Übersetze diesen Enzyklopädie-Artikelkörper aus dem Englischen ins Deutsche. Behalte den Wikipedia-Stil bei. HARTE REGELN: (1) Behalte die gesamte Markdown-Syntax WÖRTLICH bei (## Überschriften, Listen, fett, Tabellen, code). (2) Wiki-Links: Das Ziel innerhalb von ... ist IMMER in Kleinbuchstaben mit Bindestrichen (z. B. tool use) und muss GENAU SO bleiben, wie im Original; übersetze NUR den sichtbaren Text nach dem senkrechten Strich; für einen bloßen slug konvertiere ihn zu übersetzter Text, wobei der Slug vor dem Strich unverändert bleibt. Übersetze Translated Term IMMER als übersetzter Begriff, wobei der Slug vor dem Strich unverändert bleibt. (3) Behalte Eigennamen, Modellnamen und technische Abkürzungen (LLM, RLHF, GPU) bei, wie sie allgemein üblich sind. (4) Verwende NIEMALS Semikolons; verwende stattdessen Punkte. Übersetze NUR den Text, füge KEINE Einleitung hinzu.
Daten und Wissensquellen
Wissensbasen umfassten Enzyklopädien, Wörterbücher, Thesauri, Nachrichtenartikel und literarische Werke sowie strukturierte Datenbanken und Ontologien wie DBpedia, WordNet und YAGO. IBM stellte Millionen von Dokumenten für das Training von Watson bereit. Das System zerlegte Fragen in Schlüsselwörter und Satzfragmente und führte dann hunderte von Sprachanalysealgorithmen gleichzeitig aus. Je mehr Algorithmen unabhängig voneinander zur gleichen Antwort kamen, desto höher war die Konfidenz. Watson überprüfte dann potenzielle Lösungen anhand seiner Datenbank, um die Plausibilität zu verifizieren.
Vergleich mit menschlichen Spielern
Watson hatte sowohl Vor- als auch Nachteile gegenüber menschlichen Gegnern. Er hatte kein Kontextverständnis, und Menschen generierten oft schneller Antworten, besonders bei kurzen Hinweisen. Watson war darauf programmiert, erst dann zu buzzern, wenn er sich sicher war, aber er reagierte schneller, sobald eine Antwort bereit war, und war immun gegen psychologische Taktiken wie Kategorienwechsel. In 20 simulierten Spielen benötigten die Menschen die sechs bis sieben Sekunden, die Watson brauchte, um einen Hinweis zu verarbeiten, um zu entscheiden, ob er buzzern sollte. Watsons elektronische Schaltung empfing das Bereitschaftssignal und traf die Buzzer-Entscheidung, bevor es die Konfidenz bewertete, was ihm einen Geschwindigkeitsvorteil gegenüber menschlichen Reaktionszeiten verschaffte, außer wenn die Menschen das Signal antizipierten. Watsons Stimme wurde aus Aufnahmen des Schauspielers Jeff Wood synthetisiert, der für ein IBM-Text-to-Speech-Programm sprach.
Nachwirkungen und kommerzielle Anwendungen
Im Februar 2013 gab IBM die erste kommerzielle Anwendung von Watson bekannt: die Nutzung von Entscheidungsunterstützung für die Lungenkrebstherapie am Memorial Sloan Kettering Cancer Center, in Zusammenarbeit mit WellPoint (später Elevance Health). Das Watson-Geschäftsfeld hatte jedoch kommerziell Schwierigkeiten. Im Jahr 2022 verkaufte IBM Watson Health an Francisco Partners, das daraus Merative machte, nachdem IBM zuvor vier Milliarden Dollar in die Entwicklung investiert hatte. Bis 2023 hatte Watson IBM zehn Prozent seines Aktienwerts gekostet, viermal mehr Verluste eingefahren als eingenommen und zu Massenentlassungen geführt. Trotz dieser Rückschläge bleibt der Sieg bei Jeopardy! ein Meilenstein in der Geschichte der künstlichen Intelligenz und beeinflusste die spätere Forschung im Bereich maschinelles Lernen und große Sprachmodelle.