fbpx
Wikipedia

Watson (inteligencia artificial)

Septiembre 17, 2022

Watson es un sistema basado en inteligencia artificial capaz de responder a preguntas formuladas en lenguaje natural,[1]​ desarrollado por la empresa estadounidense IBM. Forma parte del proyecto del equipo de investigación DeepQA, liderado por el investigador principal David Ferrucci. Se le asignó este nombre en honor del fundador y primer presidente de IBM, Thomas J. Watson.[2]​[3]​

El superordenador Watson

Watson responde a las preguntas gracias a una base de datos almacenada localmente.[4]​ La información contenida en esa base de datos proviene de multitud de fuentes, incluyendo enciclopedias, diccionarios, tesauros, artículos de noticias, y obras literarias, al igual que bases de datos externos, taxonomías, y ontologías (específicamente DBpedia, WordNet).[5]​

Para probar sus capacidades reales participó durante tres días en febrero de 2011 en un partido especial de dos juegos en el concurso de televisión estadounidense Jeopardy!, derrotando a sus dos oponentes humanos: Brad Rutter, el ganador de la mayor cantidad de dinero en toda la historia del programa, y Ken Jennings, el poseedor del récord por la racha más larga de campeonatos (después de haber ganado 75 partidos).[6]​[7]​ Watson recibió el primer premio de $1 000 000, mientras Ken Jennings y Brad Rutter recibieron $300 000 y $200 000, respectivamente. Tanto Jennings como Rutter prometieron donar la mitad de sus ganancias respectivas a organizaciones de caridad seleccionadas por ellos (Jennings eligió a VillageReach, y Rutter a Lancaster County Community Foundation),[8]​ mientras IBM dividió las ganancias de Watson entre dos organizaciones (World Vision y World Community Grid).[9]​

Watson superó a sus oponentes humanos constantemente con el dispositivo de señalización empleado por el juego, pero tuvo problemas para responder a unas pocas categorías, especialmente las compuestas por pistas cortas con pocas palabras. Para cada pista, las respuestas más probables de Watson se mostraron por la pantalla de televisión. Watson tuvo acceso a 200 000 000 de páginas de contenido, estructurado y no estructurado, utilizando cuatro terabytes de almacenamiento en disco,[10]​ incluyendo el texto completo de la Wikipedia en inglés.[11]​ Watson no estaba conectado a Internet durante el juego.[12]​[13]​

Arquitectura del sistema

 
La arquitectura de alto nivel empleada por la tecnología DeepQA, que IBM utilizó específicamente para Watson.[14]​

Watson es un sistema informático para búsqueda de respuestas (question answering en inglés), desarrollado por IBM.[1]​ La corporación lo describe como "una aplicación de tecnologías avanzadas diseñadas para el procesamiento de lenguajes naturales, la recuperación de información, la representación del conocimiento, el razonamiento automático, y el aprendizaje automático al campo abierto de búsquedas de respuestas," que es "construido en la tecnología DeepQA de IBM para la generación de hipótesis, la recopilación de pruebas masivas, el análisis y la calificación."[1]​

Según IBM, Watson es un sistema optimizado para trabajo que se diseña para analítica compleja, que se hace posible por la integración de procesadores masivamente paralelos de POWER7 y el software DeepQA desarrollado por la corporación. Su soporte de hardware para la competición en Jeopardy! comprendía dos unidades con 5 bastidores de nodos controladores, con noventa servidores IBM POWER 750, cada servidor utilizando un procesador de 3.5 GHz con 8 núcleos, donde cada núcleo soporta por hardware 4 hilos de ejecución (threads en inglés). El sistema cuenta con un total de 2880 núcleos de procesamiento POWER7, y un total de 16 Terabytes de RAM.[15]​ El hecho de que el procesador POWER7 es capaz de procesar en una manera masivamente paralela lo convierte en un complemento ideal para el software DeepQA integrado en Watson por IBM, que es embarazosamente paralelo (es decir, un trabajo que es fácilmente dividido en múltiples tareas paralelas.)[16]​

Según John Rennie, Watson puede procesar 500 giga bytes por segundo (el equivalente de un millón de libros).[17]​ El inventor principal y consultor sénior de IBM, Tony Pearson, estimó que el costo total del hardware para Watson fue de cerca de $3.000.000.[18]​ Rennie ha declarado que el contenido de Watson fue almacenado en su RAM para el juego, porque los datos almacenados en discos duros son demasiado lentos para acceder.[17]​

El software incorporado en Watson fue escrito utilizando los lenguajes de programación Java y C++, y usa dos estructuras empleadas por la Apache Software Foundation — la estructura Hadoop para computación distribuida, y el sistema UIMA (Unstructured Information Management Architecture) para análisis de materiales impresos — así como el software DeepQA desarrollado por IBM y el sistema operativo SUSE Linux Enterprise Server 11.[10]​[19]​[20]​ Según IBM, Watson usa más de 100 técnicas diferentes para analizar el lenguaje natural, identificar fuentes, encontrar y generar hipótesis, buscar y puntuar evidencias, combinar y clasificar hipótesis.[21]​

Funcionamiento

Introducción al sistema deepQA

poder concursar en Jeopardy!, el equipo de IBM necesitaba desarrollar una tecnología de QA (Question Answering en inglés) que tuviera un rendimiento muy parecido e incluso superior al de los campeones del concurso. Necesitaban que Watson acertara más del 85% de las preguntas que respondiera y tenía que ser más rápido que los otros dos concursantes en el 70% de las preguntas totales.[22]​Cuando empezó el desarrollo de Watson ya se había hecho investigación en el campo del procesamiento del lenguaje natural, y existían otras tecnologías, como PIQUANT o OpenEphyra.[14]​ Éstas estaban entre las mejores de la Text Retrieval Conference (TREC), en la cual se les daba unos documentos y unas preguntas para responder en un tiempo determinado.[23]​ El problema es que en Jeopardy! las pistas que se proporcionan son muy complejas, tienen un lenguaje natural muy rico, con muchas expresiones, la mayoría de veces ambiguas, y de muchísimos temas totalmente diferentes.[22]​ En cambio, en la TREC, las preguntas eran muy concretas y más estructuradas, del tipo ¿Dónde nació John Lennon?, en las que resulta más fácil saber qué están preguntando. Además, el hecho de tener que responder el 70% de todas las preguntas del concurso significaba que necesitaban que Watson fuera muy rápido en encontrar la respuesta, pero eso no es suficiente, ya que hay que responderla bien para conseguir esa precisión. Por lo tanto el sistema debía ser rápido también a la hora de estimar la confianza para decidir si responder o no.

Aunque ya se había hecho investigación en el campo del QA, Jeopardy! suponía un reto mucho mayor que el que se había tenido hasta el momento, de ahí que IBM desarrollara su propio sistema, al que llamaron DeepQA.

Adquisición de contenido

Antes de poder responder cualquier pregunta, hay que establecer el contenido que usará el sistema cuando necesite buscar información relacionada con la pregunta.[14]​

Lo primero que hay que hacer es buscar ejemplos de preguntas para poder saber de qué tipo serán las que el sistema tendrá que responder y el dominio de éstas. A partir de un análisis de estas preguntas de ejemplo, hay que darle a DeepQA un conjunto de diferentes fuentes de información (artículos, obras literarias, enciclopedias…). A partir de esta base inicial de datos, el sistema buscará en otras fuentes en la web, extraerá diferentes recursos que tengan relación con las fuentes iniciales, y les dará una puntuación en función de lo informativos que sean. Por último, DeepQA fusionará las fuentes que haya encontrado con mayor puntuación con su conjunto inicial, así tendrá mucha más información y recursos que consultar.[14]​ Uno de los sistemas usados para adquirir conocimiento de forma automática y guardarlos de manera estructurada es PRISMATIC.[24]​

Watson tiene datos de muchos tipos, estructurados, semiestructurados (como bases de datos y ontologías[14]​) y no estructurados (mencionados anteriormente), de entre los cuales se encuentran los siguientes: Wikipedia, Freebase, WordNet, DBPedia y la ontología Yago. [22]​[25]​

Análisis de la pregunta

En este paso se recibe como entrada la pregunta que Watson debe responder, y por lo tanto lo primero que hay que hacer es determinar qué es lo que se está preguntando para poder luego buscar las respuestas. Para la realización de un buen análisis, DeepQA utiliza una gran variedad de algoritmos y sistemas expertos.[14]​ Esta fase está compuesta de diferentes pasos.

