Modelado avanzado: lo que OWL no sabe decir

Los capítulos anteriores dan por bueno un supuesto que el mundo no cumple: que todo es nítido —o se pertenece a una clase o no— y atemporal —lo que es cierto, lo es siempre—. Este capítulo mira qué pasa cuando eso no vale.

Nota de edición. Esta página cubre el capítulo 10 de la 1ª edición, v1.5 (2020): Advanced Modelling with Additional Language Features. En la 2ª edición el 10 es Rough, Temporal, and Fuzzy Modelling y el 11 pasa a ser More Topics to Explore. La numeración coincide hasta el 9 (ver README).

Incertidumbre y vaguedad no son lo mismo (§10.1)

Es la primera review question del capítulo y la distinción que ordena todo lo demás:

	Incertidumbre	Vaguedad
Qué pasa	el hecho es nítido, no se sabe si se cumple	el concepto no tiene frontera exacta
Ejemplo	«probablemente llueva mañana»	«es alto», «es joven», «está calvo»
Se trata con	probabilidad	lógica difusa (grados de pertenencia)
Al saber más	se resuelve	no se resuelve: sigue siendo vago

La prueba para distinguirlas: si toda la información del mundo eliminara la duda, era incertidumbre; si no, era vaguedad. Nadie deja de dudar si alguien de 31 años es joven por medir más.

¿Y esto qué quiere decir? Sin jerga

Dos frases que parecen del mismo tipo y no lo son.

«No sé si el paquete llegó ayer.» — El paquete llegó o no llegó. Hay una respuesta exacta ahí fuera; lo que falta es que yo la sepa. Una llamada y se acabó la duda.

«No sé si Bea es joven.» — Aquí no hay ninguna llamada que hacer. Sé que tiene 31 años, sé todo lo que hay que saber, y la duda sigue igual de viva. No falta información: falta frontera. «Joven» no tiene un borde donde termina.

La primera es incertidumbre: se arregla sabiendo más. La segunda es vaguedad: no se arregla nunca.

Y esto importa porque en un lenguaje como OWL solo hay dos opciones, dentro o fuera. Así que la vaguedad hay que resolverla a martillazos: eligiendo un número. Y ese número no está en el mundo, lo pone quien modela — con las consecuencias que se comprueban abajo.

Conceptos difusos son los del ejemplo del libro: joven, alto, caro, cerca, grande. Frente a ellos, menor de edad es nítido: la ley pone la frontera en un número exacto. Los dos suenan parecido y son animales distintos.

Ontologías rough. Cuando un concepto no se puede definir con precisión pero sí acotar, se aproxima por arriba y por abajo (Review question 10.3): una clase aproximación inferior —lo que seguro pertenece—, una aproximación superior —lo que podría pertenecer— y el concepto en medio. En OWL se representa con dos clases normales y Inferior ⊑ Concepto ⊑ Superior, sin salir del lenguaje. Lo que queda entre las dos es la región frontera.

Tiempo (§10.2)

Hay dos formas conceptualmente distintas de meter tiempo (Review question 10.4):

1. Extender el lenguaje. Lógicas descriptivas temporales —DLR_US, TDL-Lite— con operadores del tipo «siempre», «alguna vez», «hasta». Se gana expresividad y se pierde soporte: no hay razonadores estándar ni es OWL.
2. Quedarse en OWL y modelar el tiempo como contenido. Reificar: convertir la relación temporal en una clase con su intervalo, o usar partes temporales del individuo. Se conserva toda la infraestructura y se paga en vocabulario y en consultas más complicadas.

La Time Ontology del W3C (OWL-Time) es la pieza estándar para la segunda vía: aporta intervalos, instantes y las relaciones de Allen entre ellos, pero no cambia la lógica — no permite decir «siempre», permite decir «durante este intervalo».

---

Caso de estudio: la frontera inventada y el cambio de estado

Reproducible con:

cd capitulos/10-modelado-avanzado/artefactos
python3 -m venv .venv && ./.venv/bin/pip install -r requirements.txt
./.venv/bin/python verificar.py     # necesita Java en el PATH

A. «Joven» en un lenguaje nítido

Joven ≡ Persona ⊓ ∃edad.(entero ≤ 30). Es lo único que OWL deja escribir, y ya es una decisión.

