Watson (Intelligence artificielle)

El superordenador Watson
Watson es una inteligencia artificialsynthetic que es capaz de responder a preguntas formuladas en lenguaje naturalpure , 1 ​ desarrollado por la empresa estadounidense IBM Forma parte del proyecto del equipo de investigación DeepQA, liderado por el investigador principal David Ferrucci Lleva su nombre en honor del fundador y primer presidente de IBM, Thomas J. Watson 2 ​ 3three ​
Watson responde a las preguntas gracias a una base de datos almacenada localmente. 4four ​ 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 ​
A lo largo de tres días en febrero de 2011 , para probar sus capacidades reales, participó en un partido especial de dos juegos en el concurso de televisión estadounidense Jeopardy! , derrotando a sus dos oponentes humanos: Brad Rutter , el mayor ganador 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 75seventy 5 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 sus caridades seleccionadas (Jennings eligió a VillageReach , y Rutter a Lancaster County CommunityGroupNeighborhood FoundationBasis), 8eight ​ mientras IBM dividió las ganancias de Watson entre dos caridades ( World VisionImaginative and prescient y World CommunityGroupNeighborhood Grid ). 9 ​
Watson consistentemente superó a sus oponentes humanos en el dispositivo de señalización empleado por el juego, pero tuvo problemas en responder a unas pocas categorías, notablemente las compuestas de pistas cortas con pocas palabras. Para cada pista, las respuestas más probables de Watson fueron mostradas por la pantalla de televisión. Watson tuvo acceso a 200.000.000 páginas de contenido, estructurado y no estructurado, que consumió cuatro terabytes de almacenamiento en disco, 10 ​ incluyendo el texto completo de la Wikipedia en inglés 11eleven ​ Watson no fue conectado al InternetWeb durante el juego. 12 ​ 13treize ​
Indice
Architecture du système éditer
L'architecture de haut niveau employée par la technologie DeepQA, qu'IBM a utilisée spécifiquement pour Watson. 14 ​
Watson est un système informatique pour la recherche de réponses (question answering en anglais), développé par IBM 1 ​ La corporation le décrit comme “une application de technologies avancées conçues pour le traitement des langues naturelles , la récupération d'informations , la représentation des connaissances , le raisonnement automatique , et l'apprentissage automatique dans le domaine ouvert de la recherche de réponses,” qui est “construit sur la technologie DeepQA d'IBM pour la génération d'hypothèses, la collecte de preuves massives, l'analyse et l'évaluation.” 1​
Selon 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 softwaresoftware program 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 POWERENERGY 750, cada servidor utilizando un procesador de 3three.5 GHz con 8eight núcleos, donde cada núcleo soporta por hardware 4four hilos de ejecución (threads en inglés). El sistema cuenta con un totalcompletewhole de 2880 núcleos de procesamiento POWER7, y un totalcompletewhole de 16sixteen 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 idealbestperfectultimatesuperbexcellentvery bestsplendidideally suitedpreferrredsupreme para el softwaresoftware program DeepQA integrado en Watson por IBM, que es embarazosamente paralelo (c'est-à-dire, un trabajo que es fácilmente dividido en múltiples tareas paralelas.) 16sixteen ​
Según John Rennie , Watson puede procesar 500 giga bytes por segundo (el equivalente de un millón de libros). 17 ​ El inventor principal y consultor senior de IBM, Tony Pearson, estimó que el costo totalcompletewhole del hardware para Watson fue de cerca de $3three.000.000. 18 ​ Rennie a déclaré que le contenu de Watson a été stocké dans sa RAM pour le jeu, parce que les données stockées sur des disques durs sont trop lentes à accéder. 17 ​
Le programme logiciel intégré dans Watson a été écrit en utilisant les langages de programmation Java et C++, et utilise deux structures employées par l'Apache Software Foundation — la structure Hadoop pour le calcul distribué, et le système UIMA (Architecture de Gestion des Informations Non Structurées) pour l'analyse de documents imprimés — ainsi que le logiciel DeepQA développé par IBM et le système d'exploitation SUSE Linux Enterprise Server 11 10 ​ 19 ​ 20 ​ Selon IBM, Watson usa más de 100one hundreda hundred técnicas diferentes para analizar el lenguaje naturalpure, identificar fuentes, encontrar y generar hipótesis, buscar y puntuar evidencias, combinar y clasificar hipótesis. 21 ​
