我们通常认为智力是回答问题的能力，但或许它既简单又复杂。智力在回答问题之前，必须首先理解问题所处的世界。
孩子听到“家”这个词，不会想到地图上的坐标。建筑师会想象一座建筑。难民会回忆起一个可能已经不复存在的地方。同一个词依然存在，但它的意义却因周围的世界而改变。
意义从来不包含在事物本身之中。它源于事物存在的世界，源于连接它们的无数关系，源于它们所服务的用途，源于它们所承载的历史。
很久以后，我们才给那个世界起了一个名字：“语境”。
情境的力量
语境与人类经验如此紧密交织，以至于我们很少注意到它的存在。我们并非每天早上醒来都重新构建周围事物的意义。我们只是生活在一个世界里，杯子是用来喝水的，门是用来打开的，对话中早已充满了在场所有人心照不宣的假设。
存在于时间》中提出的“身处世界”概念的核心所在。也就是说，我们并非置身事外、冷眼旁观现实的旁观者，而是身处其中。我们之所以能够理解，是因为我们属于一个意义网络，这个网络先于每一个思想、每一个决定和每一个行动而存在。
世界在成为各种物体的集合之前，首先是一个充满意义的整体。
现实独立于我们而存在；世界只有在有人居住其中时才存在。现实就是事物本身；世界则是现实被体验、诠释并组织成意义的过程。
这种区别微妙却至关重要。它解释了为什么两个人生活在不同的世界，却能身处同一现实之中。它也解释了为什么不同的组织，即使使用相同的数据，也常常对这些数据的意义形成不同的理解。
许多人认为智能始于数据。但这颠倒了顺序，因为数据本身毫无意义。客户标识符、采购订单、实验室结果或传感器读数——所有这些都只是符号，直到它们成为连贯世界的一部分。
上下文并非围绕数据的信息。上下文是使数据转化为信息的基础。
这种理解语境的方式类似于一些哲学家理解意识的方式。首先是埃德蒙·胡塞尔，后来是约翰·R·塞尔，他们都认为意识始终是对某种事物的觉察。人类的思想绝非孤立存在；它总是指向某个目的、某个对象或某个意义。
背景和数据
企业信息遵循同样的原则。发票不仅仅是一份文件，它代表着一份已履行的承诺。合同不仅仅是存储在存储库中的文件，它是双方协议的正式表达。客户不仅仅是数据库中的一行记录，它是企业选择与之建立关系的人。
每一条信息都指向自身之外，其意义取决于它在更大整体中所扮演的角色。这正是企业人工智能面临的挑战，也是哲学几个世纪以来一直在探讨的挑战：如何才能可靠地理解意义？
大型语言模型（LLM）能够识别惊人的统计模式。它们可以生成流畅的语言，概括文档，并对海量信息进行推理。然而，它们无法重构一个从未被描述过的世界。
脱离语境，智慧虽能言善辩，却不可靠。它得出的答案脱离了其本应描述的现实。
问题不在于计算，而在于本体论。
语境的作用体现在另一个经典的区分中，即内涵和外延。客户概念的外延是指一个组织服务的所有客户集合。而其内涵则完全不同，它指的是定义“客户”这一概念实际含义的一系列属性。
两个人可能指代完全相同的客户群体，却对“客户”的真正含义存在着心照不宣的分歧。不同的业务部门往往在“客户”一词的外延上达成一致，但在其内涵上却存在分歧。销售、财务和客户支持部门可能都提到“客户”，但它们各自所处的认知体系却截然不同。词语本身没有改变，但其含义却悄然发生了变化。
企业环境
这就是为什么企业集成从来都不仅仅是一项技术工作。如果说连接系统相对容易，那么连接意义则要困难得多。
挑战变得更加微妙，因为语境本身就处于客观性和主观性的交汇点。
企业拥有客观数据。订单存在，产品存在，支付也存在。然而，每个部门都根据自身合理的视角来组织这些数据。财务部门有自己的一套体系，运营部门有另一套体系，合规部门又有另一套体系。这些体系本身并没有错；它们只是各自强调了不同的关系网络。
因此，我们的目标不是消除各种观点，而是将它们组合成一个连贯的整体，来描述组织所处的世界。
但这样的世界该如何呈现呢？当然不能仅仅依靠数据。数据记录事件、交易和状态，但它无法解释这些要素之间的关联，也无法解释它们为何重要。呈现一个世界需要一个共享的概念、关系和意义体系，通过这个体系，现实才能变得可理解。
这正是语义模型的作用所在。语义模型并非描述孤立的数据集，而是将企业表示为一个连贯的概念系统，超越了单个应用程序、数据库和业务领域。它并非取代组织运营的多种上下文，而是使这些上下文彼此可理解，从而使人类和人工智能都能在不同的视角之间流畅地转换，而不会丢失意义。
引入主动情境
主动上下文”愿景背后的视角。Denodo平台的通用语义层并非仅仅是叠加在企业数据之上的一个组件；它是企业持续自我呈现的机制。它不仅捕捉已存在的事物，还捕捉概念之间的关联、意义的演变以及不同上下文在同一组织环境中的共存方式。
语境是意义的鲜活结构，它使信息能够被理解、被信任，并最终被付诸行动，因为它构成了组织所处世界的鲜活模型。
从这个角度来看，智能体人工智能并没有创造一个新问题，它只是暴露了企业一直存在的一个问题。
智能体无法凭空捏造商业意义，也无法从零散的记录中推断组织现实。在进行推理之前，它们需要一个世界。
这正是主动情境发挥其更深层意义之处。每个智能体都在某个情境中行动，但任何企业都无法被单一情境所定义。财务、运营、合规、制造和客户服务各自存在于不同的概念世界中。挑战不在于将单一情境强加于所有情境，而在于如何在保持意义的同时，实现跨情境的转换。主动情境提供的并非企业的单一表征，而是一个连贯的、相互关联的情境网络，人工智能可以通过该网络进行推理，而不会迷失其在组织世界中的位置。
或许正因如此，企业人工智能的未来并非仅仅取决于更强大的模型，而是取决于更丰富的世界。
人类称之为经验，组织称之为知识，人工智能称之为背景，而哲学则一直称之为世界。