[ok] con umbral 30: ana (30) es Joven
[ok] y bea (31) NO lo es
[ok] moviendo el umbral a 35, bea pasa a ser Joven sin que nada haya cambiado
[ok] alinear dos «Joven» con umbrales 30 y 35 como equivalentes: INCONSISTENTE

JovenA ≡ JovenB con umbrales distintos: ontología inconsistente

Las tres primeras líneas muestran el problema conocido: un año de diferencia produce dos clases distintas, y la frontera es arbitraria. Nada nuevo — todo el mundo lo acepta como un mal menor.

La cuarta es la que muerde, y es donde la vaguedad deja de ser una incomodidad filosófica y se convierte en un fallo de ingeniería. Dos organizaciones modelan «joven», una con 30 y otra con 35; ambas ontologías son impecables por separado. Al alinearlas —JovenA ≡ JovenB, que es lo que cualquiera escribiría, porque es la misma palabra— basta una sola persona de 31 años para que todo se vuelva inconsistente.

Por qué esto no se ve venir

Porque cada ontología, sola, es correcta. El razonador no tiene nada que decir de ninguna de las dos. El error solo existe en la unión, y aparece cuando llegan datos — no al alinear.

Y el diagnóstico apunta al sitio equivocado: la inconsistencia se atribuye al dato («esta persona tiene una edad rara») o al alineamiento («habrá que revisar el mapping»), cuando el problema es que se alineó como equivalente algo que nunca fue equivalente. Las dos clases se llamaban igual; eso es todo lo que tenían en común. Es la misma lección de fleuve/rivière del capítulo 9, ahora provocada por un umbral en vez de por un idioma.

Lo defendible, si hay que quedarse en OWL 2:

• no alinear conceptos vagos con ≡ — como mucho, subsunción en la dirección que se pueda justificar (JovenA ⊑ JovenB, que sí es cierto con 30 ≤ 35);
• documentar el umbral como decisión, no como hecho del dominio: es una encoding peculiarity en el sentido del capítulo 5;
• conservar el dato crudo —la edad— para que quien reutilice la ontología pueda poner su propia frontera.

Lo que una ontología difusa aportaría aquí es un grado de pertenencia en vez de un sí/no: Bea sería joven en grado 0,7 y la alineación entre las dos ontologías sería una relación entre funciones, no una equivalencia que revienta. El precio es salir de OWL 2 y quedarse sin razonadores estándar.

B. «Fue estudiante y ahora es profesora»

[ok] atemporal: Estudiante(nadia) y Profesora(nadia), disjuntas → INCONSISTENTE
[ok] con relaciones indexadas por tiempo: consistente
[ok] con partes temporales del individuo: consistente
[ok] …pero «nadia» ya no es ni Estudiante ni Profesora: lo son sus partes

las dos salidas funcionan; las dos cambian a qué hay que preguntar

La primera línea es el problema entero: en una ontología atemporal, un cambio de estado es una contradicción. Y es correcto que lo sea: si Estudiante y Profesora son disjuntas, decir que alguien es las dos es decir algo falso — falta el «cuándo», que el lenguaje no tiene dónde poner.

Las dos salidas funcionan y no son intercambiables:

• Relaciones indexadas: se reifica el estado (EstadoEstudiante, con su deQuien y su durante). La persona sigue siendo una sola. El coste: cada relación que pueda cambiar en el tiempo se convierte en una clase, y las consultas dejan de ser directas.
• Partes temporales (perdurantismo, cap. 6): nadia_2015_2019 es estudiante, nadia_2020_2026 es profesora, y las dos son partes temporales de nadia. El coste está en la última comprobación: nadia ya no pertenece a ninguna de las dos clases. Una consulta de «dame las profesoras» no la devuelve, y toda la ontología tiene que estar escrita sabiéndolo.

La cuarta línea es la que conviene tener verificada, porque es el argumento decisivo al elegir: no se elige entre dos notaciones, se elige a qué entidad se le pregunta.

Qué deja el caso

1. Vaguedad ≠ incertidumbre. La primera no se arregla con más datos.
2. Todo umbral en OWL es una decisión de modelado, y hay que documentarla como tal.
3. Los conceptos vagos no se alinean con ≡. Es una bomba de relojería que estalla al llegar los datos.
4. El tiempo en OWL se paga siempre: en vocabulario, o en que el individuo deje de ser el sujeto de las consultas.

