「本体」这个词在两个学科里干着两份活。哲学里的本体论(ontology)问「有什么」:二十世纪影响最大的一种本体承诺判准,把「有什么」绑定到形式语言里变元的取值上,一个理论要为真,变元就得指派给哪些实体(斯坦福哲学百科 Logic and Ontology 词条的梳理);哲学甚至争论更高一层的问题,叫元本体论(meta-ontology):本体论到底想回答什么?哲学的清单从来没有定稿,但工程不能等。信息科学里的本体就是工程的交付物:能发布、能标版本、能被机器读取使用。1993 年,斯坦福的一篇论文把这个词从哲学里借走,给了它一个工程定义,也开启了一场至今没有终局的争论:世界最顶层的清单该长什么样,谁有权写。2007 年一篇比较研究盘点了七个方案,2021 年一项国际标准收录了其中一个,今天大模型又在改变问题的形态。
## 1993 年,工程师把词借走了
那篇 1993 年的论文发表在 Knowledge Acquisition 第 5 卷第 2 期第 199 至 220 页,摘要第一句就说清目的:为了支撑形式化知识在 AI 系统之间的共享与复用,需要一套共同词汇。定义随之给出,中译大意:对某一共享话语域的表示词汇(类、关系、函数及其他对象的定义)所作的规范说明,称为本体。引言里的原句更短:"An ontology is an explicit specification of a conceptualization.",本体是对概念化的显式规范说明。「概念化」(conceptualization)指为某个表示目的持有的、对世界的抽象简化视图,用法出自所引的 1987 年教科书。论文没有隐瞒词的出身,它自己写道:"The term is borrowed from philosophy",在哲学里本体论是对「存在」的系统说明。技术贡献是一套叫 Ontolingua 的翻译机制,把谓词逻辑标准格式写的定义翻译成各种专门表示,本体因此可携带。
词义的变化就在这里:哲学的本体论是对「存在」的说明,工程的本体是对「词汇」的规范,定义描述的对象从世界本身变成了说话方式的约定。漂移的后果到后来才显形:既然是约定,哪份约定算数,迟早需要一个裁定的场所。
## 最顶层的清单,七个方案
上位本体(upper ontology,也叫 top-level ontology)管的是最一般的类目:对象、过程、性质、关系,一切领域本体最顶上的一层。2007 年,热那亚大学与瓦伦西亚理工的三位研究者按一套标准软件工程准则比较了七个上位本体:BFO、Cyc、DOLCE、GFO、PROTON、SUMO,外加一份以个人研究者名字命名的方案;论文坦言三位作者都是计算机科学出身,准则比哲学的更顺手。
比较表里的规模相差几个数量级:BFO 有 36 个类,仅靠 is_a 关系连接;DOLCE 约 100 个概念、约 100 条公理;SUMO 有 20,000 个术语、60,000 条公理(含领域本体),论文称它是当时最大的公开形式本体之一;Cyc 是商业项目,约 300,000 个概念、3,000,000 条断言、15,000 种关系。同样顶着这个名字,体量却像口袋词典与百科全书的差别。
规模是表象,立场才是根源。2007 年研究转引的一份专门比较,把 DOLCE 与 BFO 的分歧概括成一句话:前者在方法论上根本是概念主义的(conceptualist),后者根本是实在论的(realist)。按 2007 年研究的概括,DOLCE 要捕捉自然语言与人类常识底下的本体论范畴;它由 ISTC-CNR 的应用本体实验室维护,2002 至 2003 年首发后保持稳定,一阶逻辑写成,一致性得到过形式证明;BFO 则坚持自己是「小型上位本体」,刻意不收物理、化学、生物等特殊科学术语,项目 2002 年在大众汽车基金会「生命形式」项目支持下发起。反证:同一份比较指出两者结构上共识很多,都设持续者与发生者两类范畴、都持永恒主义立场,方法论分歧最为根本。第三条路是 SUMO:2000 年 12 月首发,Teknowledge 公司创建,曾作 IEEE 标准上位本体工作组的起步文档,人工映射了 WordNet 2.1 版全部词条。比较论文期待上位本体成为软件智能体整合异构知识的「通用语」(lingua franca,论文用语):两个系统哪怕不公开各自的完整本体,也能借共同的顶层对齐。三十多年过去,这个期待没有落空也没有成真,下一幕的场所出人意料。
## 标准组织进场
2021 年,哲学史上没发生过的事情发生了:一个上位本体成了国际标准。按公开资料所载,ISO/IEC 21838-2:2021 的标题是 Information technology - Top-level ontologies (TLO) - Part 2: Basic Formal Ontology (BFO):第 1 部分规定一个本体要满足什么要求才能被归类为「顶层本体」,第 2 部分把 BFO 收录为标准顶层本体。
