IBM Watson est un système informatique capable de répondre à des questions posées en langage naturel. Il a été développé dans le cadre du projet DeepQA d'IBM par une équipe de recherche dirigée par le chercheur principal David Ferrucci. Watson a été nommé d'après le fondateur et premier PDG d'IBM, l'industriel Thomas J. Watson. Le système a été initialement conçu pour participer au jeu télévisé Jeopardy!, où il a battu les champions Brad Rutter et Ken Jennings en 2011, remportant le premier prix d'un million de dollars américains. Le succès de Watson a démontré le potentiel de l'intelligence artificielle dans la réponse aux questions en domaine ouvert et a suscité des applications commerciales dans des domaines tels que la santé.
L'architecture de Watson intègre des techniques avancées de traitement du langage naturel, de recherche d'informations, de représentation des connaissances et de raisonnement automatisé. IBM a déclaré que Watson utilise « plus de 100 techniques différentes pour analyser le langage naturel, identifier les sources, trouver et générer des hypothèses, trouver et évaluer des preuves, et fusionner et classer les hypothèses ». Au fil du temps, les capacités de Watson ont été étendues, et son déploiement a été transféré vers IBM Cloud, avec un apprentissage automatique évolué et un matériel optimisé.
Logiciel
Le logiciel principal de Watson est DeepQA d'IBM, construit sur le framework Apache UIMA (Unstructured Information Management Architecture). Le système a été écrit dans plusieurs langages, notamment Java, C++ et Prolog, et fonctionnait sous SUSE Linux Enterprise Server 11 avec Apache Hadoop pour le calcul distribué. Au-delà de DeepQA, Watson incluait des modules de stratégie. Par exemple, un module calculait les mises du Final Jeopardy en fonction des scores de confiance et des positions des concurrents. Un autre utilisait la règle de Bayes pour estimer la probabilité d'un Daily Double, en s'appuyant sur des données historiques de l'archive J!. Si un Daily Double était trouvé, la mise était calculée par un réseau neuronal à deux couches similaire à ceux utilisés par TD-Gammon, un programme de jeu de backgammon développé par Gerald Tesauro dans les années 1990. Ces paramètres de stratégie étaient ajustés en les comparant à un modèle statistique de concurrents humains ajusté sur les données de l'archive J!.
Matériel
Watson était optimisé pour la charge de travail, intégrant des processeurs POWER7 massivement parallèles. Il utilisait un cluster de quatre-vingt-dix serveurs IBM Power 750, chacun avec un processeur POWER7 à huit cœurs de 3,5 GHz et quatre threads par cœur, totalisant 2 880 threads de processeur et 16 téraoctets de RAM. Selon John Rennie, Watson pouvait traiter 500 gigaoctets (équivalent à un million de livres) par seconde. L'inventeur principal d'IBM, Tony Pearson, a estimé le coût du matériel à environ trois millions de dollars. Ses performances Linpack étaient de 80 téraflops, soit environ la moitié du seuil pour la liste des 500 superordinateurs les plus puissants. Pour Jeopardy!, tout le contenu était stocké en RAM car les disques durs seraient trop lents pour des réponses en temps réel.
Données
Les sources de connaissances de Watson comprenaient des encyclopédies, des dictionnaires, des thésaurus, des articles de presse et des œuvres littéraires. Il utilisait également des bases de données, des taxonomies et des ontologies telles que DBpedia, WordNet et YAGO. L'équipe d'IBM a fourni des millions de documents pour construire la base de connaissances de Watson, lui permettant de répondre à une large gamme de questions.
Fonctionnement
Watson analysait les questions en mots-clés et fragments de phrases pour trouver des phrases statistiquement liées. Son innovation principale n'était pas un nouvel algorithme, mais la capacité d'exécuter simultanément des centaines d'algorithmes d'analyse linguistique éprouvés. Plus les algorithmes trouvaient indépendamment la même réponse, plus la confiance était élevée. Une fois que Watson avait quelques solutions potentielles, il les vérifiait par rapport à sa base de données pour déterminer leur plausibilité.
Comparaison avec les joueurs humains
Watson présentait des avantages et des inconvénients par rapport aux joueurs humains de Jeopardy!. Il manquait de compréhension contextuelle, et les humains généraient souvent des réponses plus rapidement, surtout pour des indices courts. La programmation de Watson l'empêchait de buzzer avant d'être confiant, mais il avait un temps de réaction plus rapide une fois prêt et était immunisé contre les tactiques psychologiques comme le changement de catégorie. Dans les jeux simulés, les humains utilisaient les six à sept secondes dont Watson avait besoin pour traiter les indices afin de décider s'ils devaient buzzer. Les circuits électroniques de Watson recevaient le signal de prêt et évaluaient la confiance avant de buzzer, rendant sa réaction plus rapide que celle des humains, sauf lorsqu'ils anticipaient le signal. Watson parlait avec une voix électronique synthétisée à partir d'enregistrements de l'acteur Jeff Woodman pour le programme de synthèse vocale d'IBM.
Applications commerciales et cession
En février 2013, IBM a annoncé la première application commerciale de Watson : les décisions de gestion de l'utilisation pour le traitement du cancer du poumon au Memorial Sloan Kettering Cancer Center, en collaboration avec WellPoint (aujourd'hui Elevance Health). En 2022, IBM a cédé sa division Watson Health à Merative, qui a été vendue à Francisco Partners, une société américaine de capital-investissement. La division a coûté 4 milliards de dollars à développer, mais a été vendue pour 1 milliard de dollars. En 2023, Watson avait entraîné une perte de 10 % de la valeur des actions d'IBM, coûtant quatre fois plus qu'il n'avait rapporté, et conduisant à des licenciements massifs. Malgré ces revers, Watson reste une étape marquante dans l'histoire de l'intelligence artificielle et du apprentissage automatique.