這張攝于2011年1月13日的照片中，IBM的 Watson 計算機在“Jeopardy!”智力問答節目中打敗節目冠軍 Ken Jennings（左）和 Brad Rutter（右）（美聯社照片/賽斯Wenig）

2004年，Charles Lickel 在和同事吃飯時，他發現所有的顧客都突然沖向了吧臺。出于好奇，他跟在后面，準備一探究竟。結果發現，他們都是為了見證 Ken Jennings 在“Jeopardy！”智力問答節目中保持六個月不敗的歷史性時刻！

他非常震驚。當時的IBM研究中心的主任 Paul Horn 正在催促 Lickel 為公司的下一個“大挑戰”出主意，嘗試看是否能解決極其困難的“藍色巨人”傳統問題。上次引起廣泛關注還是在1996年，IBM的“深藍”計算機戰勝國際象棋大師 Garry Kasparov。

剩下的，眾所周知，成為了歷史。七年后的2011年，IBM的 Watson 打敗了 Jennings 和“Jeopardy！”的另一個冠軍 Brad Rutter。今天，Watson 已經不僅僅是一個聰明的問答機器了，對于IBM來說，它已經是一個潛在的巨大商業機遇。首席執行官 Ginni Rometty 希望它能成為“藍色巨人”未來計劃的核心。然而，實現目標之前，仍有許多挑戰。

人工智能簡史

人工智能領域開始于1956年達特茅斯會議，樂觀主義情緒高漲，并且認為機器在20年內就將取代人類。然而，一切并沒有發生。到了20世紀70年代，資金逐漸枯竭，技術發展也進入了稱為“AI寒冬”的時期。

慢慢地，某些方面逐漸取得進展，到1992年，人工智能的熱度有所恢復。美國政府開始主辦了一系列大會，提出了問答或“QA”系統的許多挑戰。IBM參加了這些會議，并開始在某些技術上取得領先。

首先，研究人員通過試驗規則系統，類似 Doug Lenat 的Cyc項目，可以基于人類專家提供的信息回答問題，就像百科全書的方式。但是，他們很快發現，這類系統的等級規模不能超過某個定值。

于是，他們開始探索各種技術，來更接近人腦處理信息并作出決定的方式。例如，深度語義分析技術將句子分解成語言元素，而支持向量機可以挖掘大量的數據，從中學習并獲得用法結論。

盡管如此，這些都是由不同團隊所做的獨立項目。Lickel 那天晚上在吧臺看到的是將這一切組織成一個連貫系統的機會。“ Jeopardy大挑戰的問題使我們能夠集中所有正在進行的不同工作，并集中精力來看看我們是否能夠解決一個真正的大問題。” Eric Brown 說道。他是項目組成員，并且是 Watson 部門現在的主管。

解決Jeopardy大挑戰

“Jeopardy！”提出了人工智能系統的一個獨特挑戰。第一，它涵蓋了極其廣泛的話題，所以不能只訓練系統在單一領域內運作。線索也是非常復雜的語言，包含雙關語和文學背景，這往往使真正的問題變得晦澀難懂。

例如：

問題1：“艱難的時刻”（雙關語：“Hard times”也是狄更斯的作品名稱），的確！1812年2月7日，一場巨大的地震在新德里發生，而這位作家也震動了英格蘭（雙關語：“struck England”指代狄更斯在英國出生）。

問題2：據C.S. Lewis描述，它介于Eastern Ocean的東部和Shribble河的北部之間。

要正確回答第一個問題，“誰是Charles Dickens？（注：Charles Dickens 即查爾斯·狄更斯，19世紀英國批判現實主義小說家）”，你必須認識到，“struck England”指的是出生日期，而“Hard times”指的是狄更斯的作品之一。

要正確回答第二個問題，“Narnia是什么？（注：Narnia 即英國作家C.S. Lewis的兒童文學經典《納尼亞傳奇》中的納尼亞王國）”你必須意識到，這是一個虛構的地理名稱，而不是指代一個實際的位置。