时间线据维基百科词条所载:2001 年 BFO 1 发布,2015 年 2.0 版,2020 年 BFO 2020 版,2021 年成为标准;官方 README 则称 2002 年发起,先后有出入,各自照录。规模也有两个数字:README(2.0 时代文档)称 130 多个项目在使用,维基百科词条称超过 650 个项目以它为基础本体,主要在生物医学领域。标准能决定的是「用哪个」,不是「哪个对」。
## 成功长什么样
真正活下来的本体不在金字塔尖,而在领域里。2000 年 5 月,Nature Genetics 刊登署名「基因本体联盟」的论文:基因组测序显示,指定核心生物学功能的基因有很大一部分为全部真核生物共享,一个生物体里的知识常可转移到另一个生物体;联盟要给这种转移一套共同词汇:随知识积累而更新的动态受控词汇表,具体是生物过程、分子功能、细胞组分三套独立本体。
七年后,Nature Biotechnology 刊登 OBO Foundry 的论文,开头承认一个尴尬事实:这条路线的成功本身导致本体大量增生,增生反过来成了数据整合的新障碍。应对不是造一个更大的本体,而是立规矩:存量本体(包括基因本体)接受协调化改革,新本体按共同持有、持续演化的开发原则来建,目标是可互操作、逻辑上良构的本体家族。
从这两篇论文能提炼一个观察(本文判断):胜出的往往不是哲学上最优雅的方案,而是解决了分工与更新问题的方案。基因本体解决的是「各数据库各造各的词」,OBO 解决的是「多套本体各说各话」,都不需要回答哲学的问题。
## 大模型来了,问题变了
2023 年起,本体的材料里多了一个新变量:大语言模型。ISWC 2023 接收的一篇论文让九个模型家族零样本完成三项本体学习任务(term typing,术语类型化;taxonomy discovery,分类层级发现;non-taxonomic relation extraction,非层级关系抽取),材料覆盖 WordNet、GeoNames 与 UMLS。它问的是:清单能不能让机器自己从文本里学出来?
2024 年的两篇把问题推深。一篇做端到端生成:微调过的模型不拆子任务、直接生成整个本体的分类主干,方法叫 OLLM,评测指标也是新造的,用深度学习技术度量与参照答案的语义和结构相似度。另一篇问模型到底学没学会领域:用正常英文与乱造词的平行语料做对照,现成模型并没有一致地对语义关系做推理,倚仗的更多是词义及其框架。
还有一条路线反过来用本体。2023 年一个叫 SPIRES 的抽取方法,给用户定义的知识模式(schema),让模型按模板递归抽取,给所有匹配元素配上现有本体和词汇表里的标识符;摘要自载其准确率与现有关系抽取方法的中间水平相当,卖点是零训练数据干新任务。在这里,本体不再是要学出来的知识,而是约束输出的模板:模型说的每句话,都得对得上一份公开的清单。
2026 年 7 月挂出的 OntoLearner 把评测推到更大规模:自称同类中首个统一框架(Nature Communications 在审,状态照录),发布 22 个领域的 180 份机器可读本体,评测 22 个检索模型和 12 个大语言模型。结论指向结构:失败模式随本体复杂度而非模型规模或架构精密程度增长,主要瓶颈是模型编码知识的方式与本体组织知识的方式之间的结构性错配。
上世纪末,问题是「哪份清单是对的」;今天,问题变成了「怎么用清单管住模型」。
## 三个判断
第一,上位本体之争不是学院清谈(本文综合)。ISO 把 BFO 收为多部分标准的第 2 部分,说明谁有权裁定顶层类目的问题真实存在,且已从期刊走进标准组织;各方对「正确」的理解并不相同:概念主义要描述我们谈论世界的方式,实在论要描述世界本身,覆盖派押注大而全;分歧更多是立场之别,不是一有一错。标准的意义不在终结争论,而在让工程实践有了一个可撤销、可替换、可争论的默认选择。
第二,定义从「世界是什么的清单」漂移为「我们同意使用的概念化规范」,这不是退化,而是生存条件(本文判断)。1993 年那篇论文自己写了,词是从哲学借来的:工程需要能标版本、能移植的交付物,哲学需要一个永远不定稿的问题,词漂移了,才能同时活在两个学科里。
第三,大模型没有让本体过时,而是让它的价值重心挪了位置(本文判断)。抽取管线里,本体出标识符、约束输出形态(SPIRES);端到端生成里,评测要新造语义与结构指标(OLLM);更大规模的评测把瓶颈定位在结构性错配而非模型规模(OntoLearner,在审)。价值重心正从「教机器理解世界」移向「让机器的输出有据可查」。证据仍然单薄:材料多为摘要级,其中一份尚未通过同行评审,故按待检验的猜想表述。
