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(jié)目中打敗節(jié)目冠軍 Ken Jennings（左）和 Brad Rutter（右）（美聯(lián)社照片/賽斯Wenig）

2004年，Charles Lickel 在和同事吃飯時，他發(fā)現(xiàn)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(fā)現(xiàn)，他們都是為了見證 Ken Jennings 在“Jeopardy！”智力問答節(jié)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(zhàn)”出主意，嘗試看是否能解決極其困難的“藍色巨人”傳統(tǒng)問題。上次引起廣泛關注還是在1996年，IBM的“深藍”計算機戰(zhàn)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(jīng)不僅僅是一個聰明的問答機器了，對于IBM來說，它已經(jīng)是一個潛在的巨大商業(yè)機遇。首席執(zhí)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(xiàn)目標之前，仍有許多挑戰(zhàn)。

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(nèi)就將取代人類。然而，一切并沒有發(fā)生。到了20世紀70年代，資金逐漸枯竭，技術發(fā)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(tǒng)的許多挑戰(zhàn)。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(guī)則系統(tǒng)，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(fā)現(xiàn)，這類系統(tǒng)的等級規(guī)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(shù)據(jù)，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(tǒng)的機會。“ Jeopardy大挑戰(zhàn)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(xiàn)在的主管。

解決Jeopardy大挑戰(zhàn)

“Jeopardy！”提出了人工智能系統(tǒng)的一個獨特挑戰(zhàn)。第一，它涵蓋了極其廣泛的話題，所以不能只訓練系統(tǒng)在單一領域內(nèi)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(fā)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(jù)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(xiàn)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(jīng)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(nèi)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(shù)據(jù)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(xié)作的方式。

“為了發(fā)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(tǒng)，還必須開發(fā)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(tǒng)來衡量系統(tǒng)內(nèi)產(chǎn)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(yè)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(yè)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(yī)務人員設計咨詢系統(tǒng)。從那以后，該系統(tǒng)就通過 Watson Healthundefined 被部署到了許多頂尖的醫(yī)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(fā)商可以通過API來開發(fā)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(jīng)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(wǎng)上購物助理 Fluid，智能旅游指南 Wayblazer。開發(fā)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(guī)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(shù)據(jù)，如產(chǎn)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(xiàn)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(yī)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(shù)百頁之多。然后，它可以將其與每年發(fā)表的70萬份學術論文以及潛在的數(shù)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(yī)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(yī)生提供反饋說Watson的建議有用，系統(tǒng)就會繼續(xù)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(tǒng)治者，但他們確實有潛力成為極其有價值的合作者。“系統(tǒng)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(tǒng)智慧提出問題。”

這類合作的潛力是巨大的。醫(yī)生可以基于各種意圖和目的向系統(tǒng)咨詢，立馬能獲得人類所有的醫(yī)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(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉載。詳情見轉載須知。