セマンティックウェブからナレッジグラフへ

[[379872]]

【はじめに】「遠く離れた親友は遠い国を近づける」これは、Shi Tou兄弟が私に勧めてくれたセマンティックウェブのレビュー記事で、Communications of the ACM、Vol. 64、No. 2 - 「セマンティックウェブ分野のレビュー」（https://cacm.acm.org/magazines/2021/2/250085-a-review-of-the-semantic-web-field/fulltext）に掲載されており、Pascal Hitzlerが執筆しています。経験豊富なプログラマーはそれを注意深く読み、そこから多くのことを学び、それを論文にまとめました。

「セマンティック ウェブ」は、「人工知能」と同様に、特定の製品ではなく研究分野を指します。セマンティック ウェブは、コンピュータ サイエンス内またはコンピュータ サイエンスに隣接する多くの分野を活用した、研究と応用の豊富な分野です。用語上の混乱を避けるために、この分野で登場したさまざまな方法やツールを説明するために「セマンティック ウェブ テクノロジー」という用語が使用されることがあります。セマンティック ウェブの分野は、研究と応用のアプローチや目標の点で非常に多様であるだけでなく、多くの異なるが相互に関連するサブコミュニティも存在し、それぞれがこの分野の歴史と現状についてかなり異なる説明を提供している可能性があります。

では、セマンティック ウェブとはどのような研究分野なのでしょうか? この分野には明確なコンセンサスがないため、答えは主観的なものになる可能性があります。

1 つの見解は、この分野の長期的な目標は、セマンティック ウェブ製品と、それらを作成、維持、使用するために必要なすべてのツールと方法を作成することであるということです。現在の Web のほとんどが主に人間による消費を目的としているのに対し、セマンティック Web は一般に、この情報を活用して現在のインターネットを強化する、機械が理解できる情報とサービス (インテリジェント エージェント) として想定されています。この見解は、この分野の誕生を象徴すると言える 2001 年の Scientific American の記事にまで遡ることができます。この場合、機械が理解できる情報の提供は、データにメタデータを付与することによって行われます。セマンティック ウェブでは、このメタデータは通常、オントロジー、または少なくともデータの意味を推論できるロジック ベースのセマンティクスを備えた形式言語の形式をとります。これに、インテリジェントエージェントがこの情報を活用するという理解を加えると、セマンティック Web の分野は人工知能の分野とかなり重複していることがわかります。実際、過去のほとんどの主要な AI カンファレンスでは、「セマンティック ウェブ」の痕跡がはっきりと残っていました。

最近のもう 1 つの見解は、セマンティック ウェブの分野における開発方法とツールはインターネットとはまったく関係のないアプリケーションであり、機械が理解できるデータを使用してインテリジェント エージェントを構築しなくても付加価値を提供できるというものです。実際、この分野における業界の初期の関心は、セマンティック ウェブ テクノロジーを情報の統合と管理に適用することに向けられていました。この観点から、この分野は効率的な（つまり低コストの）データ共有、発見、統合、再利用のための方法とツールを確立することであり、この点でインターネットは単なるデータ転送ツールであると言えるでしょう。この理解により、データ サイエンスのデータベース、またはデータ管理の部分に近づきます。

セマンティック ウェブを、W3C 標準の RDF、OWL、および SPARQL を使用したオントロジー、リンク データ、およびナレッジ グラフの基礎とアプリケーションに重点を置いた分野として説明することで、分野を限定することができますが、これはおそらく比較的正確な説明です。

おそらく、これらの観点にはそれぞれ独自の利点があります。セマンティック ウェブの研究分野は、それらの統合にあります。オントロジー、リンク データ、ナレッジ グラフは、この分野の重要な概念です。RDF、OWL、SPARQL に関する W3C 標準は、文法レベル (およびある程度は意味レベル) で合意に達した技術的な通信方法を構成します。セマンティック ウェブの分野でのアプリケーションの目的は、データの共有、検出、統合、再利用 (Web 用かどうかに関係なく) のための効果的な方法を確立することです。原動力としての長期的なビジョンは、ある時点でセマンティック ウェブを完全なインテリジェント エージェント ベースのアプリケーション環境として確立することです。

