沃森 (人工智能)

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 13 十三
索引
系统架构 编辑
DeepQA 技术采用的高级架构, IBM 专门用于 Watson 的技术. 14
Watson 是一个用于回答问题的计算机系统 (英文称为 question/query answering), 由 IBM 开发 1 IBM 公司将其描述为 “应用先进技术设计用于自然语言处理 , 信息检索 , 知识表示 , 自动推理 , 以及将机器学习应用到开放领域的问答,” 它是 “基于 IBM 的 DeepQA 技术构建，用于假设生成, 大规模证据收集, 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 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 (也就是说, 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 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 softwaresoftware program incorporado en Watson fue escrito utilizando los lenguajes de programación Java y C++, y usa dos estructuras empleadas por la Apache SoftwareSoftware program FoundationBasis — la estructura Hadoop para computación distribuida, y el sistema UIMA (Unstructured InformationInfoData ManagementAdministration ArchitectureStructure) para análisis de materiales impresos — así como el softwaresoftware program DeepQA desarrollado por IBM y el sistema operativo SUSE Linux Enterprise Server 11eleven 10 ​ 19 ​ 20 ​ Según 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. 此外, 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, 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 webnetinternet, 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 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 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:
Número de poemas a los cuales Emily Dickinson dio permiso para publicar. 26 ​
Ella se unió al Wild West showpresent de Buffalo BillInvoice Cody después de conocerlo en la Cotton Expo en New Orleans. 26 ​
El LAT (lexical answerreply typesortkind) es una palabra pequeña frase que nos dicecube 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 éste, 也就是说, 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). 因此, será útil para determinar si la respuesta generada es válida no. 14
Detección de relaciones editar
Muchas preguntas contienen relaciones de todo tipo, sintácticas, 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. 例如, 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
Una parte muy importante del análisis de una pregunta es descomponerla en diferentes preguntas y responder cada una independientemente de las otras. 通过这种方式, 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. 例如, 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. Esto puede causar problemas, ya que es un proceso costoso y consumeeatdevour muchos recursos. 因此, 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 softgentledelicatetendersmoothmushycomfortable 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 decidedetermineresolve 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, 也就是说, 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 TypeSortKind 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 editar
A los candidatos que pasan el softgentledelicatetendersmoothmushycomfortable 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 editar
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 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, 也就是说, 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, 等等. 14
编辑答案的融合
在进行最终阶段 lastultimateremainingclosing 并选择最终答案之前, DeepQA 会融合所有等价或高度相关的答案. 这意味着它还需要融合在前一阶段找到的不同评分和证据. 例如, 如果问题要求给出一个人的名字, Watson 会融合所有属于同一个人的名字候选项. 这是因为下一阶段使用的是基于候选项相对差异的技术. 30​
排名评分和置信度估算 编辑
最后一步包括对假设的正确性估计其置信度, 根据它们的评分, y colocar cada candidato en un rankingrating. 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 rankingrating con su confianza, Watson ya tiene lo necesario para determinar si tiene que responder la pregunta y cuál usar de todas las que tiene.
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. 13thirteen ​ 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. 13thirteen ​ Luego analizaría las pistas en diferentes palabras clave y fragmentos de oración para encontrar frases estadísticamente relacionadas. 13thirteen ​ 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 naturalpure al mismo tiempo para encontrar la respuesta correcta. 13thirteen 32 Watson修正的概率是通过找到相同答案的算法数量来衡量的，不管它们是否独立. 13thirteen 一旦Watson有少量可能的解决方案, 它能够与其数据库进行比较，以确定该解决方案是否有意义. 13thirteen 在20次演练中, 人类参与者能够使用Watson听取提示并决定是否要指出答案所需的平均六到七秒时间. 13thirteen 在此期间, Watson还必须评估答案并以足够的方式确定结果是否正确以进行指出. 13十三 Watson用来赢得比赛的系统中使用的一个部分是接收信号的电子电路 “准备好了” 然后它们检查Watson的置信水平是否足够高以触发蜂鸣器. 由于这些电路的速度与人类反应速度相比, Watson的反应时间比人类参赛者快，除非人类进行了预判 (而不是对信号作出反应) 信号 “准备好了。” 33 信号发送后, Watson用电子合成的声音说话, 该声音由Jeff Woodman为IBM在2004年开发的文字转语音程序录制的资料合成, 34 ​ dando las respuestas en el formato de “respuesta y pregunta” asociado con Jeopardy! 13thirteen ​
Demostración de Watson desde una cabina 技术信仰 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 11eleven 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 ideaconceptthought, 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 sólo un 35 por ciento de la cantidad totalcompletewhole 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. 13thirteen ​
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. 13thirteen ​ 40forty ​ Las diferencias entre Watson y los concursantes humanos habían generado conflictos entre IBM y el personalprivate de Jeopardy! durante la planificación de la competición. 41forty one ​ 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 testchecktake a look at de Turing Para soslayar esta preocupación, un tercero eligió aleatoriamente las pistas de programas previamente escritos que no habían sido emitidos. 41forty one ​ El personalprivate de Jeopardy! también expresó preocupaciones por el tiempo de reacción con el zumbador. 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 四十三​
官方比赛于2011年1月录制 , 并于下个月播出.
