热门问题
时间线
聊天
视角

華生 (人工智慧程式)

IBM開發的人工智慧電腦系統 来自维基百科,自由的百科全书

沃森 (人工智能程序)
Remove ads

華生(英語:Watson)是能夠使用自然語言來回答問題的人工智慧系統,[2]IBM公司的首席研究員大衛·費魯奇英語David Ferrucci所領導的DeepQA計劃小組開發並以該公司創始人托馬斯·J·華生的名字命名。[3][4]

Thumb
華生的頭像,靈感來自IBM智慧型地球英語Smarter Planet標誌[1]

2011年,華生參加綜藝節目《危險邊緣》來測試它的能力,這是該節目有史以來第一次人與機器對決。[3]2月14日至16日廣播的3集節目中,華生在前兩輪中與對手打平,而在最後一集裡,華生打敗了最高獎金得主布拉德·魯特爾英語Brad Rutter和連勝紀錄保持者肯·詹寧斯[5][6]華生贏得了第一筆獎金100萬美元,而肯·詹寧斯和布拉德·魯特爾分別只有30萬和20萬。賽後,詹寧斯和魯特表示將一半獎金用於慈善事業,IBM公司也將華生的獎金分給了兩家慈善機構。[7]

華生在比賽節目中按下訊號燈的速度始終比人類選手要快,但在個別問題上反映困難,尤其是只包含很少提示的問題。對於每一個問題,華生會在螢幕上顯示3個最有可能的答案。華生4TB磁碟內,包含2億頁結構化和非結構化的資訊,[8]包括維基百科的全文。[9]在比賽中華生沒有連結到網際網路。[10][11]

Remove ads

結構

Thumb
Watson中使用的IBM DeepQA的高級體系結構
The high-level architecture of IBM's DeepQA used in Watson[12]

華生是IBM製造的電腦問答(Q&A)系統。[2]IBM介紹時說「它是一個集進階自然語言處理訊息檢索知識表示、自動推理機器學習等開放式問答技術的應用」,並且「基於為假設認知和大規模的證據搜集、分析、評價而開發的DeepQA技術」。[2]

硬體

根據IBM的說法:

華生是一台專為複雜分析而最佳化設計的系統,整合大規模並列處理器POWER7英語POWER7和IBM DeepQA軟體使其能在3秒內回答危險邊緣的問題成為可能。華生是由90台IBM Power 750伺服器(還包括10個機櫃裡額外的輸入輸出埠、網路和叢集控制器節點)組成的叢集伺服器,共計2880顆POWER7處理器核心以及16TB主記憶體。每台Power 750伺服器使用一個3.5GHz、8核心,每核心4執行緒的POWER7處理器。只有POWER7處理器強大的平行計算能力才能勉強執行華生安裝的IBM DeepQA軟體。[13]

John Rennie說,華生每秒可以處理500GB的資料,相當於1秒閱讀100萬本書。[14]IBM研發負責人和進階顧問Tony Pearson估計華生的硬體花費近300萬美元,[15]其80 TeraFLOPs的處理能力在超級電腦世界500強排名第94,在超級電腦世界50強排名第49。[16]Rennie還說,比賽的資料是存放在華生的主記憶體中的,因為硬碟的存取速度太慢了。[14]

Remove ads

軟體

華生的軟體由數種不同語言寫成,包含JavaC++和Prolog等,並且採用Apache Hadoop框架分散式計算,還有Apache UIMA(Unstructured Information Management Architecture)框架、IBM DeepQA軟體和SUSE Linux Enterprise Server 11 作業系統[8][17][18]「……超過100項不同的技術被用在自然語言分析、來源辨識、尋找並生成假設、挖掘證據以及合併推翻假設。」[19]

資料

華生的資訊來源包括百科全書字典、詞典、新聞和文學作品。華生也使用資料庫分類學本體論。特別是DBpedia, WordNet,和Yago英語YAGO (database)[20]

IBM小組為華生提供數百萬的文件,其中包括字典、百科全書和其他能建立知識庫的參考材料。[11]儘管華生在比賽中沒有連結網際網路,[21]它4TB的磁碟上仍有2億頁結構化和非結構化的資訊供其使用,[8]其中包括了維基百科的全文。[9]

操作

Thumb
面對一個問題時,華生能同時執行成千上萬種演算法尋找答案,然後把這些答案匯合,並算出對每一個答案的確信程度。

危險邊緣遊戲中,所有選手(也包括華生),必須等到主持人將每個線索念完,然後就緒燈亮起,第一個按下搶答器按鈕的人可以獲得回答問題的機會。[11][23]華生像接收電子文字一樣得到這些線索的同時這些線索也顯示給人類選手[11]。然後它會將這些線索解析為不同的關鍵字和句子片段,這樣做是為了尋找統計相關詞組。[11]華生最革新的並不是在於全新的操作演算法,而是能夠快速同時執行上千的證明語言分析演算法來尋找正確的答案。[11][24]演算法找出的相同答案越多,華生就越肯定答案正確[11]。一旦華生發現一個潛在的解決方法,並且這個解決方法有效,它就會核對資料庫來確定答案[11]。在前20個問題中,人類選手搶答平均需要6~7秒,而華生視聽到線索來決定是否搶答。[11]在這段時間內,華生還必須評價反應和判斷對答案是否自信十足。[11]在危險邊緣比賽取得勝利的部分系統是用來接收「就緒」訊號和檢查華生是否有足夠的信心去按響搶答器的電路系統。由於電子訊號傳遞速度比人類反應速度快許多,華生的反應明顯比人類選手要快,但是人類選手會對就緒訊號燈亮起的時刻作出預測。[25]拿到搶答權後,華生將答案按危險邊緣的格式整理並用電子語音讀出[11]。華生的語音是演員傑夫·伍德曼(Jeff Woodman)錄製的,他參與了2004年IBM語音合成專案[26]

Remove ads

與人類選手比較

Thumb

華生的基本工作原則是解析線索中的關鍵字同時尋找相關術語作為回應。這使得華生與人類選手既有優勢又有劣勢[27]:華生不擅長理解線索之間的關聯。所以人類選手通常比華生更快生成思路,尤其當線索很少的的時候[11]。華生的程式不允許其使用在未確定答案前就按響搶答器這種大眾化戰術。[11]一旦生成了答案華生就會迅速反應,按下搶答器,而不會受到人類選手的心理戰術影響[11][28]

危險邊緣的工作人員使用了不同的手段來顯示華生和人類選手按下搶答器的狀態[25],但是卻一直備受爭議。[28]人類選手用的是一盞燈,他們需要0.1秒的時間來反應[29][30]。而華生使用的是電子訊號,能在8毫秒內(0.008秒)啟用搶答器[31]。人類選手嘗試要求補償知覺延遲造成的誤差[32],但兩者之間的反應時間差依舊是太大了[28]。因為華生並不需要估算就緒訊號何時到達[30][32]

參見

參考文獻

外部連結

Loading related searches...

Wikiwand - on

Seamless Wikipedia browsing. On steroids.

Remove ads