Introducción al sistema deepQA editar
Para poder concursar en Jeopardy!, el equipo de IBM necesitaba desarrollar una tecnología de QA (QuestionQuery Answering en inglés) que tuviera un rendimiento muy parecido e incluso superior al de los campeones del concurso. Necesitaban que Watson acertara más del 85eighty five% 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 naturalpure, y existían otras tecnologías, como PIQUANT OpenEphyra 14 ​ Éstas estaban entre las mejores de la TextTextual content material Retrieval ConferenceConvention (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 naturalpure 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. De plus, 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 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 editar
Antes de poder responder cualquier pregunta, il faut établir le contenu que le système utilisera lorsqu'il aura besoin de rechercher des informations liées à la question. 14 ​
La première chose à faire est de rechercher des exemples de questions afin de pouvoir savoir quel type de questions le système devra répondre et leur domaine. À partir d'une analyse de ces questions d'exemple, il faut fournir à DeepQA un ensemble de différentes sources d'information (articles, œuvres littéraires, encyclopédies…). À partir de cette base initiale de données, le système recherchera dans d'autres sources sur le web, il extraira différentes ressources ayant un lien avec les sources initiales, et leur attribuera un score en fonction de leur niveau d'information. Enfin, DeepQA fusionnera les sources qu'il aura trouvées avec le plus de points avec son ensemble initial, de cette manière il disposera de beaucoup plus d'informations et de ressources à consulter. 14 Un des systèmes utilisés pour acquérir des connaissances de manière automatique et les stocker de façon structurée est PRISMATIC 24
Watson dispose de données de nombreux types, structurées, semi-structurées (comme les bases de données et les ontologies 14 ) et non structurées (mentionnées précédemment), parmi lesquelles se trouvent les suivantes: Wikipedia , Freebase , WordNet , DBPedia et l'ontologie Yago 22 25
Analyse de la question éditer
À cette étape, la question que Watson doit répondre est reçue en entrée, 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 editar
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 puzzle… A estas diferentes formas de clasificar una pregunta se les llama Qclasses (QuestionQuery classescourseslessons). 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 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 learningstudying que se usarán posteriormente. 26 ​
Detección del focus y los LATs editar
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 hecho. En los ejemplos de preguntas de Jeopardy! siguientes, la parte en negrita es el focus:
Nombre de poèmes auxquels Emily Dickinson a donné la permission de publier. 26 ​
Elle a rejoint le spectacle du Far West de Buffalo Bill après l'avoir rencontré à l'Expo Cotton à La Nouvelle-Orléans. 26 ​
Le LAT (type de réponse lexicale) c'est un petit mot ou une phrase qui nous indique quel type de réponse est demandé. Normalement c'est un mot qui appartient au focus, sauf dans certains cas. Dans les exemples précédents, nombre est le premier LAT, et Elle est le deuxième. 26 ​
Trouver le LAT d'une question nous permet de déterminer si une réponse trouvée est une instance de celui-ci, c'est-à-dire, si elle correspond à ce que la question demande (si le LAT est Elle, la réponse doit être le nom d'une femme). Par conséquent, ce sera utile pour déterminer si la réponse générée est valide ou non. 14 ​
Détection des relations éditer
