Automated reasoning for the semantic web of everything

The evolution from the Internet of Things (IoT) into the Internet of Everything (IoE), driven by the miniaturization of IoT technology and the ever increasing connection of individuals, processes, and data through mobile and ubiquitous networks, represents a transformative change in how we interact with the digital world. In the IoE, living entities, objects, locations, and processes are interconnected and continuously generate streams of data, fuelling sophisticated analytics to derive actionable insights. While this shift enhances operational efficiency and data-driven decision-making, it also introduces new challenges, particularly in the realms of network bandwidth, power consumption, data protection, and privacy. In the IoE, intelligent information management becomes crucial to enable versatile autonomous processing and advanced, interoperable services for large-scale machine-to-machine and human-machine interactions. Central to addressing these challenges is the concept of edge computing, which involves moving computational processes closer to data sources. This shift is pivotal for handling the volume and velocity of data generated by the IoE, and for mitigating the latency and bandwidth issues inherent in centralized processing models. One of the first incarnations of an intelligent information processing framework leveraging the edge computing paradigm is the Semantic Web of Things (SWoT), where ontology-based annotations of devices, objects, and phenomena are locally processed by ubiquitous intelligent agents via automated reasoning, facilitating autonomous actions towards specific goals. The progression of the SWoT towards a Semantic Web of Everything (SWoE) mandates further integration of semantic technologies in a variety of pervasive computing interactions among people, things, processes, and data. This vision demands robust knowledge representation languages and automated inference capabilities, even on devices with strict processing, memory, and energy constraints. On-device local inference procedures are critical in the SWoE, given the high volatility and limited reachability of more powerful devices. Implementing the SWoE architecture poses significant challenges. Existing Semantic Web reasoners and Knowledge Base Management Systems (KBMS), primarily designed for powerful computing environments like servers or high-end mobile devices, are ill-suited for deployment on nano-scale devices. Reasoning engines that could potentially operate on smaller devices often lack support for crucial inference services, hindering their usefulness. Moreover, developing SWoE systems requires rethinking evaluation and benchmarking frameworks to account for the peculiar constraints of the novel paradigm. This dissertation presents the work devoted towards realizing the SWoE vision, encompassing architectural designs and optimization approaches for several key elements of a complete toolchain, including: Cowl, a lightweight knowledge representation library tailored for resource-constrained devices, addressing the limitations of existing KBMS in the context of embedded and IoT devices, while remaining versatile enough to be useful at other scales of computation; Tiny-ME, a novel multi-platform reasoner and matchmaking engine for the SWoE, offering efficient reasoning capabilities suitable for cloud, desktop, mobile, and edge devices; evOWLuator, a cross-platform, energy-aware evaluation framework for Semantic Web reasoners, with a focus on power consumption estimation and support for inferences on remote devices, filling critical gaps in existing evaluation tools. Strong emphasis is placed on the evaluation of the developed technologies through comprehensive experimental campaigns, whose results provide insights on performance, efficiency, and applicability in typical SWoE settings. Additionally, practical applications are demonstrated through case studies in diverse contexts. The first presented case study showcases how a smart city environment can be semantically enhanced using Cowl, demonstrating the SWoE’s impact in city management by enabling nano-devices to exchange semantically augmented data. In a second scenario, Tiny-ME has been deployed to an unmanned aerial vehicle, facilitating autonomous, real-time decision-making for reliable drone operations. A third application, focused on supporting patients through semantic reasoning on wearable devices, shows how Tiny-ME can be used for real-time, explainable inferences on wearables in highly dependable settings. Finally, a client-side Web reasoning use case emphasizes user privacy while granting efficiency and flexibility of personalized resource discovery. Collectively, the discussed evaluations and applications highlight the versatility and wide applicability of the proposed methods and technologies, underscoring the broad potential of the SWoE.