Clasificación de la pregunta

Para poder buscar qué tipo de respuesta necesitamos, primero hay que saber cuál es el tipo de pregunta, si una definición, si una pregunta matemática, un puzle… A estas diferentes formas de clasificar una pregunta se les llama Qclasses (Question classes).[26]​ DeepQA tiene que determinar a qué clase pertenece la pregunta, para hacerlo utiliza diferentes métodos independientes entre ellos. Esto puede dar resultado a que diferentes técnicas detecten clases distintas para la misma pregunta. En caso de encontrar dos o más clases incompatibles, se necesita de otro componente que escoja la mejor opción. Una vez se tiene el tipo de pregunta, este resultado servirá para determinar los métodos y modelos de machine learning que se usarán posteriormente.[26]​

Detección del focus y los LATs

El llamado focus de una pregunta es la parte de ésta que es una referencia a la respuesta. Esto quiere decir que si lo sustituimos por la respuesta, la pregunta se convierte en una afirmación o hecho. En los ejemplos de preguntas de Jeopardy! siguientes, la parte en negrita es el focus:

  • Número de poemas a los cuales Emily Dickinson dio permiso para publicar.[26]​
  • Ella se unió al Wild West show de Buffalo Bill Cody después de conocerlo en la Cotton Expo en New Orleans.[26]​

El LAT (lexical answer type) es una palabra o pequeña frase que nos dice cual es el tipo de respuesta que se pide. Normalmente es una palabra que pertenece al focus, excepto algunos casos. En los ejemplos anteriores, número es el primer LAT, y Ella es el segundo.[26]​

Encontrar el LAT de una pregunta nos permite determinar si una respuesta encontrada es instancia de este, es decir, si se corresponde con lo que nos pide la pregunta (si el LAT es ella, la respuesta tiene que ser el nombre de una mujer). Por lo tanto, será útil para determinar si la respuesta generada es válida o no.[14]​

Detección de relaciones

Muchas preguntas contienen relaciones de todo tipo, sintácticas, o entre objetos dentro de la frase. Estas se pueden aprovechar y buscarlas directamente en bases de datos relacionales, las cuales están estructuradas en tablas. Por lo tanto podemos buscar si hay alguna en la que se encuentra la relación que hemos hallado. Por ejemplo, en la pregunta Son los dos estados que podrías estar re entrando si cruzas la frontera norte de Florida, podríamos buscar las fronteras de Florida en alguna base de datos disponible y encontrar la respuesta directamente allí. El problema es que en un estudio realizado con preguntas de Jeopardy! se observó que estos casos son muy escasos y la mayoría de veces no sirve esta técnica.[14]​

Descomposición

Una parte muy importante del análisis de una pregunta es descomponerla en diferentes preguntas y responder cada una independientemente de las otras. De esta manera, cuanto más correcta sea una respuesta en cada sub-pregunta, más probable será que sea la respuesta correcta a la pregunta inicial.[27]​

Hay dos tipos de sub-preguntas. Las primeras son las que se pueden analizar y responder en paralelo, ya que no hay dependencias entre ellas. Las otras necesitan responderse secuencialmente, ya que una pregunta requiere de la respuesta de otra para poder responderse. Por ejemplo, en la pregunta Una polémica película de guerra de 1979 estuvo basada en el trabajo realizado en 1902 por este autor es necesario saber a qué película se refiere (Apocalypse now) para poder encontrar el autor que se está preguntando.[27]​

Generación de hipótesis

En esta fase, se utiliza los resultados del análisis de la pregunta para buscar respuestas y generar candidatos o hipótesis. Luego el sistema tendrá que demostrar que son correctos con un nivel de confianza. Para conseguirlo, el proceso se divide en diferentes etapas.[14]​

Primera búsqueda

Para empezar con la generación de hipótesis, se realiza una búsqueda con el objetivo de encontrar cualquier contenido que pueda estar relacionada con la respuesta. Se utilizan técnicas de búsqueda en textos, consultas en bases de datos e incluso búsqueda basada en el conocimiento de la información.[14]​

Generación de candidatos

Con los resultados de la búsqueda inicial se tienen que generar candidatos, que son posibles respuestas. Se tienen que extraer de manera diferente para cada tipo de búsqueda, si se realiza sobre una base de datos de nombres de personas, cada nombre encontrado puede ser un candidato. En otros tipos donde los resultados de la búsqueda son más largos y complejos, se requieren otras técnicas más avanzadas.[14]​

En esta fase se generarán todos los candidatos que Watson analizará posteriormente para validarlos y extraer el mejor. Esto significa que si la respuesta correcta no se encuentra entre los candidatos, el sistema no podrá responder la pregunta.[14]​

Soft Filtering

De la búsqueda inicial, se generan muchos candidatos, cada uno de los cuales tiene que ser analizado y se le tiene que dar una puntuación para determinar lo correcto que es. Esto puede causar problemas, ya que es un proceso costoso y consume muchos recursos. Por lo tanto, antes de puntuar los candidatos, se realiza un análisis previo no muy exhausto y con menos consumo para eliminar hipótesis y así ahorrar cálculos.[14]​

El soft filtering (en inglés), consiste en aplicar un filtro a los candidatos. Éste le asigna una puntuación, con algoritmos más ligeros, y según el resultado se decide si pasará a la siguiente fase.[14]​ Una de las maneras para calcular esta puntuación es determinar si un candidato es instancia del LAT de la pregunta, es decir, el tipo del candidato es el mismo que pide la pregunta, si es una persona el sistema descartará todo lo que no se corresponda con una. A este proceso se le llama Type Coercion.[28]​

Gracias a este método, de los cientos de candidatos que salen de la generación de hipótesis, solo una parte pasará a la etapa de puntuación, y el resto se enviará directamente a la etapa de fusión de los resultados.[14]​

Puntuación de las hipótesis

A los candidatos que pasan el soft filtering, hay que analizarlos rigurosamente. Este análisis consiste en buscar pruebas sobre la validez de cada candidato y evaluar estos resultados para poder puntuar las hipótesis.[14]​

Recopilación de pruebas

Para poder determinar si un candidato es correcto, hay que buscar pruebas que lo demuestren. Una de las técnicas usadas consiste en realizar una búsqueda similar a la realizada en la etapa de generación de hipótesis, pero un requisito es que el candidato se encuentre en el texto. De esta manera las pruebas halladas contendrán la hipótesis en el contexto usado en la pregunta.[14]​[29]​

Puntuación

En esta fase es donde se calcula el grado de certeza con el que las pruebas apoyan a cada candidato, usando múltiples técnicas. Éstas miden diferentes aspectos y dimensiones de la pregunta, es decir, unos algoritmos más simples simplemente determinarán si la prueba se parece a la pregunta, mientras que otros tendrán en cuenta otros aspectos, como si el candidato es el objeto o el sujeto de la frase donde aparece, entre otros.[14]​

Fusión de las respuestas

Antes de proceder a la etapa final y escoger la respuesta definitiva, DeepQA fusiona todas las respuestas que sean equivalentes o estén muy relacionadas. Eso quiere decir que también tendrá que fusionar las diferentes puntuaciones y pruebas encontradas en la etapa anterior. Por ejemplo, si la pregunta pide el nombre de una persona, Watson fusionará todos los candidatos que sean nombres de la misma persona. Esto se debe a que la siguiente etapa se usan técnicas basadas en las diferencias relativas entre los candidatos.[30]​

Ranking y estimación de la confianza

El último paso incluye estimar una confianza sobre lo correcta que es una hipótesis, según sus puntuaciones, y colocar cada candidato en un ranking. Para realizar estas tareas, Watson utiliza aprendizaje automático, el cual necesita que se le entrene con una serie de preguntas con respuestas conocidas y un modelo de aprendizaje basado en las puntuaciones, para que así empiece con una base de conocimiento válido.[14]​

Una vez se obtiene el ranking con su confianza, Watson ya tiene lo necesario para determinar si tiene que responder la pregunta y cuál usar de todas las que tiene.

