IBM Watson: внутренняя история о том, как родился суперкомпьютер, выигравший Jeopardy, и что он хочет делать дальше

IBM Watson поразил технологическую индустрию и уголок американской поп-культуры, победив в 2011 году двух величайших чемпионов Jeopardy. Вот как IBM справилась с этой задачей, и посмотрите, какой будет настоящая карьера Уотсона.

Между ними они заработали более 5 миллионов долларов на телевизионной викторине. подсудность , Они были лучшими игроками шоу за всю свою многолетнюю жизнь: у Кена Дженнингса был самый длинный непобедимый заезд с 74 победными выступлениями, в то время как Брэд Раттер заработал самый большой призовой банк с общей суммой в 3,25 миллиона долларов.

Раттер и Дженнингс были машинами, выигравшими «Опасность». А в начале 2011 года они согласились провести выставочный матч с соперником, который никогда раньше не стоял за подиумом Jeopardy.

Но этот неизвестный «Опасность» потратил годы на подготовку к победе над двумя гигантами в матче за 1 миллион долларов, сыграв 100 игр против прошлых победителей, пытаясь улучшить свои шансы на победу.

Тот оппонент не улыбнулся, предложил все свои ответы тем же бесстрастным тоном и не сидел бы в той же комнате, что и его соперники. Ему пришлось слишком усердно работать, чтобы сохранять спокойствие, и он был настолько шумным, что считалось, что он слишком разрушителен, чтобы лично подняться на подиум. Его держали в задней комнате, его ответы передавались в студию.

Вы не узнаете, глядя на него, о чем он думает - может быть, вы заметите лишь оттенок цвета, когда он ломает голову над особенно сложным вопросом.

Соперник начал с серии победных ответов - он знал свои песни «Битлз», историю олимпийских игр, литературных преступников. Конечно, он не был слишком знаком со своим Гарри Поттером, но тем не менее он растянул лидерство, оставив Раттера и Дженнингса отставать на тысячи долларов.

Но вопросы на десятилетия сбили его с толку, и Раттер сопротивлялся, накапливая достаточно денег, чтобы расстроить любого, кто сделает ставку на исход матча. К концу первого из специальных выставочных матч-шоу вы были бы в затруднении отработать то, что было бы безопаснее с вашими деньгами.

Но потом произошла двойная угроза. Выскочка справлялась с большими вопросами, побеждала даже на догадках, в которых он был далеко не убежден, и делала странные ставки, которые были хорошими.

К концу второго эпизода у неизвестного было на 25 000 долларов больше, чем у его ближайшего противника, Раттера. Раттер и Дженнингс выглядели все более неловко, поскольку начинало казаться, что они получат прикосновение от нового мальчика, раскачиваясь в отчаянии, поскольку их противник снова и снова сталкивался с ними.

Дженнингс успел поздний бой в третьем эпизоде, но новый противник постепенно собрал достаточно денег, чтобы сделать это с близкого расстояния.

Все трое правильно ответили на последний вопрос «Уильяма Уилкинсона». Отчет о княжествах Валахии и Молдавии »вдохновил этот самый известный роман автора« с кем »Брэмом Стокером? но Дженнингс добавил свой ответ: «Я, например, приветствую наших новых компьютерных повелителей».

Он и Раттер проиграли Уотсону - зверю размером с комнату машины, созданной IBM и названной в честь основателя компании Томаса Дж. Уотсона.

Watson, состоящий из десяти стоек из десяти серверов Power 750, должен был находиться отдельно от участников-конкурентов из-за рева его системы охлаждения и был представлен на подиуме аватаром логотипа IBM Smarter Planet, чьи движущиеся линии стали зелеными когда Уотсон решил острую проблему, оранжевый, когда ответ был неверным.

В то время как Уотсон поставил вопросы в текстовом виде, а не слушая мастера, он играл в игру, как и его коллеги-люди: ломайте голову над вопросом, жужжите, дайте ответ, который, скорее всего, будет правильным, суммируйте призовые.

И Ватсон был прав много времени. Он выиграл игру с 77 147 $, оставив Раттера и Дженнингса в пыли с 21 600 $ и 24 000 $ соответственно.

Оказалось, что настоящей машиной, выигравшей «Опасность», была машина.

Три ночи, два человека, одна машина и 1 миллион долларов: победа Уотсон из IBM более двух человек-участников на Jeopardy Это было первое и, возможно, единственное время, когда машина впечатлила себя в сознании широкой публики.

IBM Watson победил двух величайших чемпионов Jeopardy.

