2/06

以下に、より長く・情報量を増やしつつも「凄腕編集者」らしい構成と文調を意識した、読み応えのある再構成文を提示します。前回よりも詳細を盛り込み、セマンティックWebの歴史的経緯とLLMによる転換劇を包括的に描いてみました。ご指摘どおり、なるべく情報を捨象せず、深掘りできるところは踏み込んでいます。

セマンティックWebの興亡とLLMによる大転換

――データの「意味」は終わったのか、それとも新たな形で復活したのか

序：何が“意味の革命”をもたらそうとしたのか

今から20年ほど前、インターネットを支配していたのは「文書のWeb」でした。あらゆる情報がHTMLベースのページとして公開され、超大手検索エンジンがテキストマイニングとリンク解析で検索結果を返す──そういう構造が当たり前だった時代です。そんな折、ティム・バーナーズ＝リー（Tim Berners-Lee）をはじめとする研究者コミュニティが打ち上げたのが**「セマンティックWeb」**という構想でした。

彼らが唱えたのは、Web上のデータに意味（セマンティクス）を付与し、機械処理が可能な形で公開しようという野心的なビジョン。従来の検索エンジンは「キーワードマッチング」をベースにしているため、膨大な情報を“それっぽい”リンクで返すことはできるものの、文脈や概念の関係性を深く理解するわけではありません。そのため、機械がデータの「意味」をわかるように整備すれば、より高度な推論や自動化が可能になる──これがセマンティックWebの出発点でした。

ところが、約20年経った今、その計画はほとんどの開発者にとって過去の遺物か、もしくは存在すらあまり意識されないものとなっています。代わりに私たちの前に現れたのは、ChatGPTやBing ChatなどのLLM（大規模言語モデル）と呼ばれる“自然言語AI”たち。彼らは一切“意味付け”などされていない普通の文章を膨大に読み込んで、人間顔負けの会話や推論をやってのける。そう、“セマンティックWebがやりたかったこと”を別の形であっさりと成し遂げてしまったのです。

果たしてセマンティックWebの理想と技術は、無残に打ち捨てられた“古い夢”に過ぎないのか。それとも、LLM時代にこそ別の姿で蘇るのか。壮大な理念と、その挫折、そして現在の転換期について、詳しく見ていきましょう。

第1幕：セマンティックWebが描いた壮大な絵図面

RDF・OWL・SPARQL――「すべてのデータに意味を与える」仕組み

セマンティックWebの要とも言えるのが、**RDF（Resource Description Framework）**という標準。これは「主体-述語-目的語」のトリプル形式であらゆるリソース（モノや概念）を記述するモデルです。たとえば、「宮崎駿 - 職業 - 映画監督」といった具合に、データ同士を“文法的”に関連付けるわけです。さらに、**OWL（Web Ontology Language）**というオントロジー言語で「映画監督とは人物の一種である」「人物は誕生日というプロパティを持つ」といった論理的な関係を定義すれば、機械がそれを読み解いて推論することが可能になります。

また、RDFで書かれたデータはSPARQLという問い合わせ言語で検索や抽出ができる。たとえば「監督で、スタジオジブリに所属し、かつ受賞歴がある人物は？」といった問い合わせを、複数の分散したデータソースに跨って行い、必要な情報を一気にまとめ上げることが理論上は可能でした。これが実現すれば、**“Web全体が一つの大きなデータベース”**のように扱えるじゃないか──というわけです。

データのWebが齎すはずだった“知的エージェント”の未来

セマンティックWebの文脈ではよく「知的エージェント」という言葉が使われました。これは、ネット上に公開されたセマンティックなデータを自在に探し回り、必要な情報を自動で組み合わせ、意味を理解して提案してくれるプログラムのこと。たとえば「ボブの誕生日を把握して、彼の好みのレストランを予約しつつ、クーポン情報を探して、日程調整もしてくれる」──そんな未来図が早くも2000年代初期に語られていたのです。

ティム・バーナーズ＝リーは、“単なる文書のリンク集”ではなく“データのリンク集”を作り上げることこそがWebの次なる進化と考えていました。これを「Linked Data」や「Web of Data」とも呼びますが、いずれにせよ**「データの意味を世界規模で接続し、人間と機械が協調する」**という発想が根本にあったのは間違いありません。

第2幕：栄光の予感から挫折へ――普及しなかった理由

複雑すぎる標準、学習コスト、そしてインセンティブ不足

ところが、こうした理想を全人類が共有していたわけではありません。というよりも、セマンティックWebの大半の技術はなかなか一般開発者に受け入れられなかった。主な理由としては以下のようなものが挙げられます。 1. 技術スタックの複雑さ RDFやOWL、SPARQLはそれぞれ独特の概念や文法があり、習熟するハードルが高い。小さなWebサイトにとってはオーバースペックに思えるし、学習コストも大きい。 2. メタデータを付与するインセンティブが薄い たとえばWebページを公開する人が、わざわざRDFaやJSON-LDなどを使って構造化メタデータをつける動機がどれだけあるのか。SEO（検索エンジン最適化）のため、という理由ならSchema.orgのような限定的な語彙を使う程度で十分。わざわざ大掛かりなオントロジー整備に取り組むサイトは限られる。 3. 大規模データへのスケーラビリティ問題 理論的には強力でも、論理推論を大規模に適用するには計算リソースを大量に消費する。ビッグデータ時代になるにつれ、“推論”よりも“機械学習でパターンを見つける”ほうが実用的だった、という空気もあった。