Operación

Para cumplir con el requisito principal para todos los concursantes de Jeopardy!, Watson estaba obligado a esperar hasta que el presentador, Alex Trebek, leyera cada pista en su totalidad, y en ese momento, una luz se encendía como una señal para indicar que el sistema está listo. El primer concursante que activa el botón en su zumbador gana la oportunidad de responder.[13]​[31]​ Watson recibió las pistas en forma de textos electrónicos al mismo tiempo en que las mismas fueron puestas a disposición de los participantes humanos.[13]​ Luego analizaría las pistas en diferentes palabras clave y fragmentos de oración para encontrar frases estadísticamente relacionadas.[13]​ La innovación principal de Watson no fue en la creación de un nuevo algoritmo para esta operación, sino más bien en su capacidad de ejecutar rápidamente miles de algoritmos probados para análisis del lenguaje natural al mismo tiempo para encontrar la respuesta correcta.[13]​[32]​ La probabilidad de la corrección de Watson se mide por el número de algoritmos que encuentran la misma respuesta independientemente.[13]​ Una vez que Watson tiene un número pequeño de soluciones posibles, es capaz de hacer comparaciones con su base de datos para determinar si la solución tiene sentido.[13]​ En una secuencia de 20 simulacros, los participantes humanos fueron capaces de usar el tiempo medio de seis o siete segundos que Watson necesitó para escuchar la pista y decidir si querían señalar una respuesta.[13]​ Durante ese tiempo, Watson también debe evaluar la respuesta y determinar si el resultado es correcto de una manera suficiente para señalar.[13]​ Una parte del sistema usado por Watson para ganar el concurso fueron los circuitos electrónicos que recibieron la señal "listo" y luego examinaron si el nivel de confianza de Watson fue suficientemente grande para activar el zumbador. Debido a la velocidad de estos circuitos en comparación con la velocidad de los tiempos en que los seres humanos son capaces de responder, el tiempo de reacción de Watson fue más rápido que el de los concursantes humanos excepto cuando los humanos anticiparon (en vez de reaccionar a) la señal "listo."[33]​ Después de la señalización, Watson habló con una voz electrónica, sintetizada a partir de grabaciones hechas por Jeff Woodman para un programa de texto a voz desarrollado por IBM en 2004,[34]​ dando las respuestas en el formato de "respuesta y pregunta" asociado con Jeopardy![13]​

Historia

 
Demostración de Watson desde una cabina de IBM en una demostración comercial.

Las circunstancias que condujeron al desarrollo de Watson se remontan a la victoria de la computadora Deep Blue sobre Garri Kaspárov, un Gran Maestro Internacional del ajedrez, en el 11 de mayo de 1997. Desde entonces, IBM se encontraba en la búsqueda de un desafío nuevo, y en 2004, Charles Lickel, el gerente de investigaciones de IBM, había encontrado uno cuando vio la racha ganadora de Ken Jennings en Jeopardy! mientras cenaba en un restaurante con sus compañeros de trabajo. Intrigado por la posibilidad de la utilización del concurso como un desafío para IBM, Lickel presentó la idea, y en 2005 Paul Horn, el ejecutivo de investigación de IBM, apoyó a Lickel en persuadir a uno de los miembros de su departamento para asumir el desafío de jugar a Jeopardy! con un sistema de IBM. A pesar de que inicialmente tuvo problemas en encontrar miembros de su equipo de investigación que estuvieran dispuestos a asumir lo que parecía ser un desafío mucho más complejo que el juego de ajedrez, finalmente David Ferrucci aceptó la oferta.[35]​ Watson fue precedido por un sistema llamado "Piquant," que participó en competiciones logradas por el gobierno de los Estados Unidos, donde fue capaz de responder correctamente solo un 35 por ciento de la cantidad total de pistas en el juego, y generalmente requirió varios minutos para responder.[36]​[37]​[38]​ Para competir en Jeopardy! con éxito, Watson necesitaría responder en un máximo de pocos segundos, y en ese tiempo, los problemas planteados en el concurso fueron considerados como imposibles de resolver.[13]​

En pruebas iniciales conducidas durante el año 2006 por David Ferucci, gerente del Departamento de Análisis e Integración Semántica de IBM, se le proporcionó a Watson 500 pistas de episodios pasados de Jeopardy! Aunque los mejores concursantes humanos fueron capaces de responder correctamente a un máximo del 95 por ciento de las pistas, en su primera prueba Watson fue capaz de responder correctamente a solo un 15 por ciento de las pistas. Durante 2007, el equipo se dio de tres a cinco años y un equipo de 15 personas para resolver los problemas.[13]​ En 2008, los desarrolladores habían avanzado mucho, hasta tal punto que Watson fue capaz de competir con campeones de Jeopardy!.[13]​ En febrero de 2010, Watson derrotaba a campeones de Jeopardy! de manera regular.[39]​

Watson era principalmente un esfuerzo de IBM, pero su equipo de desarrollo incluye profesores y estudiantes de la Universidad Carnegie Mellon, la Universidad de Massachusetts en Amherst, el Instituto para Ciencias de Información de la Universidad del Sur de California, la Universidad de Texas en Austin, el Instituto Tecnológico de Massachusetts, la Universidad de Trento, y el Instituto Politécnico Rensselaer.[14]​

En 2008, los representantes de IBM se comunicaron con Harry Friedman, el productor ejecutivo de Jeopardy!, sobre la posibilidad de una competición entre Watson y dos de los concursantes más exitosos del programa (Ken Jennings y Brad Rutter). Friedman estaba de acuerdo con esa decisión.[13]​[40]​ Las diferencias entre Watson y los concursantes humanos habían generado conflictos entre IBM y el personal de Jeopardy! durante la planificación de la competición.[41]​ IBM repetidamente expresó preocupaciones concernientes a que los guionistas del programa explotaran las deficiencias cognitivas de Watson al escribir las pistas y, de este modo, convirtieran el concurso en un test de Turing. Para soslayar esta preocupación, un tercero eligió aleatoriamente las pistas de programas previamente escritos que no habían sido emitidos.[41]​ El personal de Jeopardy! también expresó preocupaciones por el tiempo de reacción con el zumbador. Watson originalmente señaló por vía electrónica, pero el personal del programa pidió que el sistema pulse el botón físicamente, como los concursantes humanos.[42]​ Sin embargo, Watson fue capaz de ser más rápido que sus competidores humanos, aun con su dedo robótico.

Para preparar a Watson para su competición, IBM construyó un simulacro del plató de Jeopardy! en una sala de conferencias en uno de sus sitios de tecnología. Concursantes humanos, incluyendo concursantes anteriores de Jeopardy!, también participaron en simulacros del concurso, presentados por Todd Alan Crain de The Onion.[13]​ Alrededor de 100 simulacros fueron conducidos, con Watson ganando un 65 por ciento de los partidos.[43]​

Los partidos oficiales fueron grabados en enero de 2011, y emitidos el siguiente mes.

Usos en el futuro

Según IBM, el objetivo para Watson es permitir que las computadoras comiencen a interactuar de forma natural con humanos a través de una amplia gama de aplicaciones y procesos, comprendiendo las preguntas de los seres humanos y dando respuestas que los seres humanos pueden comprender y justificar.[39]​

IBM y Nuance Communications Inc. se han unido para el proyecto de investigación para desarrollar un producto comercial durante los próximos 18 a 24 meses que explotará las capacidades de Watson como sistema de apoyo para decisiones clínicas para ayudar al diagnóstico y tratamiento médico de pacientes. Los médicos de la Universidad de Columbia están ayudando a identificar problemas críticos en la práctica de medicina donde la tecnología de Watson puede ser capaz de contribuir, y los médicos de la Universidad de Maryland están trabajando para identificar la mejor manera en que un sistema tecnológico como Watson podría interactuar con los médicos para proporcionar la máxima asistencia.[44]​ También se ha sugerido por Robert C. Weber, el consejero general de IBM, que Watson se puede utilizar para investigaciones legales.[45]​

Watson se basa en servidores comercialmente disponibles con la marca "IBM Power 750" comercializados desde febrero de 2010. IBM también tiene la intención de comercializar el software DeepQA a corporaciones grandes, a un precio de millones de dólares, lo cual refleja el precio necesario de un millón de dólares para adquirir un servidor que cumpla con los requisitos mínimos para operar Watson. IBM espera que el precio disminuirá considerablemente dentro de una década cuando la tecnología mejore.[13]​

