IBM Watson ist ein Computersystem, das in der Lage ist, Fragen zu beantworten, die in natürlicher Sprache gestellt werden. Es wurde im Rahmen von IBMs DeepQA-Projekt von einem Forschungsteam unter der Leitung des Hauptforschers David Ferrucci entwickelt. Watson wurde nach dem Gründer und ersten CEO von IBM, dem Industriellen Thomas J. Watson, benannt. Das System wurde ursprünglich entwickelt, um an der Quizshow Jeopardy! teilzunehmen, wo es 2011 die Champions Brad Rutter und Ken Jennings besiegte und den ersten Preis von 1 Million US-Dollar gewann. Watsons Erfolg zeigte das Potenzial von künstlicher Intelligenz bei der Beantwortung offener Fragen und löste kommerzielle Anwendungen in Bereichen wie dem Gesundheitswesen aus.
Watsons Architektur integriert fortgeschrittene Techniken der Verarbeitung natürlicher Sprache, Informationsabruf, Wissensrepräsentation und automatisiertes Schließen. IBM gab an, dass Watson „mehr als 100 verschiedene Techniken verwendet, um natürliche Sprache zu analysieren, Quellen zu identifizieren, Hypothesen zu finden und zu generieren, Beweise zu finden und zu bewerten sowie Hypothesen zu fusionieren und zu ordnen." Im Laufe der Zeit wurden Watsons Fähigkeiten erweitert, und seine Bereitstellung wurde auf IBM Cloud verlagert, mit weiterentwickeltem maschinellem Lernen und optimierter Hardware.
Software
Watsons Kernsoftware ist IBMs DeepQA, das auf dem Apache-UIMA-Framework (Unstructured Information Management Architecture) aufbaut. Das System wurde in mehreren Sprachen geschrieben, darunter Java, C++ und Prolog, und lief auf SUSE Linux Enterprise Server 11 mit Apache Hadoop für verteiltes Rechnen. Über DeepQA hinaus umfasste Watson Strategiemodule. Beispielsweise berechnete ein Modul die Einsätze für das Final Jeopardy basierend auf Konfidenzwerten und dem Stand der Kandidaten. Ein anderes verwendete die Bayes-Regel, um die Wahrscheinlichkeit eines Daily Double zu schätzen, wobei es auf historische Daten aus dem J! Archive zurückgriff. Wenn ein Daily Double gefunden wurde, wurde der Einsatz von einem zweischichtigen neuronalen Netz berechnet, ähnlich denen, die von TD-Gammon verwendet wurden, einem Backgammon-Programm, das in den 1990er Jahren von Gerald Tesauro entwickelt wurde. Diese Strategieparameter wurden durch Benchmarking gegen ein statistisches Modell menschlicher Kandidaten abgestimmt, das auf Daten des J! Archive angepasst wurde.
Hardware
Watson war workload-optimiert und integrierte massiv parallele POWER7-Prozessoren. Es 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. Laut John Rennie konnte Watson 500 Gigabyte (entsprechend einer Million Büchern) pro Sekunde verarbeiten. IBM-Master-Erfinder Tony Pearson schätzte die Hardwarekosten auf etwa drei Millionen Dollar. Die Linpack-Leistung betrug 80 TeraFLOPs, etwa die Hälfte des Grenzwerts für die Liste der Top-500-Supercomputer. Für Jeopardy! wurden alle Inhalte im RAM gespeichert, da Festplatten für Echtzeitantworten zu langsam gewesen wären.
Daten
Watsons Wissensquellen umfassten Enzyklopädien, Wörterbücher, Thesauri, Nachrichtenagenturartikel und literarische Werke. Es verwendete auch Datenbanken, Taxonomien und Ontologien wie DBpedia, WordNet und YAGO. Das IBM-Team stellte Millionen von Dokumenten bereit, um Watsons Wissensbasis aufzubauen, wodurch es eine breite Palette von Fragen beantworten konnte.
Betrieb
Watson zerlegte Fragen in Schlüsselwörter und Satzfragmente, um statistisch verwandte Phrasen zu finden. Seine wichtigste Innovation war nicht ein neuer Algorithmus, sondern die Fähigkeit, Hunderte bewährter Sprachanalyse-Algorithmen gleichzeitig auszuführen. Je mehr Algorithmen unabhängig dieselbe Antwort fanden, desto höher war die Konfidenz. Sobald Watson einige potenzielle Lösungen hatte, überprüfte es diese gegen seine Datenbank, um die Plausibilität zu bestimmen.
Vergleich mit menschlichen Spielern
Watson hatte Vor- und Nachteile gegenüber menschlichen Jeopardy!-Spielern. Es mangelte ihm an kontextuellem Verständnis, und Menschen erzeugten oft schneller Antworten, insbesondere bei kurzen Hinweisen. Watsons Programmierung verhinderte, dass es sich meldete, bevor es sicher war, aber es hatte eine schnellere Reaktionszeit, sobald es bereit war, und war immun gegen psychologische Taktiken wie das Springen zwischen Kategorien. In Übungsspielen nutzten Menschen die sechs bis sieben Sekunden, die Watson zur Verarbeitung der Hinweise benötigte, um zu entscheiden, ob sie sich melden sollten. Watsons elektronische Schaltung empfing das Bereitschaftssignal und bewertete die Konfidenz, bevor es sich meldete, was seine Reaktion schneller machte als die von Menschen, außer wenn diese das Signal vorwegnahmen. Watson sprach mit einer elektronischen Stimme, die aus Aufnahmen des Schauspielers Jeff Woodman für IBMs Text-to-Speech-Programm synthetisiert wurde.
Kommerzielle Anwendungen und Veräußerung
Im Februar 2013 kündigte IBM Watsons erste kommerzielle Anwendung an: Entscheidungen zur Nutzungsverwaltung bei der Behandlung von Lungenkrebs am Memorial Sloan Kettering Cancer Center, in Zusammenarbeit mit WellPoint (heute Elevance Health). Im Jahr 2022 veräußerte IBM seine Watson-Health-Abteilung an Merative, das an Francisco Partners, eine amerikanische Private-Equity-Firma, verkauft wurde. Die Abteilung kostete 4 Milliarden Dollar in der Entwicklung, wurde aber für 1 Milliarde Dollar verkauft. Bis 2023 hatte Watson dazu geführt, dass IBM 10 % seines Aktienwerts verlor, viermal mehr kostete, als es einbrachte, und zu Massenentlassungen führte. Trotz dieser Rückschläge bleibt Watson ein Meilenstein in der Geschichte der künstlichen Intelligenz und des maschinellen Lernens.