Изображение: IBM

Но даже до того, как Уотсон добился своей знаменитой победы, IBM работала над тем, как превратить симпатичную викторину, которая доминирует в викторинах, в серьезного бизнес-соперника.

Уотсон начал жизнь за пять лет до появления на телевидении, когда IBM Research execs искали следующее Grand Challenge «Для компании. IBM периодически запускает эти гранд-вызовы, отдельные проекты, в которых люди сталкиваются с машинами, пользуются международной привлекательностью, их легко понять и привлечь к работе в области науки и математики. Вместе с Уотсоном гранд-вызовы породили Deep Blue Машина то лихо бить гроссмейстера Гарри Каспарова по шахматам и Суперкомпьютер Blue Gene ,

В середине 2000-х годов IBM находилась в поиске своего следующего Grand Challenge. Пол Хорн, в то время директор IBM Research, высказался за то, чтобы попытаться разработать машину, которая могла бы выиграть тест Тьюринга, способ измерения машинного интеллекта с помощью системной попытки обмануть человека, заставив его думать, что он разговаривает с ним. другой человек.

Столь же сложным, как и прохождение теста Тьюринга, - ни одна машина еще не сделала этого, - было ощущение, что это, возможно, не пробудит воображение публики, как другие проекты. Но были ли какие-либо связанные проблемы, которые могли бы все еще объединить эти элементы борьбы против людей и понимания человеческой речи?

«Избиение человека в Jeopardy - это шаг в этом направлении - вопросы сложные и нюансированные, и для того, чтобы иметь шанс победить человека, отвечая на вопросы такого типа, нужен уникальный тип компьютера. Я руководил исследовательским отделом и Я беспокоил людей в организации, в частности [бывшего EVP в группе разработчиков программного обеспечения IBM] Чарльза Ликеля, - сказал Хорн.

После обеда со своей командой Ликель был вдохновлен на то, чтобы взяться за создание компьютера, выигравшего Jeopardy. «Мы были в стейк-хаусе в Фиштейле, Нью-Йорк. В середине ужина внезапно весь ресторан вышел из бара - я повернулся к своей команде и спросил:« Что происходит? ». Это было очень странно Я действительно не следовал за Jeopardy, но оказалось, что это было, когда у Кена Дженнингса была его длинная победная серия, и все хотели выяснить, сможет ли он выиграть снова той ночью, и они пошли в бар, чтобы увидеть "Ликель сказал. Дженнингс выиграл еще раз в ту ночь, и до сих пор держит самый длинный непобедимый пробег на Опасность с 74 матчами непобежденным.

Идея машины чемпионов по викторинам не сразу завоевала его команду, так как многие из лучших сотрудников Ликеля заявили, что не верят, что машина может конкурировать, не говоря уже о победителях, чемпионах по плоти и крови.

«Первоначально они сказали« нет », это глупый проект для работы, он слишком бесполезный, это не настоящий тест по информатике, и мы, вероятно, не сможем это сделать в любом случае», - сказал Хорн.

Тем не менее, команда была достаточно авантюрной, чтобы взять на себя задачу построения победителя Jeopardy.

Это был все еще небольшой проект, и мысли о коммерциализации никого не волновали - Grand Challenges были демонстрационными проектами, чья отдача для компании была скорее в том, что они создали, чем в качестве результата. Если коммерциализация случится, отлично - но пока, Уотсон был всего лишь лунным выстрелом для IBM.

Из-за первоначального размера усилий, они финансировались из ежедневного бюджета исследовательской группы и не требовали одобрения со стороны руководителей Big Blue, что означало, что оно могло работать без коммерческого давления большинства проектов.

Причуда Jeopardy заключается в том, что вместо мастера вопросов, задающего вопросы, и участников, дающих ответ, мастер ответов дает ответы, известные как «подсказки» в языке Jeopardy, на которые участники задают вопрос. Мало того, что машина должна быть способна задавать вопросы о возможных подсказках, которые могут возникнуть на Jeopardy, она должна быть в состоянии сначала разобрать хитрые подсказки Jeopardy - решить то, что спрашивали - прежде чем она могла даже предоставить правильный ответ.

Ведущий Jeopardy Алекс Требек и команда IBM рассказывают о выставочном матче с Уотсоном.