Véase también

Referencias

  1. ↑ DeepQA Project: FAQ, IBM Corporation, consultado el 11 de febrero de 2011 .
  2. Hale, Mike (8 de febrero de 2011), Actors and Their Roles for $300, HAL? HAL!, The New York Times .
  3. The DeepQA Project, Research.ibm.com, consultado el 18 de febrero de 2011 .
  4. . Archivado desde el original el 17 de febrero de 2011. Consultado el 18 de febrero de 2011. 
  5. http://www.aaai.org/Magazine/Watson/watson.php
  6. Markoff, John (26 de abril de 2009), «Computer Program to Take On 'Jeopardy!'», The New York Times, consultado el 27 de abril de 2009 .
  7. Loftus, Jack (26 de abril de 2009), IBM Prepping Soul-Crushing 'Watson' Computer to Compete on Jeopardy!, Gizmodo, consultado el 27 de abril de 2009 .
  8. Jeopardy! And IBM Announce Charities To Benefit From Watson Competition, IBM Corporation, 13 de enero de 2011, consultado el 19 de febrero de 2011 .
  9. World Community Grid to benefit from Jeopardy! competition, World Community Grid, 4 de febrero de 2011, consultado el 19 de febrero de 2011 .
  10. ↑ Jackson, Joab (17 de febrero de 2011), IBM Watson Vanquishes Human Jeopardy Foes, PC World, consultado el 17 de febrero de 2011 .
  11. Zimmer, Ben (17 de febrero de 2011), Is It Time to Welcome Our New Computer Overlords?, The Atlantic, consultado el 17 de febrero de 2011 .
  12. Raz, Guy (28 de enero de 2011), Can a Computer Become a Jeopardy! Champ?, National Public Radio, consultado el 18 de febrero de 2011 .
  13. ↑ Thompson, Clive (16 de junio de 2010). . The New York Times Magazine. Archivado desde el original el 5 de junio de 2011. Consultado el 18 de febrero de 2011. 
  14. ↑ Ferrucci, D., et al. (2010), 31 (3), AI Magazine, archivado desde el original el 26 de agosto de 2011 .
  15. FAQs sobre Watson (en ingles)
  16. Is Watson the smartest machine on earth?, Computer Science and Electrical Engineering Department, UMBC, 10 de febrero de 2011, consultado el 11 de febrero de 2011 .
  17. ↑ Rennie, John (14 de febrero de 2011), , PLoS blogs, archivado desde el original el 22 de febrero de 2011, consultado el 19 de febrero de 2011 .
  18. Lucas, Mearian (21 de febrero de 2011), Can anyone afford an IBM Watson supercomputer? (Yes), Computerworld, consultado el 21 de febrero de 2011 .
  19. Takahashi, Dean (17 de febrero de 2011), IBM researcher explains what Watson gets right and wrong, VentureBeat, consultado el 18 de febrero de 2011 .
  20. Novell (2 de febrero de 2011), , The Wall Street Journal, archivado desde el original el 21 de abril de 2011, consultado el 21 de febrero de 2011 .
  21. Watson – A System Designed for Answers (enlace roto disponible en Internet Archive; véase el historial, la primera versión y la última).
  22. ↑ Ferrucci, David; Levas, Anthony; Bagchi, Sugato; Gondek, David; Mueller, Erik T. (1 de julio de 2013). «Watson: Beyond Jeopardy!». Artificial Intelligence. 199-200: 93-105. ISSN 0004-3702. doi:10.1016/j.artint.2012.06.009. Consultado el 26 de diciembre de 2016. 
  23. «Text REtrieval Conference (TREC) Overview». trec.nist.gov. Consultado el 26 de diciembre de 2016. 
  24. Fan, J.; Kalyanpur, A.; Gondek, D. C.; Ferrucci, D. A. (1 de mayo de 2012). «Automatic knowledge extraction from documents». IBM Journal of Research and Development 56 (3.4): 5:1-5:10. ISSN 0018-8646. doi:10.1147/JRD.2012.2186519. Consultado el 26 de diciembre de 2016. 
  25. . www.semanticscholar.org (en inglés estadounidense). Archivado desde el original el 27 de diciembre de 2016. Consultado el 26 de diciembre de 2016. 
  26. ↑ Lally, A.; Prager, J. M.; McCord, M. C.; Boguraev, B. K.; Patwardhan, S.; Fan, J.; Fodor, P.; Chu-Carroll, J. (1 de mayo de 2012). «Question analysis: How Watson reads a clue». IBM Journal of Research and Development 56 (3.4): 2:1-2:14. ISSN 0018-8646. doi:10.1147/JRD.2012.2184637. Consultado el 26 de diciembre de 2016. 
  27. ↑ Kalyanpur, A.; Patwardhan, S.; Boguraev, B. K.; Lally, A.; Chu-Carroll, J. (1 de mayo de 2012). «Fact-based question decomposition in DeepQA». IBM Journal of Research and Development 56 (3.4): 13:1-13:11. ISSN 0018-8646. doi:10.1147/JRD.2012.2188934. Consultado el 26 de diciembre de 2016. 
  28. Welty, Chris; Murdock, J. William; Kalyanpur, Aditya; Fan, James (1 de enero de 2012). «A Comparison of Hard Filters and Soft Evidence for Answer Typing in Watson». Proceedings of the 11th International Conference on The Semantic Web - Volume Part II. ISWC'12 (Springer-Verlag): 243-256. ISBN 9783642351723. doi:10.1007/978-3-642-35173-0_16. Consultado el 26 de diciembre de 2016. 
  29. Murdock, J. W.; Fan, J.; Lally, A.; Shima, H.; Boguraev, B. K. (1 de mayo de 2012). «Textual evidence gathering and analysis». IBM Journal of Research and Development 56 (3.4): 8:1-8:14. ISSN 0018-8646. doi:10.1147/JRD.2012.2187249. Consultado el 26 de diciembre de 2016. 
  30. Gondek, D. C.; Lally, A.; Kalyanpur, A.; Murdock, J. W.; Duboue, P. A.; Zhang, L.; Pan, Y.; Qiu, Z. M. et al. (1 de mayo de 2012). «A framework for merging and ranking of answers in DeepQA». IBM Journal of Research and Development 56 (3.4): 14:1-14:12. ISSN 0018-8646. doi:10.1147/JRD.2012.2188760. Consultado el 26 de diciembre de 2016. 
  31. Libresco, Leah Anthony (21 de febrero de 2011), A Non-Trivial Advantage for Watson, The Huffington Post, consultado el 21 de febrero de 2011 .
  32. , Nova ScienceNOW (Public Broadcasting Service), 20 de enero de 2011, archivado desde el original el 24 de enero de 2011, consultado el 27 de enero de 2011 .
  33. Gondek, David (10 de enero de 2011), «How Watson "sees," "hears," and "speaks" to play Jeopardy!», IBM Research blog (IBM), consultado el 21 de febrero de 2011 .
  34. Avery, Lise (14 de febrero de 2011), «Actor Jeff Woodman, Voice of IBM's Watson Computer» (MP3), Anything Goes!!, consultado el 15 de febrero de 2011 . (entrevista de Jeff Woodman)
  35. Baker, Stephen (2011). Final Jeopardy: Man vs. Machine and the Quest to Know Everything. Boston, Nueva York: Houghton Mifflin Harcourt. pp. 6–8. ISBN 0547483163. 
  36. Baker, Stephen (2011). Final Jeopardy: Man vs. Machine and the Quest to Know Everything. Boston, Nueva York: Houghton Mifflin Harcourt. p. 30. ISBN 0547483163. 
  37. Radev, Dragomir R. (2000). . Archivado desde el original el 26 de agosto de 2011. Consultado el 23 de agosto de 2011. 
  38. Prager, John (Julio de 2000). . Archivado desde el original el 23 de agosto de 2011. Consultado el 23 de agosto de 2011. 
  39. ↑ Brodkin, Jon (10 de febrero de 2010), , Network World, archivado desde el original el 3 de junio de 2013, consultado el 19 de febrero de 2011 .
  40. Stelter, Brian (14 de diciembre de 2010), I.B.M. Supercomputer 'Watson' to Challenge 'Jeopardy' Stars, The New York Times, consultado el 14 de diciembre de 2010, «An I.B.M. supercomputer system named after the company's founder, Thomas J. Watson Sr., is almost ready for a televised test: a bout of questioning on the quiz show "Jeopardy." I.B.M. and the producers of "Jeopardy" will announce on Tuesday that the computer, "Watson," will face the two most successful players in "Jeopardy" history, Ken Jennings and Brad Rutter, in three episodes that will be broadcast Feb. 14–16, 2011. » .
  41. ↑ Needleman, Rafe (18 de febrero de 2011), Reporters' Roundtable: Debating the robobrains, CNET, consultado el 18 de febrero de 2011 .
  42. Baker, Stephen (2011). Final Jeopardy: Man vs. Machine and the Quest to Know Everything. Boston, Nueva York: Houghton Mifflin Harcourt. p. 171. ISBN 0547483163. 
  43. Sostek, Anya (13 de febrero de 2011), Human champs of 'Jeopardy!' vs. Watson the IBM computer: a close match, Pittsburgh Post Gazette, consultado el 19 de febrero de 2011 .
  44. Wakeman, Nick (17 de febrero de 2011), IBM's Watson heads to medical school, Washington Technology, consultado el 19 de febrero de 2011 .
  45. Weber, Robert C. (14 de febrero de 2011), Why 'Watson' matters to lawyers, The National Law Journal, consultado el 18 de febrero de 2011 .

