IBM Watson ist ein Computersystem, das in der Lage ist, Fragen in natürlicher Sprache zu beantworten und im Rahmen von IBMs DeepQA-Projekt unter der Leitung des Hauptforschers David Ferrucci entwickelt wurde. Benannt nach dem IBM-Gründer Thomas J. Watson, wurde das System entwickelt, um an der Quizshow Jeopardy! teilzunehmen, wo es im Februar 2011 in einer im Fernsehen übertragenen Partie gegen die Champions Brad Rutter und Ken Jennings antrat. Watson gewann den ersten Preis von 1 Million US-Dollar und demonstrierte damit bedeutende Fortschritte in der künstlichen Intelligenz und der Beantwortung von Fragen.
Watsons Architektur integrierte mehrere Technologien, darunter Verarbeitung natürlicher Sprache, Informationsabruf, Wissensrepräsentation, automatisiertes Schließen und maschinelles Lernen. IBM gab an, dass Watson „mehr als 100 verschiedene Techniken" verwendete, um natürliche Sprache zu analysieren, Hypothesen zu generieren und Beweise zu bewerten. Das System basierte auf der DeepQA-Software und dem Apache-UIMA-Framework, geschrieben in Java, C++ und Prolog, und lief auf SUSE Linux Enterprise Server 11 mit Apache Hadoop für verteiltes Rechnen.
Hardware und Leistung
Watson verwendete einen Cluster aus neunzig IBM-Power-750-Servern, jeweils mit einem 3,5-GHz-POWER7-Achtkernprozessor und vier Threads pro Kern, insgesamt 2.880 Prozessor-Threads und 16 Terabyte RAM. Das System verarbeitete 500 Gigabyte pro Sekunde, was einer Million Büchern entspricht, und hatte eine Linpack-Leistung von 80 TeraFLOPs. Die Hardwarekosten wurden auf etwa drei Millionen Dollar geschätzt. Für das Jeopardy!-Spiel wurden alle Inhalte im RAM gespeichert, da Festplatten zu langsam gewesen wären, um mit menschlichen Champions zu konkurrieren.
Daten und Wissensquellen
Watsons Wissensbasis umfasste Enzyklopädien, Wörterbücher, Thesauri, Nachrichtenagenturartikel und literarische Werke sowie Datenbanken und Ontologien wie DBpedia, WordNet und YAGO. Das IBM-Team stellte Millionen von Dokumenten bereit, um sein Wissen aufzubauen. Watson zerlegte Fragen in Schlüsselwörter und Satzfragmente und führte gleichzeitig Hunderte von Sprachanalysealgorithmen aus. Je mehr Algorithmen unabhängig voneinander dieselbe Antwort fanden, desto höher war die Konfidenz.
Strategie und Vergleich mit Menschen
Watson enthielt Strategiemodule für Wetten und die Erkennung von Daily Doubles. Ein Modul berechnete Final-Jeopardy-Einsätze basierend auf Konfidenzwerten und Punkteständen der Kandidaten. Ein anderes verwendete die Bayes-Regel, um die Wahrscheinlichkeit nicht aufgedeckter Daily Doubles zu schätzen, wobei die Wettberechnung durch ein zweischichtiges neuronales Netz ähnlich wie bei TD-Gammon erfolgte. Watsons Reaktionszeit am Buzzer war schneller als die von Menschen beim Reagieren, obwohl es das Bereitschaftssignal nicht vorhersehen konnte. Es fehlte ihm das kontextuelle Verständnis von Menschen, aber es war immun gegen psychologische Taktiken. In Probespielen nutzten Menschen Watsons sechs- bis siebensekündige Verarbeitungszeit, um zuerst zu buzzern, aber im eigentlichen Spiel setzten sich Watsons Geschwindigkeit und Genauigkeit durch.
Vermächtnis und kommerzielle Anwendungen
Im Februar 2013 kündigte IBM Watsons erste kommerzielle Anwendung für Entscheidungen zur Behandlung von Lungenkrebs am Memorial Sloan Kettering Cancer Center in Zusammenarbeit mit WellPoint (jetzt Elevance Health) an. Die Watson-Health-Abteilung wurde jedoch 2022 veräußert und für 1 Milliarde Dollar an Francisco Partners verkauft, nachdem ihre Entwicklung 4 Milliarden Dollar gekostet hatte. Bis 2023 hatte Watson dazu beigetragen, dass IBM 10 % seines Aktienwerts verlor und Massenentlassungen erfolgten. Trotz dieser Rückschläge bleibt Watsons Jeopardy!-Sieg von 2011 ein Meilenstein in der künstlichen Intelligenz und im maschinellen Lernen und beeinflusste spätere Entwicklungen im tiefen Lernen und in der Verarbeitung natürlicher Sprache.