Изображение: IBM

Для этого IBM разработала глубокую параллельную программную архитектуру DeepQA, которая анализировала контент на естественном языке как в ключах, заданных Jeopardy, так и в собственных хранимых данных Уотсона, а также изучала структурированную информацию, которую она хранит. Компонентная система, построенная на серии сменных компонентов для поиска и взвешивания информации, заняла около 20 исследователей в течение трех лет, чтобы достичь уровня, на котором она могла бы справиться с характеристиками викторин-шоу и выглядеть лучше, чем ее оппоненты.

Сначала DeepQA решает, что задает вопрос, а затем вырабатывает некоторые возможные ответы на основе информации, которую он должен передать, создавая поток для каждого. Каждый поток использует сотни алгоритмов для изучения доказательств, рассматривая факторы, в том числе то, что говорит информация, какой тип информации, ее надежность и насколько вероятно, что она будет релевантной, а затем создает индивидуальный вес на основе того, что Уотсон ранее узнал о том, насколько вероятно, что они правы. Затем он генерировал ранжированный список ответов с доказательствами для каждого из его вариантов.

Информация, которую DeepQA в конечном итоге сможет запросить для Jeopardy, содержала 200 миллионов страниц информации из разных источников. Вся информация должна была храниться локально - Уотсону не разрешалось подключаться к Интернету во время викторины - и его понимали, запрашивали и обрабатывали по справедливой фразе: в случае с «Опасностью» Уотсону пришлось выкладывать ответы в считанные секунды. секунд, чтобы убедиться, что это был первый звонок.

«Когда я покинул IBM в конце 2007 года, Уотсон был зачаточным проектом, - сказал Хорн. «В районе Чарльза Ликеля было три человека, которые получали данные из старых программ« Опасности »и начинали обучать машину. В то время она едва могла победить пятилетнего ребенка. Прогноз был« бог знает, сколько времени потребуется, чтобы победить взрослого, не говоря уже о великом чемпионе ». Затем со временем, когда казалось, что у них появился шанс, Дэйв под руководством Джона Келли превратил проект в нечто существенное», - сказал Хорн.

Хотя до сих пор спорят о том, когда идея о том, чтобы Watson окупилась, наконец-то оформилась в IBM, когда Watson вышел на сцену с высокой производительностью, выигравшей Jeopardy, в шоу приняли участие руководители IBM, рассказывающие о возможных применениях системы в здравоохранении, и Шаги по созданию бизнес-подразделения Watson начались вскоре после выхода шоу Jeopardy.

Тогдашний генеральный директор IBM Сэм Палмисано и его нынешний генеральный директор Джинни Рометти, под чьим руководством находился Уотсон, начали дискуссии через несколько недель после победы, и проект перешел из-под крыла IBM Research в Программное обеспечение IBM группа.

В августе 2011 года возникло собственное подразделение Watson, возглавляемое Маноджем Саксеной, который присоединился к IBM несколькими годами ранее, когда компания, в которой он работал, Webify, была приобретена IBM.

Саксена была сотрудником подразделения номер один. В течение трех месяцев к нему присоединились 107 новых сотрудников Watson, в основном технологи в области обработки естественного языка и машинного обучения.

Здравоохранение уже было предложено в качестве первой отрасли, которую Watson должен был нацелить на коммерческие предложения, но не планировалось ограничивать ее только медициной. Любая наукоемкая отрасль была честной игрой, где бы ни было огромное количество неструктурированных и полуструктурированных данных, которые Watson мог бы получать, понимать и обрабатывать быстрее, чем его коллеги-люди. Здравоохранение может быть отправной точкой, но банковское дело, страхование и телекоммуникации были на линии огня.

Но как превратить победителя викторины в нечто более деловое? Первая задача для команды Watson состояла в том, чтобы разобраться с машиной, которую они унаследовали от IBM Research, понять 41 отдельную подсистему, вошедшую в Watson, и выяснить, что нужно исправить, прежде чем Watson сможет надеть костюм и галстук. ,

В первый год работы подразделения Watson система ускорилась и сократилась. «Мы сериализовали потоки и то, как программное обеспечение работало, и повысили производительность», - сказала Саксена. «Сегодня система по сравнению с системой Jeopardy работает примерно на 240 процентов быстрее, а ее размер составляет одну шестнадцатую. Система, которая была размером с главную спальню, теперь будет работать в системе размером с ящик для овощей в вашем двойном ящике. холодильник."

Еще один способ взглянуть на это: один сервер Power 750, имеющий размеры девять дюймов в высоту, 18 дюймов в ширину и 36 дюймов в глубину и весящий около 100 фунтов. После того, как система стала более управляемой для бизнеса, она приступила к поиску клиентов, которые могли бы ее использовать.