Enlaces externos

  • Esta obra contiene una traducción derivada de «Watson (computer)» de Wikipedia en inglés, publicada por sus editores bajo la Licencia de documentación libre de GNU y la Licencia Creative Commons Atribución-CompartirIgual 3.0 Unported.
  • Página del sistema Watson.
  • Página del proyecto DeepQA.
  • .
  • "Smartest Machine on Earth," un documental de Nova en PBS sobre el desarrollo de Watson.
  • .
  • Anuncio para los IBM Power Systems.
  • Entrevista en que Noam Chomsky discute Watson y la inteligencia artificial.
  • Artículo sobre el programa en The New York Times.
  • "The Watson Trivia Challenge" por The New York Times, 16 de junio de 2010.
  • en Twitter por #IBMWatson Watson en Twitter.
  • «Inteligencia artificial vs seres humanos en el 'quiz show' más visto de EEUU», artículo en El Mundo.
  •   Datos: Q12253
  •   Multimedia: IBM Watson / Q12253

Septiembre 17, 2022
watson, inteligencia, artificial, watson, sistema, basado, inteligencia, artificial, capaz, responder, preguntas, formuladas, lenguaje, natural, desarrollado, empresa, estadounidense, forma, parte, proyecto, equipo, investigación, deepqa, liderado, investigado. Watson es un sistema basado en inteligencia artificial capaz de responder a preguntas formuladas en lenguaje natural 1 desarrollado por la empresa estadounidense IBM Forma parte del proyecto del equipo de investigacion DeepQA liderado por el investigador principal David Ferrucci Se le asigno este nombre en honor del fundador y primer presidente de IBM Thomas J Watson 2 3 El superordenador Watson Watson responde a las preguntas gracias a una base de datos almacenada localmente 4 La informacion contenida en esa base de datos proviene de multitud de fuentes incluyendo enciclopedias diccionarios tesauros articulos de noticias y obras literarias al igual que bases de datos externos taxonomias y ontologias especificamente DBpedia WordNet 5 Para probar sus capacidades reales participo durante tres dias en febrero de 2011 en un partido especial de dos juegos en el concurso de television estadounidense Jeopardy derrotando a sus dos oponentes humanos Brad Rutter el ganador de la mayor cantidad de dinero en toda la historia del programa y Ken Jennings el poseedor del record por la racha mas larga de campeonatos despues de haber ganado 75 partidos 6 7 Watson recibio el primer premio de 1 000 000 mientras Ken Jennings y Brad Rutter recibieron 300 000 y 200 000 respectivamente Tanto Jennings como Rutter prometieron donar la mitad de sus ganancias respectivas a organizaciones de caridad seleccionadas por ellos Jennings eligio a VillageReach y Rutter a Lancaster County Community Foundation 8 mientras IBM dividio las ganancias de Watson entre dos organizaciones World Vision y World Community Grid 9 Watson supero a sus oponentes humanos constantemente con el dispositivo de senalizacion empleado por el juego pero tuvo problemas para responder a unas pocas categorias especialmente las compuestas por pistas cortas con pocas palabras Para cada pista las respuestas mas probables de Watson se mostraron por la pantalla de television Watson tuvo acceso a 200 000 000 de paginas de contenido estructurado y no estructurado utilizando cuatro terabytes de almacenamiento en disco 10 incluyendo el texto completo de la Wikipedia en ingles 11 Watson no estaba conectado a Internet durante el juego 12 13 Indice 1 Arquitectura del sistema 2 Funcionamiento 2 1 Introduccion al sistema deepQA 2 2 Adquisicion de contenido 2 3 Analisis de la pregunta 2 3 1 Clasificacion de la pregunta 2 3 2 Deteccion del focus y los LATs 2 3 3 Deteccion de relaciones 2 3 4 Descomposicion 2 4 Generacion de hipotesis 2 4 1 Primera busqueda 2 4 2 Generacion de candidatos 2 5 Soft Filtering 2 6 Puntuacion de las hipotesis 2 6 1 Recopilacion de pruebas 2 6 2 Puntuacion 2 7 Fusion de las respuestas 2 8 Ranking y estimacion de la confianza 3 Operacion 4 Historia 5 Usos en el futuro 6 Vease tambien 7 Referencias 8 Enlaces externosArquitectura del sistema Editar La arquitectura de alto nivel empleada por la tecnologia DeepQA que IBM utilizo especificamente para Watson 14 Watson es un sistema informatico para busqueda de respuestas question answering en ingles desarrollado por IBM 1 La corporacion lo describe como una aplicacion de tecnologias avanzadas disenadas para el procesamiento de lenguajes naturales la recuperacion de informacion la representacion del conocimiento el razonamiento automatico y el aprendizaje automatico al campo abierto de busquedas de respuestas que es construido en la tecnologia DeepQA de IBM para la generacion de hipotesis la recopilacion de pruebas masivas el analisis y la calificacion 1 Segun IBM Watson es un sistema optimizado para trabajo que se disena para analitica compleja que se hace posible por la integracion de procesadores masivamente paralelos de POWER7 y el software DeepQA desarrollado por la corporacion Su soporte de hardware para la competicion en Jeopardy comprendia dos unidades con 5 bastidores de nodos controladores con noventa servidores IBM POWER 750 cada servidor utilizando un procesador de 3 5 GHz con 8 nucleos donde cada nucleo soporta por hardware 4 hilos de ejecucion threads en ingles El sistema cuenta con un total de 2880 nucleos de procesamiento POWER7 y un total de 16 Terabytes de RAM 15 El hecho de que el procesador POWER7 es capaz de procesar en una manera masivamente paralela lo convierte en un complemento ideal para el software DeepQA integrado en Watson por IBM que es embarazosamente paralelo es decir un trabajo que es facilmente dividido en multiples tareas paralelas 16 Segun John Rennie Watson puede procesar 500 giga bytes por segundo el equivalente de un millon de libros 17 El inventor principal y consultor senior de IBM Tony Pearson estimo que el costo total del hardware para Watson fue de cerca de 3 000 000 18 Rennie ha declarado que el contenido de Watson fue almacenado en su RAM para el juego porque los datos almacenados en discos duros son demasiado lentos para acceder 17 El software incorporado en Watson fue escrito utilizando los lenguajes de programacion Java y C y usa dos estructuras empleadas por la Apache Software Foundation la estructura Hadoop para computacion distribuida y el sistema UIMA Unstructured Information Management Architecture para analisis de materiales impresos asi como el software DeepQA desarrollado por IBM y el sistema operativo SUSE Linux Enterprise Server 11 10 19 20 Segun IBM Watson usa mas de 100 tecnicas diferentes para analizar el lenguaje natural identificar fuentes encontrar y generar hipotesis buscar y puntuar evidencias combinar y clasificar hipotesis 21 Funcionamiento EditarIntroduccion al sistema deepQA Editar poder concursar en Jeopardy el equipo de IBM necesitaba desarrollar una tecnologia de QA Question Answering en ingles que tuviera un rendimiento muy parecido e incluso superior al de los campeones del concurso Necesitaban que Watson acertara mas del 85 de las preguntas que respondiera y tenia que ser mas rapido que los otros dos concursantes en el 70 de las preguntas totales 22 Cuando empezo el desarrollo de Watson ya se habia hecho investigacion en el campo del procesamiento del lenguaje natural y existian otras tecnologias como PIQUANT o OpenEphyra 14 Estas estaban entre las mejores de la Text Retrieval Conference TREC en la cual se les daba unos documentos y unas preguntas para responder en un tiempo determinado 23 El problema es que en Jeopardy las pistas que se proporcionan son muy complejas tienen un lenguaje natural muy rico con muchas expresiones la mayoria de veces ambiguas y de muchisimos temas totalmente diferentes 22 En cambio en la TREC las preguntas eran muy concretas y mas estructuradas del tipo Donde nacio John Lennon en las que resulta mas facil saber que estan preguntando Ademas el hecho de tener que responder el 70 de todas las preguntas del concurso significaba que necesitaban que Watson fuera muy rapido en encontrar la respuesta pero eso no es suficiente ya que hay que responderla bien para conseguir esa precision Por lo tanto el sistema debia ser rapido tambien a la hora de estimar la confianza para decidir si responder o no Aunque ya se habia hecho investigacion en el campo del QA Jeopardy suponia un reto mucho mayor que el que se habia tenido hasta el momento de ahi que IBM desarrollara su propio sistema al que llamaron DeepQA Adquisicion de contenido Editar Antes de poder responder cualquier pregunta hay que establecer el contenido que usara el sistema cuando necesite buscar informacion relacionada con la pregunta 14 Lo primero que hay que hacer es buscar ejemplos de preguntas para poder saber de que tipo seran las que el sistema tendra que responder y el dominio de estas A partir de un analisis de estas preguntas de ejemplo hay que darle a DeepQA un conjunto de diferentes fuentes de informacion articulos obras literarias enciclopedias A partir de esta base inicial de