PDF de programación - La web semántica

La web semántica

Pablo Castells

Escuela Politécnica Superior

Universidad Autónoma de Madrid

[email protected]

http://www.ii.uam.es/~castells

Resumen

La web semántica es un área pujante en la confluencia de la Inteligencia Artificial y las
tecnologías web que propone introducir descripciones explícitas sobre el significado de
los recursos, para permitir que las propias máquinas tengan un nivel de comprensión de la
web suficiente como para hacerse cargo de una parte, la más costosa, rutinaria, o
físicamente inabarcable, del trabajo que actualmente realizan manualmente los usuarios
que navegan e interactúan con la web. A partir de la situación actual de la web y sus
limitaciones, en este artículo se motivan y explican las propuestas de la web semántica, se
describen las tecnologías más importantes desarrolladas para llevarlas a cabo, así como el
punto en el que se encuentra este proyecto promovido por el propio inventor de la web.

Introducción

En poco más de una década desde su aparición, la World Wide Web se ha convertido en
un instrumento de uso cotidiano en nuestra sociedad, comparable a otros medios tan
importantes como la radio, la televisión o el teléfono, a los que aventaja en muchos
aspectos. La web es hoy un medio extraordinariamente flexible y económico para la
comunicación, el comercio y los negocios, ocio y entretenimiento, acceso a información
y servicios, difusión de cultura, etc. Paralelamente al crecimiento espectacular de la web,
las tecnologías que la hacen posible han experimentado una rápida evolución. Desde las
primeras tecnologías básicas: HTML1 y HTTP2, hasta nuestros días, han emergido
tecnologías como CGI,3 Java,4 JavaScript,5 ASP,6 JSP,7 PHP,8 Flash,9 J2EE,10 XML,11
por citar algunas de las más conocidas, que permiten una web mejor, más amplia, más
potente, más flexible, o más fácil de mantener. Estos cambios influyen y son al tiempo
influidos por la propia transformación de lo que entendemos por WWW. La generación
dinámica de páginas, el acoplamiento con bases de datos, la mayor interactividad con el
usuario, la concepción de la web como plataforma universal para el despliegue de
aplicaciones, la adaptación al usuario, son algunas de las tendencias evolutivas más
marcadas de los últimos años.



1 http://www.w3.org/MarkUp/
2 http://www.w3.org/Protocols/
3 http://hoohoo.ncsa.uiuc.edu/cgi/
4 http://java.sun.com/
5 http://www.mozilla.org/js/
6 http://www.asp.net/
7 http://java.sun.com/products/jsp/
8 http://php.apache.org/
9 http://www.macromedia.com/
10 http://java.sun.com/j2ee/
11 http://www.w3.org/XML/

La evolución de la web no termina aquí ni mucho menos. Son diversos los aspectos
susceptibles de mejorar. Entre las últimas tendencias que pueden repercutir en el futuro
de la web a medio plazo, a finales de los 90 surge la visión de lo que se ha dado en llamar
la web semántica [Berners-Lee 2001]. Se trata de una corriente, promovida por el propio
inventor de la web y presidente del consorcio W3C12, cuyo último fin es lograr que las
máquinas puedan entender, y por tanto utilizar, lo que la web contiene. Esta nueva web
estaría poblada por agentes o representantes software capaces de navegar y realizar
operaciones por nosotros para ahorrarnos trabajo y optimizar los resultados. Para
conseguir esta meta, la web semántica propone describir los recursos de la web con
representaciones procesables (es decir, entendibles) no sólo por personas, sino por
programas que puedan asistir, representar, o reemplazar a las personas en tareas rutinarias
o inabarcables para un humano. Las tecnologías de la web semántica buscan desarrollar
una web más cohesionada, donde sea aún más fácil localizar, compartir e integrar
información y servicios, para sacar un partido todavía mayor de los recursos disponibles
en la web.

Un poco de historia

La aparición de la WWW se puede situar en 1989 [Abrams 1998, Connolly 2000],
cuando Tim Berners-Lee presentó su proyecto de “World Wide Web” [Berners-Lee
1989] en el CERN (Suiza), con las características esenciales que perduran en nuestros
días. El propio Berners-Lee completó en 1990 el primer servidor web y el primer cliente,
y un año más tarde publicó el primer borrador de las especificaciones de HTML y HTTP.
El lanzamiento en 1993 de Mosaic, el primer navegador de dominio público, compatible
con Unix, Windows, y Macintosh, por el National Center for Supercomputing
Applications (NCSA), marca el momento en que la WWW se da a conocer al mundo,
extendiéndose primero en universidades y laboratorios, y en cuestión de meses al público
en general, iniciando el que sería su vertiginoso crecimiento. Los primeros usuarios
acogieron con entusiasmo la facilidad con que se podían integrar texto y gráficos y saltar
de un punto a otro del mundo en una misma interfaz, y la extrema sencillez para
contribuir contenidos a una web mundial.

