О ЧЁМ МАТЕРИАЛ
Онтологии — это формальные описания того, как устроены знания в какой-то предметной области, то есть какие есть понятия, их свойства и связи между ними. Раньше эта идея была основой для создания так называемого «Семантического веба», но тогда толком не взлетела. Сейчас, с развитием ИИ-агентов и больших языковых моделей (LLM), онтологии снова становятся актуальными, помогая сделать работу ИИ более точной и предсказуемой.
ЧТО ЗДЕСЬ ВАЖНОГО
Онтологии как «логические ограждения» для ИИ-агентов
Профессор Фрэнк Коулей из Калифорнийского университета в Беркли подчеркнул, что большие языковые модели отлично справляются с предположениями и вероятностями, но для эффективной работы ИИ-агенты нуждаются в жёстких правилах и структуре — это и есть онтологии. На практике это значит, что онтологии помогают не допускать нелепых или неправильных выводов от ИИ, удерживая его «на рельсах». Это снижает ошибки и повышает надёжность систем.
Три уровня онтологий в бизнесе
Компания Neo4j, разработчик графовых баз данных, выделяет три типа онтологий: 1) бизнес-онтология — описывает ключевые понятия и процессы компании; 2) техническая онтология — содержит метаданные о данных и системах; 3) онтология исполнения — фиксация действий и решений агента во время работы. Такие слои позволяют ИИ-агентам лучше ориентироваться и работать на предприятиях, обеспечивая слаженную работу и контроль.
Семантический веб и проверенные технологии с прошлым
Коулей напомнил о существующих стандартах и онтологиях вроде Schema.org и Web Ontology Language (OWL), которые уже интегрированы в данные, на которых обучаются современны ИИ. Это значит, что разработчикам не нужно начинать всё с нуля — можно использовать и адаптировать уже проверенные схемы и концепции для создания более умных и точных ИИ-приложений.
Преимущества и вызовы онтологий
Онтологии помогают связать понимание языка с формальным представлением знаний — благодаря этому ИИ становится не только «говорящим», но и осмысленно работающим с данными. Но самое серьёзное препятствие — это поддержка и обновление онтологий, что требовало больших усилий и останавливать развитие Семантического веба в прошлом. Сейчас есть идеи, что ИИ-агенты сами могут поддерживать и обновлять онтологии по мере работы, что решит эту проблему.
ЧТО С ЭТИМ ДЕЛАТЬ ВАМ
Если вы обычный пользователь, то этот прогресс означает, что в будущем ваши ИИ-агенты станут надёжнее и точнее, например, при поиске информации или автоматизации задач. Вам стоит обратить внимание на продукты, которые используют такие структурированные подходы — они обещают меньше ошибок и более прозрачную работу.
Для тех, кто интересуется ИИ глубже — изучайте концепции онтологий и семантической структуры данных, чтобы лучше понимать, как работают современные агенты и как с ними взаимодействовать.
Пока это направление больше для разработчиков и исследователей, обычному пользователю пока всё происходит «за кулисами». Но уже сегодня можно познакомиться с подобными технологиями через продвижение ИИ-систем с улучшенной логикой и контролем — например, в разделе новостей OpenClaw или в интеграциях OpenClaw.
Полезно знать и то, как обновления ИИ делают работу агентов быстрее и удобнее — об этом мы рассказывали в материале «Как ваш ИИ-агент может стать в 5 раз быстрее и удобнее».
Источник: https://www.latent.space/p/ontologies-agentic-systems, автор — Richard MacManus, AIEWF 2026