El capítulo 1 no enseña a construir nada. Fija el vocabulario y responde una sola pregunta con varias capas de profundidad: qué es una ontología. Casi todos los malentendidos que se arrastran después nacen aquí.

Lo que sigue está ordenado por lo que de verdad cambia cómo modelas. Lo rutinario va comprimido; lo que muerde, extendido.

Las definiciones, rápido

Cuatro, en orden histórico, cada una arreglando a la anterior (§1.2.1, «The definition game»):

Definición	Problema
Gruber (1993) — «a specification of a conceptualization»	la más citada y la más vaga: ni «especificación» ni «conceptualización» están definidas
Studer et al. (1998) — «a formal, explicit specification of a shared conceptualization»	añade formal, explícita y compartida; no dice qué significa «compartida»
Guarino (1998) — «una teoría lógica que da cuenta del significado pretendido de un vocabulario formal»	la útil de verdad
Desarrolladores de OWL (2003) — «equivale a una base de conocimiento en lógica descriptiva»	Keet la marca como indebidamente restrictiva

Quédate con la de Guarino, porque es la única que explica qué estás haciendo cuando añades un axioma: cada axioma recorta el espacio de interpretaciones posibles. Una ontología sin axiomas admite cualquier interpretación y por tanto no dice nada. No estás documentando: estás tachando mundos donde las cosas no son como quieres.

De ahí sale también que el dibujito de cajas y flechas no es la ontología. Es una foto de la ontología. La ontología es la teoría lógica.

Ontology vs. ontology, en dos líneas

Ontology (mayúscula) es la disciplina filosófica: qué existe. ontology (minúscula) es el artefacto computable. No es homonimia — la primera da los criterios con los que decides qué merece ser una clase en la segunda.

Keet lista tres posturas, y sí cambian lo que metes en el archivo: empirista (los términos refieren a entidades reales: infección por VIH, jacarandá), conceptualista (a conceptos mentales: flogisto, unicornio) y universalista (a universales que explican el parecido entre individuos). Si eres empirista, Unicornio no entra. Decisión a tomar y sostener, no a dejar implícita.

---

Lo que sí importa: mundo abierto

Aquí está la diferencia real con una base de datos, y el motivo de la mayoría de las sorpresas con OWL.

	Ontología	Modelo conceptual / esquema relacional
Alcance	independiente de la aplicación, reutilizable	específico de una aplicación
Formalización	teoría lógica explícita	diagramas informales de cajas y líneas
Razonamiento	inferencia automatizada	solo consultas
Supuesto	mundo abierto (OWA)	mundo cerrado (CWA)

CWA (bases de datos): lo que no está afirmado ni es derivable, es falso. No hay fila, no existe. Fin.

OWA (ontologías): la ausencia de información no implica falsedad. No está escrito, luego no se sabe. Puede ser cierto y simplemente nadie lo anotó.

Si vienes de SQL o de TypeScript, este es el reflejo que hay que desprogramar, y tiene una consecuencia inmediata:

En OWL, domain y range no validan nada. No pueden: bajo mundo abierto no existe el dato «malo», solo el dato desconocido. Lo único que hacen es inferir tipos en silencio. Declaras un domain esperando un error y lo que obtienes es una clasificación que nadie pidió.

Cualquier consejo de modelado que trate estas construcciones como validación es sencillamente incorrecto.

---

El ∀ que no obliga a nada

La trampa que más caro sale en OWL, y la que hace posible el caso de estudio de más abajo.

En §1.1 aparece la African Wildlife Ontology (AWO), el ejemplo que atraviesa todo el libro, con un mismo axioma escrito de cuatro maneras —los leones comen solo herbívoros, y comen algún impala—:

Notación	El axioma
Lógica de primer orden	∀x(Lion(x) → ∀y(eats(x,y) → Herbivore(y)) ∧ ∃z(eats(x,z) ∧ Impala(z)))
Lógica descriptiva	Lion ⊑ ∀eats.Herbivore ⊓ ∃eats.Impala
Lenguaje controlado	«Each lion eats only herbivore and eats some Impala»
RDF/XML	owl:allValuesFrom, owl:someValuesFrom, rdfs:subClassOf

Mira los dos cuantificadores de esa única línea:

∀eats.Herbivore   →  "si come algo, es herbívoro"   NO obliga a comer
∃eats.Impala      →  "come al menos un impala"      SÍ obliga

¿Y esos símbolos? El resumen de treinta segundos

Piensa en un amigo vegetariano.

