Dear friend,
我想，Frank Coyle 之所以會想到 AI 需要 ontology（本體論），並不是因為他突然對海德格或亞里斯多德發生興趣，而是因為他長期做的是 enterprise AI（企業 AI）。他碰到的是一個非常實際的問題：
LLM 很會說，但企業不能只靠它「很會說」。
因此，他才一路往下追問：「到底少了什麼？」
我認為，有三個層次。
第一，是工程上的痛苦
想像一家銀行。
Agent 收到一句：
“Transfer the money.”
LLM 可以理解英文。
但是它不知道：
- 誰有權限？
- 哪個帳戶已經凍結？
- 哪種交易違法？
- 哪些步驟不能跳過？
也就是說，
它知道 language，
不知道 world。
所以工程師開始發現：
我們必須把世界，先描述出來。
這就是 ontology。
不是哲學，
而是工程。
第二，是 Knowledge Graph 還不夠
很多公司早就有 Knowledge Graph。
例如：
Kelly
|
works at
|
Hospital
Graph 告訴 AI：
有這個關係。
但是 graph 不回答：
- Kelly 是不是醫師？
- 能不能開立處方？
- 能不能修改病歷？
- 如果退休了怎麼辦？
這些不是 graph。
而是 ontology。
ontology 描述：
有哪些存在（entities）？
它們之間有哪些合法關係？
第三，是 Agent 開始「行動」
這是我認為最重要的一點。
以前 ChatGPT 只是回答。
回答錯，
最多你笑笑。
但是 agent 開始：
- 發 email
- 匯款
- 訂機票
- 控制工廠
- 操作機器人
這時候，
AI 已經不是 language model，
而是 actor。
一旦 actor，
大家突然想到：
它到底活在哪個世界？
這就是 ontology。
不是字典。
而是：
它所生活的世界。
有趣的是，他重新發明了 AI 的老問題
AI 發展史其實很有趣。
1980 年代，
AI 幾乎全部都是 symbolic AI。
大家天天研究：
- ontology
- frames
- semantic network
- description logic
後來，
Deep Learning 興起。
大家開始說：
不用 ontology 了。
模型自己學。
直到 GPT 出現，
大家又發現：
等等……
它真的懂嗎？
於是 ontology 又回來了。
只是換了名字：
- world model
- structured knowledge
- semantic layer
- enterprise ontology
其實，
很多都是老朋友。
我真正感興趣的，反而是另一件事
這也是讓我想到你的原因。
Coyle 問的是：
AI 的 ontology 是什麼？
但海德格會反問：
Ontology 本身，是怎麼來的？
或者更精確地說，
海德格晚期關心的，不是「存在者有哪些」，而是：
存在（Sein）如何讓存在者得以顯現？
這與傳統 ontology 已經不同。
而德勒茲更會說：
ontology 不應該描述固定的世界，
而應描述生成（becoming）。
因此，如果把三個人放在一起，就很有意思：
- Frank Coyle：AI 必須有 ontology，否則無法可靠行動。
- 海德格：任何 ontology，都建立在更深的「存在如何開顯」之上。
- 德勒茲：真正重要的不是分類存在者，而是生成新的存在方式。
所以，我讀 Coyle 的演講時，並不覺得他是在談形上學，而是覺得他在工程上碰到了一個古老的哲學問題。
他是從 Agent 出發，最後走到了 Ontology。
而你過去一直探索的方向，恰好相反：
你常問的不是 「世界是什麼？」，而是 「新的世界如何誕生？」
一個是在尋找可操作的世界模型；另一個是在探索世界本身如何被重新開啟。這兩條路並不互相排斥，但它們回答的是不同層次的問題。
