IBM Watson

För IBM-laboratoriet, se Thomas J. Watson Research Center .
Watsons avatar , inspirerad av IBMs logotyp " Smarter Planet ".

IBM Watson är ett datorsystem med svar på frågor som kan svara på frågor som ställs på naturligt språk , utvecklat i IBMs DeepQA-projekt av en forskargrupp ledd av huvudforskaren David Ferrucci . Watson fick sitt namn efter IBM:s grundare och första VD, industrimannen Thomas J. Watson .

Datorsystemet utvecklades till en början för att svara på frågor om frågesporten Jeopardy! och 2011 tävlade Watsons datorsystem på Jeopardy! mot mästarna Brad Rutter och Ken Jennings , och vann förstapriset på 1 miljon dollar.

I februari 2013 tillkännagav IBM att Watsons första kommersiella applikation skulle vara för användningshanteringsbeslut inom lungcancerbehandling vid Memorial Sloan Kettering Cancer Center, New York City, i samband med WellPoint (nu Anthem ).

Beskrivning

Högnivåarkitekturen för IBM:s DeepQA som används i Watson

Watson skapades som ett frågesvar (QA) datorsystem som IBM byggde för att tillämpa avancerad naturlig språkbehandling , informationsinhämtning , kunskapsrepresentation , automatiserat resonemang och maskininlärningsteknik inom området för svar på frågor i öppen domän .

IBM uppgav att Watson använder "mer än 100 olika tekniker för att analysera naturligt språk, identifiera källor, hitta och generera hypoteser, hitta och poängsätta bevis och slå samman och rangordna hypoteser."

Under de senaste åren har Watsons möjligheter utökats och sättet på vilket Watson arbetar har ändrats för att dra nytta av nya implementeringsmodeller (Watson på IBM Cloud), utvecklade maskininlärningsmöjligheter och optimerad hårdvara tillgänglig för utvecklare och forskare. Det är inte längre enbart ett frågesvar (QA) datorsystem designat från Q&A-par utan kan nu "se", "höra", "läsa", "prata", "smaka", "tolka", "lära" och "rekommendera" '. [ citat behövs ]

programvara

Watson använder IBM:s DeepQA-programvara och Apache UIMA (Unstructured Information Management Architecture) implementering. Systemet skrevs på olika språk, inklusive Java , C++ och Prolog , och körs på operativsystemet SUSE Linux Enterprise Server 11 med Apache Hadoop -ramverket för att tillhandahålla distribuerad datoranvändning.

Hårdvara

Systemet är arbetsbelastningsoptimerat, integrerar massivt parallella POWER7- processorer och bygger på IBMs DeepQA- teknik, som det använder för att generera hypoteser, samla in massiva bevis och analysera data. Watson använder ett kluster av nittio IBM Power 750-servrar, som var och en använder en 3,5 GHz POWER7-processor med åtta kärnor, med fyra trådar per kärna. Totalt har systemet 2 880 POWER7-processortrådar och 16 terabyte RAM-minne.

Enligt John Rennie kan Watson bearbeta 500 gigabyte (motsvarande en miljon böcker) per sekund. IBMs mästeruppfinnare och seniorkonsult Tony Pearson uppskattade Watsons hårdvarukostnad till cirka tre miljoner dollar. Dess Linpack -prestanda ligger på 80 TeraFLOPs, vilket är ungefär hälften så snabbt som gränsen för topp 500 superdatorer . Enligt Rennie lagrades allt innehåll i Watsons RAM för Jeopardy-spelet eftersom data lagrad på hårddiskar skulle vara för långsam för att konkurrera med mänskliga Jeopardy-mästare.

Data

Informationskällorna för Watson inkluderar uppslagsverk , ordböcker , synonymordbok , nyhetsartiklar och litterära verk . Watson använde också databaser, taxonomier och ontologier inklusive DBPedia , WordNet och Yago . IBM-teamet försåg Watson med miljontals dokument, inklusive ordböcker, uppslagsverk och annat referensmaterial, som de kunde använda för att bygga upp sin kunskap.

Drift

Watson analyserar frågor i olika nyckelord och meningsfragment för att hitta statistiskt relaterade fraser. Watsons främsta innovation låg inte i skapandet av en ny algoritm för denna operation utan snarare dess förmåga att snabbt exekvera hundratals beprövade språkanalysalgoritmer samtidigt. Ju fler algoritmer som hittar samma svar oberoende, desto mer sannolikt är det att Watson har rätt. När Watson har ett litet antal potentiella lösningar kan den kontrollera mot sin databas för att avgöra om lösningen är vettig eller inte.

