IBM Watson es un sistema informático de respuesta a preguntas desarrollado por IBM como parte de su proyecto DeepQA, dirigido por el investigador principal David Ferrucci. Nombrado en honor al fundador de IBM, Thomas J. Watson, el sistema fue diseñado para responder preguntas formuladas en lenguaje natural, y su logro más famoso fue la victoria sobre los campeones humanos en el concurso Jeopardy! en 2011. Watson representó un hito importante en la aplicación de técnicas de inteligencia artificial a la respuesta de preguntas de dominio abierto, aunque se basaba en una combinación de algoritmos establecidos en lugar de los enfoques de aprendizaje profundo que dominarían más tarde el campo.
El desarrollo del sistema surgió de la ambición de IBM de construir una máquina capaz de comprender y responder a las pistas matizadas y llenas de juegos de palabras típicas de Jeopardy!. A diferencia de los sistemas de respuesta a preguntas anteriores que se centraban en dominios limitados, Watson pretendía manejar temas arbitrarios utilizando un enorme corpus de materiales de referencia. Su éxito en la televisión nacional demostró avances prácticos en el procesamiento del lenguaje natural y el aprendizaje automático, influyendo en investigaciones posteriores y aplicaciones comerciales en la atención médica y otras industrias.
Arquitectura técnica
El software de Watson se construyó sobre la arquitectura DeepQA de IBM y el marco UIMA (Unstructured Information Management Architecture) de Apache. El sistema estaba escrito en múltiples lenguajes de programación, incluidos Java, C++ y Prolog, y se ejecutaba en SUSE Linux Enterprise Server 11 con Apache Hadoop para la computación distribuida. DeepQA empleaba más de 100 técnicas diferentes para analizar el lenguaje natural, identificar fuentes, generar hipótesis, evaluar evidencia y fusionar y clasificar respuestas potenciales.
El hardware consistía en un clúster de noventa servidores IBM Power 750, cada uno equipado con un procesador POWER7 de ocho núcleos a 3.5 GHz con cuatro hilos por núcleo. En total, Watson utilizaba 2,880 hilos de procesamiento y 16 terabytes de RAM. Según John Rennie, el sistema podía procesar 500 gigabytes (equivalente a aproximadamente un millón de libros) por segundo. El maestro inventor de IBM, Tony Pearson, estimó el costo del hardware en aproximadamente tres millones de dólares. Para la competencia de Jeopardy!, todo el contenido se almacenaba en RAM porque el acceso a discos duros habría sido demasiado lento para igualar los tiempos de reacción humanos.
Competencia en Jeopardy!
En febrero de 2011, Watson compitió en Jeopardy! contra dos de los concursantes más exitosos del programa, Brad Rutter y Ken Jennings. Watson ganó el primer premio de un millón de dólares. La estrategia del sistema incluía módulos especializados: uno calculaba las apuestas en Final Jeopardy basándose en los puntajes actuales y los niveles de confianza, y otro utilizaba la regla de Bayes para estimar la probabilidad de que una pista no revelada fuera un Daily Double, utilizando datos históricos del archivo de J! Archive como prior. Para las apuestas en Daily Double, una red neuronal de dos capas similar a las utilizadas en TD-Gammon, desarrollada por Gerald Tesauro en la década de 1990, determinaba el monto a apostar.
El desempeño de Watson reveló tanto fortalezas como debilidades en comparación con los jugadores humanos. Carecía de comprensión contextual de las pistas y era más lento para generar respuestas, especialmente en pistas cortas. Sin embargo, su circuito electrónico de pulsador le daba una ventaja consistente en el tiempo de reacción una vez que decidía responder, y era inmune a tácticas psicológicas como saltar entre categorías. En juegos de práctica, los humanos podían aprovechar los seis a siete segundos que Watson necesitaba para procesar una pista, pero en los partidos televisados, la velocidad del pulsador de Watson resultó decisiva.
Aplicaciones comerciales y atención médica
En febrero de 2013, IBM anunció la primera aplicación comercial de Watson: decisiones de gestión de utilización para el tratamiento del cáncer de pulmón en el Memorial Sloan Kettering Cancer Center de Nueva York, en asociación con WellPoint (ahora Elevance Health). El sistema estaba destinado a ayudar a los médicos mediante el análisis de literatura médica y registros de pacientes para recomendar opciones de tratamiento. Esto marcó un intento temprano de aplicar tecnologías de aprendizaje automático y respuesta a preguntas al apoyo a decisiones clínicas, aunque los resultados fueron mixtos.
Las capacidades de Watson se ampliaron posteriormente mediante su implementación en IBM Cloud, con funciones evolucionadas de aprendizaje automático y hardware optimizado. Sin embargo, la empresa en el sector de la salud enfrentó desafíos significativos. En 2022, IBM vendió su división Watson Health, escindiéndola en una empresa llamada Merative, que fue adquirida por la firma de capital privado Francisco Partners. La división había costado aproximadamente cuatro mil millones de dólares en desarrollo, pero se vendió por mil millones. Para 2023, el proyecto Watson en su conjunto había contribuido a una caída del 10% en el valor de las acciones de IBM, costó más de cuatro veces lo que generó en ingresos y resultó en despidos masivos.
Legado e influencia
A pesar de sus dificultades comerciales, la victoria de Watson en Jeopardy! tuvo un impacto duradero en la percepción pública de la inteligencia artificial. Demostró que las máquinas podían manejar lenguaje ambiguo y coloquial y tareas de razonamiento complejas, lo que inspiró una ola de inversión en investigación de IA. El enfoque de Watson, que combinaba muchos algoritmos paralelos en lugar de depender de un único avance, influyó en sistemas posteriores, incluso cuando el campo se orientó hacia arquitecturas de aprendizaje profundo y redes neuronales. El sistema también puso de relieve la brecha entre las demostraciones de investigación y los productos comerciales viables, una lección que moldeó los despliegues posteriores de IA en la atención médica y otras industrias reguladas.
El legado de Watson es complejo: fue un logro técnico que capturó la imaginación del mundo, pero sus resultados comerciales no estuvieron a la altura de las expectativas. El nombre del sistema sigue asociado con el liderazgo temprano de IBM en computación cognitiva, incluso cuando la empresa se reorientó hacia otras iniciativas de IA. Para los investigadores, Watson sirvió como un caso de estudio sobre los desafíos de escalar la IA desde competencias controladas hasta aplicaciones del mundo real, particularmente en dominios donde los errores tienen costos elevados.
Comparación con la IA moderna
Watson se contrasta a menudo con sistemas posteriores como los modelos GPT de OpenAI y AlphaGo de Google DeepMind, que utilizaron arquitecturas de transformadores y modelos de lenguaje grandes. A diferencia de Watson, que dependía de bases de conocimiento estructuradas y puntuación explícita de evidencia, los sistemas modernos aprenden patrones a partir de vastos corpus de texto utilizando técnicas de aprendizaje profundo. Watson no empleó métodos de aprendizaje profundo ni redes neuronales en su pipeline central de respuesta a preguntas, a pesar de su nombre dentro del proyecto DeepQA. Sus requisitos de hardware -90 servidores y 16 terabytes de RAM- eran enormes para los estándares de 2011, pero modestos en comparación con los centros de datos utilizados para el entrenamiento de la IA contemporánea. La evolución de Watson a la IA moderna ilustra un cambio de sistemas diseñados explícitamente e interpretables a modelos opacos entrenados estadísticamente, lo que plantea nuevas preguntas sobre fiabilidad, sesgo y responsabilidad.