## 不同读者能带走什么
给知识图谱与数据平台从业者:选顶层框架先问它取哪种哲学立场,再看生态规模;基因本体与 OBO 的经验说明,维护机制与分工原则比公理优雅更决定存活。本体若回答不了「谁维护、冲突了听谁的」,类目画得再好也撑不久。
给做抽取和检索增强的工程师:本体最稳的用法不是指望模型学会它,而是用它约束输出,模式先行,标识符是核对的抓手;零样本抽取无需训练数据,但准确率只到现有方法的中间水平(论文自载),别宣传成替代人工审核。评估生成的本体前,先问指标是怎么造的。
给哲学与科学研究的读者:ISO 事件是元本体论的现成案例,谁有权决定有什么这个问题有了工程学的答案,且不是哲学论证给出的;从公开资料的应用分布看,它更像从数据集成的现实需求里长出来的。
给普通读者:下次看到 AI 把事物分门别类说得头头是道,记得类目清单是有人提前画好的;那个「提前」有三十多年,最顶层的清单至今没有定论。你看到的清单,多数时候是一场未决争论里某一派的答案。
口径与边界:1993 年与 2007 年两篇论文经全文实读,引文按缓存原文;哲学观点转述依赖斯坦福哲学百科词条;基因本体与 OBO 两篇及五篇 arXiv 论文均为摘要级,摘要未载的内容(如 OBO 的具体原则清单)不写,发表与评审状态按摘要页栏目照录。ISO 官网两次访问被拒,标准 21838-2 的编号与标题依赖维基百科词条的二手口径,该词条「650 多个项目」与 README(2.0 时代文档)「130 多个」并列照录,不作调和;SUMO 官网亦被拒,其情况以 2007 年比较研究为据。正文两处英文引文均出自缓存的 1993 年原文。全文不出现人物姓名,论文以年份与发表处指称;Cyc 系商业产品名按比较表照录,不构成产品评价。论文类来源均无利益冲突披露栏,不作有无断言。译法:本体或本体论、上位本体、概念化、术语类型化、分类层级发现、非层级关系抽取等首现均附英文。
来源:Knowledge Acquisition 5(2):199-220《A Translation Approach to Portable Ontology Specifications》,1993 年(https://tomgruber.org/writing/ontolingua-kaj-1993.pdf);WOA 2007《A Comparison of Upper Ontologies》;DOLCE 官方页(ISTC-CNR 应用本体实验室);BFO 官方 README(2.0 时代文档);维基百科 Basic Formal Ontology 词条(二手口径);Nature Genetics 25(1):25-9《Gene ontology: tool for the unification of biology》,2000 年 5 月,PMID 10802651;Nature Biotechnology 25(11):1251-5《The OBO Foundry: coordinated evolution of ontologies to support biomedical data integration》,2007 年 11 月,PMID 17989687;arXiv 2307.16648《LLMs4OL: Large Language Models for Ontology Learning》,2023 年 7 月 31 日,ISWC 2023 接收;arXiv 2410.23584《End-to-End Ontology Learning with Large Language Models》,2024 年 10 月 31 日;arXiv 2407.19998《Do LLMs Really Adapt to Domains? An Ontology Learning Perspective》,2024 年 7 月 29 日,ISWC 2024 接收;arXiv 2304.02711《Structured prompt interrogation and recursive extraction of semantics (SPIRES)》,2023 年 4 月 5 日;arXiv 2607.01977《OntoLearner: A Modular Python Library for Ontology Learning with Large Language Models》,2026 年 7 月 2 日,Nature Communications 在审;斯坦福哲学百科《Logic and Ontology》,2004 年首发,2023 年实质修订