---

Los ejercicios (§10.3)

Review question 10.1. «What is the difference between uncertainty and vagueness?» — La incertidumbre es epistémica: el hecho es nítido y no se sabe si se cumple; se trata con probabilidad y se resuelve al saber más. La vaguedad es del concepto: no tiene frontera precisa; se trata con lógica difusa y no se resuelve con información adicional.

Review question 10.2. «Name some examples of fuzzy concepts.» — Joven, viejo, alto, caro, cerca, grande, calvo, tibio. Frente a ellos, menor de edad, mayor de 65 años o nacido en 1990 son nítidos: tienen frontera legal o aritmética exacta.

Review question 10.3. «How are rough concepts approximated in an OWL ontology?» — Con dos clases nítidas: la aproximación inferior (lo que con seguridad pertenece) y la superior (lo que podría pertenecer), y el concepto entre las dos: Inferior ⊑ Concepto ⊑ Superior. Lo que queda entre ambas es la región frontera. No hace falta salir de OWL 2: el precio es que la incertidumbre queda representada como estructura, no como grado.

Review question 10.4. «Name two conceptually distinct ways how time can be dealt with.» — (1) Extender el lenguaje con lógicas descriptivas temporales (DLR_US, TDL-Lite) y sus operadores. (2) Modelar el tiempo como contenido dentro de OWL: reificación con intervalos —una ontología del tiempo como OWL-Time— o partes temporales. La primera cambia la lógica; la segunda, el vocabulario. Las dos están verificadas en la parte B del caso de estudio, en su variante implementable.

Review question 10.5. «State for each whether it refers to uncertainty or vagueness.» — El criterio, aplicado: cualquier enunciado sobre lo que puede o probablemente ocurra, sobre un diagnóstico no confirmado o sobre una medición con error es incertidumbre; cualquier predicado gradual —tamaño, edad, precio, proximidad, temperatura— es vaguedad. La prueba rápida: si toda la información del mundo despejara la duda, era incertidumbre.

Exercise 10.1. «Devise an example similar to ‘minor’ and ‘young’, but for ‘senior citizen’, ‘old’ and ‘old person’.» — SeniorCitizen es nítido: lo define una norma —65 años en muchos sistemas— y es exactamente representable en OWL. Old es vago: no hay frontera, y además depende del contexto (un coche viejo, un perro viejo y una persona vieja no comparten escala). OldPerson hereda la vaguedad de Old y añade una trampa: parece nítido porque suele implementarse con un umbral, que es justo lo que se verifica en la parte A.

Sobre las dos preguntas del enunciado, criterio propio: (1) frente a los sistemas de información, las ontologías difusas encajan mal — la infraestructura entera (OWL 2, razonadores, perfiles, OBDA) presupone pertenencia nítida, y salir de ahí cuesta todo el ecosistema; (2) frente al objetivo original de las ontologías, que es compartir una conceptualización, encajan mejor de lo que parece, porque hacen explícito el grado en vez de esconderlo dentro de un umbral arbitrario que cada organización elige distinto. La parte A mide exactamente ese coste: dos umbrales razonables y una sola persona bastan para volver inconsistente la unión.

Exercise 10.2. «There are a few temporal reasoners for DLs and OWL. Find them and assess what technology they use.» — Los razonadores temporales quedan fuera de lo que verificar.py puede ejecutar con la cadena owlready2+HermiT, así que no se afirma aquí ningún resultado obtenido con ellos. Lo que sí está ejecutado es la alternativa realista: las dos codificaciones del tiempo dentro de OWL 2, con sus consecuencias medidas.

Exercise 10.3. «The Time Ontology was standardised recently. Can this be a viable alternative to DLR_US?» — Criterio propio: no como alternativa, sí como sustituto práctico. No es alternativa porque no es lo mismo: OWL-Time aporta vocabulario —instantes, intervalos, relaciones de Allen— dentro de una lógica atemporal, mientras que DLR_US aporta operadores temporales en la lógica misma, con lo que se pueden escribir restricciones del tipo «siempre que…» que OWL-Time no expresa. Es sustituto práctico porque conserva todo el ecosistema —razonadores, perfiles, herramientas— que DLR_US no tiene, y para la mayoría de los proyectos eso pesa más. El coste está medido en la parte B: el tiempo entra como estructura, y cambia a qué entidad se le pregunta.

