KnowledgeGraph Explorer: SimpleModelingの知識グラフを探索する

標準知識語彙はRDFのエコシステムが提供している基本的な語彙です。 SimpleModelingでは以下の知識語彙を標準知識語彙としています。

知識グラフに標準知識語彙を使った情報を記述することでSimpleModelingの語彙を知らない一般的な知識アプリケーションからの利用が可能になります。

SimpleModeling知識語彙はSimpleModelingで定義した知識語彙です。

SimpleModeling知識語彙を活用することで、より精度の高い知識アプリケーションを構築することが可能になります。生成AIにも、より高精度の知識を提供することができます。

SimpleModeling知識語彙として以下のものを定義しています。

現時点ではsmorg, smbok, smdoc, smglo を使って SimpleModeling.org のコンテンツの知識グラフを構築しています。

SmartDoxは、文章とモデルの両方を含む「文芸モデル」を構築します。

RDFはこの内容を：

人間が読む文書をそのままAIの知識資源に変換することができます。

SimpleModeling.org は Web そのものが BoK です。

RDF／JSON-LD は以下の点で Web向けBoKと非常に相性が良い：

Web 全体を巨大なナレッジグラフにする設計思想は SimpleModeling のアーキテクチャと親和性が高いと言えます。

生成AIは文章理解が得意ですが、概念構造や関係の復元は不得手です。

RDFを用いると：

明示的に提供できます。

AIに「正確な意味」を伝えるには、RDFのような構造的な知識表現が不可欠です。

RAG に RDF を組み合わせると：

といった利点があります。

グラフベースRAGの精度は、テキストベースRAGを大きく上回ります。

SimpleModelingの知識モデルは多層です：

RDFはこれらすべてを単一のグラフ空間に統合できます。

さらに、RDFを採用することで：

を同じグラフ上で接続できるため、SimpleModeling の知識体系を世界標準のオープン知識空間と連結できます。

これにより：

といった形で、知識が“階層を超えてリンク”し、AIエージェントが SimpleModeling 内外の知識を横断的・意味的に統合できるようになります。

外部の大規模公開知識を参照可能にすることで、AIの認識精度・回答の網羅性・用語 disambiguation（曖昧性解消）が大幅に向上します。SimpleModeling の BoK は、その「ハブ」として機能する役割を担います。

生成AIの進化に伴い、“意味構造を持つ知識グラフ”を入力とする AI の重要性が急速に高まっています。

実際に、産業界・学術界ではすでに「グラフ × AI」が広く活用され始めています。

これらの例が示す通り、知識グラフを前提とする Semantic AI は確実に主流になりつつあり、RDF を基盤に据えることは将来のAI環境と高い整合性を持ちます。

SimpleModeling はこの潮流に先んじて、BoKを RDF により整備しています。

SimpleModeling が RDF を採用するのは、“文芸モデルをそのままAIと共有できる知識にするため”であり、そのための最も整合的で標準的な技術が RDF だからです。

RDFは：

をひとつの意味空間として統合し、AI に対して 正確・構造的・機械可読 な形式知を提供します。

SimpleModeling が目指す知識駆動開発 (Knowledge-Driven Development)の基盤として、RDF は不可欠な技術です。

アプリケーションを起動した直後の初期状態の画面です。

画面上側にオペレーションバー、中央にグラフ表示域、右側にプロパティ表示域を配置しています。

Load ボタンを押下すると指定された JSON-LD または Turtle 形式の知識グラフを読み込んで画面に表示します。

ノードを押下すると右側のプロパティ表示域にノードのプロパティが表示されます。

Article ボタンを押下すると、SimpleModeling.org が提供する記事にフォーカスしたグラフが表示されます。

Article Glossary ボタンを押下すると、SimpleModeling.org が提供する記事と用語にフォーカスしたグラフが表示されます。

記事と用語間の関係も表示されます。

現代の生成AIは文章から推論できますが、複雑なドメイン構造やモデリング概念の整合性をテキストだけから誤りなく復元することは困難です。

知識駆動開発では、以下をすべて“構造化された知識”として AI に提供します：

これらの統合を可能にするのが RDF であり、KnowledgeGraph Explorer はその統合状態を目視できる形で示すツールです。

テキスト中心のRAGでは、知識の階層構造・依存関係・意味的まとまりを保持したまま AI に渡すことが難しく、検索精度・回答一貫性にも限界があります。

GraphRAG と RDF を組み合わせることで：

を AI に対して“そのまま”渡せるため、

AI が本当の意味で知識を使って開発を支援できるようになります。

知識駆動開発は、この Semantic AI の基盤と直結しています。

知識駆動開発では、文書を書くことがそのまま知識体系の更新になります。

という 完全な知識創造ループ (knowledge creation loop)が成立します。

KnowledgeGraph Explorer は、この循環ループの“可視化レイヤー”として機能します。

RDF 基盤を採用したことで、SimpleModeling の知識体系は：

といった 世界中のオープン知識空間と接続可能になりました。

これにより知識駆動開発は“内部開発者の理解に依存する”ものではなく、外部世界と整合した、再利用可能な知識構造へと進化します。

AI にとっても、内部知識 × 外部知識の両方を参照できるという点で、回答精度・説明網羅性・用語曖昧性解消が大幅に向上します。

今後、開発手法は「コードを書く」から「知識を構築する」へ大きくシフトしていくと考えられます。

SimpleModeling はこの未来に必要な全階層を整備しつつあります：

これらを組み合わせることで、AI 時代に最適化された知識中心の開発基盤（Knowledge-Driven Development Platform）を実現することを目指します。

KnowledgeGraph Explorer は、その大きな体系のなかで、最初に“見える形で触れられる”ツールです。