IBM Watson es un sistema de inteligencia artificial desarrollado originalmente por IBM para competir en el programa de concurso televisivo estadounidense Jeopardy!, y posteriormente ampliado a una amplia línea de productos comerciales que aplican procesamiento de lenguaje natural y aprendizaje automático a problemas empresariales y científicos. El debut público de Watson tuvo lugar en febrero de 2011, cuando compitió contra los dos campeones humanos más exitosos de Jeopardy!, Ken Jennings y Brad Rutter, en un partido de exhibición televisado y ganó de manera decisiva, un resultado ampliamente cubierto como una demostración histórica de la capacidad de la IA para analizar preguntas ambiguas en lenguaje natural y recuperar respuestas precisas bajo presión de tiempo.
El partido de Jeopardy!
Watson fue diseñado para responder al distintivo formato de pistas de Jeopardy!, que presenta una respuesta que el concursante debe formular como una pregunta, a menudo basándose en juegos de palabras, retruécanos y frases indirectas que planteaban un desafío sustancial de procesamiento de lenguaje natural en comparación con la respuesta directa a preguntas. Watson combinaba múltiples técnicas de recuperación de información y PLN en lugar de un único modelo de aprendizaje profundo, ya que precedió a la era del aprendizaje profundo que dominaría la investigación en PLN más adelante en la década de 2010; buscaba en un gran corpus de texto almacenado, incluido contenido enciclopédico, y utilizaba una puntuación de confianza estadística para decidir tanto qué responder como si debía activar el zumbador. Watson derrotó a Jennings y Rutter en un partido de dos juegos, ganando más de un millón de dólares en premios, que IBM donó a organizaciones benéficas.
Comercialización
Tras la victoria en Jeopardy!, IBM creó una unidad de negocio, entre otras divisiones como IBM Watson Health, en torno a la comercialización de la tecnología subyacente para aplicaciones empresariales y científicas, destacando especialmente el apoyo a la toma de decisiones en oncología, donde Watson for Oncology se comercializó a hospitales como una herramienta para ayudar a recomendar opciones de tratamiento contra el cáncer mediante el análisis de datos de pacientes frente a literatura médica. IBM también comercializó herramientas de IA con la marca Watson en otros ámbitos, incluido el servicio al cliente, asociaciones de marketing propias de IBM (como con el torneo de golf Masters) y análisis empresarial de propósito general, posicionando a Watson como una plataforma amplia de IA.
Reveses en el sector sanitario y recepción
Watson for Oncology recibió críticas sustanciales a partir de mediados de la década de 2010, especialmente tras documentos internos de IBM reportados por STAT News en 2018 que describían casos en los que el sistema había recomendado tratamientos que los revisores internos consideraban inseguros o incorrectos, y médicos de hospitales asociados, incluido el MD Anderson Cancer Center, informaron que el sistema no cumplía con las afirmaciones de marketing de IBM, lo que contribuyó a que MD Anderson pusiera fin a su asociación con Watson for Oncology en 2017 tras una implementación costosa y fallida. IBM vendió su división Watson Health a una firma de capital privado en 2022 por una fracción de los aproximadamente 4 mil millones de dólares que IBM había invertido en adquisiciones para construirla. El episodio se convirtió en un ejemplo ampliamente citado dentro de la industria de la IA y en discusiones sobre ética de la IA de los riesgos de prometer en exceso la capacidad de la IA en dominios de alto riesgo como la atención médica antes de que la tecnología subyacente, y el trabajo circundante de integración y validación, fuera lo suficientemente madura para respaldarla.
Legado
La victoria de Watson en Jeopardy! en 2011 sigue citándose como un hito importante en la historia de la IA, anterior a la revolución del aprendizaje profundo que pronto transformaría el procesamiento de lenguaje natural tras avances como Word2vec y más tarde la arquitectura transformador. Sus posteriores dificultades comerciales se invocan con frecuencia como un contrapunto de advertencia a sistemas de IA aplicada más directamente exitosos como AlphaFold, lo que ilustra que un resultado demostrativo sólido no se traduce automáticamente en una implementación fiable en el mundo real, particularmente en dominios con altas apuestas y datos complejos y mal estructurados.