前段时间我和朋友聊天,又讲到一个很有意思的现象:为什么我们的IT系统功能越来越强,却总觉得它像个操作最终执行者和工具人,而不是一个能帮你分析问题、判断形势的"参谋"。IT系统能执行,但不能理解;能记录结果,但解释不了原因。这也是我今天重新整理这篇文章的关键原因,即首先给出核心观点和判断:—系统的边界,从来就不是语义的边界。
缘起观点:我最近在思考本体论和本体建模的时候有一个关键的观点,就是系统的边界不是语义的边界。举例来说,比如一个采购系统,有两种采购订单,一种是正常的采购材料,数量和交期的订单;一种是框架协议订单,只有价格没有数量,后续根据需要进行送货,送货验收后再生成结算单。但是业务人员究竟基于不同的场景,哪些判断规则来选择创建哪种订单实际并没有在系统本身的语义定义里面。再比如,当前需要进行退货处理,但是一个退货处理往往涉及到要先处理在途信息,再进行订单取消或冲红单处理,实际这个内容往往也没有在系统定义里面。在比如当系统监控发现了一个异常警告,实际基于不同的业务异常,我们究竟应该操作系统哪些业务功能联动来解决,也没有在系统定义里面。也就是说真正的业务运作的语义远远大于了系统操作的业务语义。自然就造成了我们的IT系统更多是一个操作型系统而非一个解释,预测和推理型系统。这也是我经常谈到的我们构建一个本体模型,不仅仅要考虑系统的构建用,还要考虑这个本体模型是否包括了我上面说的这些语义,只有包括了这些语义,后续才能够真正预测和推理业务。这也是我前面讲过的,面向对象问的是‘谁能做这件事(Who does What),而本体问的是‘这件事在客观世界中意味着什么逻辑后果(What does it imply)。因此不能简单的把面向对象建模认为就是本体建模,虽然两者都包括了对象,属性,关系,行为,规则的定义。但是本体建模的语义往往比传统面向对象建模更加丰富,OO建模仅仅为了系统生成,而本体建模还要考虑用于系统后续的预测,分析,断言和推理。
这篇文章我想把这个判断往前推一步。上一篇更多是"提出问题",这一篇想认真回答两件事:这个语义断层到底是怎么产生的,以及如果要用本体建模去补这个断层,该往什么方向走。
一、问题还是那个问题:语义留在了人脑子里
先简单回顾一下现象,不重复展开。
一套采购系统里定义了"标准采购订单"和"框架协议订单"两种单据类型,字段、表结构都很清楚,但"什么场景该选哪一种"这个判断规则——"大宗原材料走框架协议,零星备件走标准订单"——系统里没有,它躺在业务主管的经验里。
一笔退货处理,背后是"查在途订单→取消或冲销→通知仓库退货"这样一条有因果关系的动作链条,但系统往往只有一个孤零零的"退货单录入"界面,链条要么散落在代码的if-else里,要么全靠操作人员凭经验补齐。
一个库存预警弹出来,"要不要自动补货、要不要等在途订单到货、要不要人工介入",这些判断所需要的上下文,系统一概不知,它只负责"报",不负责"办"。
这些例子共同指向一个结论:系统把"操作"定义得清清楚楚——点哪个按钮、填哪个字段、生成哪张单子——但"为什么点这个按钮""点完之后会引发什么连锁反应""在什么背景下该做这个判断而不是那个判断",这些语义从来没有被系统真正"接住"。
二、语义为什么会断层:不只是建模范式的问题
上一篇文章里我把这个断层归结为"面向对象建模只关心怎么把系统跑起来,模型是手段不是目的"。这个说法回头看有点简化了,容易让人误以为只要换一种建模范式(比如换成本体建模)问题就自动解决了。实际情况要复杂得多,至少有三层原因需要分开看。
第一层,是需求分析阶段的取舍,而不是建模范式本身的局限。 面向对象完全有能力把状态机、业务规则、事件链建进类的方法和属性里——现实中大多数系统没有这么做,往往是因为项目工期不允许、没人系统性地去访谈业务专家、或者需求文档本身就没有把"判断逻辑"当作一等公民来对待。这是知识梳理投入不足的问题,不是某种建模语言"天生"表达不了语义的问题。把锅完全甩给OO范式,其实是找错了病灶。
第二层,是知识获取本身就是一件昂贵的事,而且这不是新问题。 上世纪八九十年代红极一时又迅速衰落的专家系统(Expert System),核心败因就是"知识获取瓶颈"(Knowledge Acquisition Bottleneck)——把专家脑子里的规则显性化的成本极高,而且业务规则一直在变,规则数量一旦上去,维护成本会指数级增长,最后整套系统因为无法维护而被放弃。这段历史给今天做本体建模、知识图谱的人一个非常明确的警示:建一套更完整的模型框架,解决的是"语义往哪存"的问题,不会自动解决"语义怎么挖、怎么持续维护"的问题。这两件事必须分开谈,谁也代替不了谁。
第三层,企业IT里其实已经有一批工具在尝试解决"知道了异常之后该怎么办"这一类问题,不能视而不见。 业务规则引擎(BRMS,如Drools)、决策表和DMN(Decision Model and Notation)、BPM工作流引擎、复杂事件处理(CEP)——这些工具早就能表达"如果满足条件A则触发动作B"这样的因果逻辑。本体建模不是从零发明了因果表达能力,它真正要解决的,是把这些原本分散在规则引擎、流程引擎、事件总线里的碎片语义,用一套统一的、可被人和机器共同理解的语言串起来,而不是重新造一遍轮子。这一点上一篇文章里提得不够清楚,容易让人以为本体建模是唯一解法,这里需要更正。