datos el sistema buscara en otras fuentes en la web extraera diferentes recursos que tengan relacion con las fuentes iniciales y les dara una puntuacion en funcion de lo informativos que sean Por ultimo DeepQA fusionara las fuentes que haya encontrado con mayor puntuacion con su conjunto inicial asi tendra mucha mas informacion y recursos que consultar 14 Uno de los sistemas usados para adquirir conocimiento de forma automatica y guardarlos de manera estructurada es PRISMATIC 24 Watson tiene datos de muchos tipos estructurados semiestructurados como bases de datos y ontologias 14 y no estructurados mencionados anteriormente de entre los cuales se encuentran los siguientes Wikipedia Freebase WordNet DBPedia y la ontologia Yago 22 25 Analisis de la pregunta Editar En este paso se recibe como entrada la pregunta que Watson debe responder y por lo tanto lo primero que hay que hacer es determinar que es lo que se esta preguntando para poder luego buscar las respuestas Para la realizacion de un buen analisis DeepQA utiliza una gran variedad de algoritmos y sistemas expertos 14 Esta fase esta compuesta de diferentes pasos Clasificacion de la pregunta Editar Para poder buscar que tipo de respuesta necesitamos primero hay que saber cual es el tipo de pregunta si una definicion si una pregunta matematica un puzle A estas diferentes formas de clasificar una pregunta se les llama Qclasses Question classes 26 DeepQA tiene que determinar a que clase pertenece la pregunta para hacerlo utiliza diferentes metodos independientes entre ellos Esto puede dar resultado a que diferentes tecnicas detecten clases distintas para la misma pregunta En caso de encontrar dos o mas clases incompatibles se necesita de otro componente que escoja la mejor opcion Una vez se tiene el tipo de pregunta este resultado servira para determinar los metodos y modelos de machine learning que se usaran posteriormente 26 Deteccion del focus y los LATs Editar El llamado focus de una pregunta es la parte de esta que es una referencia a la respuesta Esto quiere decir que si lo sustituimos por la respuesta la pregunta se convierte en una afirmacion o hecho En los ejemplos de preguntas de Jeopardy siguientes la parte en negrita es el focus Numero de poemas a los cuales Emily Dickinson dio permiso para publicar 26 Ella se unio al Wild West show de Buffalo Bill Cody despues de conocerlo en la Cotton Expo en New Orleans 26 El LAT lexical answer type es una palabra o pequena frase que nos dice cual es el tipo de respuesta que se pide Normalmente es una palabra que pertenece al focus excepto algunos casos En los ejemplos anteriores numero es el primer LAT y Ella es el segundo 26 Encontrar el LAT de una pregunta nos permite determinar si una respuesta encontrada es instancia de este es decir si se corresponde con lo que nos pide la pregunta si el LAT es ella la respuesta tiene que ser el nombre de una mujer Por lo tanto sera util para determinar si la respuesta generada es valida o no 14 Deteccion de relaciones Editar Muchas preguntas contienen relaciones de todo tipo sintacticas o entre objetos dentro de la frase Estas se pueden aprovechar y buscarlas directamente en bases de datos relacionales las cuales estan estructuradas en tablas Por lo tanto podemos buscar si hay alguna en la que se encuentra la relacion que hemos hallado Por ejemplo en la pregunta Son los dos estados que podrias estar re entrando si cruzas la frontera norte de Florida podriamos buscar las fronteras de Florida en alguna base de datos disponible y encontrar la respuesta directamente alli El problema es que en un estudio realizado con preguntas de Jeopardy se observo que estos casos son muy escasos y la mayoria de veces no sirve esta tecnica 14 Descomposicion Editar Una parte muy importante del analisis de una pregunta es descomponerla en diferentes preguntas y responder cada una independientemente de las otras De esta manera cuanto mas correcta sea una respuesta en cada sub pregunta mas probable sera que sea la respuesta correcta a la pregunta inicial 27 Hay dos tipos de sub preguntas Las primeras son las que se pueden analizar y responder en paralelo ya que no hay dependencias entre ellas Las otras necesitan responderse secuencialmente ya que una pregunta requiere de la respuesta de otra para poder responderse Por ejemplo en la pregunta Una polemica pelicula de guerra de 1979 estuvo basada en el trabajo realizado en 1902 por este autor es necesario saber a que pelicula se refiere Apocalypse now para poder encontrar el autor que se esta preguntando 27 Generacion de hipotesis Editar En esta fase se utiliza los resultados del analisis de la pregunta para buscar respuestas y generar candidatos o hipotesis Luego el sistema tendra que demostrar que son correctos con un nivel de confianza Para conseguirlo el proceso se divide en diferentes etapas 14 Primera busqueda Editar Para empezar con la generacion de hipotesis se realiza una busqueda con el objetivo de encontrar cualquier contenido que pueda estar relacionada con la respuesta Se utilizan tecnicas de busqueda en textos consultas en bases de datos e incluso busqueda basada en el conocimiento de la informacion 14 Generacion de candidatos Editar Con los resultados de la busqueda inicial se tienen que generar candidatos que son posibles respuestas Se tienen que extraer de manera diferente para cada tipo de busqueda si se realiza sobre una base de datos de nombres de personas cada nombre encontrado puede ser un candidato En otros tipos donde los resultados de la busqueda son mas largos y complejos se requieren otras tecnicas mas avanzadas 14 En esta fase se generaran todos los candidatos que Watson analizara posteriormente para validarlos y extraer el mejor Esto significa que si la respuesta correcta no se encuentra entre los candidatos el sistema no podra responder la pregunta 14 Soft Filtering Editar De la busqueda inicial se generan muchos candidatos cada uno de los cuales tiene que ser analizado y se le tiene que dar una puntuacion para determinar lo correcto que es Esto puede causar problemas ya que es un proceso costoso y consume muchos recursos Por lo tanto antes de puntuar los candidatos se realiza un analisis previo no muy exhausto y con menos consumo para eliminar hipotesis y asi ahorrar calculos 14 El soft filtering en ingles consiste en aplicar un filtro a los candidatos Este le asigna una puntuacion con algoritmos mas ligeros y segun el resultado se decide si pasara a la siguiente fase 14 Una de las maneras para calcular esta puntuacion es determinar si un candidato es instancia del LAT de la pregunta es decir el tipo del candidato es el mismo que pide la pregunta si es una persona el sistema descartara todo lo que no se corresponda con una A este proceso se le llama Type Coercion 28 Gracias a este metodo de los cientos de candidatos que salen de la generacion de hipotesis solo una parte pasara a la etapa de puntuacion y el resto se enviara directamente a la etapa de fusion de los resultados 14 Puntuacion de las hipotesis Editar A los candidatos que pasan el soft filtering hay que analizarlos rigurosamente Este analisis consiste en buscar pruebas sobre la validez de cada candidato y evaluar estos resultados para poder puntuar las hipotesis 14 Recopilacion de pruebas Editar Para poder determinar si un candidato es correcto hay que buscar pruebas que lo demuestren Una de las tecnicas usadas consiste en realizar una busqueda similar a la realizada en la etapa de generacion de hipotesis pero un requisito es que el candidato se encuentre en el texto De esta manera las pruebas halladas contendran la hipotesis en el contexto usado en la pregunta 14 29 Puntuacion Editar En esta fase es donde se calcula el grado de certeza con el que las pruebas apoyan a cada candidato usando multiples tecnicas Estas miden diferentes aspectos y dimensiones de la pregunta es decir unos algoritmos mas simples simplemente determinaran si la prueba se parece a la pregunta mientras que otros tendran en cuenta otros aspectos como si el candidato es el objeto o el sujeto de la frase donde aparece entre otros 14 Fusion de las respuestas Editar Antes de proceder a la etapa final y escoger la respuesta definitiva DeepQA fusiona todas las respuestas que sean equivalentes o esten muy relacionadas Eso quiere decir que tambien tendra que fusionar las diferentes puntuaciones y pruebas encontradas en la etapa anterior Por ejemplo si la pregunta pide el nombre de una persona Watson fusionara todos los candidatos que sean nombres de la misma persona Esto se debe a que la siguiente etapa se usan tecnicas basadas en las diferencias relativas entre los candidatos 30 Ranking y estimacion de la confianza Editar El ultimo paso incluye estimar una confianza sobre lo correcta que es una hipotesis segun sus puntuaciones y colocar cada candidato en un ranking Para realizar estas tareas Watson utiliza aprendizaje automatico el cual necesita que se le entrene con una