「歴史を学ぶことは学習の第一歩」ということで、ここ数年のセマンティック ウェブ分野における主要な概念、標準、優れた成果を見てみましょう。

セマンティックウェブの段階

研究分野が誕生した特定の時点を特定することは、もちろん議論の余地があります。しかし、初期のマイルストーンとなったのは、2001 年にバーナーズ=リーらが Scientific American に発表した論文で、この新興分野に重要な手がかりを与えました。さらに、これは今世紀の初めであり、セマンティック ウェブの分野がコミュニティの規模、学術的生産性、初期の産業界の関心の点で、成長のごく初期段階にあった時期でした。

しかし、早くから努力してきた人もいます。 2000 年から 2006 年まで実行された DAML プロジェクトは、セマンティック Web 言語と対応するツールの開発を目的としていました。 2000 年から 2002 年にかけて実行された EU 資金による On-To-Knowledge プロジェクトでは OIL 言語が作成され、その後 DAML と統合されて、最終的に Web オントロジー言語の W3C 標準が作成されました。ネットワーク化されたデータに機械が読み取り可能な、つまり「理解可能な」メタデータを付与するという、より一般的な考え方は、インターネット自体の起源にまで遡ります。たとえば、リソース記述フレームワーク (RDF) の最初のドラフトは 1997 年に公開されました。

21 世紀初頭以降、それぞれが重要な概念によって推進される 3 つの重複するフェーズに分けることができます。つまり、セマンティック ウェブ分野の主な焦点は少なくとも 2 回シフトしています。最初のフェーズはオントロジーによって推進され、2000 年代前半から中頃にかけて続きました。第 2 フェーズはリンク データによって推進され、2010 年代前半まで続きました。第 3 段階から現在に至るまで、ナレッジ グラフによって推進されてきました。

オントロジー

21 世紀の大部分において、この分野の研究はオントロジーに集中してきましたが、もちろん、この概念の起源ははるかに古いものです。オントロジーは、共有された概念化の正式かつ明示的な仕様です。この定義には依然として解釈が必要であると主張する人もいるかもしれませんが、かなり一般的なものです。より正確に言えば、オントロジーとは、形式論理に基づくオントロジー言語で指定された概念 (「哺乳類」や「胎生」などの種類やカテゴリ) とその関係 (「哺乳類は胎生動物を産む」など) の知識ベースです。セマンティック ウェブのコンテキストでは、オントロジーはデータの統合、共有、検出のための主要なツールであり、オントロジー自体が他のユーザーによって再利用可能であるべきであるという重要な考え方があります。

2004 年には、Web オントロジー言語 (OWL) が W3C 標準となり、この分野にさらなる活力を与えました。 OWL の中核は記述論理、つまり一階述語論理のサブ言語に基づいており、単項述語と二項述語のみを使用し、量指定子の使用を制限し、言語上の論理的演繹的推論が決定可能であるように設計されています。

また、2004 年には、リソース記述フレームワーク (RDF) が W3C 標準になりました。本質的に、RDF はトークン化され型付けされた有向グラフを表現するための構文であり、OWL を使用して型とその関係のオントロジーを指定し、これらの型を RDF グラフで使用し、これらの関係をエッジとして使用します。この観点から、OWL オントロジーは RDF グラフのスキーマ (または型ロジック) として機能します。

SPARQL と呼ばれる RDF クエリ言語の W3C 標準は 2008 年に公開され、OWL との互換性を高めるために 2013 年に更新されました。 RDF、OWL、SPARQL に関するその他の標準も開発済みまたは開発中であり、その一部は大きな進歩を遂げています。たとえば、Semantic Sensor Web Ontology や Provenance Ontology、SKOS Simple Knowledge Organization System などです。

W3C のこれらすべての主要な標準を通じて、他の主要な W3C 標準との基本的な互換性が維持されます。たとえば、XML は RDF および OWL の構文シリアル化および交換形式として使用されます。すべての W3C セマンティック ウェブ標準では、RDF グラフの識別子として IRI も使用し、OWL クラス名やデータ型識別子なども使用します。

セマンティック ウェブのコンテキストでは、オントロジーはデータの統合、共有、および検出のための主要なツールであり、オントロジー自体が他のユーザーによって再利用可能であるべきであるという重要な考え方があります。