L'evoluzione dell'Internet of Things (IoT) nell'Internet of Everything (IoE), guidata dalla miniaturizzazione della tecnologia IoT e dalla crescente connessione di individui, processi e dati attraverso reti mobili e ubique, rappresenta un cambiamento trasformativo nel modo in cui interagiamo con il mondo digitale. Nell'IoE, entità viventi, oggetti, luoghi e processi sono interconnessi e generano continuamente flussi di dati, alimentando analisi sofisticate da cui derivano insight operativi. Sebbene questo cambiamento aumenti l'efficienza operativa ed il decision making basato sui dati, esso introduce anche nuove sfide, in particolare nei campi della larghezza di banda di rete, del consumo energetico, della protezione dei dati e della privacy. Nell'IoE, la gestione intelligente delle informazioni diventa cruciale per abilitare l'elaborazione autonoma versatile e servizi avanzati e interoperabili per interazioni su larga scala machine-to-machine e human-machine. Centrale nel risolvere queste sfide è il concetto di edge computing, che comporta lo spostamento dei processi computazionali più vicino alle fonti di dati. Questo spostamento è fondamentale per gestire il volume e la velocità dei dati generati dall'IoE, e per mitigare i problemi di latenza e larghezza di banda intrinseci ai modelli di elaborazione centralizzati. Una delle prime incarnazioni di un framework di elaborazione delle informazioni intelligenti che sfrutta il paradigma dell'edge computing è il Semantic Web of Things (SWoT), dove le annotazioni basate su ontologie di dispositivi, oggetti e fenomeni vengono elaborate localmente da agenti intelligenti tramite ragionamento automatizzato, facilitando azioni autonome verso obiettivi specifici. L'evoluzione dello SWoT verso un Semantic Web of Everything (SWoE) richiede un'ulteriore integrazione delle tecnologie semantiche in una varietà di interazioni di computing pervasivo tra persone, cose, processi e dati. Questa visione richiede robusti linguaggi di rappresentazione della conoscenza e capacità di inferenza automatizzata, anche su dispositivi con limitate risorse di calcolo, memoria ed energia. La disponibilità di procedure di inferenza locali è critica nel SWoE, data l'alta volatilità e la limitata raggiungibilità di dispositivi più potenti. L'implementazione di un'architettura adatta a supportare il SWoE presenta sfide significative. I ragionatori del Web Semantico esistenti e i sistemi di gestione delle basi di conoscenza (KBMS), progettati principalmente per ambienti di calcolo ad elevate prestazioni come server o dispositivi mobili di fascia alta, sono poco adatti ai dispositivi integrati. I motori di ragionamento che potrebbero operare su dispositivi più piccoli spesso mancano di supporto per servizi di inferenza cruciali, limitando la loro utilità. Inoltre, lo sviluppo di sistemi SWoE richiede la progettazione di framework di valutazione e benchmarking che tengano conto dei vincoli peculiari del nuovo paradigma. Questa tesi presenta il lavoro dedicato alla realizzazione della visione SWoE, includendo design architetturale e approcci di ottimizzazione per diversi elementi chiave di una toolchain completa, composta da: Cowl, una libreria per la rappresentazione della conoscenza adatta a dispositivi dalle risorse limitate, che supera i limiti dei KBMS esistenti nel contesto di dispositivi integrati e IoT, rimanendo al contempo abbastanza versatile da essere utile in dispositivi con maggiore disponibilità di risorse; Tiny-ME, un nuovo ragionatore e motore di matchmaking multipiattaforma per il SWoE, che offre capacità di ragionamento adatte a cloud, desktop, dispositivi mobili ed edge; evOWLuator, un framework di valutazione multi-piattaforma ed energy-aware per ragionatori del Semantic Web, focalizzato sulla stima del consumo di energia e sul supporto per inferenze su dispositivi remoti, che colma lacune critiche negli strumenti di valutazione esistenti. Si pone forte enfasi sulla valutazione delle tecnologie sviluppate attraverso campagne sperimentali di ampio respiro, i cui risultati forniscono dettagli su prestazioni, efficienza e applicabilità in tipici contesti SWoE. Inoltre, alcuni case study validano l'utilizzabilità in contesti d'uso realistici. Il primo case study mostra come una smart city può essere semanticamente potenziata usando Cowl, dimostrando l'impatto dello SWoE nella gestione della città ed abilitando i nanodispositivi a scambiare dati semanticamente annotati. In un secondo scenario, Tiny-ME è stato implementato su un veicolo aereo senza pilota, facilitando il decision-making autonomo e in tempo reale per operazioni affidabili. Una terza applicazione, focalizzata sul supporto ai pazienti attraverso il ragionamento semantico su dispositivi indossabili, mostra come Tiny-ME può essere utilizzato per inferenze spiegabili in tempo reale in contesti dove la spiegabilità dei risultati è critica. Infine, un caso d'uso di ragionamento automatico lato client nel Web si focalizza sul rispetto della privacy dell'utente, garantendo allo stesso tempo efficienza e flessibilità nel discovery di risorse personalizzate. Collettivamente, gli esperimenti e le applicazioni discusse evidenziano la versatilità e l'ampia applicabilità dei metodi e delle tecnologie proposti, sottolineando il vasto potenziale dello SWoE.