• ∃come.Verdura = «come verdura». Promete que hay verdura de por medio.
• ∀come.Verdura = «no come otra cosa que verdura». No promete nada: prohíbe.

Si lleva tres días sin comer nada, sigue siendo verdad que «no come otra cosa que verdura» — y también «que carne», y «que piedras». Las tres a la vez, porque no hay ni un contraejemplo. De ahí viene todo lo que se rompe más abajo.

Los otros: ⊑ = «es un tipo de», ⊓ = «y a la vez», ⊥ = «imposible».

Versión larga, con los dos juegos de notación y por qué son dos: capítulo 0.

∀eats.plant lo cumple una piedra. Una piedra no come nada, luego «todo lo que come es planta» es verdad de forma vacía. ∀ no dice «come plantas», dice «no come nada que no sea planta».

Regla práctica: un ∀ casi nunca va solo. Suele necesitar un ∃ al lado que diga «y además come algo». Cuando el ∀ va dentro de una clase definida (equivalencia, condiciones necesarias y suficientes), olvidarlo deja de ser una curiosidad y se vuelve una bomba. Lo vemos funcionando en un minuto.

---

Qué hace buena a una ontología

Dos ejes: precisión (¿representa solo lo pretendido?) y cobertura (¿representa todo lo pretendido?).

	Cobertura máxima	Cobertura limitada
Precisión alta	buena	mala — falta contenido necesario
Precisión baja	menos buena — admite modelos no pretendidos	peor

Y tres niveles de error, de barato a caro:

Error	Quién lo detecta
sintáctico — el archivo no parsea	el parser
lógico — inconsistencia, clases insatisfacibles	el razonador
semántico — formalizaste impecablemente otra cosa	nadie

Que un razonador diga «consistente y sin clases insatisfacibles» significa «lo que dijiste no se contradice». No significa «dijiste lo que querías decir».

Esa frase suena a advertencia genérica. No lo es, y lo que sigue lo demuestra contra la ontología del propio libro.

---

Caso de estudio: la brizna de hierba que rompe la ontología del libro

Todo lo que sigue se reproduce con:

cd capitulos/01-introduccion/artefactos
python3 -m venv .venv && ./.venv/bin/pip install -r requirements.txt
./.venv/bin/python verificar.py     # necesita Java en el PATH

El script razona con HermiT vía owlready2 y sale con código 1 si alguna afirmación de esta página deja de cumplirse.

El punto de partida: todo verde

AfricanWildlifeOntology1.owl —el archivo de material suplementario del libro— tiene 31 clases, 5 propiedades de objeto y cero individuos: es TBox pura, sin ABox. Solo tres clases están definidas (owl:equivalentClass): herbivore, carnivore y Omnivore.

Se ejecuta el razonador:

[ok] la ontología es consistente
[ok] no hay clases insatisfacibles
[ok] giraffe se clasifica como herbivore
[ok] lion se clasifica como carnivore

Clasificación no trivial, cero errores. En un proyecto de software esto sería verde en CI y se mergearía.

La primera grieta: lo que no se infiere

Está declarado que el león come solo herbívoros y que come algún impala:

lion ⊑ ∀eats.herbivore ⊓ ∃eats.Impala

En lenguaje natural, de ahí se sigue que los impalas son herbívoros. El razonador no lo infiere:

[ok] Impala NO se clasifica como herbivore

Y hace bien. Lo que se sigue es que el impala concreto que se come ese león concreto es herbívoro — formalmente lion ⊑ ∃eats.(Impala ⊓ herbivore). Nada dice sobre la clase Impala entera: puede haber impalas que ningún león se coma.

No es un fallo, es OWA funcionando. Pero es la primera señal de que la intuición del modelador y lo que el archivo dice no son lo mismo.