這個游戲的其他方面也在進一步加大難度。例如，錯誤答案會有懲罰，所以不僅要有一個可行的回答，同時要衡量有多少信心是對的。還有時間限制，需要能在最在幾秒鐘內做出回應。

所以，從2007年開始的13名研究人員，到最終超過25名工作人員，Watson團隊設計和構建了一個能夠處理過程并能快速分析數據架構，可以達到競賽水準的速度。在接下來的四年中，他們不僅要解決復雜的技術問題，而且還改變了他們彼此協作的方式。

“為了發展Watson，我們不得不采取靈活的技術，”Brown告訴我，“這對身為研究員、科學家的我們來說是全新的。我們不只是建立一個系統，還必須開發上百種算法，每個人都要成為不同領域的專家，每個人都要帶來解決問題的不同方法。然后，我們必須建立其他的系統來衡量系統內產生的不同意見。“

盡管困難重重，Watson不僅贏得了Jeopardy!，它用三輪把人類玩家打得落花流水。對他最后的反應， Jennings 寫道，“我想說，歡迎我們新的電腦霸主”。

為Watson建立商業模式

在“Jeopardy！”中大獲全勝后，IBM將Watson推向了市場。其中第一個商業應用就是與紀念斯隆凱特琳癌癥研究中心和康典公司合作，為其醫務人員設計咨詢系統。從那以后，該系統就通過 Watson Healthundefined 被部署到了許多頂尖的醫療機構，如克利夫蘭診所和MD安德森癌癥中心。

但是，公司真正看到巨大商機是將Watson作為服務，其他公司和開發商可以通過API來開發他們自己的應用。“我們看到Watson作為智能引擎，為我們的合作伙伴建立的解決方案，能更好地服務于他們的客戶，”Jonas Nwuke，IBM Watson平臺經理對我說道。

到目前為止，該項目已吸引了超過550個合作伙伴，包括使用Watson幫助客戶瀏覽零售商店的Satisfi，網上購物助理 Fluid，智能旅游指南 Wayblazer。開發人員訪問Watson的API按表收費，所以他們只需支付他們使用的服務，這非常適合項目的啟動。

這些應用和常規推薦引擎之間的差異是雙重的。首先，它們可以分析非結構化數據，如產品說明和用戶評論。第二，它們能夠學習用戶偏好。因此，舉例來說，如果一個酒店因為客人投訴孩子吵鬧而得到較差的排名，但我又在尋找可以安排孩子的地方，Watson就能幫我做出合適的選擇。

成長中的Watson

和每一個早熟的天才少年一樣，Watson現在需要找到自己在世界上的位置。它不會像很多人懷疑的那樣，完全代替人類專家的作用。因為有些事情，機器幾乎永遠無法做到，像真正的同情需要基于理解，與人互動并建立高效的工作關系等。

盡管如此，其潛力是無法否認的。想想一個普通的醫生，如果有Watson這樣的助理，將會變得多么高效。甚至在患者進入房間之前，它就可以分析他們的個人病史，這些往往都有數百頁之多。然后，它可以將其與每年發表的70萬份學術論文以及潛在的數百萬其他病人的記錄作對比。

所有這一切，毫無疑問，都超越了人類醫生的能力，Watson通常只需要幾分鐘的時間來準備每個考試。因此，能夠向Watson咨詢病例將會大有裨益。同時，一旦醫生提供反饋說Watson的建議有用，系統就會繼續學習，因為它也適用于游客，購物者和其他人。

因此，盡管機器人不可能成為我們的統治者，但他們確實有潛力成為極其有價值的合作者。“系統的終極目標之一就是克服人類的偏見，”Brown告訴我說，“所以，Watson 不僅能給出答案，在某些情況下，也能向人類的傳統智慧提出問題。”

這類合作的潛力是巨大的。醫生可以基于各種意圖和目的向系統咨詢，立馬能獲得人類所有的醫學知識，這樣他們就能夠花更多的時間真正關心照顧病人。他們可以再次成為治療師，而不僅僅是技術員。

我想說，歡迎我們新的機器人合作者。

via Forbes

雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。