IBM Watson é um sistema de inteligência artificial originalmente desenvolvido pela IBM para competir no programa de perguntas e respostas da televisão americana Jeopardy!, e posteriormente expandido para uma ampla linha de produtos comerciais que aplicam processamento de linguagem natural e aprendizado de máquina a problemas empresariais e científicos. A estreia pública de Watson ocorreu em fevereiro de 2011, quando competiu contra os dois campeões humanos mais bem-sucedidos do Jeopardy!, Ken Jennings e Brad Rutter, em uma partida de exibição televisionada e venceu de forma decisiva, um resultado amplamente coberto como uma demonstração marcante da capacidade da IA de analisar perguntas ambíguas em linguagem natural e recuperar respostas precisas sob pressão de tempo.
A partida do Jeopardy!
Watson foi projetado para responder ao formato distintivo de pistas do Jeopardy!, que apresenta uma resposta que o competidor deve formular como uma pergunta, muitas vezes dependendo de trocadilhos, jogos de palavras e frases indiretas que representavam um desafio substancial de processamento de linguagem natural em comparação com a resposta direta a perguntas. Watson combinava múltiplas técnicas de recuperação de informação e PLN, em vez de um único modelo de aprendizado profundo, pois antecedia a era do aprendizado profundo que viria a dominar a pesquisa em PLN mais tarde na década de 2010; ele buscava em um grande corpus de texto armazenado, incluindo conteúdo enciclopédico, e usava pontuação estatística de confiança para decidir tanto o que responder quanto se deveria tocar o botão. Watson derrotou Jennings e Rutter em uma partida de dois jogos, ganhando mais de US$ 1 milhão em prêmios, que a IBM doou para instituições de caridade.
Comercialização
Após a vitória no Jeopardy!, a IBM criou uma unidade de negócios, incluindo a IBM Watson Health entre outras divisões, em torno da comercialização da tecnologia subjacente para aplicações empresariais e científicas, mais proeminentemente no suporte a decisões oncológicas, onde o Watson for Oncology foi comercializado para hospitais como uma ferramenta para ajudar a recomendar opções de tratamento de câncer, analisando dados de pacientes em comparação com literatura médica. A IBM também comercializou ferramentas de IA com a marca Watson em outros domínios, incluindo atendimento ao cliente, parcerias de marketing da própria IBM (como com o torneio de golfe Masters) e análises de negócios de uso geral, posicionando o Watson como uma plataforma ampla de IA.
Retrocessos na área da saúde e recepção
O Watson for Oncology atraiu críticas substanciais a partir de meados da década de 2010, mais notavelmente após documentos internos da IBM relatados pela STAT News em 2018 que descreviam casos em que o sistema havia recomendado tratamentos que revisores internos consideravam inseguros ou incorretos, e clínicos em hospitais parceiros, incluindo o MD Anderson Cancer Center, relataram que o sistema ficou aquém das alegações de marketing da IBM, contribuindo para que o MD Anderson encerrasse sua parceria com o Watson for Oncology em 2017 após uma implementação cara e malsucedida. A IBM vendeu sua divisão Watson Health para uma empresa de private equity em 2022 por uma fração dos aproximadamente US$ 4 bilhões que a IBM havia investido em aquisições para construí-la. O episódio se tornou um exemplo amplamente citado dentro da indústria de IA e em discussões de ética em IA sobre os riscos de prometer demais a capacidade da IA em domínios de alto risco, como saúde, antes que a tecnologia subjacente, e o trabalho de integração e validação ao redor dela, estivesse madura o suficiente para sustentá-la.
Legado
A vitória de Watson no Jeopardy! em 2011 permanece citada como um marco importante na história da IA, antecedendo a revolução do aprendizado profundo que logo transformaria o processamento de linguagem natural após avanços como Word2vec e, mais tarde, a arquitetura Transformer (architecture). Suas lutas comerciais subsequentes são frequentemente invocadas como um contraponto de cautela a sistemas de IA aplicada mais diretamente bem-sucedidos, como AlphaFold, ilustrando que um forte resultado de demonstração não se traduz automaticamente em implantação confiável no mundo real, particularmente em domínios com altos riscos e dados complexos e mal estruturados.