Jämförelse med mänskliga spelare

Ken Jennings , Watson och Brad Rutter i deras Jeopardy! uppvisningsmatch

Watsons grundläggande arbetsprincip är att analysera nyckelord i en ledtråd medan du söker efter relaterade termer som svar. Detta ger Watson vissa fördelar och nackdelar jämfört med mänsklig Jeopardy! spelare. Watson har brister i att förstå ledtrådarnas sammanhang. Watson kan läsa, analysera och lära av naturligt språk som ger det förmågan att fatta mänskliga beslut. Som ett resultat genererar mänskliga spelare vanligtvis svar snabbare än Watson, särskilt på korta ledtrådar. Watsons programmering hindrar den från att använda den populära taktiken att surra innan den är säker på sitt svar. Men Watson har genomgående bättre reaktionstid på summern när den väl har genererat ett svar, och är immun mot mänskliga spelares psykologiska taktik, som att hoppa mellan kategorier på varje ledtråd.

I en sekvens av 20 skenspel av Jeopardy kunde mänskliga deltagare använda de sex till sju sekunder som Watson behövde för att höra ledtråden och bestämma om de skulle signalera för att svara. Under den tiden måste Watson också utvärdera svaret och avgöra om det är tillräckligt säker på resultatet för att signalera. En del av systemet som användes för att vinna Jeopardy! tävlingen var den elektroniska kretsen som tar emot "klar"-signalen och sedan undersökte om Watsons konfidensnivå var tillräckligt hög för att aktivera summern. Med tanke på hastigheten på denna krets jämfört med hastigheten på mänskliga reaktionstider, var Watsons reaktionstid snabbare än de mänskliga tävlande, förutom när människan förutsåg (istället för att reagera på) klarsignalen. Efter att ha signalerat talar Watson med en elektronisk röst och ger svaren i Jeopardy! s frågeformat. Watsons röst syntetiserades från inspelningar som skådespelaren Jeff Woodman gjorde för ett IBM text-till-tal- program 2004.

The Jeopardy! personalen använde olika metoder för att meddela Watson och de mänskliga spelarna när de skulle surra, vilket var avgörande i många omgångar. Människorna underrättades av ett ljus, vilket tog dem tiondels sekund att uppfatta . Watson underrättades av en elektronisk signal och kunde aktivera summern inom cirka åtta millisekunder. Människorna försökte kompensera för uppfattningsfördröjningen genom att förutse ljuset, men variationen i förväntningstiden var generellt sett för stor för att falla inom Watsons svarstid. Watson försökte inte förutse aviseringssignalen.

Historia

Utveckling

Sedan Deep Blues seger över Garry Kasparov i schack 1997, hade IBM varit på jakt efter en ny utmaning. År 2004 märkte IBMs forskningschef Charles Lickel, under middag med kollegor, att restaurangen de var på hade tystnat. Han upptäckte snart orsaken till denna kvällsuppehåll: Ken Jennings , som då var mitt uppe i sitt framgångsrika 74-spel på Jeopardy! . Nästan hela restaurangen hade hopat sig mot tv-apparaterna, mitt i måltiden, för att titta på Jeopardy! . Lickel blev fascinerad av frågesporten som en möjlig utmaning för IBM och förde idén vidare, och 2005 stödde IBM Research-chefen Paul Horn Lickel, och drev på för att någon på hans avdelning skulle anta utmaningen att spela Jeopardy! med ett IBM-system. Även om han till en början hade problem med att hitta någon forskarpersonal som var villig att ta sig an vad som såg ut att vara en mycket mer komplex utmaning än det ordlösa schackspelet, tog David Ferrucci till slut honom på erbjudandet. I tävlingar som sköts av USA:s regering kunde Watsons föregångare, ett system vid namn Piquant, vanligtvis svara korrekt på endast cirka 35 % av ledtrådarna och krävde ofta flera minuter för att svara. Att tävla framgångsrikt på Jeopardy! , skulle Watson behöva svara på inte mer än några sekunder, och vid den tidpunkten ansågs problemen från spelprogrammet vara omöjliga att lösa.

I inledande tester som kördes under 2006 av David Ferrucci, senior manager för IBM:s Semantic Analysis and Integration-avdelning, fick Watson 500 ledtrådar från tidigare Jeopardy! program. Medan de bästa konkurrenterna i verkligheten surrade på halva tiden och svarade korrekt på så många som 95 % av ledtrådarna, kunde Watsons första pass bara få cirka 15 % korrekt. Under 2007 fick IBM-teamet tre till fem år och en personal på 15 personer för att lösa problemen. John E. Kelly III efterträdde Paul Horn som chef för IBM Research 2007. InformationWeek beskrev Kelly som "Watsons fader" och krediterade honom för att ha uppmuntrat systemet att tävla mot människor på Jeopardy! . År 2008 hade utvecklarna utvecklat Watson så att det kunde konkurrera med Jeopardy! mästare. I februari 2010 kunde Watson slå mänsklig Jeopardy! tävlande regelbundet.