Beaucoup de questions contiennent des relations de toutes sortes, syntaxiques, entre les objets à l'intérieur de la phrase. Celles-ci peuvent être exploitées et recherchées directement dans des bases de données relationnelles, lesquelles sont structurées en tableaux. Par conséquent, nous pouvons chercher s'il y en a une dans laquelle se trouve la relation que nous avons trouvée. Par exemple, dans la question 'Quels sont les deux états dans lesquels vous pourriez entrer si vous traversez la frontière nord de la Floride', nous pourrions rechercher les frontières de la Floride dans une base de données disponible et trouver la réponse directement là-bas. Le problème est que dans une étude réalisée avec des questions de Jeopardy! il a été observé que ces cas sont très rares et que la majorité du temps cette technique n'est pas utile. 14 ​
Una parte muy importante del análisis de una pregunta es descomponerla en diferentes preguntas y responder cada una independientemente de las otras. De cette manière, cuanto más correcta sea una respuesta en cada sub-pregunta, más probablepossible 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. Par exemple, 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 editar
En esta fase, se utiliza los resultados del análisis de la pregunta para buscar respuestas y generar candidatos 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 ​
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 editar
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 ​
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. Cela peut causer des problèmes, car c'est un processus coûteux et consomme beaucoup de ressources. Par conséquent, avant de noter les candidats, une analyse préalable pas très exhaustive et avec une consommation moindre est réalisée pour éliminer des hypothèses et ainsi économiser des calculs. 14 ​
Le filtrage doux, délicat, tendre, lisse, mou, confortable (en anglais), consiste à appliquer un filtre aux candidats. Celui-ci leur attribue un score, avec des algorithmes plus légers, et selon le résultat, il est décidé si le candidat passera à la phase suivante. 14 ​ Une des manières de calculer ce score est de déterminer si un candidat est une instance du LAT de la question, c'est-à-dire, le type du candidat est le même que celui demandé par la question, si c'est une personne, le système éliminera tout ce qui ne correspond pas à une. Ce processus est appelé coercition TypeSortKind 28 ​
Grâce à cette méthode, parmi les centaines de candidats issus de la génération d'hypothèses, seule une partie passera à l'étape de notation, et le reste sera directement envoyé à l'étape de fusion des résultats. 14 ​
Notation des hypothèses modifier
Les candidats qui passent le filtrage softgentledelicatetendersmoothmushycomfortable, doivent être analysés rigoureusement. Cette analyse consiste à rechercher des preuves de la validité de chaque candidat et à évaluer ces résultats afin de pouvoir noter les hypothèses. 14 ​
Collecte de preuves modifier
Pour pouvoir déterminer si un candidat est correct, il faut rechercher des preuves qui le démontrent. Una de las técnicas usadas consiste en realizar una búsqueda similarcomparablerelated 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 ​
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, c'est-à-dire, 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 el sujeto de la frase donde aparece, entre autres. 14 ​
Fusion des réponses éditer
Avant de passer à l'étape finale lastultimateremainingclosing et de choisir la réponse définitive, DeepQA fusionne toutes les réponses qui sont équivalentes ou très liées. Cela signifie qu'il faudra également fusionner les différents scores et preuves trouvés à l'étape précédente. Par exemple, si la question demande le nom d'une personne, Watson fusionnera tous les candidats qui sont des noms de la même personne. Cela est dû au fait que l'étape suivante utilise des techniques basées sur les différences relatives entre les candidats. 30​
Classement, évaluation et estimation de la confiance éditer
La dernière étape inclut l'estimation de la confiance sur la justesse d'une hypothèse, selon ses scores, et placer chaque candidat dans un classement rating. Pour réaliser ces tâches, Watson utilise l'apprentissage automatique , lequel nécessite qu'il soit entraîné avec une série de questions avec des réponses connues et un modèle d'apprentissage basé sur les scores, afin qu'il commence ainsi avec une base de connaissances valide. 14 ​
Une fois que le classement rating avec sa confiance est obtenu, Watson a déjà ce qu'il faut pour déterminer s'il doit répondre à la question et laquelle utiliser parmi toutes celles qu'il possède.