Por estas mismas fechas se define la interfaz CGI para la generación dinámica de páginas
web, con lo que se consigue ofrecer información actualizada en tiempo real, enlazar con
bases de datos, o tener en cuenta entradas del usuario, y más aún, servir como punto de
acceso y plataforma para la ejecución de aplicaciones distribuidas. En 1994 miembros del
equipo que creó Mosaic desarrollan Netscape, un navegador con sensibles mejoras que
contribuye a impulsar la propagación de la web. Este mismo año se celebra el primer
congreso internacional de la WWW, y unos meses más tarde se constituye el consorcio
W3C, que desde entonces y presidido por Tim Berners-Lee, se ha hecho cargo de
estandarizar las principales tecnologías web. En 1995 Sun lanza oficialmente la primera
versión del lenguaje Java, y un año más tarde Netscape presenta JavaScript. Estos
lenguajes y otros posteriores permiten que las propias páginas web contengan programas
enteros, dando opción a una mayor autonomía respecto del servidor, mayor eficiencia,
capacidad dinámica y capacidad de interacción.



12 http://www.w3.org/

La web hoy

Aunque es sumamente difícil medir el tamaño de la web, se estima que hoy día unos 109
usuarios utilizan la web, y que ésta contiene del orden de 4 · 109 documentos, un volumen
de información equivalente a entre 14 y 28 millones de libros [Bergman 2001]. Como
dato comparativo, la asociación American Research Libraries, que agrupa unas 100
bibliotecas en EE.UU., tiene catalogados unos 3.7 millones de libros. La biblioteca de la
Universidad de Harvard, la mayor de EE.UU., contiene en torno a 15 millones de libros.
Estas cifras incluyen sólo lo que se ha dado en denominar la web superficial, formada por
los documentos estáticos accesibles en la web. Se ha calculado que la llamada web
profunda, constituida por las bases de datos cuyos contenidos, no directamente
accesibles, se hacen visibles mediante páginas generadas dinámicamente, puede contener
un tamaño de información varios cientos de veces mayor, y de mucha mejor calidad, que
la web superficial, y crece a un ritmo aún mayor que ésta [O’Neill 2003]. Se estima que
el tamaño de la web profunda ha superado ya al volumen total de información impresa
existente en todo el planeta.

Hoy casi todo está representado de una u otra forma en la web, y con la ayuda de un buen
buscador, podemos encontrar información sobre casi cualquier cosa que necesitemos. La
web está cerca de convertirse en una enciclopedia universal del conocimiento humano.
Por otra parte la web nos permite realizar diferentes actividades de nuestra vida diaria con
una comodidad, economía y eficiencia sin precedentes: sin movernos de casa podemos
comprar todo tipo de productos y servicios, gestionar una cuenta bancaria, buscar un
restaurante, consultar la cartelera, leer la prensa, localizar a una persona, matricularnos en
la universidad, acceder a un callejero, o trabajar desde nuestro domicilio.

No obstante, en este panorama tan favorable hay espacio para mejoras. Por ejemplo, el
enorme tamaño que ha alcanzado la web, a la vez que es una de las claves de su éxito,
hace que algunas tareas (por ejemplo encontrar la planificación óptima con transporte,
alojamiento, etc., entre todas las posibles para un viaje bajo ciertas condiciones),
requieran un tiempo excesivo para una persona o resulten sencillamente inabarcables.
Desarrollar programas que realicen estas tareas en nuestro lugar es enormemente
complicado, ya que es muy difícil reproducir, y más costoso aún mantener, en una
máquina la capacidad de una persona para comprender los contenidos de la web tal y
como están codificados actualmente.

La asombrosa eficacia de los buscadores actuales tiene también sus límites. Por ejemplo,
si queremos conocer la historia de Netscape, los resultados de una consulta como
“Netscape history”, realizada el momento de escribir este artículo13, nos informan sobre
las herramientas de históricos de este navegador, pero no nos dicen nada sobre el origen y
evolución de Netscape. Igualmente, para averiguar qué organismo se ocupa de
estandarizar CGI, o en qué fecha apareció la primera versión de Java, necesitaremos
realizar varias consultas y leer varios documentos y artículos hasta llegar indirectamente
a la respuesta buscada. Si introducimos la palabra “Ketchup” para buscar información
sobre el grupo de música del mismo nombre, obtendremos enlaces a restaurantes, recetas,
fabrican