今天@silverhawk_ny 问：一直不懂什么是语义网？
我试着来问答一下我的理解。当然这个问题问三个这个领域的人可能能得到五个不同的答案。我讲的这个是从我狭隘的世界观出发的，请懂行的轻拍。
我觉得可以从目的和手段两个角度来解释。
从目的的角度，语义网是一套减少数据摩擦，加快数据流动速度的方法。
为什么要加快数据流动速度呢？信息就和货物一样，慢速的系统和快速的系统创造出来的价值是完全不一样的。快的系统在单位时间内可以让更多的人参与到决策和行动中来，就可以打败那些更慢的系统。网页10秒打开和1秒打开，问题1分钟内被回答和1天被回答，效果完全不同。火云邪神说，天下武功，唯快不破，就是这个道理。
那数据流动为什么会慢呢？有人机界面的摩擦，和机器-机器界面的摩擦。其中人机界面的摩擦是主要的。
人机界面的摩擦，就是人本身产生信息，从机器那里消费信息，它的带宽是很小的。 比如语音，只有几个比特。打字，也只有几个比特。图片看起来多，但最后落实到脑子里，还是要一个理解的过程，最后变成语言可描述的形式。大多数人又是很懒的，依赖一些信息直觉来选择最省力的信息，HCI里面很多这种研究，不多说了。
举例说，比如电子表格（比如Lotus123, Excel）的出现就是减小人机界面的摩擦的好样板。在电子表格之前，也有数据库，电子表格能干的事情数据库都能干，那为什么电子表格会更加流行呢？因为电子表格这种形式，更加符合人类认知的直觉，它不需要实现定义一个表结构，它可以把看起来相似的数据在屏幕上相近的组织在一起，它可以允许人们去实验数据的各种组织方式。当然这些也都是数据库都能干的，可是数据库软件不友好，它关注的是机器效率问题，不是人和机器一起工作的效率问题。
机器和机器的摩擦，就是机器怎么有效地把一个信息传送给另一个机器？各种网络协议都在不同层次上解决这个问题。 和语义网特别相关的有两个。一个是XML，帮助机器建立一个交换数据的语言。一个是RSS，让博客的传播变得自动化。各个不同的领域都有自己的这种语言，比如金融领域的XBRL，医疗领域有HL7，图书馆领域都DC，等等。这些语言有些人叫模式（schema），有些人叫元数据（metadata），有些人叫本体（ontology），本质上都是促进机器之间通信的手段。
语义网减少数据流动摩擦，加快数据流动速度的手段，也就是着眼减少人机界面的摩擦和机器与机器的摩擦这两个方面。这两个方面都是依靠为网页添加可查询的注释。大家听到说模式、元数据、本体，或者现在更时髦的链数据（linked data），知识图谱（knowlege graph），本质上就是一个东西。
减少机器和机器的摩擦很好理解，网络界一直都在做的事情。打个比方说，我要寄一个包裹给张三。但是我没有张三家的地址，我的包裹也没有信封。我就要托一个邮递员，告诉他张三住在东边山脚下第四棵大树下面。然后我托的这个人可能要找很久才能找到这个地方。现在可以做两件事加快这个过程。第一，我要有张三的门牌号码地址。在语义网里，这就是给每个网络资源一个网址URI——如果本来没有的就创造一个。第二，我要有一个写地址的信封，这个地址最好是机器可处理且自描述的。什么意思呢？比如这个地址是二维码，邮递员可以把这个地址往GPS里一扫，一下子就知道了，哦，原来这是个居民区，某个地方，我该怎么走。
自描述的网络可寻址资源, self-describing dereferenceable URI，这个是我理解的语义网的技术核心。说白了，就是要给东西起名字，然后再解释这些名字是什么。这个解释就是所谓的元数据。最重要的元数据是名字之间的关系，这就构成了一张图。现在火爆到hype的知识图谱，就是这么个东西。在这上面可以有很多更上层的操作，如查询，如推理。
那减少人机界面的摩擦呢？这个就是强调，如何利用元数据让用户来探索，来发现。比如寄包裹那个例子，如果信封上只印二维码可以吗？不可以，大多数人不会写二维码的（对应到语义网，大多数人不会去写元数据的），也看不懂。你必须提供工具让寄信的人、邮递员、收信的人都一眼就明白，哦，这个包裹从哪里来到哪里去。比如Faceted Browser，就是让用户在交互的过程中逐渐找到最需要的信息。还有各种可视化Visualization，特别是交互式的可视化，把数据变成特别容易理解的形式。再有社交媒体上现在越来越多的元数据，如Facebook Open Graph, Twitter Card，这些都是帮助用户集成信息，更直接地看到信息，发现信息的手段。
但是很不幸，语义网内部分裂成两派，减少“人机界面的摩擦”和减少“机器与机器的摩擦”这两派在斗争中合作，在合作中斗争，已经内耗了十几年了。
用Jim Hendler (disclaimer：我以前的老板)的话说：这就是强调“语义”呢（SEMANTIC web），还是强调“网”（Semantic WEB）
减少“机器和机器的摩擦”，也就是SEMANTIC web，更多找眼于机器的效率。 坦白说，大多数这个领域的人开始都是在关注这个问题，有原罪。所以从RDF, OWL, OWL2, RIF下来，发明了一系列这种语言，越来越逻辑，越来越没人懂，越来越被历史唾弃。后来就变成一些逻辑学家的游戏了。现在他们在几个会议里，如KR, AAAI，还在坚持。大多数工业界的实践已经和这些没有关系了。可惜很多教科书还由于历史原因，在这么教。
减少“人机界面的摩擦”，就是Semantic WEB，更多着眼于如何更好的服务于人。 从Web现有的技术出发，比如博客啊，比如图片啊，比如JSON啊，怎么加上一点点结构化数据，每加一点就让用户感受到价值？ 现在大家发明了很多轮子，很多不冠以语义网的名字。怎么从这些实践中总结（而不是设计）出一个最优实践来？这个是前沿现在关心的问题。我们在Memect，也就是想探索这样一些方法。
还有一些实践是介乎两者中间的，比如Watson， 比如Siri，既提供了智能的人机界面，又实践了大规模的机器处理。
语义网是利用结构化数据，加快数据流动速度的方法。通俗解释请看文中寄信那个例子。