DARPA の DAML プロジェクトは 2006 年に終了し、それ以来、基本的なセマンティック ウェブ研究のための大規模な資金提供プロジェクトはほとんど行われていません。その結果、関連する研究の多くは、医療や防衛におけるデータ管理などの応用分野、または隣接分野に移行しました。対照的に、EU フレームワーク プログラム、特に FP6 (2002 ～ 2006 年) と FP7 (2007 ～ 2013 年) は、基礎的および応用指向のセマンティック Web 研究の両方に多額の資金を提供してきました。セマンティック ウェブ研究コミュニティの構成を見ると、このコミュニティは主にヨーロッパのものであることがわかります。コミュニティの規模を評価するのは難しいが、この分野の主要な会議である国際セマンティック ウェブ会議には、2000 年代半ば以降、毎年平均 600 人以上の参加者が集まっている。

産業界の関心は当初から高かったものの、関連する産業活動レベルに関する信頼できるデータを説明することはほぼ不可能でした。大手企業や中小企業はすでに、特に EU FP 6 および 7 の下で、大規模な基礎研究または応用研究プロジェクトに携わっています。産業界の関心により、研究コミュニティの焦点は変化しました。

この期間中に、いくつかの大規模なオントロジー（多くの場合、セマンティック ウェブ コミュニティより前のもの）が成熟しました。たとえば、1998 年に開始された遺伝子オントロジーは、現在では非常に重要なリソースとなっています。もう 1 つの例は SNOMED CT です。これは 1960 年にさかのぼりますが、現在は OWL で完全に形式化され、電子健康記録で広く使用されています。

コンピュータサイエンスの研究でよくあることですが、2005 年頃には、短期的な画期的な成果に対する当初の期待が薄れ始め、問題に対するより冷静な見方が生まれ始めました。この期間中に開発されたオントロジーのほとんどは、オントロジーを開発する手段として意味のアドホックなモデリングに基づく形式であることが多かったが、まだ具体的な成果は得られておらず、結果として維持や再利用が困難であった。これは、当時、優れたオントロジーを開発するためにかかった多額の初期費用と相まって、研究コミュニティ内での焦点の転換への道を開きました。これは、おそらく、21 世紀初頭の強力なオントロジーベースのアプローチとは相反するものと理解できます。

リンクデータ

2006 年には「Linked Data」が誕生しました。オープン性、公開性、無料ライセンスによる利用可能性を重視している場合は「Linked Open Data」と呼ばれます。リンク データはすぐにセマンティック ウェブの研究とアプリケーションの主な推進力となり、2010 年頃までその状態が続きました。

リンク データは、1 つのグラフ内の多くの IRI 識別子が他のグラフ (複数のグラフになる場合もあります) にも表示されるため、関連する一連の RDF グラフで構成されます。ある意味では、これらすべての関連する RDF グラフのコレクションは、非常に大きな RDF グラフとして理解できます。

下の図に示すように、公開されている Linked RDF グラフの数は最初の 10 年間で大幅に増加しました。データは Linked Open Data Cloud Web サイトから取得されており、すべての RDF データセットが含まれているわけではありません。 2015 年の論文では、「65 万件以上のデータ ドキュメントから 370 億件を超えるトリプル」が報告されていますが、これはインターネット上で自由にアクセスできるすべての RDF トリプルのセットにすぎません。たとえば、大規模なデータ プロバイダーは通常、SPARQL ベースのクエリ インターフェイスのみを提供するか、内部データの編成に RDF を使用しながら、Web ページを通じてのみ外部にサービスを提供します。リンクド オープン データ クラウドのデータセットは、地理、政府、生命科学、言語学、メディア、科学出版物、ソーシャル ネットワークなど、さまざまなトピックをカバーしています。

リンクトデータオープンクラウド内のRDFグラフの数の推移

最も有名でよく使われるリンク データセットの 1 つは、Wikipedia (最近では Wikidata) から抽出されたリンク データセットである DBpedia です。 2016 年 4 月にリリースされたデータセットには、約 600 万のエンティティと約 95 億の RDF トリプルが含まれています。 DBpedia は、幅広い主題をカバーしており (基本的に Wikipedia のすべて)、最初に公開されたリンクされたデータセットの 1 つであるため、Linked Data Open Cloud で中心的な役割を果たしています。他の多くのデータセットがリンクされているため、Linked Data のハブとなっています。

