF, CEO của Neo4j là Emil Eifrem đã nói về ba loại ontologies khác nhau để tạo ra một “nền tảng chia sẻ thông minh hơn” nhằm vận hành các tác tử ở quy mô lớn. Đầu tiên là ontology hướng doanh nghiệp, mô tả các khái niệm chính trong một tổ chức; tiếp theo là ontology kỹ thuật, được Eifrem mô tả là “tất cả siêu dữ liệu của mọi nguồn dữ liệu và tài sản dữ liệu trong hệ sinh thái doanh nghiệp của bạn”; và cuối cùng là các dấu vết thực thi (execution traces), vốn là “các tín hiệu thời gian thực từ tác tử của bạn”.

Frank Coyle cho rằng các ontologies web đặc biệt hữu ích trong việc xây dựng các hệ thống tác tử. Ông đề cập đến Schema.org, FOAF, Dublin Core và các ontologies khác quen thuộc với các nhà phát triển web — hoặc ít nhất là với những người thuộc thế hệ trước. Ông cũng nhắc đến các “công nghệ tăng cường” như RDFS (Resource Description Framework Schema) và OWL (Web Ontology Language).

Một lợi ích của việc sử dụng các ontologies đã được thiết lập này là chúng vốn đã nằm trong dữ liệu huấn luyện của các LLM, vì vậy các nhà phát triển chỉ cần ra lệnh (prompt) cho chúng — tốt hơn nhiều so với việc phải xây dựng lại ontologies từ những nguyên lý cơ bản.

“Những thứ này đã tồn tại và là nền tảng cho rất nhiều việc chúng ta đang làm,” Coyle nói. “Vì vậy, hãy tận dụng những thứ đã có sẵn này.”

Để làm ví dụ, ông đã trình diễn một vòng lặp tác tử Claude sử dụng ontology để giúp xác thực khả năng suy luận của LLM sau khi công cụ đã chạy xong.

Coyle gọi sự hội tụ giữa các tác tử xác suất với ontologies là “AI biểu tượng thần kinh” (neurosymbolic AI).

“Nghe có vẻ khá kêu,” ông nói, “nhưng thực chất đó là các mạng thần kinh được kết nối với AI biểu tượng — các hệ thống dựa trên quy tắc nằm trong danh mục đó, cũng như các đồ thị tri thức mà chúng ta đang lắp ráp.”

Ông nhắc lại rằng neurosymbolic AI đại diện cho “một cách để giữ cho LLM nằm trong các rào chắn của nó.”

Một người đã đắm mình trong ontologies nhiều năm và hiện đang kết hợp nó với kỹ thuật AI là Kingsley Idehen, người điều hành một công ty có tên OpenLink Software. Ông đã và đang xây dựng một “ngăn xếp kỹ thuật tác tử” (agent engineering stack) sử dụng các công nghệ Semantic Web — bao gồm một “tác tử với bộ nhớ RDF”.

Tôi đã yêu cầu Idehen giải thích cho tôi về những lợi ích của ontologies.

“Vẻ đẹp của LLM là chúng là những bộ xử lý ngôn ngữ mạnh mẽ,” ông trả lời. “Vẻ đẹp của một ontology là nó xác định các loại thực thể và mối quan hệ mà thông qua đó ngôn ngữ có được ngữ cảnh có thể tính toán được. Cùng với nhau, chúng mang sức mạnh biểu đạt của ngôn ngữ vào ngăn xếp UI/UX của máy tính.”

Điều đó rất hợp lý, nhưng nếu bạn đã là một nhà phát triển web lâu năm, bạn sẽ biết những thách thức của ontologies: việc bảo trì và cập nhật chúng. Đó là lý do tại sao tầm nhìn về một “Semantic Web” vào những năm 1990 và 2000 — vốn dựa trên ontologies — chưa bao giờ thực sự cất cánh.

lux@lux

bạn phải trên 40 tuổi mới đủ trình độ để thảo luận về ontologies

12:29 SA · 26 tháng 7, 2026 · 357 Lượt xem

1 Phản hồi · 9 Lượt thích

Nhà phát triển AI hiện tại Prasenjit Sarkar đã đưa ra một giải pháp tiềm năng cho vấn đề bảo trì trên X, lập luận rằng “khi một tác tử tự duy trì ontology như một phần trong hoạt động của chính nó, cập nhật các định nghĩa khi gặp các trường hợp biên, thì vấn đề bảo trì sẽ thay đổi bản chất.” Tuy nhiên, ông nói thêm rằng đây vẫn là một bài toán khó.

Bất chấp những vấn đề này, bản chất có cấu trúc của ontologies dường như rất phù hợp với những xu hướng đôi khi bất thường của các LLM xác suất. Bạn có được sức mạnh của LLM, nhưng ontologies sẽ giữ cho chúng đi đúng hướng.

Thêm vào đó, như Eifrem của Neo4j đã giải thích, ontologies cho phép chúng ta chuyển từ “một thế giới của các tác tử cồng kềnh với các nguồn dữ liệu được kết nối thủ công” sang một thế giới mới của “các tác tử tinh gọn trên một lớp ngữ nghĩa dựa trên ontology chia sẻ thông minh hơn.”

Quay lại bài thuyết trình của Coyle. Ông cũng có một quan điểm tuyệt vời về kỹ thuật vòng lặp (loop engineering), mà ông lưu ý rằng “đã tồn tại từ rất lâu” trong khoa học máy tính. Tất nhiên, vấn đề là các vòng lặp có thể bị hỏng hoặc “đi chệch hướng”.

Một lần nữa, đây là nơi một hệ thống ontology có thể đóng vai trò như một rào chắn cho một LLM xác suất. Một trong những slide của Coyle gọi đó là “một tập hợp các quy tắc giới hạn xung quanh một vòng lặp không giới hạn.”

Gần cuối bài thuyết trình, Coyle đã trình diễn cách sử dụng OWL như một công cụ kiểm tra các tác tử. Một slide cho thấy rằng trong khi ngôn ngữ có thể mơ hồ, “một tiên đề OWL là một quy tắc mà máy tính thực thi.”

Ông cũng cho thấy cách “bạn có thể có một bộ suy luận được xây dựng trên ontology, để kiểm tra [và] giữ cho LLM đi đúng hướng — có các rào chắn để giữ cho nó trung thực.”

Có lẽ ontologies đang bắt đầu gây tiếng vang với các kỹ sư AI vì mối quan tâm trọng tâm hiện nay là kiểm soát chất lượng cho kỹ thuật vòng lặp. Chúng ta đã thấy cuộc tranh luận này diễn ra tại AIEWF, với nhiều diễn giả hội nghị chưa sẵn sàng để hoàn toàn tin tưởng vào các “nhà máy phần mềm” tự động hóa hoàn toàn. Một trong những bài học chính từ sự kiện là cần phải có các rào chắn và sự tham gia của con người trong vòng lặp.

Ngoài ra, thật thú vị khi thấy các công nghệ web truyền thống trỗi dậy trong lĩnh vực kỹ thuật AI, đặc biệt là sau xu hướng “vibe coding” năm 2025 khiến mọi người tưởng rằng ai cũng có thể tạo ra phần mềm. Tất nhiên, kể từ đó, mọi người đã nhận ra thực tế: chúng ta cần phải bảo trì phần mềm đó và đảm bảo nó không bị hỏng! Vì vậy, vào năm 2026, chúng ta đang thấy sự trở lại của kỷ luật kỹ thuật phần mềm — bao gồm cả sự hồi sinh của các web ontologies như một cách để giữ cho các LLM xác suất luôn trung thực.