IBM имела здравоохранение привязано как его первая вертикаль для Ватсона со времени победы над Jeopardy. Тем не менее, хотя Jeopardy Watson и Health Watson имеют общее наследие, они представляют собой разные сущности: IBM разветвила код Watson для его коммерческого воплощения.

У Jeopardy Watson была одна задача - получить ответ, понять его и найти вопрос, который сопровождал его. Это была однопользовательская система - если бы три викторины поставили на нее три ответа, это привело бы машину в замешательство. Уотсона пришлось переоборудовать для сценария, в котором десятки, сотни, а то и многие врачи будут задавать вопросы одновременно, а не отдельные вопросы - сложный разговор с несколькими связанными запросами один за другим, все задаваемые в нестандартных форматах. И, конечно, был сам английский язык со всей его запутанной сложностью.

«Существовали фундаментальные области инноваций, которые нужно было сделать, чтобы выйти за рамки Jeopardy - было огромное количество предварительной обработки, последующей обработки и инструментов, которые мы добавили вокруг основных двигателей», - добавил Саксена. «Это равносильно тому, чтобы получить двигатель Ferrari, а затем попытаться построить вокруг него целый гоночный автомобиль. То, что мы унаследовали, было основным двигателем, и мы сказали:« Хорошо, давайте создадим новую вещь, которая будет делать все то же, что и оригинальная система Jeopardy ». не требуется делать "."

Чтобы перевести Ватсона из «Опасности» в онкологию, команда Ватсона прошла три процесса: адаптацию контента, адаптацию к обучению и функциональную адаптацию - или, другими словами, подачу медицинской информации и ее взвешивание соответствующим образом; тестирование с некоторыми практическими вопросами; затем вносить любые необходимые технические изменения - например, настраивать таксономии.

Адаптация контента для здравоохранения пошла тем же путем, что и Уотсон, чтобы ускорить подготовку к викторине: предоставьте информацию, покажите, как выглядит правильное, затем дайте ему угадать, как выглядит правильное, и исправьте его, если оно неправильное. В «Опасности» это означало кормить его тысячами пар вопросов и ответов из шоу, а затем демонстрировать, как выглядит правильный ответ. Затем ему дали только ответы и попросили придумать вопросы. Когда это пошло не так, это было исправлено. Через машинное обучение он начал бы справляться с этим вопросом-ответом и соответствующим образом модифицировать свои алгоритмы.

Уотсон перешел к решениям, которые могут стимулировать поиск со смартфонов. Изображение: IBM

«Было бы много случаев, когда история была известна, и было известно правильное лечение, а затем, по аналогии с подготовкой к« Опасности », были даны случаи, а затем предлагается лечение», - сказал Кон.

Некоторые данные получены из того, что IBM описывает как игру, похожую на Jeopardy, под названием «Докторская дилемма», вопросы которой включают «синдром, характеризующийся болью в суставах, болью в животе, ощутимой пурпурой и нефритическим осадком?». (Ответ, конечно, это пурпура Геноха-Шенлейна.)

Обучение, говорит Кон, «это непрерывный процесс, и Уотсон быстро улучшает свою способность давать разумные рекомендации, которые онкологи считают полезными».

К 2012 году две медицинские организации начали пилотировать Watson.

Wellpoint, один из крупнейших страховщиков США, был одной из двух компаний, которые помогли определить применение Watson в здравоохранении. Другим был Мемориальный онкологический центр Слоуна-Кеттеринга (MSKCC), организация, с которой у IBM уже были отношения, расположенная недалеко от собственной штаб-квартиры IBM в Армонке и исследовательских лабораторий в Йорк-Хайтс, штат Нью-Йорк, где до сих пор находится первый Уотсон.

И именно эти отношения способствовали первому коммерческому переходу Уотсона на работу в области лечения рака. Хотя использование Уотсона в качестве диагностического инструмента может быть его наиболее очевидным применением в здравоохранении, использование его для выбора правильной терапии для больного раком имело еще больший смысл. MSKCC был третичным справочным центром - к моменту прибытия пациентов у них уже был свой диагноз.

Таким образом, Уотсону было суждено сначала стать ассистентом онколога, переваривая множество данных - собственные MSKCC, медицинские журналы, статьи, заметки пациентов и многое другое - наряду с предпочтениями пациентов предлагать варианты лечения. Каждый из них будет соответственно взвешен, в зависимости от того, насколько релевантным для него был Уотсон.

