IBM Watson é um sistema computacional de respostas a perguntas desenvolvido pela IBM como parte do seu projeto DeepQA, liderado pelo pesquisador principal David Ferrucci. Batizado em homenagem ao fundador da IBM, Thomas J. Watson, o sistema foi projetado para responder a perguntas formuladas em linguagem natural, sendo sua conquista mais famosa a vitória sobre campeões humanos no programa de perguntas e respostas Jeopardy! em 2011. Watson representou um marco significativo na aplicação de técnicas de inteligência artificial para respostas a perguntas em domínio aberto, embora dependesse de uma combinação de algoritmos estabelecidos, em vez das abordagens de aprendizado profundo que mais tarde dominariam o campo.
O desenvolvimento do sistema surgiu da ambição da IBM de construir uma máquina capaz de compreender e responder às pistas cheias de nuances e trocadilhos típicas do Jeopardy!. Diferentemente dos sistemas anteriores de respostas a perguntas, que se concentravam em domínios restritos, a Watson visava lidar com tópicos arbitrários usando um enorme corpus de materiais de referência. Seu sucesso na televisão nacional demonstrou progresso prático em processamento de linguagem natural e aprendizado de máquina, influenciando pesquisas subsequentes e aplicações comerciais na área da saúde e em outras indústrias.
Arquitetura Técnica
O software da Watson foi construído sobre a arquitetura DeepQA da IBM e a estrutura Apache UIMA (Unstructured Information Management Architecture). O sistema foi escrito em várias linguagens de programação, incluindo Java, C++ e Prolog, e rodava no SUSE Linux Enterprise Server 11 com Apache Hadoop para computação distribuída. O DeepQA empregava mais de 100 técnicas diferentes para analisar linguagem natural, identificar fontes, gerar hipóteses, encontrar e pontuar evidências, e combinar e classificar respostas potenciais.
O hardware consistia em um cluster de noventa servidores IBM Power 750, cada um equipado com um processador POWER7 de oito núcleos a 3,5 GHz, com quatro threads por núcleo. No total, a Watson usava 2.880 threads de processamento e 16 terabytes de RAM. Segundo John Rennie, o sistema podia processar 500 gigabytes (equivalente a cerca de um milhão de livros) por segundo. O mestre inventor da IBM, Tony Pearson, estimou o custo do hardware em aproximadamente três milhões de dólares. Para a competição no Jeopardy!, todo o conteúdo foi armazenado em RAM, porque o acesso a discos rígidos seria lento demais para acompanhar os tempos de reação humana.
Competição no Jeopardy!
Em fevereiro de 2011, a Watson competiu no Jeopardy! contra dois dos campeões mais bem-sucedidos do programa, Brad Rutter e Ken Jennings. A Watson venceu o prêmio de primeiro lugar de US$ 1 milhão. A estratégia do sistema incluía módulos especializados: um calculava as apostas do Final Jeopardy! com base nas pontuações de confiança e na classificação atual, enquanto outro usava a regra de Bayes para estimar a probabilidade de uma pista não revelada ser um Daily Double, usando dados históricos do J! Archive como referência. Para as apostas do Daily Double, uma rede neural de duas camadas, semelhante às usadas no TD-Gammon, desenvolvida por Gerald Tesauro na década de 1990, determinava o valor da aposta.
O desempenho da Watson revelou tanto pontos fortes quanto fracos em comparação com os jogadores humanos. Ela não tinha compreensão contextual das pistas e era mais lenta para gerar respostas, especialmente no caso de pistas curtas. No entanto, sua eletrônica de botão de resposta lhe dava uma vantagem consistente no tempo de reação, uma vez que decidia responder, e era imune a táticas psicológicas, como alternar rapidamente entre categorias. Em jogos simulados, os humanos podiam explorar os seis a sete segundos que a Watson precisava para processar uma pista, mas nas partidas televisionadas a velocidade do botão da Watson foi decisiva.
Aplicações Comerciais e Saúde
Em fevereiro de 2013, a IBM anunciou a primeira aplicação comercial da Watson: decisões de gerenciamento de utilização para o tratamento de câncer de pulmão no Memorial Sloan Kettering Cancer Center, em Nova York, em parceria com a WellPoint (atualmente Elevance Health). O sistema destinava-se a auxiliar médicos na análise de literatura médica e prontuários de pacientes para recomendar opções de tratamento. Isso marcou uma tentativa inicial de aplicar aprendizado de máquina e tecnologia de respostas a perguntas ao suporte à decisão clínica, embora os resultados tenham sido mistos.
As capacidades da Watson foram posteriormente ampliadas por meio da implantação na IBM Cloud, com recursos evoluídos de aprendizado de máquina e hardware otimizado. No entanto, o empreendimento na área da saúde enfrentou desafios significativos. Em 2022, a IBM desinvestiu sua divisão Watson Health, transformando-a em uma empresa chamada Merative, que foi vendida para a empresa de private equity Francisco Partners. A divisão custara aproximadamente US$ 4 bilhões para ser desenvolvida, mas foi vendida por US$ 1 bilhão. Em 2023, o projeto Watson como um todo havia contribuído para um declínio de 10% no valor das ações da IBM, custara quatro vezes mais do que gerara em receita e resultara em demissões em massa.
Legado e Influência
Apesar de suas dificuldades comerciais, a vitória da Watson no Jeopardy! teve um impacto duradouro na percepção pública da inteligência artificial. Ela demonstrou que máquinas poderiam lidar com linguagem ambígua e coloquial e com tarefas complexas de raciocínio, inspirando uma onda de investimentos em pesquisa de IA. A abordagem da Watson - que combinava muitos algoritmos paralelos em vez de depender de um único avanço - influenciou sistemas posteriores, mesmo à medida que o campo se voltava para arquiteturas de aprendizado profundo e redes neurais. O sistema também evidenciou a lacuna entre demonstrações de pesquisa e produtos comerciais viáveis, uma lição que moldou as implantações subsequentes de IA na área da saúde e em outros setores regulamentados.
O legado da Watson é complexo: foi uma realização técnica que capturou a imaginação do mundo, mas seus resultados comerciais ficaram aquém das expectativas. O nome do sistema permanece associado à liderança inicial da IBM em computação cognitiva, mesmo depois que a empresa migrou para outras iniciativas de IA. Para os pesquisadores, a Watson serviu como um estudo de caso sobre os desafios de escalar a IA de competições controladas para aplicações no mundo real, especialmente em domínios onde erros têm custos elevados.
Comparação com a IA Moderna
A Watson é frequentemente contrastada com sistemas posteriores, como os modelos GPT da OpenAI e o AlphaGo do Google DeepMind, que usam arquiteturas de transformadores e grandes modelos de linguagem. Ao contrário da Watson, que dependia de bases de conhecimento estruturadas e pontuação explícita de evidências, os sistemas modernos aprendem padrões a partir de enormes corpora de texto usando técnicas de aprendizado profundo. A Watson não empregava métodos de aprendizado profundo ou redes neurais em seu pipeline central de respostas a perguntas, apesar de seu nome fazer parte do projeto DeepQA. Seus requisitos de hardware - 90 servidores e 16 terabytes de RAM - eram enormes para os padrões de 2011, mas modestos em comparação com os centros de dados usados para o treinamento de IA contemporâneo. A evolução da Watson para a IA moderna ilustra uma mudança de sistemas projetados e interpretáveis para modelos opacos e estatisticamente treinados, levantando questões diferentes sobre confiabilidade, viés e responsabilização.