IBM Watson es un sistema informático capaz de responder preguntas formuladas en lenguaje natural. Fue desarrollado como parte del proyecto DeepQA de IBM por un equipo de investigación liderado por el investigador principal David Ferrucci. Watson recibó su nombre en honor al fundador y primer CEO de IBM, el industrial Thomas J. Watson. El sistema fue diseñado inicialmente para competir en el concurso de preguntas Jeopardy!, donde derrotó a los campeones Brad Rutter y Ken Jennings en 2011, ganando el premio del primer lugar de US$1 millón. El éxito de Watson demostró el potencial de la inteligencia artificial en la respuesta de preguntas de dominio abierto y generó aplicaciones comerciales en campos como la atención médica.
La arquitectura de Watson integra técnicas avanzadas de procesamiento de lenguaje natural, recuperación de información, representación del conocimiento y razonamiento automatizado. IBM declaró que Watson utiliza "más de 100 técnicas diferentes para analizar el lenguaje natural, identificar fuentes, encontrar y generar hipótesis, hallar y puntuar evidencia, y fusionar y clasificar hipótesis". Con el tiempo, las capacidades de Watson se ampliaron y su despliegue se trasladó a IBM Cloud, con aprendizaje automático evolucionado y hardware optimizado.
Software
El software central de Watson es DeepQA de IBM, construido sobre el marco de Apache UIMA (Unstructured Information Management Architecture). El sistema fue escrito en múltiples lenguajes, incluidos Java, C++ y Prolog, y se ejecutaba en SUSE Linux Enterprise Server 11 con Apache Hadoop para computación distribuida. Más allá de DeepQA, Watson incluía módulos de estrategia. Por ejemplo, un módulo calculaba las apuestas de Jeopardy final basándose en puntuaciones de confianza y la clasificación de los concursantes. Otro utilizaba la regla de Bayes para estimar la probabilidad de un Daily Double, basándose en datos históricos del Archivo J. Si se encontraba un Daily Double, la apuesta se calculaba mediante una red neuronal de dos capas similar a las utilizadas por TD-Gammon, un programa de backgammon desarrollado por Gerald Tesauro en los años 90. Estos parámetros de estrategia se ajustaban mediante evaluación comparativa contra un modelo estadístico de concursantes humanos ajustado con datos del Archivo J.
Hardware
Watson estaba optimizado para la carga de trabajo, integrando procesadores POWER7 masivamente paralelos. 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, totalizando 2,880 hilos de procesador y 16 terabytes de RAM. Según John Rennie, Watson podía procesar 500 gigabytes (equivalente a un millón de libros) por segundo. El inventor maestro de IBM, Tony Pearson, estimó el costo del hardware en unos tres millones de dólares. Su rendimiento Linpack era de 80 TeraFLOPs, aproximadamente la mitad del umbral para la lista de los Top 500 Supercomputers. Para Jeopardy!, todo el contenido se almacenaba en RAM porque los discos duros serían demasiado lentos para respuestas en tiempo real.
Datos
Las fuentes de conocimiento de Watson incluían enciclopedias, diccionarios, tesauros, artículos de agencias de noticias y obras literarias. También utilizaba bases de datos, taxonomías y ontologías como DBpedia, WordNet y YAGO. El equipo de IBM proporcionó millones de documentos para construir la base de conocimiento de Watson, lo que le permitía responder una amplia gama de preguntas.
Operación
Watson analizaba las preguntas en palabras clave y fragmentos de oraciones para encontrar frases estadísticamente relacionadas. Su principal innovación no era un nuevo algoritmo, sino la capacidad de ejecutar cientos de algoritmos de análisis de lenguaje probados simultáneamente. Cuantos más algoritmos encontraban independientemente la misma respuesta, mayor era la confianza. Una vez que Watson tenía algunas soluciones potenciales, las verificaba contra su base de datos para determinar su plausibilidad.
Comparación con jugadores humanos
Watson tenía ventajas y desventajas frente a los jugadores humanos de Jeopardy!. Carecía de comprensión contextual, y los humanos a menudo generaban respuestas más rápido, especialmente con pistas cortas. La programación de Watson le impedía zumbar antes de estar seguro, pero tenía un tiempo de reacción más rápido una vez listo y era inmune a tácticas psicológicas como saltar de categoría. En juegos simulados, los humanos usaban los seis a siete segundos que Watson necesitaba para procesar las pistas para decidir si zumbar. El circuito electrónico de Watson recibía la señal de listo y evaluaba la confianza antes de zumbar, haciendo su reacción más rápida que la humana excepto cuando anticipaban la señal. Watson hablaba con una voz electrónica sintetizada a partir de grabaciones del actor Jeff Woodman para el programa de texto a voz de IBM.
Aplicaciones comerciales y desinversión
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, en conjunto con WellPoint (ahora Elevance Health). En 2022, IBM desinvirtió su división Watson Health en Merative, que fue vendida a Francisco Partners, una firma estadounidense de capital privado. La división costó $4 mil millones desarrollar, pero se vendió por $1 mil millones. Para 2023, Watson había resultado en una pérdida del 10% del valor de las acciones de IBM, costando cuatro veces más de lo que generó y llevando a despidos masivos. A pesar de estos contratiempos, Watson sigue siendo un hito en la historia de la inteligencia artificial y el aprendizaje automático.