Under spelet hade Watson tillgång till 200 miljoner sidor med strukturerat och ostrukturerat innehåll som förbrukade fyra terabyte disklagring inklusive hela texten från 2011 års upplaga av Wikipedia , men var inte ansluten till Internet . För varje ledtråd visades Watsons tre mest troliga svar på tv-skärmen. Watson överträffade konsekvent sina mänskliga motståndare på spelets signaleringsenhet, men hade problem i några kategorier, särskilt de som hade korta ledtrådar som bara innehöll några få ord.

Även om systemet i första hand är en IBM-insats, involverade Watsons utveckling fakultets- och doktorander från Rensselaer Polytechnic Institute , Carnegie Mellon University , University of Massachusetts Amherst , University of Southern California's Information Sciences Institute , University of Texas i Austin , Massachusetts Institute of Technology , och University of Trento , samt studenter från New York Medical College . Bland teamet av IBM-programmerare som arbetade på Watson fanns Ed Toutant, som själv hade medverkat på Jeopardy! 1989 (vinn en match).

Jeopardy!

Förberedelse

Watson-demo vid en IBM-monter på en mässa

Under 2008 kommunicerade IBM-representanter med Jeopardy! exekutiv producent Harry Friedman om möjligheten att låta Watson tävla mot Ken Jennings och Brad Rutter , två av de mest framgångsrika deltagarna i programmet, och programmets producenter höll med. Watsons skillnader med mänskliga spelare hade skapat konflikter mellan IBM och Jeopardy! personal under planeringen av tävlingen. IBM uttryckte upprepade gånger oro för att serieförfattarna skulle utnyttja Watsons kognitiva brister när de skrev ledtrådarna och därigenom förvandla spelet till ett Turing-test . För att mildra det påståendet valde en tredje part slumpmässigt ledtrådarna från tidigare skrivna program som aldrig sändes. Jeopardy! Personalen visade också oro över Watsons reaktionstid på summern. Ursprungligen signalerade Watson elektroniskt, men showpersonalen bad om att trycka på en knapp fysiskt, som de mänskliga tävlande skulle göra. Även med ett robotiskt "finger" som tryckte på summern förblev Watson snabbare än sina mänskliga konkurrenter. Ken Jennings noterade, "Om du försöker vinna på showen, är summern allt", och att Watson "kan slå ut en mikrosekund-precis buzz varje gång med liten eller ingen variation. Mänskliga reflexer kan inte konkurrera med datorkretsar i detta avseende." Stephen Baker , en journalist som spelade in Watsons utveckling i sin bok Final Jeopardy , rapporterade att konflikten mellan IBM och Jeopardy! blev så allvarlig i maj 2010 att tävlingen nästan ställdes in. Som en del av förberedelserna konstruerade IBM en låtsasuppsättning i ett konferensrum på en av dess teknikplatser för att modellera den som användes på Jeopardy! . Mänskliga spelare, inklusive tidigare Jeopardy! tävlande, deltog också i skenmatcher mot Watson med Todd Alan Crain från The Onion som värd. Cirka 100 testmatcher genomfördes med Watson som vann 65 % av spelen.

För att ge en fysisk närvaro i de tv-sända spelen, representerades Watson av en " avatar " av en jordglob, inspirerad av IBM-symbolen "smartare planet". Jennings beskrev datorns avatar som en "glödande blå boll genomkorsad av "trådar" av tanke—42 trådar, för att vara exakt", och uppgav att antalet tanketrådar i avataren var ett skämt som hänvisade till betydelsen av siffran 42 i Douglas Adams Liftarens guide till galaxen . Joshua Davis , konstnären som designade avataren för projektet, förklarade för Stephen Baker att det finns 36 triggerbara tillstånd som Watson kunde använda genom hela spelet för att visa sitt förtroende för att svara på en ledtråd korrekt; han hade hoppats kunna hitta fyrtiotvå, för att lägga till ytterligare en nivå till Liftarens guidereferens , men han kunde inte peka ut tillräckligt många speltillstånd.

En träningsmatch spelades in den 13 januari 2011 och de officiella matcherna spelades in den 14 januari 2011. Alla deltagare höll tyst om utgången tills matchen sändes i februari.

Träningsmatch

I en träningsmatch före pressen den 13 januari 2011, vann Watson en 15-frågeomgång mot Ken Jennings och Brad Rutter med en poäng på $4 400 till Jennings $3 400 och Rutters $1 200, även om Jennings och Watson stod oavgjort före den sista $1 000 frågan. Ingen av de tre spelarna svarade felaktigt på en ledtråd.

Första matchen

Den första omgången sändes den 14 februari 2011 och den andra omgången den 15 februari 2011. Rätten att välja den första kategorin hade fastställts genom oavgjort resultat av Rutter. Watson, representerad av en datorskärm och konstgjord röst, svarade korrekt på den andra ledtråden och valde sedan den fjärde ledtråden i den första kategorin, en medveten strategi för att hitta Daily Double så snabbt som möjligt. Watsons gissning på Daily Double-platsen var korrekt. I slutet av den första omgången var Watson oavgjort med Rutter på $5 000; Jennings hade 2 000 dollar.