当初から、業界はリンクトデータに大きな関心を示してきました。たとえば、BBC は業界初の重要な貢献者であり、ニューヨーク タイムズ カンパニーと Facebook は早期導入者でした。しかし、業界の関心は主に、オープンなインターネット上で公開されていないことが多いデータの統合と管理のためのリンク データ テクノロジの活用にあるようです。

リンクデータの時代では、オントロジーの役割はそれほど重要ではありません。これらは、RDF データセットの内部構造を伝えるスキーマとしてよく使用されますが、オントロジー時代の過剰な約束と深い研究と比較すると、リンク データ クラウド内の RDF グラフの情報は表面的で比較的単純です。この間、オントロジーは再利用できず、主に RDF とデータセット間のリンクを活用するよりシンプルなアプローチの方が、データの統合、管理、オンラインおよびオフラインのアプリケーションにとってより現実的な役割を果たすと主張する人もいます。また、この時期には、RDF ベースのデータ編成語彙はオントロジーとほとんど関係がありませんでした。

schema.org が登場したのもこの時期 (2011 年) でした。当初は Bing、Google、Yahoo によって推進され、後に Yandex も加わった比較的シンプルなオントロジー システムが公開され、Web サイト プロバイダーは schema.org の語彙を使用してそれぞれの Web サイトのエンティティに注釈 (リンク) を付けるようにアドバイスされました。その見返りとして、schema.org の背後にある Web 検索エンジン プロバイダーは、注釈をメタデータとして活用することで検索結果を改善することを約束しています。 2015 年には、すべての Web ページの約 30% で schema.org アノテーションが使用されました。

2012年に開始されたもう一つの重要なプロジェクトはWikidataです。これはもともとドイツウィキメディア協会のプロジェクトであり、Google、Yandex、アレン人工知能研究所などの機関によって資金提供されていました。 Wikidata は、Wikipedia と同様のアイデア、つまり情報のクラウドソーシングに基づいています。しかし、Wikipedia は百科事典のテキスト (主な消費者は人間の読者) を提供するのに対し、Wikidata はプログラムやその他のプロジェクトで使用できる構造化データを作成することを目的としています。たとえば、Wikipedia を含む他の多くのウィキメディアは、Wikidata を使用して情報を提供し、それを人間の読者に提示します。 Wikidata にはすでに 6,600 万を超えるデータ項目があり、プロジェクト開始以来 10 億回を超える編集が行われ、20,000 人を超えるアクティブ ユーザーがいます。

2010 年代初頭、Linked Data をめぐる当初の誇大宣伝は、より冷静な見方に取って代わられ始めました。リンク データには確かにいくつかの顕著な用途とアプリケーションがありますが、結果から、リンク データを統合して活用するには当初予想されていたよりも多くの労力が必要であることが示唆されています。おそらく、リンクされたデータの浅く表現力のないスキーマは再利用性に対する大きな障壁であるように思われ、データセット間の相互接続性が何らかの形でこの弱点を説明するだろうという当初の期待は実現していないようです。これは、リンク データがこの分野とそのアプリケーションにもたらす大きな進歩を軽視するものではありません。著名な標準に従って、何らかの構造化された形式でデータを利用できるようにすることは、既存のツールを使用してデータにアクセスし、統合、管理し、活用できることを意味します。これは、構文的にも概念的にも異質な形式でデータを提供するよりもはるかに簡単です。しかし、データを共有、発見、統合、再利用するためのより効果的な方法を見つけることは、これまで以上に重要であり、その取り組みは始まっています。

ナレッジグラフ

2012 年に Google がナレッジグラフを開始したとき、新しい用語が登場しました。たとえば、Google の Web サイトでよく知られているエンティティを検索することで、Google ナレッジ グラフの一部を表示できます。Web ページにリンクされた検索結果の横に、Google ナレッジ グラフの情報を示す情報ボックスが表示されます。下の画像は、この情報ボックスの例を示しています。これは、Kofi Annan を検索すると見つかります。このノードからグラフ内の他のノードへは、ハイパーリンクをたどることで移動できます。たとえば、Kofi Annan ノードと配偶者関係にある Nane Maria Annan へ移動できます。このリンクをたどると、同じ用語の検索結果の横に、Nane Maria Annan の新しい情報ボックスが表示されます。