serie de preguntas con respuestas conocidas y un modelo de aprendizaje basado en las puntuaciones para que asi empiece con una base de conocimiento valido 14 Una vez se obtiene el ranking con su confianza Watson ya tiene lo necesario para determinar si tiene que responder la pregunta y cual usar de todas las que tiene Operacion EditarPara cumplir con el requisito principal para todos los concursantes de Jeopardy Watson estaba obligado a esperar hasta que el presentador Alex Trebek leyera cada pista en su totalidad y en ese momento una luz se encendia como una senal para indicar que el sistema esta listo El primer concursante que activa el boton en su zumbador gana la oportunidad de responder 13 31 Watson recibio las pistas en forma de textos electronicos al mismo tiempo en que las mismas fueron puestas a disposicion de los participantes humanos 13 Luego analizaria las pistas en diferentes palabras clave y fragmentos de oracion para encontrar frases estadisticamente relacionadas 13 La innovacion principal de Watson no fue en la creacion de un nuevo algoritmo para esta operacion sino mas bien en su capacidad de ejecutar rapidamente miles de algoritmos probados para analisis del lenguaje natural al mismo tiempo para encontrar la respuesta correcta 13 32 La probabilidad de la correccion de Watson se mide por el numero de algoritmos que encuentran la misma respuesta independientemente 13 Una vez que Watson tiene un numero pequeno de soluciones posibles es capaz de hacer comparaciones con su base de datos para determinar si la solucion tiene sentido 13 En una secuencia de 20 simulacros los participantes humanos fueron capaces de usar el tiempo medio de seis o siete segundos que Watson necesito para escuchar la pista y decidir si querian senalar una respuesta 13 Durante ese tiempo Watson tambien debe evaluar la respuesta y determinar si el resultado es correcto de una manera suficiente para senalar 13 Una parte del sistema usado por Watson para ganar el concurso fueron los circuitos electronicos que recibieron la senal listo y luego examinaron si el nivel de confianza de Watson fue suficientemente grande para activar el zumbador Debido a la velocidad de estos circuitos en comparacion con la velocidad de los tiempos en que los seres humanos son capaces de responder el tiempo de reaccion de Watson fue mas rapido que el de los concursantes humanos excepto cuando los humanos anticiparon en vez de reaccionar a la senal listo 33 Despues de la senalizacion Watson hablo con una voz electronica sintetizada a partir de grabaciones hechas por Jeff Woodman para un programa de texto a voz desarrollado por IBM en 2004 34 dando las respuestas en el formato de respuesta y pregunta asociado con Jeopardy 13 Historia Editar Demostracion de Watson desde una cabina de IBM en una demostracion comercial Las circunstancias que condujeron al desarrollo de Watson se remontan a la victoria de la computadora Deep Blue sobre Garri Kasparov un Gran Maestro Internacional del ajedrez en el 11 de mayo de 1997 Desde entonces IBM se encontraba en la busqueda de un desafio nuevo y en 2004 Charles Lickel el gerente de investigaciones de IBM habia encontrado uno cuando vio la racha ganadora de Ken Jennings en Jeopardy mientras cenaba en un restaurante con sus companeros de trabajo Intrigado por la posibilidad de la utilizacion del concurso como un desafio para IBM Lickel presento la idea y en 2005 Paul Horn el ejecutivo de investigacion de IBM apoyo a Lickel en persuadir a uno de los miembros de su departamento para asumir el desafio de jugar a Jeopardy con un sistema de IBM A pesar de que inicialmente tuvo problemas en encontrar miembros de su equipo de investigacion que estuvieran dispuestos a asumir lo que parecia ser un desafio mucho mas complejo que el juego de ajedrez finalmente David Ferrucci acepto la oferta 35 Watson fue precedido por un sistema llamado Piquant que participo en competiciones logradas por el gobierno de los Estados Unidos donde fue capaz de responder correctamente solo un 35 por ciento de la cantidad total de pistas en el juego y generalmente requirio varios minutos para responder 36 37 38 Para competir en Jeopardy con exito Watson necesitaria responder en un maximo de pocos segundos y en ese tiempo los problemas planteados en el concurso fueron considerados como imposibles de resolver 13 En pruebas iniciales conducidas durante el ano 2006 por David Ferucci gerente del Departamento de Analisis e Integracion Semantica de IBM se le proporciono a Watson 500 pistas de episodios pasados de Jeopardy Aunque los mejores concursantes humanos fueron capaces de responder correctamente a un maximo del 95 por ciento de las pistas en su primera prueba Watson fue capaz de responder correctamente a solo un 15 por ciento de las pistas Durante 2007 el equipo se dio de tres a cinco anos y un equipo de 15 personas para resolver los problemas 13 En 2008 los desarrolladores habian avanzado mucho hasta tal punto que Watson fue capaz de competir con campeones de Jeopardy 13 En febrero de 2010 Watson derrotaba a campeones de Jeopardy de manera regular 39 Watson era principalmente un esfuerzo de IBM pero su equipo de desarrollo incluye profesores y estudiantes de la Universidad Carnegie Mellon la Universidad de Massachusetts en Amherst el Instituto para Ciencias de Informacion de la Universidad del Sur de California la Universidad de Texas en Austin el Instituto Tecnologico de Massachusetts la Universidad de Trento y el Instituto Politecnico Rensselaer 14 En 2008 los representantes de IBM se comunicaron con Harry Friedman el productor ejecutivo de Jeopardy sobre la posibilidad de una competicion entre Watson y dos de los concursantes mas exitosos del programa Ken Jennings y Brad Rutter Friedman estaba de acuerdo con esa decision 13 40 Las diferencias entre Watson y los concursantes humanos habian generado conflictos entre IBM y el personal de Jeopardy durante la planificacion de la competicion 41 IBM repetidamente expreso preocupaciones concernientes a que los guionistas del programa explotaran las deficiencias cognitivas de Watson al escribir las pistas y de este modo convirtieran el concurso en un test de Turing Para soslayar esta preocupacion un tercero eligio aleatoriamente las pistas de programas previamente escritos que no habian sido emitidos 41 El personal de Jeopardy tambien expreso preocupaciones por el tiempo de reaccion con el zumbador Watson originalmente senalo por via electronica pero el personal del programa pidio que el sistema pulse el boton fisicamente como los concursantes humanos 42 Sin embargo Watson fue capaz de ser mas rapido que sus competidores humanos aun con su dedo robotico Para preparar a Watson para su competicion IBM construyo un simulacro del plato de Jeopardy en una sala de conferencias en uno de sus sitios de tecnologia Concursantes humanos incluyendo concursantes anteriores de Jeopardy tambien participaron en simulacros del concurso presentados por Todd Alan Crain de The Onion 13 Alrededor de 100 simulacros fueron conducidos con Watson ganando un 65 por ciento de los partidos 43 Los partidos oficiales fueron grabados en enero de 2011 y emitidos el siguiente mes Usos en el futuro EditarSegun IBM el objetivo para Watson es permitir que las computadoras comiencen a interactuar de forma natural con humanos a traves de una amplia gama de aplicaciones y procesos comprendiendo las preguntas de los seres humanos y dando respuestas que los seres humanos pueden comprender y justificar 39 IBM y Nuance Communications Inc se han unido para el proyecto de investigacion para desarrollar un producto comercial durante los proximos 18 a 24 meses que explotara las capacidades de Watson como sistema de apoyo para decisiones clinicas para ayudar al diagnostico y tratamiento medico de pacientes Los medicos de la Universidad de Columbia estan ayudando a identificar problemas criticos en la practica de medicina donde la tecnologia de Watson puede ser capaz de contribuir y los medicos de la Universidad de Maryland estan trabajando para identificar la mejor manera en que un sistema tecnologico como Watson podria interactuar con los medicos para proporcionar la maxima asistencia 44 Tambien se ha sugerido por Robert C Weber el consejero general de IBM que Watson se puede utilizar para investigaciones legales 45 Watson se basa en servidores comercialmente disponibles con la marca IBM Power 750 comercializados desde febrero de 2010 IBM tambien tiene la intencion de comercializar el software DeepQA a corporaciones grandes a un precio de millones de dolares lo cual refleja el precio necesario de un millon de dolares para adquirir un servidor que cumpla con los requisitos minimos para operar Watson IBM espera que el precio disminuira considerablemente dentro de una decada cuando la tecnologia mejore 13 Vease tambien EditarDeep Blue computadora Blue Gene Inteligencia artificial Procesamiento de lenguajes naturales IA FuerteReferencias