Watsons framträdande präglades av några egenheter. I ett fall upprepade Watson en omformulerad version av ett felaktigt svar från Jennings. (Jennings sa "Vad är 20-talet?" med hänvisning till 1920-talet. Sedan sa Watson "Vad är 1920-talet?") Eftersom Watson inte kunde känna igen andra tävlandes svar, visste den inte att Jennings redan hade gett samma svar. I ett annat fall fick Watson till en början kredit för svaret "Vad är ett ben?" efter att Jennings felaktigt svarade "Vad är: han hade bara en hand?" till en ledtråd om George Eyser (det korrekta svaret var, "Vad är: han saknar ett ben?"). Eftersom Watson, till skillnad från en människa, inte kunde ha svarat på Jennings misstag, beslutades det att detta svar var felaktigt. Sändningsversionen av avsnittet redigerades för att utelämna Trebeks ursprungliga godkännande av Watsons svar. Watson visade också komplexa satsningsstrategier på Daily Doubles, med en insats på $6 435 och en annan på $1 246. Gerald Tesauro, en av IBM-forskarna som arbetade på Watson, förklarade att Watsons insatser baserades på dess konfidensnivå för kategorin och en komplex regressionsmodell som kallas Game State Evaluator.

Watson tog en ledande ledning i Double Jeopardy!, och svarade korrekt på båda Daily Doubles. Watson svarade korrekt på den andra Daily Double med 32 % konfidenspoäng.

Men under Final Jeopardy! Omgången var Watson den enda tävlande som missade ledtråden i kategorin US Cities ("Dess största flygplats namngavs efter en hjälte från andra världskriget ; dess näst största , för en strid från andra världskriget" ). Rutter och Jennings gav Chicagos korrekta svar , men Watsons svar var "Vad är Toronto ?????" med fem frågetecken bifogade som tyder på bristande självförtroende. Ferrucci gav anledningar till varför Watson verkar ha gissat en kanadensisk stad: kategorier antyder endast svagt vilken typ av svar som önskas, frasen "amerikansk stad" förekom inte i frågan, det finns städer som heter Toronto i USA och Toronto i Ontario har ett baseballlag från American League . Dr. Chris Welty , som också arbetade på Watson, föreslog att den kanske inte kunde korrekt analysera den andra delen av ledtråden, "dess näst största, för en strid från andra världskriget" (vilket trots det inte var en fristående klausul efter semikolon och krävde sammanhang för att förstå att det syftade på en näst största flygplats ). Eric Nyberg , professor vid Carnegie Mellon University och medlem av utvecklingsteamet, uppgav att felet uppstod för att Watson inte har den jämförande kunskapen för att kassera det potentiella svaret som omöjligt. Även om det inte visas för publiken som med icke-Final Jeopardy! frågor, Watsons andra val var Chicago. Både Toronto och Chicago låg långt under Watsons förtroendetröskel, på 14% respektive 11%. Watson satsade bara $947 på frågan.

Spelet slutade med Jennings med $4,800, Rutter med $10,400 och Watson med $35,734.

Andra matchen

Under introduktionen skämtade Trebek (en kanadensisk infödd) om att han hade lärt sig att Toronto var en amerikansk stad, och Watsons misstag i den första matchen fick en IBM-ingenjör att bära en Toronto Blue Jays-jacka till inspelningen av den andra matchen .

I den första omgången kunde Jennings äntligen välja en Daily Double ledtråd, medan Watson svarade på en Daily Double ledtråd felaktigt för första gången i Double Jeopardy! Runda. Efter den första omgången kom Watson på andra plats för första gången i tävlingen efter att Rutter och Jennings kort lyckats öka sina dollarvärden innan Watson kunde svara. Ändå slutade det slutliga resultatet med en seger för Watson med en poäng på $77,147, bäst med Jennings som fick $24,000 och Rutter som fick $21,600.

Slutligt resultat

Priserna för tävlingen var $1 miljon för förstaplatsen (Watson), $300.000 för andraplatsen (Jennings) och $200.000 för tredjeplatsen (Rutter). Som utlovat donerade IBM 100 % av Watsons vinster till välgörenhet, där 50 % av dessa vinster gick till World Vision och 50 % gick till World Community Grid . På samma sätt donerade Jennings och Rutter 50 % av sina vinster till sina respektive välgörenhetsorganisationer.