Google で「コフィ・アナン」を検索した後の Google ナレッジ グラフ ノード

Google はダウンロード可能なナレッジ グラフを提供していませんが、コンテンツにアクセスするための API を提供しています。この API は標準の schema.org タイプを使用し、JSON-LD 形式に準拠しています。これは実際には W3C RDF によって標準化された別の構文です。

しかし、セマンティック ウェブ テクノロジー、特に前述のリンク データとオントロジーの歴史を考慮すると、ナレッジ グラフはセマンティック ウェブ分野から直接生まれた新しいアイデアであるように思われ、焦点は大きく変化しています。

1 つの違いはオープン性です。Linked Open Data という用語が最初から示唆しているように、セマンティック ウェブ コミュニティにおける Linked Data の作業の多くは、データのオープンな共有を目標の 1 つとしています。つまり、Linked Data はほとんどが無料でダウンロード可能か、SPARQL をサポートするサービスによって提供され、重要な点として、コミュニティによって非制限的なライセンスの下で使用されます。 Wikidata もナレッジグラフとしてオープンで共有されています。対照的に、ナレッジグラフに関する活動は業界主導である傾向があり、主要なアプリケーションは真にオープンではありません。

もう 1 つの違いは、集中管理とボトムアップのコミュニティ貢献です。ある意味では、Linked Data Cloud は、現在知られている最大の既存のナレッジ グラフですが、きちんとしたエンティティではありません。代わりに、緩く接続された個々のサブグラフで構成され、それぞれが独自の構造、表現モードなどによって制御されます。対照的に、ナレッジ グラフは、より内部的に一貫性があり、より厳密に制御されたコンポーネント サービスとして理解されることが多いです。そのため、厳格な品質管理が行われていない外部図の価値が疑問視され、コンテンツや基礎となるスキーマの品質にさらに注目が集まるようになりました。

最大の違いは、学術研究から産業応用への移行であると考えられます。したがって、ナレッジ グラフに関する活動は、公的な正式な評価なしに、強力な産業ユース ケースと認識された付加価値によって推進されます。

セマンティックウェブと他の分野や学問との関係

機械学習などの他の分野とは異なり、セマンティック ウェブの分野は、主にその分野に固有の何らかの方法によって推進されるわけではありません。むしろ、共通のビジョンによって推進され、必要に応じて他の分野を活用します。

たとえば、人工知能のサブ分野であるセマンティック ウェブの分野は、知識グラフとオントロジーが理解可能であり、知識表現の言語と密接に関連しているため、知識の表現と密接に関連しています。ウェブ オントロジー言語 OWL をサポートするロジックである記述ロジックが、中核的な役割を果たしています。セマンティック ウェブのアプリケーションのニーズは、記述ロジックの研究や、異なる知識表現方法 (ルールと記述ロジックなど) 間の橋渡しに関する研究も促進または刺激してきました。

データベース分野は、当然のことながら密接に関連しており、自然な位置を占める (メタ) データ管理やグラフ構造化データ、そして重要な領域であるセマンティック ウェブも同様です。ただし、セマンティック ウェブの研究の焦点は、主に異種データ ソースの概念的統合にあります。たとえば、データを整理するさまざまな方法を克服する方法などです。ビッグ データの観点から見ると、セマンティック ウェブの焦点は主にデータの多様性にあります。

アプリケーション ツールとして、自然言語処理は、ナレッジ グラフとオントロジーの統合、自然言語クエリの回答、テキスト ナレッジ グラフまたはオントロジーの構築において重要な役割を果たします。

機械学習、特にディープラーニングは、ナレッジグラフの完成、データのクリーニングなど、セマンティック Web のコンテキストにおける困難なタスクの処理能力を向上させています。同時に、人工知能の説明可能性を向上させるためにセマンティック ウェブ テクノロジの研究も行われています。

セマンティック ウェブ テクノロジの使用は、サイバー フィジカル システムやモノのインターネットの特定の側面、たとえばスマート製造 (インダストリー 4.0)、スマート エネルギー グリッド、スマート ビルディングなどでも調査されています。

ライフサイエンスのいくつかの分野では、前述の SNOMED-CT や遺伝子オントロジーなど、かなり長い間セマンティック ウェブ テクノロジの恩恵を受けてきました。一般的に、バイオメディカル分野はセマンティック ウェブの概念を早期に採用しました。もう 1 つの顕著な例は、セマンティック ウェブ テクノロジーを活用した ICD の開発です。

