Peter Cochrane's Blog: Elementary, my dear Watson

Skrevet på mitt LA-hotell og sendt til silicon.com senere samme dag via et LAN som gir treg ytelse.

En datamaskin har slått de beste av de beste menneskene i et panelspill.

Amerikanske medier blir begeistret når IBM Watson slår enhver menneskelig konkurrent på det populære spillprogrammet Jeopardy . Som alle spill viser, er grunnlaget enkelt: en vert stiller spørsmål og den raskeste konkurrenten til å trykke på en knapp og gi de mest korrekte svarene får flest antall poeng og gevinster.

For første gang har en maskin overtent de best-av-de-beste menneskelige spillerne. Å bygge en slik maskin er langt mer komplisert enn Deep Blue-serien til datamaskiner, som fokuserte helt på å spille sjakk og ingenting annet.

IBM Watsons ytelse på Jeopardy er langt mer sofistikert og etterlater Deep Blue i historiens støv. Et uspesifikt datasett adressert av naturlig språk, underlagt regionale forskjeller, slang og andre nyanser, innebærer mer enn bare ordgjenkjenning, semantikk, parsing, søk og finn. Watson må forholde seg til subtiliteten i språk og kontekst, og redegjøre for elementer som ironi, gåter, sarkasme og obskure forhold.

Du kan se IBM Watson seirer enn menneskelige deltakere på Jeopardy- spillshowet ved å klikke på YouTube-klippet ved foten av denne artikkelen Bildet: Engadget / YouTube

Inntil IBM Watsons seier over Jeopardy, var det bare mennesker som kunne takle alle dimensjonene til det naturlige språket og generelle datasett, inkludert lokale, regionale og globale variasjoner, formidling og skjult mening.

For fem år siden ble dette problemet ansett utover vår teknologi og kunnskap. Men akkurat som vi virkelig forstår at dataverdenen blir langt utenfor menneskelig forståelse, trer teknologien vår opp på tallerkenen med en evne vi sårt trenger.

Watson er ikke bare en dyp Q & A-maskin. Den omhandler også tillitsnivåer for all informasjon og svarene den gir. Dette ene elementet alene er noe mennesker iboende er veldig dårlige på og er sårt tiltrengt i alle samfunnslag - fra medisin, nyheter og næringsliv til politikk, vitenskap og teknologi.

Naturlig språkopplæring og enorme datamengder

For at Watson skal vinne mot menneskelige motstandere, trenger den tilgang til enorme datamengder. Det må oppleves - det vil si trent - i naturlig språk, raskt å søke, sortere, komponere og vurdere sannsynligheten for å ha rett, og enda raskere ved å trykke på en knapp.

Hvordan løste IBM-teamet alle problemene samtidig? De brukte multi-algoritmeløsninger, med uendelig testing, innstilling og opplæring og foredling i miljøet. Og det fungerte. Watson er veldig imponerende.

Så hva neste? Se for deg denne evnen i legenes hender. Bare tilgjengelig alle de medisinske dataene, søk i alle tilfeller - symptomer, diagnoser, medisiner, behandling og utfall - og se deretter et tillitsfigur for din diagnose og prognose. Hvor kraftig ville det nå være?

Når vi tenker bredere, kan denne teknologien revolusjonere call-center-virksomheten, for ikke å nevne alle søke-og-finne-funksjoner, pluss generelle spørsmål og svar-situasjoner.

Watson-lignende evne i skyen

Så når blir det på den bærbare datamaskinen? Aldri. Men den vil være i skyen snart, og vi - ja, alle sammen - vil bidra til dens evne når vi stiller spørsmålene og fôrer inn dataene og erfaringene våre.

Watson-lignende evner vil bli foredlet og utvidet av spørsmålene våre, innspill, funn og teknologiforbedringer. På sin side vil våre evner bli forbedret og foredlet av Watson-innspill og samarbeid.

Dette kan vise seg å være det ultimate partnerskap mellom menn og maskiner. Og tro meg, våre evner og vår fremgang vil bli enda et hakk etter hvert som antallet feilaktige eller dårlige beslutninger avtar og sløsing med alle ressurser blir drevet ned.

Video: Engadget / YouTube

© Copyright 2020 | mobilegn.com