Som ett erkännande av IBM och Watsons prestationer gjorde Jennings ytterligare en kommentar i sin Final Jeopardy! svar: " Jag välkomnar våra nya datoröverherrar. " Jennings skrev senare en artikel för Slate , där han sa:

IBM har skryt för media att Watsons förmåga att svara på frågor är bra för mer än att irritera Alex Trebek. Företaget ser en framtid där områden som medicinsk diagnostik , affärsanalys och teknisk support automatiseras av programvara för svar på frågor som Watson. Precis som fabriksjobben eliminerades på 1900-talet av nya löpande bandrobotar, var Brad och jag de första kunskapsindustriarbetarna som sattes arbetslösa av den nya generationen "tänkande" maskiner. "Quiz show contestant" kan vara det första jobbet som gjorts överflödigt av Watson, men jag är säker på att det inte kommer att bli det sista.

Filosofi

Filosofen John Searle hävdar att Watson – trots imponerande förmåga – faktiskt inte kan tänka. Utgående från sitt kinesiska tankeexperiment i rummet hävdar Searle att Watson, precis som andra beräkningsmaskiner, bara kan manipulera symboler, men inte har någon förmåga att förstå innebörden av dessa symboler; dock har Searles experiment sina belackare .

Match mot medlemmar av USA:s kongress

Den 28 februari 2011 spelade Watson en o-TV utställningsmatch av Jeopardy! mot medlemmar av Förenta staternas representanthus . I den första omgången Rush D. Holt, Jr. (D-NJ, en före detta Jeopardy! -deltagare), som utmanade datorn med Bill Cassidy (R-LA, senare senator från Louisiana), med Watson på andra plats. Men om man kombinerar poängen mellan alla matcher blev slutresultatet $40 300 för Watson och $30 000 för kongressspelarna tillsammans.

IBM:s Christopher Padilla sa om matchen, "Tekniken bakom Watson representerar ett stort framsteg inom datoranvändning. I den dataintensiva miljön för myndigheter kan denna typ av teknik hjälpa organisationer att fatta bättre beslut och förbättra hur regeringen hjälper sina medborgare."

Nuvarande och framtida applikationer

Enligt IBM, "Målet är att få datorer att börja interagera i naturliga mänskliga termer över en rad applikationer och processer, förstå de frågor som människor ställer och ge svar som människor kan förstå och motivera." Det har föreslagits av Robert C. Weber, IBM:s chefsjurist , att Watson kan komma att användas för juridisk forskning. Företaget har också för avsikt att använda Watson inom andra informationsintensiva områden, såsom telekommunikation, finansiella tjänster och myndigheter.

Watson är baserat på kommersiellt tillgängliga IBM Power 750-servrar som har marknadsförts sedan februari 2010.

Kommentator Rick Merritt sa att "det finns en annan riktigt viktig anledning till varför det är strategiskt för IBM att ses väldigt brett av den amerikanska allmänheten som ett företag som kan hantera tuffa datorproblem. En stor del av [IBM:s vinst] kommer från försäljning till USA regering några av de största och dyraste systemen i världen."

Under 2013 rapporterades det att tre företag arbetade med IBM för att skapa appar inbäddade med Watson-teknik. Fluid utvecklar en app för återförsäljare, en som heter "The North Face", som är utformad för att ge råd till onlineshoppare. Welltok utvecklar en app designad för att ge människor råd om sätt att engagera sig i aktiviteter för att förbättra sin hälsa. MD Buyline utvecklar en app i syfte att ge råd till medicinska institutioner om beslut om upphandling av utrustning.

I november 2013 meddelade IBM att de skulle göra Watsons API tillgängligt för programleverantörer, vilket gör det möjligt för dem att bygga appar och tjänster som är inbäddade i Watsons kapacitet. För att bygga ut sin bas av partners som skapar applikationer på Watson-plattformen, samråder IBM med ett nätverk av riskkapitalföretag, som ger IBM råd om vilka av deras portföljbolag som kan vara en logisk passform för vad IBM kallar Watson Ecosystem. Hittills har ungefär 800 organisationer och individer anslutit sig till IBM, med intresse för att skapa applikationer som kan använda Watson-plattformen.

Den 30 januari 2013 tillkännagavs att Rensselaer Polytechnic Institute skulle få en efterföljande version av Watson, som skulle inrymmas i institutets teknikpark och vara tillgänglig för forskare och studenter. Sommaren 2013 hade Rensselaer blivit det första universitetet som fick en Watson-dator.

Den 6 februari 2014 rapporterades det att IBM planerar att investera 100 miljoner dollar i ett 10-årigt initiativ för att använda Watson och andra IBM-teknologier för att hjälpa länder i Afrika att ta itu med utvecklingsproblem, med början i sjukvård och utbildning.