未来的用途 编辑
Según IBM, 沃森的目标是让计算机通过各种应用和流程与人类自然互动, 理解人类的问题并给出人类可以理解和合理化的答案. 39 ​
IBM 和 Nuance Communications Inc. 已经联合进行研究项目，在未来18到24个月内开发商业产品，利用沃森作为临床决策支持系统的能力，帮助患者的诊断和医疗处理. 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. 44forty four ​ También se ha sugerido por Robert C. Weber, el consejero generalcommonbasicnormal de IBM, que Watson se puede utilizar para investigaciones legales. 45forty five ​
Watson se basa en servidores comercialmente disponibles con la marca “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. 13thirteen ​
↑ 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): 五:1-5:10.
↑ 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:1-13 十三:11 十一.
Consultado el 26 de diciembre de 2016.
↑ Welty, Chris; Murdock, J. 威廉; Kalyanpur, Aditya; Fan, James (2012年1月1日). 《Hard/Exhausting/Onerous/Arduous/Laborious 筛选器和 Soft/Gentle/Delicate/Tender/Smooth/Mushy/Comfortable 证据/证明在 Watson 中答复输入的可比性比较》 第11届国际语义网会议论文集 – 卷 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. K Okay. (1 de mayo de 2012). 《文本证据收集与分析评估》 IBM 研究与发展期刊 56 (3three.4four): 8:1-8:14.
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. 等. (1 de mayo de 2012). 《DeepQA 中答案/解决方案合并与排序框架》 IBM 研究与发展期刊 56 (3three.4four): 14:1-14:12.
Consultado el 26 de diciembre de 2016. 建议使用作者数量= ( 帮助 )
↑ Libresco, Leah Anthony (21 de febrero de 2011), A Non-Trivial AdvantageBenefit for Watson , The Huffington PostSubmitPublishPut up , 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 originaluniqueauthentic el 24 de enero de 2011, consultado el 27 de enero de 2011
↑ Avery, Lise (14 de febrero de 2011), «Actor Jeff Woodman, Voice of IBM’s Watson ComputerPcLaptop» (MP3), AnythingSomething Goes!!, consultado el 15 de febrero de 2011 (entrevista de Jeff Woodman)
↑ Baker, Stephen (2011). FinalLastUltimateRemainingClosing Jeopardy: Man vs. Machine and the Quest to Know EverythingEvery thingEvery little thingThe entire lotAll the thingsEvery partAll the pieces. Boston, Nueva York: Houghton Mifflin Harcourt pp. 6-8eight.
↑ Baker, Stephen (2011). FinalLastUltimateRemainingClosing Jeopardy: Man vs. Machine and the Quest to Know EverythingEvery thingEvery little thingThe entire lotAll the thingsEvery partAll the items. Boston, Nueva 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, “沃森,” 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. 14-16sixteen, 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). FinalLastUltimateRemainingClosing Jeopardy: Man vs. Machine and the Quest to Know EverythingEvery thingEvery little thingThe entire lotAll the thingsEvery partAll the pieces. Boston, Nueva York: Houghton Mifflin Harcourt p. 171.
↑ Wakeman, Nick (17 de febrero de 2011), IBM’s Watson heads to medical schoolfacultycollege , Washington TechnologyKnow-howExpertise, consultado el 19 de febrero de 2011
↑ Weber, Robert C. (14 de febrero de 2011), Why ‘Watson’ mattersissues to lawyerslegal professionalsattorneys , The NationalNationwide LawRegulationLegislation Journal, consultado el 18 de febrero de 2011
Wikipedia® es una marca registrada de la Fundación Wikimedia, 公司. , una organización sin ánimo de lucro.