IBM Watson é um sistema de computador capaz de responder a perguntas formuladas em linguagem natural. Foi desenvolvido como parte do projeto DeepQA da IBM por uma equipe de pesquisa liderada pelo investigador principal David Ferrucci. Watson recebeu esse nome em homenagem ao fundador e primeiro CEO da IBM, o industrialista Thomas J. Watson. O sistema foi inicialmente projetado para competir no quiz show Jeopardy!, onde derrotou os campeões Brad Rutter e Ken Jennings em 2011, conquistando o prêmio de primeiro lugar de US$ 1 milhão. O sucesso de Watson demonstrou o potencial da inteligência artificial na resposta a perguntas de domínio aberto e impulsionou aplicações comerciais em campos como saúde.
A arquitetura de Watson integra técnicas avançadas de processamento de linguagem natural, recuperação de informações, representação de conhecimento e raciocínio automatizado. A IBM afirmou que Watson usa "mais de 100 técnicas diferentes para analisar linguagem natural, identificar fontes, encontrar e gerar hipóteses, encontrar e pontuar evidências, e mesclar e classificar hipóteses". Com o tempo, as capacidades de Watson foram ampliadas, e sua implantação foi transferida para o IBM Cloud, com aprendizado de máquina evoluído e hardware otimizado.
Software
O software central de Watson é o DeepQA da IBM, construído sobre o framework Apache UIMA (Unstructured Information Management Architecture). O sistema foi escrito em várias linguagens, incluindo Java, C++ e Prolog, e rodava no SUSE Linux Enterprise Server 11 com Apache Hadoop para computação distribuída. Além do DeepQA, Watson incluía módulos de estratégia. Por exemplo, um módulo calculava apostas do Final Jeopardy com base em pontuações de confiança e posições dos concorrentes. Outro usava a regra de Bayes para estimar a probabilidade de um Daily Double, com base em dados históricos do J! Archive. Se um Daily Double fosse encontrado, a aposta era calculada por uma rede neural de duas camadas semelhante às usadas pelo TD-Gammon, um programa de jogo de gamão desenvolvido por Gerald Tesauro na década de 1990. Esses parâmetros de estratégia eram ajustados por meio de benchmarking contra um modelo estatístico de concorrentes humanos ajustado nos dados do J! Archive.
Hardware
Watson foi otimizado para carga de trabalho, integrando processadores POWER7 massivamente paralelos. Ele empregava um cluster de noventa servidores IBM Power 750, cada um com um processador POWER7 de oito núcleos a 3,5 GHz e quatro threads por núcleo, totalizando 2.880 threads de processador e 16 terabytes de RAM. Segundo John Rennie, Watson podia processar 500 gigabytes (equivalente a um milhão de livros) por segundo. O mestre inventor da IBM, Tony Pearson, estimou o custo do hardware em cerca de três milhões de dólares. Seu desempenho Linpack era de 80 TeraFLOPs, cerca de metade do limite para a lista dos Top 500 Supercomputadores. Para o Jeopardy!, todo o conteúdo era armazenado em RAM, pois os discos rígidos seriam muito lentos para respostas em tempo real.
Dados
As fontes de conhecimento de Watson incluíam enciclopédias, dicionários, tesauros, artigos de agências de notícias e obras literárias. Ele também usava bancos de dados, taxonomias e ontologias como DBpedia, WordNet e YAGO. A equipe da IBM forneceu milhões de documentos para construir a base de conhecimento de Watson, permitindo que ele respondesse a uma ampla variedade de perguntas.
Operação
Watson analisava perguntas em palavras-chave e fragmentos de frases para encontrar frases estatisticamente relacionadas. Sua principal inovação não era um novo algoritmo, mas a capacidade de executar centenas de algoritmos de análise de linguagem comprovados simultaneamente. Quanto mais algoritmos encontrassem independentemente a mesma resposta, maior era a confiança. Uma vez que Watson tinha algumas soluções potenciais, ele as verificava contra seu banco de dados para determinar a plausibilidade.
Comparação com jogadores humanos
Watson tinha vantagens e desvantagens em relação aos jogadores humanos de Jeopardy!. Ele carecia de compreensão contextual, e os humanos geralmente geravam respostas mais rapidamente, especialmente para pistas curtas. A programação de Watson impedia que ele tocasse o botão antes de estar confiante, mas ele tinha um tempo de reação mais rápido uma vez pronto e era imune a táticas psicológicas como pular de categoria. Em jogos simulados, os humanos usavam os seis a sete segundos que Watson precisava para processar pistas para decidir se tocavam o botão. O circuito eletrônico de Watson recebia o sinal de pronto e avaliava a confiança antes de tocar o botão, tornando sua reação mais rápida que a dos humanos, exceto quando eles antecipavam o sinal. Watson falava com uma voz eletrônica sintetizada a partir de gravações do ator Jeff Woodman para o programa de texto para fala da IBM.
Aplicações comerciais e desinvestimento
Em fevereiro de 2013, a IBM anunciou a primeira aplicação comercial de Watson: decisões de gerenciamento de utilização para tratamento de câncer de pulmão no Memorial Sloan Kettering Cancer Center, em conjunto com a WellPoint (agora Elevance Health). Em 2022, a IBM desinvestiu sua divisão Watson Health na Merative, que foi vendida para a Francisco Partners, uma empresa americana de private equity. A divisão custou US$ 4 bilhões para ser desenvolvida, mas foi vendida por US$ 1 bilhão. Até 2023, Watson resultou em uma perda de 10% do valor das ações da IBM, custando quatro vezes mais do que trouxe, e levando a demissões em massa. Apesar desses contratempos, Watson permanece um marco na história da inteligência artificial e do aprendizado de máquina.