Den 3 juni 2014 valdes tre nya Watson Ecosystem-partners ut bland mer än 400 affärskoncept som skickats in av team som spänner över 18 industrier från 43 länder. "Dessa smarta och företagsamma organisationer har upptäckt innovativa sätt att tillämpa Watson som kan leverera påvisbara affärsfördelar", säger Steve Gold, vice vd, IBM Watson Group. Vinnarna var Majestyk Apps med sin adaptiva utbildningsplattform, FANG (Friendly Anthropomorphic Networked Genome); Red Ant med deras tränare för detaljhandel; och GenieMD med deras medicinska rekommendationstjänst.

Den 9 juli 2014 tillkännagav Genesys Telecommunications Laboratories planer på att integrera Watson för att förbättra deras kundupplevelseplattform, med hänvisning till den stora mängden kunddata som ska analyseras.

Watson har integrerats med databaser inklusive tidningen Bon Appétit för att skapa en receptgenererande plattform.

Watson används av Decibel, en startup för musikupptäckt, i sin app MusicGeek som använder superdatorn för att ge musikrekommendationer till sina användare. Användningen av Watson har också hittats inom besöksnäringen. Go Moment använder Watson för sin Rev1-app, som ger hotellpersonalen ett sätt att snabbt svara på frågor från gäster. Arria NLG har byggt en app som hjälper energiföretag att hålla sig inom regulatoriska riktlinjer, vilket gör det lättare för chefer att förstå tusentals sidor med juridisk och teknisk jargong.

OmniEarth, Inc. använder Watsons datorseendetjänster för att analysera satellit- och flygbilder, tillsammans med andra kommunala data, för att dra slutsatser om vattenanvändning per fastighet, vilket hjälper distrikt i Kalifornien att förbättra vattenbesparingsinsatser.

I september 2016 började Condé Nast använda Watson för att hjälpa till att bygga och skapa strategier för social influencer-kampanjer för varumärken. Med hjälp av mjukvara byggd av IBM och Influential kommer Condé Nasts kunder att kunna veta vilken influencers demografi, personlighetsdrag och mer som bäst passar en marknadsförare och den målgrupp den riktar sig till.

I februari 2017 introducerade Rare Carat, en New York City -baserad start- och e-handelsplattform för att köpa diamanter och diamantringar, en IBM Watson-driven artificiell intelligens chatbot kallad "Rocky" för att hjälpa nybörjare diamantköpare genom den skrämmande köpprocessen en diamant. Som en del av IBM Global Entrepreneur Program fick Rare Carat hjälp av IBM i utvecklingen av Rocky Chat Bot. I maj 2017 samarbetade IBM med Pebble Beach Company för att använda Watson som concierge . Watsons artificiella intelligens lades till i en app utvecklad av Pebble Beach och användes för att guida besökare runt resorten. Mobilappen designades av IBM iX och värd på IBM Cloud. Den använder Watsons programmeringsgränssnitt för Conversation-applikationer.

I november 2017, i Mexico City, öppnades Experience Voices of Another Time på National Museum of Anthropology med IBM Watson som ett alternativ till att besöka ett museum.

Sjukvård

Se även: IBM Watson Health

Inom sjukvården undersöks Watsons naturliga språk, hypotesgenerering och evidensbaserade inlärningsförmåga för att se hur Watson kan bidra till kliniska beslutsstödssystem och ökningen av artificiell intelligens inom hälso- och sjukvården för användning av medicinsk personal. För att hjälpa läkare i behandlingen av sina patienter, när en läkare har ställt en fråga till systemet som beskriver symtom och andra relaterade faktorer, analyserar Watson först input för att identifiera de viktigaste informationsbitarna; bryter sedan patientdata för att hitta fakta som är relevanta för patientens medicinska och ärftliga historia; undersöker sedan tillgängliga datakällor för att bilda och testa hypoteser; och ger slutligen en lista med individualiserade rekommendationer med förtroende. De datakällor som Watson använder för analys kan innefatta behandlingsriktlinjer, elektroniska journaldata, anteckningar från vårdgivare, forskningsmaterial, kliniska studier, tidskriftsartiklar och patientinformation. Trots att Watson har utvecklats och marknadsförts som en "diagnos- och behandlingsrådgivare", har Watson aldrig varit inblandad i den medicinska diagnosprocessen, bara i att hjälpa till med att identifiera behandlingsalternativ för patienter som redan har fått diagnosen.

I februari 2011 tillkännagavs att IBM skulle samarbeta med Nuance Communications för ett forskningsprojekt för att utveckla en kommersiell produkt under de kommande 18 till 24 månaderna, utformad för att utnyttja Watsons kapacitet för klinisk beslutsstöd. Läkare vid Columbia University skulle hjälpa till att identifiera kritiska problem i utövandet av medicin där systemets teknologi kan bidra, och läkare vid University of Maryland skulle arbeta för att identifiera det bästa sättet som en teknik som Watson skulle kunna interagera med läkare för att ge maximal hjälp.