В отличие от своего коллеги по Jeopardy, здравоохранение Watson также имеет возможность выходить в интернет - не все его данные должны храниться. И хотя Уотсон мог проглотить два миллиона страниц медицинских данных из 600 000 источников, он все же мог использовать общие знания, собранные для Опасности - например, подробности из Википедии. (Однако он не использует городской словарь. В конце прошлого года он был переведен в Уотсон, по сообщениям, удален после ответа на запрос исследователя со словом "фигня" , «Мы нашли некоторые интересные ответы, поэтому нам пришлось их закрыть», - дипломатично сказала Саксена. «Это не должно повторяться, потому что в некоторых случаях это будет рассматриваться как очень неподходящее, и нам пришлось учить Ватсона правильному поведению в бизнесе».)

Этот график, составленный через год после победы Уотсона в «Опасности», показывает некоторые ее быстрые успехи.

Изображение: IBM

Таким образом, в настоящее время источниками являются медицинские публикации, такие как Nature и British Medical Journal. И есть и другие сети безопасности.

«На этапе обучения врач - специалист по лечению рака - садится и задает вопросы Уотсону и корректирует машинное обучение. Врач и ученый данных сидят рядом друг с другом, исправляя Уотсона. Ложный материал или противоречивые материалы или что-то из фармацевтической компании, которые, по мнению врача, могут быть предвзятыми - это можно поймать во время цикла обучения », - добавил Саксена.

WellPoint и MSKCC использовали Watson в качестве основы для систем, которые могли бы читать и понимать объемы медицинской литературы и другой информации - например, о лечении пациентов и семейных историях, а также о клинических испытаниях и статьях в медицинских журналах - для оказания помощи онкологам путем рекомендации курсов лечения.

Год работы с обеими организациями выпустил коммерческую продукцию : Interactive Care Insights для онкологии, руководство по интерактивной помощи WellPoint и рецензент по интерактивной помощи. Interactive Care Insights for Oncology предоставляет рекомендации по планам лечения пациентов с раком легких, в то время как Новое руководство по интерактивной помощи WellPoint и обозреватель Interactive Care рассматривают предлагаемые врачами методы лечения в соответствии с планами своих пациентов и, как ожидается, будут использоваться в 1600 поставщиков медицинских услуг в этом году ,

Однако у Уотсона большие амбиции, чем у помощника врача. По данным IBM, его медицинские знания соответствуют уровню знаний студентов-первокурсников, и компания надеется, что Уотсон сдаст экзамены общего медицинского лицензирования в ближайшем будущем.

«Наша работа сегодня находится на самых ранних стадиях вокруг практики медицины, вокруг хронических заболеваний. Мы начинаем с рака, и мы скоро добавим диабет, кардиологию, психическое здоровье, другие хронические заболевания. И затем наша работа на платной сторона, где мы оптимизируем процесс авторизации и одобрения между больницами, клиниками и страховыми компаниями », - сказал Саксена.

Конечная цель Уотсона - помочь в диагностике, а не просто предлагать методы лечения рака, как это происходит сегодня, это может помочь врачам в выявлении болезней, которые в первую очередь приводят людей в клиники.

До этого есть работа, которую нужно сделать. В то время как поставщики больших данных часто заявляют о росте неструктурированных данных и отказе от реляционных баз данных, для Ватсона именно эти старые источники данных представляют большую проблему.

«Watson работает именно с естественным языком - свободным текстом или текстовой информацией - и это примерно 80 процентов огромного объема медицинской информации, доступной нам», - сказал Кон. «Тогда есть 20 процентов, которые представляют собой структурированные данные - в основном, числовые данные - или изображения, такие как МРТ, сканирование CAT и т. Д. Уотсон не обрабатывает структурированные данные напрямую и не интерпретирует изображения. Он может интерпретировать прикрепленный отчет к изображению, но не само изображение. "

Кроме того, IBM работает над созданием более широкого предложения в области здравоохранения, которое выйдет за рамки его онкологических корней.

«Несмотря на то, что Уотсон работает с этими двумя организациями, дизайнеры и ученые-компьютерщики обращают внимание на то, что все, что они разрабатывают, является универсальным, это не просто ниша для лечения рака, особенно для нескольких видов рака, с которыми мы работаем. Мы Мы используем его в качестве учебного процесса для создания алгоритмов и методологий, которые можно легко обобщить для любой области здравоохранения. Им не нужно говорить, что у нас онкология под контролем, теперь давайте начнем с семейной практики или кардиология ", сказал Кон.