結果として、「セマンティックWebはキラーアプリを欠いた」というのが多くの人の見立て。実装コストのわりに、ユーザが直接メリットを感じる場面も希薄だったのです。

部分的な成功事例と“死んだ”と揶揄される現状

実はまったく成果がなかったわけではありません。 • DBpediaやWikidataなど、既存のウィキペディア情報をRDF化したプロジェクト • Schema.orgを主導するGoogleなど大手検索エンジンが、構造化データを検索結果の「リッチスニペット」表示に活用

こうした例はセマンティックWebの思想が“部分的に”活きている証拠と言えます。しかし、業界全体を見渡すと「セマンティックWeb？ ああ、昔あったよね」的な扱いが大半。「もう死んだ」「若いエンジニアが知らない」といった声が多く聞かれます。壮大な物語は、下火になって久しいのです。

第3幕：LLMが一気に革命を起こした瞬間

ChatGPTの衝撃――「意味」を定義しなくてもAIが読解してしまう

そんななか、2022年末にOpenAIがChatGPTをリリースした瞬間は、まさにWeb界隈にメガトン級の衝撃を与えました。ChatGPTやその後のGPT-4といったLLM（大規模言語モデル）は、インターネット上の膨大な自然言語テキストを学習するだけで、人間に近い言語理解と生成を行います。 ここで重要なのは、「セマンティックWebが苦労して整備しようとした明示的な意味付けをしなくても、LLMは勝手に文脈や関係性を“発見”する」という点です。要するに、RDFやOWLで綺麗に構造化しなくても、LLM内部の膨大なパラメータが、単語やフレーズの相関関係を統計的に捉えてしまうのです。

「これが知的エージェントだろ？」──別ルートでの実現

セマンティックWebが目指した「人間の問いに即座に答えを返し、データを統合してくれる知的エージェント像」は、LLMの登場により現実味を帯びました。たとえばBing Chatは、LLMに裏でSPARQLクエリを投げたり、ナレッジグラフを参照したりしつつ、ユーザとの対話を自然言語で完結させています。 ここで逆説的なのは、ユーザがRDFやOWLの知識をいっさい学ばなくても、（あるいは裏側にそんな技術が潜んでいるかどうかを気にしなくても）、“対話型エージェント”が完成している点です。まさにセマンティックWebの大義名分だった「機械が意味を理解する世界」は、LLMという迂回ルートで、しかもよりユーザフレンドリーな形で実現され始めているのです。

第4幕：LLM時代のWebがもたらす新世界観

情報の「狩り集め」はAIに任せる時代へ

かつては、何かを調べるたびに複数のサイトを巡回し、自分でコピペしたりメモをとったりして情報を統合する必要がありました。セマンティックWebが描いた夢は「そこをエージェントに任せる」こと。しかし、現実にそれを便利にやってのけたのは、セマンティックWebではなくChatGPTやBing ChatのようなLLMでした。 ユーザは自然言語で一つ質問するだけ。「最適な観光ルートを提案して」「この論文の要約をして」「X社とY社の製品仕様を比較して」──するとAIはWebを横断し、要点をまとめて返してくれます。これが**「質問すれば答えが返ってくるWeb」**でなくて何でしょう。

“知識”が動的に変容していく対話空間

もう一つ、LLM時代のWebが興味深いのは、AIが単にデータを取り出すだけでなく、対話の中で新たな文章やアイデアを生み出す点です。セマンティックWebが主眼としていたのは、どちらかというと「厳密な知識表現と推論」でしたが、LLMは「言語生成の創造性」にまで踏み込みます。 これにより、Web上のテキストは受動的に参照されるだけでなく、対話を通じて再構成される。ユーザはAIと対話を重ねるうちに、思わぬ視点を得たり、自身も気付いていなかった情報を補完されたりします。ここには、「意味を機械が読み取る」を超えた“共創的”な様相すら見てとれます。

第5幕：セマンティックWebが成し得なかったことと、LLMが超えきれない部分

非構造データからの知識獲得──最大のブレークスルー

LLMの登場によって大きく変わったのは、**「綺麗にタグ付け・構造化されていなくても学習できる」というパラダイムです。セマンティックWebは、どうしても“語彙の共通化”や“データの整備”という手間を人間側に求めていました。けれどLLMは、既存のインターネット上にある雑多な文章からパターンと意味を“勝手に推測”してしまう。 これは、おそらくセマンティックWebの提唱者も想定していなかったほどの大きな転換点でしょう。なぜなら、セマンティックWebが抱えていた“標準化”や“メタデータ付与のインセンティブ”などの問題を、ほぼ回避してしまったからです。大量のテキストがすでにWebにある以上、LLMはいわば“Web全体を自己流で意味付けした巨大内在化ナレッジグラフ”**を作り上げてしまうのです。