Editar a b c DeepQA Project FAQ IBM Corporation consultado el 11 de febrero de 2011 Hale Mike 8 de febrero de 2011 Actors and Their Roles for 300 HAL HAL The New York Times The DeepQA Project Research ibm com consultado el 18 de febrero de 2011 Video Que es Watson en ingles Archivado desde el original el 17 de febrero de 2011 Consultado el 18 de febrero de 2011 http www aaai org Magazine Watson watson php Markoff John 26 de abril de 2009 Computer Program to Take On Jeopardy The New York Times consultado el 27 de abril de 2009 Loftus Jack 26 de abril de 2009 IBM Prepping Soul Crushing Watson Computer to Compete on Jeopardy Gizmodo consultado el 27 de abril de 2009 Jeopardy And IBM Announce Charities To Benefit From Watson Competition IBM Corporation 13 de enero de 2011 consultado el 19 de febrero de 2011 World Community Grid to benefit from Jeopardy competition World Community Grid 4 de febrero de 2011 consultado el 19 de febrero de 2011 a b Jackson Joab 17 de febrero de 2011 IBM Watson Vanquishes Human Jeopardy Foes PC World consultado el 17 de febrero de 2011 Zimmer Ben 17 de febrero de 2011 Is It Time to Welcome Our New Computer Overlords The Atlantic consultado el 17 de febrero de 2011 Raz Guy 28 de enero de 2011 Can a Computer Become a Jeopardy Champ National Public Radio consultado el 18 de febrero de 2011 a b c d e f g h i j k l m n n o Thompson Clive 16 de junio de 2010 Smarter Than You Think What Is I B M s Watson The New York Times Magazine Archivado desde el original el 5 de junio de 2011 Consultado el 18 de febrero de 2011 a b c d e f g h i j k l m n n o p q r s Ferrucci D et al 2010 Building Watson An Overview of the DeepQA Project 31 3 AI Magazine archivado desde el original el 26 de agosto de 2011 FAQs sobre Watson en ingles Is Watson the smartest machine on earth Computer Science and Electrical Engineering Department UMBC 10 de febrero de 2011 consultado el 11 de febrero de 2011 a b Rennie John 14 de febrero de 2011 How IBM s Watson Computer Excels at Jeopardy PLoS blogs archivado desde el original el 22 de febrero de 2011 consultado el 19 de febrero de 2011 Lucas Mearian 21 de febrero de 2011 Can anyone afford an IBM Watson supercomputer Yes Computerworld consultado el 21 de febrero de 2011 Takahashi Dean 17 de febrero de 2011 IBM researcher explains what Watson gets right and wrong VentureBeat consultado el 18 de febrero de 2011 Novell 2 de febrero de 2011 Watson Supercomputer to Compete on Jeopardy Powered by SUSE Linux Enterprise Server on IBM POWER7 The Wall Street Journal archivado desde el original el 21 de abril de 2011 consultado el 21 de febrero de 2011 Watson A System Designed for Answers enlace roto disponible en Internet Archive vease el historial la primera version y la ultima a b c Ferrucci David Levas Anthony Bagchi Sugato Gondek David Mueller Erik T 1 de julio de 2013 Watson Beyond Jeopardy Artificial Intelligence 199 200 93 105 ISSN 0004 3702 doi 10 1016 j artint 2012 06 009 Consultado el 26 de diciembre de 2016 Text REtrieval Conference TREC Overview trec nist gov Consultado el 26 de diciembre de 2016 Fan J Kalyanpur A Gondek D C Ferrucci D A 1 de mayo de 2012 Automatic knowledge extraction from documents IBM Journal of Research and Development 56 3 4 5 1 5 10 ISSN 0018 8646 doi 10 1147 JRD 2012 2186519 Consultado el 26 de diciembre de 2016 Lifecycle of a Jeopardy Question Answered by Watson Deepqa Semantic Scholar www semanticscholar org en ingles estadounidense Archivado desde el original el 27 de diciembre de 2016 Consultado el 26 de diciembre de 2016 a b c d e Lally A Prager J M McCord M C Boguraev B K Patwardhan S Fan J Fodor P Chu Carroll J 1 de mayo de 2012 Question analysis How Watson reads a clue IBM Journal of Research and Development 56 3 4 2 1 2 14 ISSN 0018 8646 doi 10 1147 JRD 2012 2184637 Consultado el 26 de diciembre de 2016 a b Kalyanpur A Patwardhan S Boguraev B K Lally A Chu Carroll J 1 de mayo de 2012 Fact based question decomposition in DeepQA IBM Journal of Research and Development 56 3 4 13 1 13 11 ISSN 0018 8646 doi 10 1147 JRD 2012 2188934 Consultado el 26 de diciembre de 2016 Welty Chris Murdock J William Kalyanpur Aditya Fan James 1 de enero de 2012 A Comparison of Hard Filters and Soft Evidence for Answer Typing in Watson Proceedings of the 11th International Conference on The Semantic Web Volume Part II ISWC 12 Springer Verlag 243 256 ISBN 9783642351723 doi 10 1007 978 3 642 35173 0 16 Consultado el 26 de diciembre de 2016 Murdock J W Fan J Lally A Shima H Boguraev B K 1 de mayo de 2012 Textual evidence gathering and analysis IBM Journal of Research and Development 56 3 4 8 1 8 14 ISSN 0018 8646 doi 10 1147 JRD 2012 2187249 Consultado el 26 de diciembre de 2016 Gondek D C Lally A Kalyanpur A Murdock J W Duboue P A Zhang L Pan Y Qiu Z M et al 1 de mayo de 2012 A framework for merging and ranking of answers in DeepQA IBM Journal of Research and Development 56 3 4 14 1 14 12 ISSN 0018 8646 doi 10 1147 JRD 2012 2188760 Consultado el 26 de diciembre de 2016 Se sugiere usar numero autores ayuda Libresco Leah Anthony 21 de febrero de 2011 A Non Trivial Advantage for Watson The Huffington Post consultado el 21 de febrero de 2011 Will Watson Win On Jeopardy Nova ScienceNOW Public Broadcasting Service 20 de enero de 2011 archivado desde el original el 24 de enero de 2011 consultado el 27 de enero de 2011 Gondek David 10 de enero de 2011 How Watson sees hears and speaks to play Jeopardy IBM Research blog IBM consultado el 21 de febrero de 2011 Avery Lise 14 de febrero de 2011 Actor Jeff Woodman Voice of IBM s Watson Computer MP3 Anything Goes consultado el 15 de febrero de 2011 entrevista de Jeff Woodman Baker Stephen 2011 Final Jeopardy Man vs Machine and the Quest to Know Everything Boston Nueva York Houghton Mifflin Harcourt pp 6 8 ISBN 0547483163 Baker Stephen 2011 Final Jeopardy Man vs Machine and the Quest to Know Everything Boston Nueva York Houghton Mifflin Harcourt p 30 ISBN 0547483163 Radev Dragomir R 2000 Ranking potential answers to natural language questions Archivado desde el original el 26 de agosto de 2011 Consultado el 23 de agosto de 2011 Prager John Julio de 2000 Question answering by predictive annotation Archivado desde el original el 23 de agosto de 2011 Consultado el 23 de agosto de 2011 a b Brodkin Jon 10 de febrero de 2010 IBM s Jeopardy playing machine can now beat human contestants Network World archivado desde el original el 3 de junio de 2013 consultado el 19 de febrero de 2011 Stelter Brian 14 de diciembre de 2010 I B M Supercomputer Watson to Challenge Jeopardy Stars The New York Times consultado el 14 de diciembre de 2010 An I B M supercomputer system named after the company s founder Thomas J Watson Sr is almost ready for a televised test a bout of questioning on the quiz show Jeopardy I B M and the producers of Jeopardy will announce on Tuesday that the computer Watson will face the two most successful players in Jeopardy history Ken Jennings and Brad Rutter in three episodes that will be broadcast Feb 14 16 2011 a b Needleman Rafe 18 de febrero de 2011 Reporters Roundtable Debating the robobrains CNET consultado el 18 de febrero de 2011 Baker Stephen 2011 Final Jeopardy Man vs Machine and the Quest to Know Everything Boston Nueva York Houghton Mifflin Harcourt p 171 ISBN 0547483163 Sostek Anya 13 de febrero de 2011 Human champs of Jeopardy vs Watson the IBM computer a close match Pittsburgh Post Gazette consultado el 19 de febrero de 2011 Wakeman Nick 17 de febrero de 2011 IBM s Watson heads to medical school Washington Technology consultado el 19 de febrero de 2011 Weber Robert C 14 de febrero de 2011 Why Watson matters to lawyers The National Law Journal consultado el 18 de febrero de 2011 Enlaces externos EditarEsta obra contiene una traduccion derivada de Watson computer de Wikipedia en ingles publicada por sus editores bajo la Licencia de documentacion libre de GNU y la Licencia Creative Commons Atribucion CompartirIgual 3 0 Unported Pagina del sistema Watson Pagina del proyecto DeepQA Informacion sobre Watson en el sitio web oficial de Jeopardy Smartest Machine on Earth un documental de Nova en PBS sobre el desarrollo de Watson Anuncio para POWER7 Anuncio para los IBM Power Systems Entrevista en que Noam Chomsky discute Watson y la inteligencia artificial Articulo sobre el programa en The New York Times The Watson Trivia Challenge porThe New York Times 16 de junio de 2010 en Twitter por IBMWatson Watson en Twitter Inteligencia artificial vs seres humanos en el quiz show mas visto de EEUU articulo en El Mundo Watson IBM Concurso TV Jeopardy Datos Q12253 Multimedia IBM Watson Q12253 Obtenido de https es wikipedia org w index php title Watson inteligencia artificial amp oldid 137950683, wikipedia, wiki, leyendo, leer, libro, biblioteca,

español

, española, descargar, gratis, descargar gratis, mp3, video, mp4, 3gp, jpg, jpeg, gif, png, imagen, música, canción, película, libro, juego, juegos