这张摄于2011年1月13日的照片中，IBM的 Watson 计算机在“Jeopardy!”智力问答节目中打败节目冠军 Ken Jennings（左）和 Brad Rutter（右）（美联社照片/赛斯Wenig）
2004年，Charles Lickel 在和同事吃饭时，他发现所有的顾客都突然冲向了吧台。出于好奇，他跟在后面，准备一探究竟。结果发现，他们都是为了见证 Ken Jennings 在“Jeopardy！”智力问答节目中保持六个月不败的历史性时刻！
他非常震惊。当时的IBM研究中心的主任 Paul Horn 正在催促 Lickel 为公司的下一个“大挑战”出主意，尝试看是否能解决极其困难的“蓝色巨人”传统问题。上次引起广泛关注还是在1996年，IBM的“深蓝”计算机战胜国际象棋大师 Garry Kasparov。
剩下的，众所周知，成为了历史。七年后的2011年，IBM的 Watson 打败了 Jennings 和“Jeopardy！”的另一个冠军 Brad Rutter。今天，Watson 已经不仅仅是一个聪明的问答机器了，对于IBM来说，它已经是一个潜在的巨大商业机遇。首席执行官 Ginni Rometty 希望它能成为“蓝色巨人”未来计划的核心。然而，实现目标之前，仍有许多挑战。
人工智能领域开始于1956年达特茅斯会议，乐观主义情绪高涨，并且认为机器在20年内就将取代人类。然而，一切并没有发生。到了20世纪70年代，资金逐渐枯竭，技术发展也进入了称为“AI寒冬”的时期。
慢慢地，某些方面逐渐取得进展，到1992年，人工智能的热度有所恢复。美国政府开始主办了一系列大会，提出了问答或“QA”系统的许多挑战。IBM参加了这些会议，并开始在某些技术上取得领先。
首先，研究人员通过试验规则系统，类似 Doug Lenat 的Cyc项目，可以基于人类专家提供的信息回答问题，就像百科全书的方式。但是，他们很快发现，这类系统的等级规模不能超过某个定值。
于是，他们开始探索各种技术，来更接近人脑处理信息并作出决定的方式。例如，深度语义分析技术将句子分解成语言元素，而支持向量机可以挖掘大量的数据，从中学习并获得用法结论。
尽管如此，这些都是由不同团队所做的独立项目。Lickel 那天晚上在吧台看到的是将这一切组织成一个连贯系统的机会。“ Jeopardy大挑战的问题使我们能够集中所有正在进行的不同工作，并集中精力来看看我们是否能够解决一个真正的大问题。” Eric Brown 说道。他是项目组成员，并且是 Watson 部门现在的主管。
“Jeopardy！”提出了人工智能系统的一个独特挑战。第一，它涵盖了极其广泛的话题，所以不能只训练系统在单一领域内运作。线索也是非常复杂的语言，包含双关语和文学背景，这往往使真正的问题变得晦涩难懂。
例如：
问题1：“艰难的时刻”（双关语：“Hard times”也是狄更斯的作品名称），的确！1812年2月7日，一场巨大的地震在新德里发生，而这位作家也震动了英格兰（双关语：“struck England”指代狄更斯在英国出生）。
问题2：据C.S. Lewis描述，它介于Eastern Ocean的东部和Shribble河的北部之间。
要正确回答第一个问题，“谁是Charles Dickens？（注：Charles Dickens 即查尔斯·狄更斯，19世纪英国批判现实主义小说家）”，你必须认识到，“struck England”指的是出生日期，而“Hard times”指的是狄更斯的作品之一。
要正确回答第二个问题，“Narnia是什么？（注：Narnia 即英国作家C.S. Lewis的儿童文学经典《纳尼亚传奇》中的纳尼亚王国）”你必须意识到，这是一个虚构的地理名称，而不是指代一个实际的位置。