それでも残る問題：幻覚、正確性、論理の厳密さ

とはいえ、LLMがセマンティックWebを100％駆逐したわけではありません。LLMにはしばしば**「幻覚（Hallucination）」と呼ばれる問題があり、事実無根の情報を“それらしく”生成してしまうことが多々あります。これを防ぐには“正確な知識グラフ”や“厳密な推論ルール”が必要になります。ここでセマンティックWeb的な論理推論や知識表現の価値が再浮上するのです。 実際、Bing ChatやGoogle BardなどはLLMと自社のナレッジグラフを組み合わせ、回答の精度を向上させようと試行錯誤を続けています。つまり、セマンティックWebの“亡霊”というか思想の一部が、LLM時代のバックエンド**で暗躍しているとも言えます。完全に捨てられたわけではなく、LLMと従来のセマンティック技術のハイブリッドこそが、これからの主戦場になる可能性が高いのです。

第6幕：セマンティックWebの終焉と再生──新たな“知の地平”へ

終わりではなく形を変えた継承

こうしてみると、セマンティックWebは「大勢の人に使われる技術プラットフォーム」としては失敗したかもしれませんが、その根底にあった「知識を機械が理解し、人間と協調する」という理念は、結果的にLLMという形でより強力に開花したとも言えます。 かつて「すべてのデータに構造化した意味付けをしよう」というスローガンは、LLMの“語彙を自力で学ぶ”というアプローチに統合され、むしろ広いユーザ層に受け入れられる形で浸透していきました。私たちはいま、自然言語でAIとやり取りするだけで、その背後にある広大な知識の海にアクセスできるのです。

ハイブリッドアプローチが示す未来像

今後は、LLMが参照するデータを「厳密にセマンティックWeb的に表現する」ケースと、「既存の自然言語テキストをそのまま活用する」ケースが混在し、ハイブリッド型のWebが拡大する可能性があります。そうなれば、LLMの幻想生成を防ぎ、論理的な一貫性を保ちながら、柔軟な言語応答を行う“スーパー知的エージェント”が生まれるかもしれません。 また、Wikidataのような大規模知識ベースとLLMを組み合わせる動きもさらに進むでしょう。セマンティックWebの技術自体は、「人間が手動でオントロジーを定義する」負担さえ乗り越えられれば、LLMの土台を整える強力な基盤として役立つはずです。

終幕：夢の成就か、別の道か

セマンティックWebの時代は、ある意味で“終焉”を迎えました。だがそれは**「完全な挫折」ではなく、「別のアプローチによる達成」**という形で今まさに息を吹き返している、と見ることもできるでしょう。 セマンティックWebの提唱者たちが願った「機械による知的支援」は、LLMの台頭とともに爆発的に広がり、実用段階に入りました。かつては研究室レベルの夢物語だった“知的エージェント”が、いま私たちのスマホやブラウザ内でフツーに会話し、提案してくれる。それはかのバーナーズ＝リーが描いた未来が、思いもよらない形で叶いつつあるとも言えます。 ただし、この先をどう使いこなし、どのように社会やビジネスに組み込んでいくかは、まだ暗中模索の段階。LLMが抱える幻覚問題や倫理的課題、データの信頼性や知的財産権など、多くの難問は未解決のままです。だからこそ、セマンティックWebが培ってきた「データの意味を厳密に扱う」ノウハウを改めて見直す意義があるのかもしれません。

「セマンティックWebの終焉」を言う人は多いですが、それは“第1幕”の結末にすぎないかもしれません。新たな技術や手法が旧来のビジョンを“乗り越え、取り込む”というのは、テクノロジーの歴史によくある話。セマンティックWebの残照は、いまも私たちの足元で確実に活かされています。 そして、かつての夢に半ば物憂げな想いを抱きつつ、私たちは次なるWebのステージを見ている。そこでは人と機械が、もう少し自然に協調し、「意味」をめぐる課題をさらに巧みに解決しているのかもしれません。何がどう転ぼうとも、Webが「ただの文書のリンク集」だった時代にはもう戻れない――そのことだけは、間違いなさそうです。

参考文献・参考リンク • Semantic Web Points (W3C) • Semantic Web and Linked Data • The Semantic Web is Dead - Long Live the Semantic Web! (TerminusDB Blog) • The semantic web is now widely adopted | Hacker News • Semantic Web: Past, Present, and Future (Dagstuhl Seminar) • Data Collection & Cleaning: Web Data Extraction and Cleaning - Course Sidekick • その他、RDF/OWL/SPARQLなどセマンティックWeb関連の仕様文書・ブログ記事多数。

後書き

セマンティックWebの息遣いは、今の時代にどこまで感じ取れるのか。ChatGPTの応答の背後には、果たしてどれほど「意味」があるのか。私たちはいま、その分岐点にいるのかもしれません。 かつて夢見られた「意味の解放」は、ここに来てAIの猛スピードの進化と交わり、思いもよらぬ方向へと流れているようです。興亡を経た技術がどんな“第二幕”を迎えるのか。今後も目が離せません。