Exercise 10.4. «BFO draft v2.1 has all those indications of time in the names of the object properties. What would your advice to its developers be?» — Criterio propio: el tiempo en el nombre de la propiedad es la peor de las tres opciones. Propiedades como part-of-at-some-time y part-of-at-all-times meten el índice temporal en un sitio donde el razonador no lo ve —los nombres no razonan, verificado en el capítulo 9—, de modo que no hay forma de deducir nada de la relación entre ambas ni de comparar intervalos: el compromiso temporal queda en la documentación, no en la lógica. El consejo sería reificar con OWL-Time cuando se necesite el intervalo concreto, y dejar el par de propiedades solo como atajo documentado; y si de verdad hace falta razonar sobre el tiempo, asumir que eso ya no es OWL y usar una lógica temporal.

---

Lo que hay que llevarse

1. OWL 2 es nítido y atemporal. Cualquier vaguedad o cambio de estado se representa deformándolo.
2. Un umbral es una decisión, no un dato. Documentarlo y conservar el valor crudo.
3. No alinees conceptos vagos con ≡. Está verificado lo que pasa.
4. Meter tiempo cambia el sujeto de las consultas. Es la parte de la decisión que nadie mira hasta que las consultas dejan de funcionar.

Salvo los enunciados citados, el análisis y las resoluciones de esta página son criterio propio, verificados con HermiT. Numeración y enunciados tomados del PDF en /libro (1ª edición, v1.5), no de ediciones web que renumeran las secciones.

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

«Tu dominio tiene conceptos vagos. ¿Cómo los has tratado?»

Con umbrales nítidos, porque OWL 2 no permite otra cosa, y declarando el umbral como decisión de modelado, no como hecho del dominio. Además se conserva siempre el valor crudo —la edad, la altura, el precio— para que quien reutilice la ontología pueda poner su propia frontera sin rehacer nada.

El matiz que conviene añadir: una ontología difusa representaría el grado explícitamente y sería más fiel, pero cuesta el ecosistema entero — OWL 2, razonadores estándar, perfiles, OBDA. Es una decisión de ingeniería, no de precisión.

«¿Qué diferencia hay entre incertidumbre y vaguedad, y por qué te importa?»

La incertidumbre se resuelve sabiendo más; la vaguedad, no. Importa porque se tratan con herramientas distintas —probabilidad frente a lógica difusa— y confundirlas lleva a intentar arreglar con datos algo que no es un problema de datos. Nadie deja de dudar si alguien de 31 años es joven por medir más.

«¿Puedes alinear tu ontología con otra del mismo dominio?»

Con cuidado, y nunca con ≡ sobre conceptos vagos.

Por qué es una respuesta fuerte: está medido. Dos ontologías que ponen el umbral de «joven» en 30 y en 35 son impecables por separado; alineadas como equivalentes, basta una persona de 31 años para volver inconsistente el conjunto. Y el fallo no aparece al alinear, sino después, cuando llegan los datos — que es lo que hace tan difícil diagnosticarlo. Lo defendible es alinear con subsunción en la dirección justificable.

«¿Cómo representas que algo cambia en el tiempo?»

OWL 2 es atemporal: afirmar que la misma persona es estudiante y profesora, siendo clases disjuntas, es inconsistente —verificado—, y es correcto que lo sea, porque falta el «cuándo». Hay dos salidas dentro de OWL: reificar el estado con su intervalo, o usar partes temporales del individuo. Las dos están verificadas como consistentes.

El matiz decisivo: con partes temporales, el individuo deja de pertenecer a las clases — es nadia_2020_2026 quien es profesora, no nadia. Está comprobado, y significa que la elección no es de notación: cambia a qué entidad se le pregunta, y por tanto cómo se escriben todas las consultas de competencia del proyecto.

«¿Por qué no usas una lógica temporal si el tiempo importa tanto?»

Porque DLR_US o TDL-Lite no son OWL: no hay razonadores estándar, ni perfiles, ni herramientas, y este trabajo se apoya en lo que un razonador confirma. La alternativa practicable es OWL-Time, que aporta vocabulario temporal sin cambiar la lógica — con la limitación honesta de que permite decir «durante este intervalo», pero no «siempre».