El defecto

Las dos definiciones centrales:

herbivore ≡ ∀eats.plant   ⊔  ∀eats.(∃is-part-of.plant)
carnivore ≡ ∀eats.animal  ⊔  ∀eats.(∃is-part-of.animal)
carnivore ⊓ herbivore ⊑ ⊥

El ⊔ está fuera del alcance del ∀. Se quería decir «come solo plantas o partes de plantas». Lo que dice es «(come solo plantas) o (come solo partes de plantas)». Un animal que coma una planta entera y una hoja no cumple ninguno de los dos disyuntos y no es herbívoro. Lo correcto sería ∀eats.(plant ⊔ ∃is-part-of.plant).

Pero la consecuencia grave es la otra. ∀eats.plant se satisface de forma vacía para cualquier cosa que no coma nada. Y como es una equivalencia, la implicación va en los dos sentidos: cualquier entidad que no coma es, por definición, un herbívoro. Y por el mismo argumento, un carnívoro. Y esas dos clases están declaradas disjuntas.

La prueba

La ontología, tal como viene, es consistente — porque bajo mundo abierto el razonador nunca puede asumir que algo no come; siempre puede inventarle un alimento. La contradicción solo aparece cuando se le cierra esa puerta.

Se añade un individuo que ningún biólogo discutiría: una brizna de hierba que no come nada.

brizna = Grass("brizna_de_hierba_1")
brizna.is_a.append(eats.exactly(0, Thing))   # una brizna no come

[ok] afirmar que una brizna de hierba no come vuelve INCONSISTENTE la ontología

HermiT · AWO1 + 1 individuo → inconsistente

Toda la ontología. No una clase insatisfacible: inconsistente, que es la avería total — a partir de ahí el razonador deriva cualquier cosa y ninguna respuesta sirve.

Mide el desastre contra su causa. La causa es un paréntesis mal puesto en dos líneas. La ontología pasaba el razonador. Habría pasado cualquier suite que solo comprobara consistencia. Y revienta con el primer dato real que alguien cargue.

La corrección, y su precio

Meter el ⊔ dentro del ∀, y añadir un ∃ que impida la satisfacción vacía:

herbivore ≡ animal ⊓ ∃eats.⊤ ⊓ ∀eats.(plant  ⊔ ∃is-part-of.plant)
carnivore ≡ animal ⊓ ∃eats.⊤ ⊓ ∀eats.(animal ⊔ ∃is-part-of.animal)

[ok] con las definiciones corregidas, la brizna ya no rompe nada
[ok] lion sigue clasificándose como carnivore
[ok] PERO giraffe pierde la clasificación de herbivore

La jirafa deja de ser herbívora. No es un fallo de la corrección: sobre la jirafa solo estaba declarado ∀eats.(Twig ⊔ leaf) — si come, come ramitas u hojas. Nunca se declaró que coma. Antes se colaba como herbívora justamente por el bug que se acaba de arreglar: era una inferencia correcta por la razón equivocada.

Se declara lo que faltaba y vuelve:

giraffe.is_a.append(eats.some(leaf))     # las jirafas comen alguna hoja

[ok] con ∃eats.leaf, giraffe vuelve a clasificarse como herbivore

Qué deja el caso

1. El razonador comprueba coherencia, no verdad. Precisión baja, en la matriz de §1.2.3: se admiten modelos no pretendidos y todos son perfectamente consistentes.
2. Bajo OWA los errores se esconden hasta que llegan los datos. El mundo abierto absorbe modelado defectuoso durante todo el desarrollo y lo devuelve en producción, cuando alguien afirma algo negativo o cerrado. Probar la TBox sola no basta: hay que probarla contra individuos.
3. Ninguna herramienta iba a preguntar «¿sigue siendo herbívora la jirafa?». Esa pregunta la escribe una persona, antes de modelar, y queda automatizada. Son las preguntas de competencia, el equivalente real de los tests unitarios, y es lo que el capítulo 5 manda hacer desde el minuto cero.
4. La versión 1 es la foto del «antes». AfricanWildlifeOntology1.owl es la primera de una serie que el libro va corrigiendo capítulo a capítulo. Encontrarle defectos no es contradecir a Keet: es el ejercicio.