Pour satisfaire à l'exigence principale pour tous les participants de Jeopardy!, Watson devait attendre jusqu'à ce que le présentateur, Alex Trebek , lise chaque indice dans son intégralité, et à ce moment-là, une lumière s'allumait comme un signal pour indiquer que le système est prêt. Le premier concurrent qui active le bouton sur son buzzer gagne la possibilité de répondre. 13thirteen ​ 31 ​ Watson recevait les indices sous forme de textes électroniques en même temps qu'ils étaient mis à la disposition des participants humains. 13thirteen ​ Ensuite, il analyserait les indices en différents mots-clés et fragments de phrases pour trouver des phrases statistiquement liées. 13thirteen ​ L'innovation principale de Watson n'était pas dans la création d'un nouvel algorithme pour cette opération, mais plutôt dans sa capacité à exécuter rapidement des milliers d'algorithmes éprouvés pour l'analyse du langage naturel pure en même temps afin de trouver la réponse correcte. 13treize ​ 32 ​ La probabilité de correction de Watson est mesurée par le nombre d'algorithmes qui trouvent la même réponse indépendamment. 13treize ​ Une fois que Watson a un petit nombre de solutions possibles, il est capable de faire des comparaisons avec sa base de données pour déterminer si la solution a du sens. 13treize ​ Dans une séquence de 20 simulations, les participants humains ont été capables d'utiliser le temps moyen de six à sept secondes que Watson a mis pour écouter l'indice et décider s'ils voulaient signaler une réponse. 13treize ​ Pendant ce temps, Watson doit également évaluer la réponse et déterminer si le résultat est correct d'une manière suffisante pour signaler. 13 treize ​ Une partie du système utilisé par Watson pour gagner le concours était constituée des circuits électroniques qui recevaient le signal “prêt” puis vérifiaient si le niveau de confiance de Watson était suffisamment élevé pour activer le buzzer. En raison de la vitesse de ces circuits par rapport à la vitesse à laquelle les humains sont capables de répondre, le temps de réaction de Watson était plus rapide que celui des concurrents humains sauf lorsque les humains anticipaient (au lieu de réagir à) le signal “prêt.” 33 ​ Après la signalisation, Watson parlait avec une voix électronique, synthétisée à partir d'enregistrements réalisés par Jeff Woodman pour un programme de synthèse vocale développé par IBM en 2004, 34 donnant les réponses au format de “réponse et question” associé à Jeopardy! 13treize
Démonstration de Watson depuis une cabine religion technologique d'IBM lors d'une démonstration commerciale.
Les circonstances qui ont conduit au développement de Watson remontent à la victoire de l'ordinateur Deep Blue sur Garry Kasparov , un Grand Maître International d'échecs , le 11 mai 1997 Depuis lors, IBM était à la recherche d'un nouveau défi, et en 2004 , Charles Lickel, le responsable de la recherche d'IBM, en avait trouvé un lorsqu'il a vu la série de victoires de Ken Jennings dans Jeopardy! alors qu'il dînait dans un restaurant avec ses collègues. Intrigué par la possibilité d'utiliser le concours comme un défi pour IBM, Lickel a présenté l'ideeconceptthought, y en 2005 Paul Horn , le cadre de recherche d'IBM, a aidé Lickel à convaincre un des membres de son département de relever le défi de jouer à Jeopardy! avec un système IBM. Bien qu'il ait initialement eu des difficultés à trouver des membres de son équipe de recherche prêts à relever ce qui semblait être un défi beaucoup plus complexe que le jeu d'échecs, finalement David Ferrucci a accepté l'offre. 35 ​ Watson a été précédé par un système appelé “Piquant,” qui a participé à des compétitions organisées par le gouvernement des États-Unis, où il n'a été capable de répondre correctement qu'à seulement 35 pour cent du nombre total de questions du jeu, et nécessitait généralement plusieurs minutes pour répondre. 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. 13treize
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 95ninety 5 por ciento de las pistas, en su primera prueba Watson fue capaz de responder correctamente a sólo 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. 13thirteen ​ En 2008 , los desarrolladores habían avanzado mucho, hasta tal punto que Watson fue capaz de competir con campeones de Jeopardy!. 13thirteen ​ En febrero de 2010 , Watson derrotaba a campeones de Jeopardy! de manera regularcommon. 39 ​
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. 13treize 40quarante Les différences entre Watson et les participants humains avaient généré des conflits entre IBM et le personnel privé de Jeopardy! pendant la planification de la compétition. 41quarante et un IBM a exprimé à plusieurs reprises des préoccupations concernant le fait que les scénaristes de l’émission pourraient exploiter les lacunes cognitives de Watson en écrivant les indices et, ainsi, transformer le concours en un test de Turing. Pour éviter cette préoccupation, un tiers a choisi au hasard les indices de programmes auparavant écrits qui n’avaient pas été diffusés. 41quarante et un Le personnel privé de Jeopardy! a également exprimé des préoccupations concernant le temps de réaction avec le buzzer. Watson originalmente señaló por vía electrónica, pero el personalprivate del programa pidió que el sistema pulse el botón físicamente, como los concursantes humanos. 42forty two ​ Sin embargo, Watson fue capaz de ser más rápido que sus competidores humanos, aún 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 13thirteen ​ Alrededor de 100one hundreda hundred simulacros fueron conducidos, con Watson ganando un 65sixty 5 por ciento de los partidos. 43 quarante-trois​
Les matchs officiels ont été enregistrés en janvier 2011 , et diffusés le mois suivant.
