语义网的初衷是让信息具备机器可解释的形式，以便软件能够集成并推理。虽然其标准成为了科学知识基础设施，但承诺的机器能力并未实现，当前回答科学问题的系统是语言模型，缺乏可检查的知识来源。本文认为原始目标是正确的，技术方案不完整，指出缺失的三要素：声明何时成立的条件、术语所允许的操作以及基底覆盖范围的说明。没有条件就无法判断矛盾和适用性，没有操作基础，持有陈述不赋予行动能力，没有覆盖声明，系统无法识别自身内容的边界，在开放世界假设下也无法推断。为此，本文将“理解”细化为五个可测量的测试：检查、关联、推导、行动、界定，并提出七层架构，前三层为支撑层，后四层提供认知能力。随后给出三个关键概念：大知识模型（输出为可寻址声明的引用而非词元）、自我构建知识库（代理从声明来源构建的知识库）以及语义通用人工智能（以必要条件的可证伪命题表述，而非具体系统），并用分级梯度取代不可检验的“通用”。最后，本文列出研究议程、最薄弱环节以及反驳条件。
点评