Citi и IBM сотрудничают в разработке бизнес-систем со времен первых мэйнфреймов.

Изображение: IBM

Уотсон также уже нашел некоторый интерес к банковскому делу. Citi использует Watson для улучшить качество обслуживания клиентов с банком и создавать новые услуги. Легко понять, как можно использовать Watson, скажем, при решении вопроса о том, может ли бизнес-клиент с пограничным риском погасить кредит, на который он подал заявку, или использовать его для выявления случаев мошенничества или кражи личных данных до того, как клиенты узнают об этом. они происходят.

Citi все еще находится на ранних стадиях своих экспериментов с Уотсоном. Пресс-секретарь сказала, что компания в настоящее время просто "изучает варианты использования".

С этого момента, вместо того, чтобы быть автономными продуктами, следующие предложения Watson, которые появятся на рынке, будут включены в продукты в IBM Smarter Planet линия продуктов Ожидается, что они появятся во второй половине года.

Первый такой продукт Smarter Planet появился в мае: IBM Engagement Advisor , Идея, лежащая в основе Engagement Advisor, предназначенного для контакт-центров, заключается в том, что агенты по обслуживанию клиентов могут запрашивать базы данных своих работодателей и другие источники информации, используя естественный язык, в то время как они проводят беседы по горячей линии со своими клиентами. Одной из компаний, тестирующих эту услугу, является австралийский банк ANZ, где он будет помогать персоналу колл-центра давать рекомендации по финансовым услугам людям, которые звонят.

IBM считает, что Ask Watson выходит далеко за рамки возможностей Apple Siri.

Изображение: IBM

Предположительно, однажды Уотсон мог бы в один прекрасный день найти имеющиеся данные, чтобы найти лучшее время, чтобы найти человека, способного говорить и решить, какой канал связи с наибольшей вероятностью вызовет положительный отклик, или изучить социальные сети для недовольных клиентов и предоставить ответы на их проблемы на естественном языке.

Есть также планы изменить то, как доставили Уотсона. Вместо того, чтобы просто взаимодействовать с ним через сотрудника центра обработки вызовов, клиенты вскоре смогут справиться с консультантом по взаимодействию. Вместо того, чтобы какой-нибудь агент колл-центра считывал сгенерированную Уотсоном информацию для клиента, скажем, из-за неисправности новой стиральной машины или торговца акциями, желающего получить совет по обновлению своего портфеля, потребитель и трейдер могли бы просто опросить Уотсона прямо со своего телефона. или планшет, введя их запрос прямо в бизнес-приложение. Приложения с Watson под капотом должны появиться во второй половине этого года, по мнению Forbes ,

Руководители IBM также ранее предлагали Уотсону может закончиться наддувом версии Siri где люди смогут говорить прямо в свой телефон и задавать сложный вопрос, на который должен ответить Ватсон, - фермер держит свой смартфон, чтобы снять видео о своих полях, и спрашивает Уотсона, когда сажать кукурузу, например.

IBM стремится разъяснить различия между Уотсоном и Сири. «Ватсон знает то, что знает, - и, слушая, изучая и используя возможности мышления, подобные человеческим, обнаруживает понимание больших данных, Ватсон также быстро выясняет, чего он не знает. С другой стороны, Сири просто ищет ключевые слова для поиска сеть для списков вариантов, из которых он выбирает один из ", говорит компания. Но сравнение справедливо: У Уотсона, несомненно, может быть будущее в качестве вашего бесконечно знающего личного помощника.

Хотя добавление возможностей распознавания голоса в Watson не должно быть большим потрясением для IBM, учитывая ее существующие партнерские отношения, такой шаг потребует от Watson возможности распознавать изображения (над чем IBM уже работает), что потребует от Watson запроса всех видов источников. информация, включая газеты, книги, фотографии, хранилища данных, которые стали общедоступными, социальные сети и Интернет в целом. То, что Ватсон должен взять на себя такую ​​роль в ближайшие годы, особенно если обработка будет происходить в центре обработки данных IBM, а не на самом мобильном устройстве, как можно было бы ожидать, находится в пределах возможного.

Поскольку IBM стремится встраивать возможности Watson во все большее и большее количество продуктов, насколько далеко компания, по ее мнению, будет распространяться в ближайшие годы? Скажем только гномично: «Поскольку мы продолжаем расширять наши возможности, мы намерены сделать Watson доступным в качестве набора услуг во многих отраслях». Хотите лучшего ответа? Лучше спроси Уотсона.

Похожие

Комментарии