Utilisations futures éditer
Selon IBM, l'objectif pour Watson est de permettre aux ordinateurs de commencer à interagir de manière naturelle avec les humains à travers un large éventail d'applications et de processus, comprenant les questions des êtres humains et donnant des réponses que les êtres humains peuvent comprendre et justifier. 39 ​
IBM et Nuance Communications Inc. se sont associés pour le projet de recherche afin de développer un produit commercial au cours des 18 à 24 prochains mois qui exploitera les capacités de Watson comme système de soutien aux décisions cliniques pour aider au diagnostic et au traitement médical des patients. Les médecins de l'Université de Columbia aident à identifier les problèmes critiques dans la pratique de la médecine où la technologie Watson pourrait être capable de contribuer, et les médecins de l'Université du Maryland travaillent à identifier la meilleure manière dont un système technologique comme Watson pourrait interagir avec les médecins pour fournir une assistance maximale. 44 quarante-quatre ​ Il a également été suggéré par Robert C. Weber, le conseiller juridique général d'IBM, que Watson peut être utilisé pour des recherches juridiques. 45 quarante-cinq ​
Watson repose sur des serveurs disponibles dans le commerce de la marque “IBM PowerEnergy 750” comercializados desde febrero de 2010 IBM también tiene la intención de comercializar el softwaresoftware program 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. 13treize
↑ The DeepQA ProjectVentureChallengeUndertakingMission , , consultado el 18 de febrero de 2011
↑ Markoff, John (26 de abril de 2009), «ComputerPcLaptop Program to Take On ‘Jeopardy!’» , The New York TimesOccasionsInstances, consultado el 27 de abril de 2009
↑ Is Watson the smartestthe neatest machine on earth? , ComputerPcLaptop Science and Electrical Engineering DepartmentDivision, UMBC, 10 de febrero de 2011, consultado el 11eleven de febrero de 2011
↑ Fan, J.; Kalyanpur, A.; Gondek, D. C.; Ferrucci, D. A. (1 de mayo de 2012). «AutomaticAutomatedComputerized knowledgeinformationdata extraction from documentspaperwork» IBM Journal of ResearchAnalysis and DevelopmentImprovementGrowth 56fifty six (3three.4four): 5:1-5:10.
↑ a b c d e Lally, A.; Prager, J. M.; McCord, M. C.; Boguraev, B. KOkayOk.; Patwardhan, S.; Fan, J.; Fodor, P.; Chu-Carroll, J. (1 de mayo de 2012). «QuestionQuery analysisevaluation: How Watson reads a clue» IBM Journal of ResearchAnalysis and DevelopmentImprovementGrowth 56fifty six (3three.4four): 2:1-2:14.
Consultado el 26 de diciembre de 2016.
↑ a b Kalyanpur, A.; Patwardhan, S.; Boguraev, B. KOkayOk.; Lally, A.; Chu-Carroll, J. (1 de mayo de 2012). «FactRealityTruth-basedbased mostlyprimarily based questionquery decomposition in DeepQA» IBM Journal of ResearchAnalysis and DevelopmentImprovementGrowth 56fifty six (3three.4four): 13thirteen:1-treize:11-onze.
Consultado el 26 de diciembre de 2016.