I september 2011 tillkännagav IBM och WellPoint (nu Anthem ) ett partnerskap för att använda Watson för att hjälpa läkare att föreslå behandlingsalternativ. Sedan, i februari 2013, gav IBM och WellPoint Watson sin första kommersiella applikation, för användningshanteringsbeslut inom lungcancerbehandling vid Memorial Sloan–Kettering Cancer Center .

IBM tillkännagav ett partnerskap med Cleveland Clinic i oktober 2012. Företaget har skickat Watson till Cleveland Clinic Lerner College of Medicine vid Case Western Reserve University, där det kommer att öka sin hälsoexpertis och hjälpa medicinsk personal att behandla patienter. Den medicinska anläggningen kommer att utnyttja Watsons förmåga att lagra och bearbeta stora mängder information för att påskynda och öka noggrannheten i behandlingsprocessen. "Cleveland Clinics samarbete med IBM är spännande eftersom det ger oss möjligheten att lära Watson att 'tänka' på sätt som har potential att göra det till ett kraftfullt verktyg inom medicin", säger C. Martin Harris, MD, informationschef för Cleveland Klinik.

2013 inledde IBM och MD Anderson Cancer Center ett pilotprogram för att främja centrets "uppdrag att utrota cancer". Men efter att ha spenderat 62 miljoner dollar nådde projektet inte sina mål och det har stoppats.

Den 8 februari 2013 meddelade IBM att onkologer vid Maine Center for Cancer Medicine och Westmed Medical Group i New York har börjat testa Watson i ett försök att rekommendera behandling för lungcancer.

Den 29 juli 2016 tillkännagav IBM och Manipal Hospitals (en ledande sjukhuskedja i Indien) lanseringen av IBM Watson for Oncology, för cancerpatienter. Denna produkt ger information och insikter till läkare och cancerpatienter för att hjälpa dem att identifiera personliga, evidensbaserade cancervårdsalternativ. Manipal Hospitals är det andra sjukhuset i världen som använder denna teknik och det första i världen att erbjuda den till patienter online som en expert second opinion via deras hemsida. Manipal avbröt detta kontrakt i december 2018.

Den 7 januari 2017 ingick IBM och Fukoku Mutual Life Insurance ett avtal för IBM att leverera analys till ersättningsutbetalningar via sin IBM Watson Explorer AI, vilket resulterade i förlust av 34 jobb. Företaget sa att det skulle påskynda analysen av ersättningsutbetalningar genom att analysera anspråk och medicinska journaler och öka produktiviteten med 30 %. Företaget sa också att det skulle spara 140 miljoner yen i driftskostnader.

Flera nystartade företag inom sjukvården har effektivt använt sju arketyper för affärsmodeller för att ta lösningar baserade på IBM Watson till marknaden. Dessa arketyper beror på det värde som genereras för målanvändaren (t.ex. patientfokus kontra vårdgivare och betalarfokus) och värdefångande mekanismer (t.ex. tillhandahålla information eller koppla samman intressenter).

År 2022 genererade IBM Watson Health cirka en miljard dollar i årlig bruttointäkt, men stod inför bristande lönsamhet och ökad konkurrens. En expert bedömde för CNN att "IBM uppenbarligen inte fick mycket dragkraft på sjukvårdsmarknaden". Ett inlägg från 2021 från Association for Computing Machinery (ACM) med titeln "What Happened To Watson Health?" beskrev portföljhanteringsutmaningarna för IBM Watson Health med tanke på antalet förvärv involverade i skapandet av Watson Health-divisionen 2015, såväl som tekniska begränsningar som fanns vid den tidpunkten angående var Watson AI-ramverket kunde distribueras. Den 21 januari 2022 tillkännagav IBM försäljningen av sin Watson Health-enhet till Francisco Partners .

IBM Watson Group

Den 9 januari 2014 meddelade IBM att de skulle skapa en affärsenhet kring Watson, ledd av senior vice president Michael Rhodin. IBM Watson Group kommer att ha sitt huvudkontor i New Yorks Silicon Alley och kommer att anställa 2 000 personer. IBM har investerat 1 miljard dollar för att få igång divisionen. Watson Group kommer att utveckla tre nya molnlevererade tjänster: Watson Discovery Advisor, Watson Engagement Advisor och Watson Explorer. Watson Discovery Advisor kommer att fokusera på forsknings- och utvecklingsprojekt inom läkemedelsindustrin , förlagsverksamhet och bioteknik , Watson Engagement Advisor kommer att fokusera på självbetjäningsapplikationer som använder insikter på grundval av naturliga språkfrågor som företagsanvändare ställer, och Watson Explorer kommer att fokusera på att hjälpa företagsanvändare upptäcker och delar datadrivna insikter baserade på federerad sökning lättare. Företaget lanserar också en riskfond på 100 miljoner dollar för att stimulera applikationsutveckling för "kognitiva" applikationer. Enligt IBM har det molnlevererade företagsklara Watson sett sin hastighet öka 24 gånger mer – en 2 300 procents förbättring av prestanda och dess fysiska storlek minskat med 90 procent – ​​från storleken på ett master bedroom till tre staplade pizzakartonger. IBMs vd Virginia Rometty sa att hon vill att Watson ska generera 10 miljarder dollar i årliga intäkter inom tio år. 2017 etablerade IBM och MIT ett nytt gemensamt forskningsföretag inom artificiell intelligens. IBM investerade 240 miljoner dollar för att skapa MIT–IBM Watson AI Lab i samarbete med MIT, som samlar forskare inom akademi och industri för att främja AI-forskning, med projekt som sträcker sig från datorseende och NLP till att ta fram nya sätt att se till att AI-system är rättvisa , pålitlig och säker. I mars 2018 föreslog IBM:s vd Ginni Rometty "Watsons lag", "användning och tillämpning av företag, smarta städer, konsumentapplikationer och livet i allmänhet."