---

Para qué sirven, sin humo

§1.3, comprimido:

Uso	Ejemplo del libro
Integración a nivel de esquema — vocabulario común sobre los modelos de cada sistema	fusión de universidades u hospitales; Flower ≡ Bloem
Integración a nivel de instancia — identificadores compartidos para anotar tuplas	Gene Ontology: KEGG e InterPro anotan con GO:0004619
e-learning	contenido adaptado al perfil del estudiante
Pregunta-respuesta	Watson en Jeopardy!
Humanidades digitales (OBDA)	ánforas y comercio de alimentos, consultados sin SQL
Flujos de trabajo científicos	Taverna: repetibilidad y procedencia
Descubrimiento científico	moléculas candidatas de caucho; enzimas, superando a expertos humanos

La diferencia entre las dos primeras es a qué nivel se pega la ontología: al esquema (qué tipos de cosas hay) o a las tuplas (esta fila concreta trata de esto). La de instancia no obliga a armonizar esquemas ni a centralizar nada, y por eso es la que triunfó en biología — criterio propio: escala mejor socialmente, porque cada base conserva su autonomía y solo hay que acordar etiquetas.

El patrón detrás de todos: aportan valor donde hay heterogeneidad semántica o donde hace falta conocimiento que no está en los datos. Una sola base de datos bajo tu control y sin inferencia → una ontología es sobreingeniería. Conviene saberlo antes de enamorarse del tema.

---

Los ejercicios (§1.5)

El libro trae dos series distintas por capítulo y conviene no mezclarlas al citar: Review question N.x (conceptuales) y Exercise N.x (prácticos). Enunciados citados literal; resolución propia.

Review question 1.1. «…describe them in your own words, in particular: ontology-driven information system, Ontology, ontology, and ontology engineering.»

ontology-driven information system: la ontología no es documentación adjunta, es una pieza en ejecución. La prueba operativa — si borrarla no cambia el comportamiento del sistema, no es un sistema dirigido por ontologías, es un sistema con un glosario. Ontology / ontology / ontology engineering: ya arriba; la tercera es la disciplina de construir, evaluar y mantener el artefacto — la palabra engineering está puesta en oposición a modelar por intuición.

Review question 1.2. «List several uses of ontologies.» → la tabla de la sección anterior.

Review question 1.3. «Describe the difference between schema vs. instance-level data integration.»

	Esquema	Instancia
Qué se alinea	tipos, clases, atributos	tuplas concretas
Requiere tocar los esquemas	sí (mapeo)	no
Ontología típica	rica en axiomas	vocabulario controlado ligero
Ejemplo	fusión de dos hospitales	Gene Ontology

Exercise 1.1. «…install an ODE, such as Protégé, load the AfricanWildlifeOntology1.owl… and open it in your text editor.»

El archivo está en artefactos/AfricanWildlifeOntology1.owl. En el editor de texto es RDF/XML, verboso hasta lo cómico: «cada león come solo herbívoros» ocupa una decena de líneas anidadas, y un ∀ es un owl:Restriction con owl:allValuesFrom. Justo lo que decía §1.1 — la sintaxis de intercambio está hecha para máquinas. Inventario contado sobre el XML:

En Protégé, antes del razonador la jerarquía es plana y aburrida. Al pulsar «start reasoner» aparece lo interesante — que es el caso de estudio de arriba.

Un detalle que salta a la vista: la mereología está mejor cuidada que el resto. is-part-of transitiva y reflexiva, has-part su inversa y también transitiva, is-proper-part-of subpropiedad suya e irreflexiva — que es la manera correcta de distinguir parte de parte propia.

Exercise 1.2. «…is it a good, less good, bad, or even worse ontology? Why?»

Menos buena: precisión baja, cobertura razonable. Además del defecto del caso de estudio:

• Nomenclatura incoherente — lion, giraffe, plant en minúscula junto a Impala, Elephant, RockDassie en CamelCase, y tasty-plant con guion. Cosmético hasta que hay que alinearla con otra ontología.
• tasty-plant no es una clase del dominio — definida como planta comida por algún carnívoro y algún herbívoro. «Sabrosa» es epistémico y subjetivo, y la definición ni siquiera habla de sabor. Error semántico de manual.
• Casi no hay disyunción — 7 axiomas para 31 clases. Nada impide que un Warthog sea también un RockDassie. Bajo OWA, lo que no se declara disjunto se considera posiblemente solapado, y el razonador deja de detectar errores.
• Palmtree ⊑ ∃has-part.¬branch — «toda palmera tiene alguna parte que no es una rama». Literalmente cierto (tiene hojas) y completamente inútil: se quería decir Palmtree ⊑ ¬∃has-part.branch. El mismo error de alcance de cuantificador.

