2011年2月，IBM的沃森（Watson），，一款在DeepQA项目下开发的计算机系统，，参加了美国智力竞赛节目《危险边缘》（Jeopardy!），与两位最成功的冠军布拉德·鲁特（Brad Rutter）和肯·詹宁斯（Ken Jennings）同台竞技。沃森赢得了100万美元的头奖，展示了人工智能和自然语言处理领域的重大进展。该系统以IBM创始人托马斯·J·沃森（Thomas J. Watson）命名，由首席研究员大卫·费鲁奇（David Ferrucci）领导，代表了问答技术的一个里程碑。
沃森被设计用于回答以自然语言提出的问题，这一任务需要理解上下文、歧义和细微差别。与早期依赖关键词匹配的系统不同，沃森结合了机器学习、信息检索和自动推理来生成并评估假设。其架构使其能够处理大量非结构化数据，并实时产生自信且准确的回答。
开发与架构
沃森的研发始于2006年，作为IBM DeepQA项目的一部分，目标是打造一个能在《危险边缘》中达到最高水平的系统。该软件基于Apache UIMA框架构建，并使用多种编程语言编写，包括Java、C++和Prolog。它运行在SUSE Linux Enterprise Server 11上，并使用Apache Hadoop进行分布式计算。
该系统采用了100多种不同技术来分析语言、识别来源、生成假设和评估证据。这些技术包括统计解析、语义分析和知识表示。沃森还整合了策略模块，例如一个基于置信度分数计算最终《危险边缘》下注金额的模块，以及一个使用贝叶斯推理来估计每日双倍（Daily Double）概率的模块。一个两层神经网络，类似于TD-Gammon中使用的网络，在发现每日双倍时决定下注金额。
硬件与性能
沃森的硬件是一个由九十台IBM Power 750服务器组成的集群，每台配备3.5 GHz POWER7八核处理器，每核四个线程。该配置提供了2，880个处理器线程和16太字节（TB）内存。系统每秒可处理500吉字节（GB）数据，相当于约一百万本书，其Linpack性能为80太拉弗洛普（teraflops）。在《危险边缘》比赛期间，所有内容都存储在内存中，因为硬盘访问速度太慢。
硬件成本估计约为三百万美元。沃森的设计优先考虑并行处理和快速数据检索，使其能够在几秒钟内分析数百万份文档，包括百科全书、词典和新闻文章。
《危险边缘》竞赛
在《危险边缘》竞赛中，沃森面对的是布拉德·鲁特（他在节目中赢得了超过300万美元）和肯·詹宁斯（他保持着最长连胜纪录）。该赛事由两集组成，于2011年2月播出。沃森的表现因其稳定的抢答速度和基于置信度的信号而引人注目。它在抢答时能比人类反应更快，尽管有时会在简短线索上犹豫。
沃森的策略包括在确信答案之前避免抢答，这降低了错误回答的风险。它还使用J! Archive的历史数据来预测每日双倍的位置。尽管偶尔出错，沃森仍以决定性优势获胜，赢得100万美元，而詹宁斯和鲁特分别获得30万美元和20万美元。
后续影响与遗产
这场胜利凸显了人工智能在现实应用中的潜力。2013年2月，IBM宣布了沃森的首个商业应用：与WellPoint（现为Elevance Health）合作，协助纪念斯隆·凯特琳癌症中心（Memorial Sloan Kettering Cancer Center）的肺癌治疗决策。这标志着从游戏节目成功向医疗保健实际应用的转变。
然而，沃森的商业之路面临挑战。2022年，IBM剥离了其Watson Health部门，该部门以约10亿美元出售给Francisco Partners，而其开发成本为40亿美元。到2023年，沃森已导致IBM股价下跌10%，并引发大规模裁员。尽管遭遇这些挫折，沃森仍影响了后续的人工智能研究和发展，特别是在大型语言模型和生成式人工智能方面。
与人类选手的比较
沃森的方法不同于人类认知。它解析关键词并搜索相关术语，但缺乏深层的上下文理解。人类在简短线索上能更快生成回答，但沃森在抢答器上具有更快的反应时间，并且不受心理战术影响。其电子语音由演员杰夫·伍德曼（Jeff Woodman）的录音合成，以《危险边缘》的问题格式给出回答。
这场比赛表明，人工智能可以在需要快速信息检索和决策的任务中表现出色，但也揭示了其在理解细微差别和上下文方面的局限性。这些见解指导了后来在深度学习和Transformer架构方面的努力，这些架构此后显著推动了该领域的发展。