数据流动性和系统互操作性

数据集成和分析是解决我们最大挑战的瓶颈，从做科学和创造通用人工智能到介于两者之间的一切。对集成数据的需求，可以从一些创业公司的数量上看出来，这些公司只专注于收集感兴趣的整齐划一的数据集清单，并将专项查询货币化。对于涉及内在异质数据的工作来说，如药物发现、复杂设计、社会学研究等，高度一致的高质量数据集是金矿。众多数据格式和标准的存在，使任何如"列出世界上所有狗的名单"之类简单的问题，对于专注于其它特定领域的创业公司来说，是一个难以逾越的追求。现有的解决方案，如链接的本体感知数据格式不够灵活和丰富，无法方便地从任意特设词汇表中定义具有多词汇字段的记录，而且缺乏对值类型的定义、可调用对象接口和修改权限的支持，使得对象无法在与产生它们的数据管理系统解耦后仍能保留属性。

当前广为人知的解决方案(如“链接数据”)，并不完全适合这个问题，因为它们需要将大量数据以相同格式序列化，而在日益多样化的世界中从来没有这种情况，而且没有标准的方法将模式、权限和其他上下文数据嵌入到数据项中，这是使它们在查询中可以重用的必要条件。

将基于RDF的SPARQL（用于对齐）与OAUTH2（用于许可）和一些与标准结合以安全地加密关于查询源上下文的数据（如查询源身份密钥、Cookie、IP地址和资源的架构版本的定义，数据来自何处），它可能会接近所需的数据属性，即保留在任意编程语言的上下文中作为对象重用数据项的能力，而不需要编写自定义集成。然而这似乎尚未完成，可能有更好的方案来解决该问题。

例如，由于网络中系统的多样性和复杂性（协议和格式），可能还有其他（更好的？）方法来解决这个问题，基于使用驱动程序的设备的即插即用原理，允许抽象化Web资源API，并将功能齐全的多态交互数据作为所有编程语言的共享功能，将网站和Web系统（包括去中心化系统）作为操作系统设备直接作为变量提供给编程语言。

无论选择何种实现方式，数据流动性和系统互操作性似乎仍然是重要的未解决问题，也是在众多数字活动领域中快速发展的瓶颈。