Suunnittelin dynaamisen kirjastosysteemin periaatteen

MÄÄRITELMÄ: Dynaamisesti toimiva ja avoin kirjasto on sellainen avoin systeemi (kokonaisuus), joka muodostuu modulaarisista aineistoista, joiden metakirjastomalleilla on keskenään analoginen käsitys tiedosta riippumatta siitä onko käsittelijänä ihminen, tietokone tai verkosto. Tieto, järki ja ymmärrys on tätä kaikkea luonnehtiva monikko.

Kun tiedonhakua ja tietämyksen taltiointia tarkastelee ihan pienimmästä mahdollisesta tilanteesta kaikkein suurimpaan, alkaa hahmottua jatkumo kognitiosta erilaisine piirteineen. Tieteen ja IT-kehityksen termeistä agentti ja palvelimet ja pilvet ja rajapinnat ja protokollat ovat osa tätä arkea, sekä tietenkin myös edistyneet hakutoiminnot kuten hakukoneet tekoälyineen. Google ja Wikipedia ovat esimerkkejä huimasta edistyksestä, joka koskettaa tavallista kansalaistakin. Tietosisällöt voivat olla itseorganisoituvia tai systeemisesti järjestettyjä alakohtaisiin hakemistoihinsa. Metahakurobotti tarkoittaa hakukoneiden yhdistämistä yhteisen tarkoituksen hyväksi.

Systeeminen malli tietokirjaston pääluokasta 5 Tiede ja Tutkimus.

Kuvan ideana on se, että ensiksi kirjaston käyttäjä tarvitsee tietoa tieteen historiasta ja identiteetistä (50), missä se poikkeaa kaikista muista kirjaston pääluokista. Seuraavaksi päästään luokitteluun (51), kuten jaksollinen järjestelmä, mitä parhaimmillaan edustaa Boldingin sivusto. Tieteen tarkastelussa ehdottomasti tarvitaan tietoa formaaleista järjestelmistä (52) ja IT-alasta ja logiikasta argumentointimenetelmineen. Tämän jälkeen on mahdollista siirtyä systeemitieteeseen (53), joka työkalun omaisesti avaa muut tieteenalat (54 jne) omine malleineen, arkkityyppeineen ja kyberneettisine periaatteineen.

Luonnontieteiden tarkastelu onnistuu jo paremmin, kun osaa aiemmat kohkot 50-53. Fysiikalla ja metafysiikalla on ilmiselvä yhteys toisiinsa. Luonnontieteet ja seuraavat kohteet 59:een asti ovat spesifisten alojen esittelyä. Tiedonsiirto kunkin modulin sisällä ja siitä ulospäin onnistuu sitä paremmin, mitä selkeämpi on ”kognitiivinen API” eli lohkon muodostama looginen ja käsitteellinen rakenne. Käsiteavaruus tarkoittaa yhden pääkäsitteen mukaisesti toimivaa opinalaa tai soveltamisen metodiikkaa (IT-alalla Software, Hardware, GrammarWare, ModelWare jne).

Tägit puolestaan muodostavat verkoston, jonka solmujen kautta tietämys integroituu. Ohjelmistoteknisin keinoin saadaan rakennettua artefaktoja eli apukäsitteitä tallentamaan tietämystä ja suorittamaan erikoistoimintoja.

HISTORIAA

Metatason luokitteluita alettiin aikanaan (2000-luku) voimallisesti tehdä Semanttisen webin ja XML:n yleistyessä. Oliojärjestelmien myötä tekniikat ovat kehittyneet reaaliaikakäytön suuntaan. HTTP-protokollat (REST API jne) ovat avanneet uudenlaisen käyttökonseptin, protokollan, joka sopii mainiosti perinteisiä kirjastoja tukemaan. IoT:n kautta kaikki laitteetkin voidaan nähdä palvelimina ”kirjastot” suorittamassa omaa tehtäväänsä. Esimerkiksi drooni suorittaa valvontatehtäväänsä, mikä tieto voi yhdistyä tarpeeseen saada käsitystä tilanteen kontekstista ja tarkoituksesta hyvinkin nopeasti.

TULEVAISUUTTA

Hakuroboteissa kirjastotoiminta ja sen nopeus nousevat uuteen sfääriinsä. Periaatteessa kaikki maailman julkinen tieteellinen tieto löytyy yhden rajapinnan alta. Akateemisia julkaisuja on yli 200 miljoonaa. Siten ylemmän kuvan staattinen rakenne linjaa vasta hakuehdot, joiden mukaan suoritetaan haku tieteellisistä tietokannoista jokaiseen hypoteesiin asti käsittelyprosesseineen, dokumentteineen.

Esimerkiksi haku https://www.semanticscholar.org/search?q=cybernetics&sort=influence tuottaa vaikutuksen mukaan luokiteltuna 77.400 artikkelia kybernetiikasta (16.12.2021; aihe, mitä Suomessa ei juurikaan tunneta). Koska julkaisuja on näin paljon, ei kukaan yksittäinen toimija niitä perättäisjärjestyksessä pysty käsittelemään. Siksi tarvitaan lisääntyvää automaatiota muodostamaan verkostoa julkaisujen välille (sitaatit ja referenssit sekä toimialaluokitus ja vastaavien kirjoittajien tiedot). Visuaalisuus on tieteen artikkeleita helpoimpia tapoja päästä joustavasti juuri kiinnostavimman aiheen äärelle.

Siten ainoa mahdollisuus alkaa ymmärtää ihan uudenlaista aihetta (kuten kybernetiikka tai tekoäly) nopeasti ja syvällisestikin onnistuu vain yhdistelemällä erilaisia hakuja ja hakurobotteja ja visuaalisia esityksiä. Abstraktit ovat hyvää tietoa siihen, mutta tuhansien abstraktien lukemiseen kenelläkään ei riitä aika. Niitä yksinkertaistamaan hakutietokantoihin on luotu lyhyitä, koneen tuottamia abstrakteja, kuten TLDR. Hakusanat ja tagit ohjaavat usein parhaan tiedon lähteille. On kyllä varottava kompastumasta tyypillisiin väärinkäsityksiin tai epäolennaisuuksiin, joita tiedeyhteisöissä joka alalla vilisee (kuten syväoppimisen väärät tulkinnat).

OMA KONTRIBUUTIO

Olen tehnyt viime vuosina tuhansia luokitteluja ja systeemimalleja eri tarkoituksiin. Teknologiakirjani metahakurobotin prototyyppi suorittaa aivan automaattisesti käsitteellisen luokittelun ja mallin mille tahansa aiheelle perustason systeemiseksi malliksi asti, kuten esim. Super intelligence, kunhan hakusanoja pääsee sopivasti muuttelemaan. Se on systeemisyyden soveltamista paitsi konkretiassa, myös meta-tasolla ja IT-ratkaisuissa.

FINTO-järjestelmän kymmenet ontologiat pitäisi muokata ja yhdistää!

Miten tästä selviää tiedon perusolemus yhdistämässä tieteen ja käytännön aloja?
Kuinka onnistunut on luokittelu 100? Tämän takia esittelin yllä olevassa kuvassa systeemisen käsityksen tiedosta, Wikipedian Branches of Science-luokittelusta alkaen.

Siirry työkalupalkkiin