Kocken Watson

Watson hjälpte ett team av kockar att skapa fem nya poutiner för matfestivalen La Poutine Week 2015 i Toronto och Montreal. Den analyserade städernas demografi och populära kök och hämtade från en databas med tiotusentals recept för att skapa fusionskombinationer för varje stad. IBM och Bon Appétit magazine skapade tillsammans en AI-matlagningsapp känd som Chef Watson.

Chatbot

Watson används via IBMs partnerprogram som en chatbot för att tillhandahålla konversationen för barnleksaker.

Byggregler

2015 skapade ingenjörsfirman ENGEO en onlinetjänst via IBMs partnerprogram vid namn GoFetchCode. GoFetchCode tillämpar Watsons naturliga språkbehandling och förmåga att svara på frågor på International Code Councils modellbyggekoder.

Lärarassistent

IBM Watson används för flera projekt som rör utbildning och har inlett partnerskap med Pearson Education, Blackboard, Sesame Workshop och Apple.

I sitt samarbete med Pearson görs Watson tillgänglig i elektroniska läroböcker för att ge eleverna ett naturligt språk, en-mot-en-handledning i läsmaterialet.

Som individ som använder de kostnadsfria Watson API:erna som är tillgängliga för allmänheten, använde Ashok Goel , professor vid Georgia Tech, Watson för att skapa en virtuell lärarassistent för att hjälpa eleverna i sin klass. Inledningsvis avslöjade Goel inte karaktären på "Jill", som skapades med hjälp av några studenter och IBM. Jill svarade på frågor där den hade 97% säkerhet om ett korrekt svar, medan resten besvarades av mänskliga assistenter.

Sabri Pllanas forskargrupp utvecklade en assistent för att lära sig parallell programmering med hjälp av IBM Watson. En undersökning med ett antal nybörjare parallellprogrammerare vid Linnéuniversitetet visade att en sådan assistent kommer att välkomnas av studenter som lär sig parallell programmering.

Väderprognos

I augusti 2016 meddelade IBM att de skulle använda Watson för väderprognoser . Specifikt meddelade företaget att de skulle använda Watson för att analysera data från över 200 000 Weather Underground personliga väderstationer och data från andra källor, som en del av projektet Deep Thunder .

Mode

IBM Watson designade tillsammans med Marchesa en klänning som ändrade färgen på tyget beroende på humöret hos publiken. Klänningen lyste upp i olika färger baserat på sentimentet från Tweets om klänningen. Tweets skickades genom en Watson-tonanalysator och skickades sedan tillbaka till en liten dator inuti klänningens midja.

Skatteförberedelse

Den 5–6 februari 2017 började skatteberedningsföretaget H&R Block rikstäckande användning av ett Watson-baserat program.

Reklam

I september 2017 meddelade IBM att Watson med sitt förvärv av The Weather Companys annonsförsäljningsdivision och ett partnerskap med det neurala nätverket Cognitiv för reklam, kommer att tillhandahålla AI-drivna reklamlösningar.

Se även

Bibliografi

Vidare läsning

  • Baker, Stephen (2012) Final Jeopardy: The Story of Watson, the Computer That Will Transform Our World , Mariner Books.
  • Jackson, Joab (2014). IBM satsar stort på Watson-märkt kognitiv datoranvändning PCWorld: 9 januari 2014 14:30
  • Greenemeier, Larry. (2013). Kommer IBMs Watson Usher i en ny era av kognitiv datoranvändning? Scientific American. 13 nov 2013 |* Lazarus, RS (1982).
  • Kelly, JE och Hamm, S. (2013). Smarta maskiner: IBMs Watson and the Era of Cognitive Computing. Columbia Business School Publishing

externa länkar

J! Arkiv

videoklipp

Hämtad från " https://sv.wikipedia.org/w/index.php?title=IBM_Watson&oldid=1139678872 "