セマンティック ウェブ テクノロジーのその他の潜在的な応用分野としては、地球科学やデジタル人文学など、データの共有、発見、統合、再利用を必要とするあらゆるシナリオが考えられます。

セマンティックウェブの未来

セマンティック ウェブを製品として作成するという点でも、データの共有、検出、統合、再利用を完全に簡単かつ手間なく行えるソリューションを提供するという点でも、セマンティック ウェブ空間の壮大な目標がまだ達成されていないことは間違いありません。これは、ナレッジ グラフ、schema.org、ライフ サイエンス オントロジーに関する議論で示されているように、中間結果に実用性がないことを意味するものではありません。

しかし、より大きな目標に向かって進むためには、セマンティック ウェブのほぼすべてのサブフィールドでさらなる開発が必要です。たとえば、産業知識グラフ、オントロジーマッチング、情報抽出など。リストを再度説明するよりも、短期的な主要な障害という現在の課題に焦点を当てましょう。

セマンティック ウェブ コミュニティとそのアプリケーション コミュニティには、データ管理の問題に効果的に対処する方法に関するハードとソフトの知識が豊富にあります。しかし、セマンティック ウェブ テクノロジーを初めて利用する人は、さまざまなアプローチが売り込まれているものの、それらのさまざまなアプローチの長所と短所に関する情報がほとんどなく、さまざまな意見の不協和音に直面することがよくあります。さらに、実践には適さない粗雑なプロトタイプから、特定のサブ問題に対応する精巧なソフトウェアまで、さまざまなツールキットがありますが、この場合も、どのツール、どのアプローチがユーザーの特定の目標を達成するのに最も役立つかについてのガイダンスはほとんどありません。

したがって、現段階でセマンティック ウェブ コミュニティに最も必要なのは統合であると考えられます。本質的にアプリケーション主導の分野であるため、この統合はサブフィールド全体で行われ、目標と長所と短所が十分に文書化されたアプリケーション指向のプロセスと、使いやすくプロセス全体をサポートする統合ツールが生まれます。 OWL API、Wikibase、Wikidata の基盤となるエンジン、ELK 推論エンジンなどのよく知られた人気のソフトウェアは強力で非常に役立ちますが、場合によっては、シリアル化に RDF と OWL を使用しているにもかかわらず、それらが互いに簡単に連携できないことがあります。

この統合の原動力となるのは誰でしょうか?

学者にとっては、学術的な業績（主に出版物や外部からの資金提供額で測定される）がこれらの活動に一致しないことが多いため、安定した使いやすいソフトウェアを開発および保守する動機が限られていることがよくあります。質の高い入門書を書くことは、非常に時間がかかり、成果もあまり得られない学術的成果です。しかし、学術界は、さまざまなパラダイム間のブリッジソリューションを開発し、アプリケーションドメインと協力してユースケースを開発および実現することにより、統合の基盤を提供します。

業界では、スタートアップ企業と多国籍企業の両方がセマンティック ウェブ テクノロジーを採用していることからもわかるように、さまざまな統合がすでに行われています。しかし、おそらく競争上の優位性を守るため、技術的な詳細も社内で使用されるソフトウェアも通常は共有されません。もしこれが事実であれば、対応するソフトウェア ソリューションが普及するのは時間の問題でしょう。

まとめ

セマンティック ウェブが登場してから最初の約 20 年間で、セマンティック ウェブ コミュニティは、データの共有、検出、統合、再利用のための効率的なデータ管理に関する豊富な知識を生み出してきました。セマンティック ウェブの応用を通じて、Schema.org、産業ナレッジ グラフ、Wikidata、オントロジー モデリング アプリケーションなど、この分野における主な貢献をより深く理解できるようになります。これらのアプリケーションの背後にある重要な科学的発見は何でしょうか? ただし、この質問に答えるのはより困難です。セマンティック ウェブの進歩には、コンピュータ サイエンスの多くのサブフィールドからの貢献が必要であり、重要なタスクは、これらの貢献を統合して適用可能なソリューションを提供することです。この意味で、これらのアプリケーションは分野全体における大きな進歩を示しています。

主流の業界ではセマンティック ウェブ テクノロジーが採用されていますが、より効果的なデータ管理ソリューションの探求はまだ終わっておらず、この分野の原動力となっています。