这个游戏的其他方面也在进一步加大难度。例如，错误答案会有惩罚，所以不仅要有一个可行的回答，同时要衡量有多少信心是对的。还有时间限制，需要能在最在几秒钟内做出回应。
所以，从2007年开始的13名研究人员，到最终超过25名工作人员，Watson团队设计和构建了一个能够处理过程并能快速分析数据架构，可以达到竞赛水准的速度。在接下来的四年中，他们不仅要解决复杂的技术问题，而且还改变了他们彼此协作的方式。
“为了发展Watson，我们不得不采取灵活的技术，”Brown告诉我，“这对身为研究员、科学家的我们来说是全新的。我们不只是建立一个系统，还必须开发上百种算法，每个人都要成为不同领域的专家，每个人都要带来解决问题的不同方法。然后，我们必须建立其他的系统来衡量系统内产生的不同意见。“
尽管困难重重，Watson不仅赢得了Jeopardy!，它用三轮把人类玩家打得落花流水。对他最后的反应， Jennings 写道，“我想说，欢迎我们新的电脑霸主”。
在“Jeopardy！”中大获全胜后，IBM将Watson推向了市场。其中第一个商业应用就是与纪念斯隆凯特琳癌症研究中心和康典公司合作，为其医务人员设计咨询系统。从那以后，该系统就通过 Watson Healthundefined 被部署到了许多顶尖的医疗机构，如克利夫兰诊所和MD安德森癌症中心。
但是，公司真正看到巨大商机是将Watson作为服务，其他公司和开发商可以通过API来开发他们自己的应用。“我们看到Watson作为智能引擎，为我们的合作伙伴建立的解决方案，能更好地服务于他们的客户，”Jonas Nwuke，IBM Watson平台经理对我说道。
到目前为止，该项目已吸引了超过550个合作伙伴，包括使用Watson帮助客户浏览零售商店的Satisfi，网上购物助理 Fluid，智能旅游指南 Wayblazer。开发人员访问Watson的API按表收费，所以他们只需支付他们使用的服务，这非常适合项目的启动。
这些应用和常规推荐引擎之间的差异是双重的。首先，它们可以分析非结构化数据，如产品说明和用户评论。第二，它们能够学习用户偏好。因此，举例来说，如果一个酒店因为客人投诉孩子吵闹而得到较差的排名，但我又在寻找可以安排孩子的地方，Watson就能帮我做出合适的选择。
和每一个早熟的天才少年一样，Watson现在需要找到自己在世界上的位置。它不会像很多人怀疑的那样，完全代替人类专家的作用。因为有些事情，机器几乎永远无法做到，像真正的同情需要基于理解，与人互动并建立高效的工作关系等。
尽管如此，其潜力是无法否认的。想想一个普通的医生，如果有Watson这样的助理，将会变得多么高效。甚至在患者进入房间之前，它就可以分析他们的个人病史，这些往往都有数百页之多。然后，它可以将其与每年发表的70万份学术论文以及潜在的数百万其他病人的记录作对比。
所有这一切，毫无疑问，都超越了人类医生的能力，Watson通常只需要几分钟的时间来准备每个考试。因此，能够向Watson咨询病例将会大有裨益。同时，一旦医生提供反馈说Watson的建议有用，系统就会继续学习，因为它也适用于游客，购物者和其他人。
因此，尽管机器人不可能成为我们的统治者，但他们确实有潜力成为极其有价值的合作者。“系统的终极目标之一就是克服人类的偏见，”Brown告诉我说，“所以，Watson 不仅能给出答案，在某些情况下，也能向人类的传统智慧提出问题。”
这类合作的潜力是巨大的。医生可以基于各种意图和目的向系统咨询，立马能获得人类所有的医学知识，这样他们就能够花更多的时间真正关心照顾病人。他们可以再次成为治疗师，而不仅仅是技术员。
我想说，欢迎我们新的机器人合作者。
via Forbes
正在生成分享图...
我在思考中