Y casi con seguridad es a propósito: es la versión 1 de una serie que el libro corrige capítulo a capítulo. Responder «es buena porque el razonador no se queja» sería caer justo en la trampa que el capítulo acaba de explicar.

---

Lo que hay que llevarse

1. Una ontología es una teoría lógica. Cada axioma recorta modelos.
2. OWA, no CWA. No valida; infiere. Este solo punto explica la mayoría de las sorpresas con OWL.
3. ∀ no obliga a nada y se cumple de forma vacía. En una clase definida, eso es una bomba.
4. Los errores semánticos no los detecta ninguna herramienta. Es lo que justifica escribir preguntas de competencia.
5. Probar el esquema solo no basta. Hay que probarlo contra individuos.

Salvo los enunciados citados y la ontología de ejemplo, el análisis de esta página es criterio propio, verificado con HermiT. Numeración del autor: este es el capítulo 1; LibreTexts lo publica como «02».

Para la defensa — lo que te van a preguntar de aquí

«¿Qué definición de ontología adoptas, y por qué esa?»

La de Guarino (1998): una teoría lógica que da cuenta del significado pretendido de un vocabulario formal. Y la razón no es de gusto: es la única de las cuatro que es operativa. Explica qué haces al añadir un axioma —restringir los modelos hacia los pretendidos— y por tanto da un criterio para decidir si un axioma sobra o falta. La de Gruber es la más citada y no permite decidir nada, porque ni «especificación» ni «conceptualización» están definidas.

Si preguntan por qué no la de Studer et al., que es la más habitual: añade «formal, explícita y compartida», que son mejoras reales, pero deja «compartida» sin definir, y esa es justamente la parte que en la práctica decide si una ontología sirve o no.

«¿En qué se diferencia tu ontología de un modelo entidad-relación o de un esquema de base de datos?»

En cuatro cosas, y conviene darlas ordenadas: alcance (independiente de la aplicación frente a específica de una), formalización (teoría lógica frente a diagrama informal), servicios (inferencia automatizada frente a solo consultas) y supuesto (mundo abierto frente a mundo cerrado).

El último es el que tiene consecuencias técnicas y es el que hay que saber defender con un ejemplo. Un esquema relacional rechaza lo que no encaja; una ontología no puede rechazar nada, solo clasificar.

«¿Cómo evalúas la calidad de una ontología? No hay un RMSE.»

Correcto, no lo hay, y decirlo de entrada es mejor que fingir una métrica. Se evalúa con dos ejes —precisión (¿solo lo pretendido?) y cobertura (¿todo lo pretendido?)— y con una batería de artefactos automatizables: razonador (consistencia y satisfacibilidad), preguntas de competencia (consulta con respuesta esperada, que es el equivalente real de las pruebas unitarias), OOPS! para pitfalls conocidos, y métricas estructurales.

El punto fuerte de esta respuesta: los tres niveles de error no cuestan lo mismo. El sintáctico lo pilla el parser, el lógico lo pilla el razonador, y el semántico no lo pilla nadie. Por eso las preguntas de competencia no son un extra: son el único control sobre la clase de error más cara.

«Tu razonador dice que la ontología es consistente. ¿Eso no basta?»

No, y esta es la pregunta con la que más gente se cae. Consistente significa que lo escrito no se contradice, no que sea lo que se quería decir. Lo tengo demostrado: AfricanWildlifeOntology1.owl, la ontología de ejemplo del propio libro, es consistente, no tiene clases insatisfacibles y clasifica correctamente jirafas y leones — y basta afirmar un individuo que no come nada para volverla inconsistente, por un ⊔ colocado fuera del alcance de un ∀. Está en el caso de estudio de esta página y es reproducible con un script.