↑ Welty, Chris; Murdock, J. William; Kalyanpur, Aditya; Fan, James (1er janvier 2012). «Une comparaison de la comparabilité des filtres de travail dur, exigeant, pénible, ardu, laborieux et des preuves de réponse douces, délicates, tendres, lisses, molles, confortables pour la saisie de réponses dans Watson» Actes de la 11e conférence internationale sur le Web sémantique – Volume Partie II. ISWC’12 (Springer-Verlag): 243-256.
Consultado el 26 de diciembre de 2016.
↑ Murdock, J. W.; Fan, J.; Lally, A.; Shima, H.; Boguraev, B. KOkayOk. (1 de mayo de 2012). «Collecte et évaluation de preuves textuelles» IBM Journal of Research and Development 56 (3three.4four): 8-huit:1-8-huit:14.
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). «Un cadre pour fusionner et classer les réponses dans DeepQA» IBM Journal of Research and Development 56 (3three.4four): 14:1-14:12.
Consultado el 26 de diciembre de 2016. Il est suggéré d’utiliser numéro-auteurs= ( aide )
↑ Libresco, Leah Anthony (21 février 2011), Un avantage non trivial pour Watson , The Huffington PostSoumettrePublierMettre en ligne , consulté le 21 février 2011
↑ «Will Watson Win On Jeopardy?» , Nova ScienceNOW ( Service de diffusion publique ), 20 janvier 2011, archivé depuis l'original unique authentique le 24 janvier 2011, consulté le 27 janvier 2011
↑ Avery, Lise (14 février 2011), «L'acteur Jeff Woodman, Voix de l'ordinateur IBM Watson PC Portable» (MP3), AnythingSomething Goes!!, consulté le 15 février 2011 (entretien avec Jeff Woodman)
↑ Baker, Stephen (2011). FinalLastUltimateRemainingClosing Jeopardy: Homme contre. Machine et la quête de tout connaîtreTout chaque petit morceauLe lot entierToutes les chosesChaque partieTous les morceaux. Boston, New York: Houghton Mifflin Harcourt pp. 6-8huit.
↑ Baker, Stephen (2011). FinalLastUltimateRemainingClosing Jeopardy: Homme contre. Machine and the Quest to Know EverythingEvery thingEvery little thingThe entire lotAll the thingsEvery partAll the items. Boston, New York: Houghton Mifflin Harcourt p. 30.
↑ Stelter, Brian (14 de diciembre de 2010), I.B.M. Supercomputer ‘Watson’ to ChallengeProblem ‘Jeopardy’ Stars , The New York TimesOccasionsInstances , consultado el 14 de diciembre de 2010, «An I.B.M. supercomputer system named after the companythe company’s founder, Thomas J. Watson Sr., is almostis nearlyis form of readyprepared for a televised testchecktake a look at: a bout of questioning on the quiz showpresent “Jeopardy.” I.B.M. and the producers of “Jeopardy” will announce on Tuesday that the computerthe pc, “Watson,” will face the twothe 2 most successfulprofitable playersgamers in “Jeopardy” historyhistorical previous, Ken Jennings and Brad Rutter, in three episodes that will beshall bemight bewill probably becan bewill probably be broadcast Feb. 14-16seize, 2011.»
↑ a b Needleman, Rafe (18 février 2011), Reporters’ Table ronde: Débat sur les cerveaux robots , CNET , consultado el 18 de febrero de 2011
↑ Baker, Stephen (2011). FinalLastUltimateRemainingClosing Jeopardy: Homme contre. Machine et la quête de tout connaîtreTout chaque petit morceauLe lot entierToutes les chosesChaque partieTous les morceaux. Boston, New York: Houghton Mifflin Harcourt p. 171.
↑ Wakeman, Nick (17 février 2011), Le Watson d’IBM se dirige vers l’école de médecinefacultécollège , Washington TechnologieSavoirExpertise, consulté le 19 février 2011
↑ Weber, Robert C. (14 février 2011), Pourquoi 'Watson’ importequestions pour les avocatsprofessionnels du droitavocats , Le Journal NationalNational DroitLégislation, consultado el 18 de febrero de 2011
Wikipedia® est une marque déposée de la Fondation Wikimedia, Inc. , une organisation à but non lucratif.