IBM Watson es un sistema informático capaz de responder preguntas formuladas en lenguaje natural, desarrollado como parte del proyecto DeepQA de IBM bajo la dirección del investigador principal David Ferrucci. Nombrado en honor al fundador de IBM, Thomas J. Watson, el sistema fue diseñado para competir en el concurso de preguntas y respuestas Jeopardy!, donde se enfrentó a los campeones Brad Rutter y Ken Jennings en un programa televisado en febrero de 2011. Watson ganó el premio de un millón de dólares, demostrando avances significativos en inteligencia artificial y respuesta a preguntas.
La arquitectura de Watson integraba múltiples tecnologías, incluyendo procesamiento de lenguaje natural, recuperación de información, representación del conocimiento, razonamiento automatizado y aprendizaje automático. IBM declaró que Watson utilizaba "más de 100 técnicas diferentes" para analizar el lenguaje natural, generar hipótesis y clasificar la evidencia. El sistema se construyó sobre el software DeepQA y el marco UIMA de Apache, escrito en Java, C++ y Prolog, y funcionaba con SUSE Linux Enterprise Server 11 con Apache Hadoop para computación distribuida.
Hardware y rendimiento
Watson empleaba un clúster de noventa servidores IBM Power 750, cada uno con un procesador POWER7 de ocho núcleos a 3.5 GHz y cuatro hilos por núcleo, sumando un total de 2880 hilos de procesamiento y 16 terabytes de RAM. El sistema procesaba 500 gigabytes por segundo, equivalente a un millón de libros, y tenía un rendimiento Linpack de 80 TeraFLOPs. El costo del hardware se estimó en unos tres millones de dólares. Para el juego de Jeopardy!, todo el contenido se almacenaba en RAM porque los discos duros habrían sido demasiado lentos para competir con los campeones humanos.
Datos y fuentes de conocimiento
La base de conocimiento de Watson incluía enciclopedias, diccionarios, tesauros, artículos de noticias y obras literarias, junto con bases de datos y ontologías como DBpedia, WordNet y YAGO. El equipo de IBM proporcionó millones de documentos para construir su conocimiento. Watson analizaba las preguntas en palabras clave y fragmentos de frases, ejecutando cientos de algoritmos de análisis del lenguaje simultáneamente. Cuantos más algoritmos encontraban de forma independiente la misma respuesta, mayor era la confianza.
Estrategia y comparación con humanos
Watson incluía módulos de estrategia para las apuestas y la detección de Daily Double. Un módulo calculaba las apuestas del Final Jeopardy basándose en las puntuaciones de confianza y las posiciones de los concursantes. Otro utilizaba la regla de Bayes para estimar la probabilidad de Daily Doubles no revelados, con las apuestas calculadas mediante una red neuronal de dos capas similar a TD-Gammon. El tiempo de reacción de Watson en el pulsador era más rápido que el de los humanos al reaccionar, aunque no podía anticipar la señal de habilitación. Carecía de la comprensión contextual humana, pero era inmune a las tácticas psicológicas. En partidas de práctica, los humanos usaban el tiempo de procesamiento de seis a siete segundos de Watson para pulsar primero, pero en el partido real, la velocidad y precisión de Watson prevalecieron.
Legado y aplicaciones comerciales
En febrero de 2013, IBM anunció la primera aplicación comercial de Watson para decisiones de tratamiento del cáncer de pulmón en el Memorial Sloan Kettering Cancer Center, en colaboración con WellPoint (ahora Elevance Health). Sin embargo, la división Watson Health se desinvirtió en 2022 y se vendió a Francisco Partners por mil millones de dólares, después de costar cuatro mil millones en su desarrollo. Para 2023, Watson había contribuido a que IBM perdiera el 10% de su valor bursátil y a despidos masivos. A pesar de estos contratiempos, la victoria de Watson en Jeopardy! en 2011 sigue siendo un hito en la inteligencia artificial y el aprendizaje automático, influyendo en desarrollos posteriores del aprendizaje profundo y el procesamiento del lenguaje natural.