211service.com
Hoe IBM van plan is te winnen Jeopardy!
Decennialang hebben mensen geworsteld om machines te maken die betekenis kunnen extraheren uit menselijke taal, met al zijn rommeligheid, subtiele context, humor en ironie. Traditionele benaderingen vereisen veel handmatig werk vooraf om materiaal begrijpelijk te maken voor computeralgoritmen. Het uiteindelijke doel is om deze stap overbodig te maken.
Wat is Watson? : IBM bereidt een computersysteem in natuurlijke taal voor dat zal strijden tegen mensen op TV's Jeopardy!, die wordt gehost door Alex Trebek.
IBM hoopt dit doel te bereiken met Watson, een computersysteem dat zal spelen Gevaar! , de populaire tv-trivia-spelshow, tegen menselijke deelnemers. Demonstraties van het systeem worden dit jaar verwacht, met een laatste wedstrijd op televisie, compleet met hosting door Alex Trebek, ergens volgend jaar. Vragen worden hardop uitgesproken door Trebek, maar tijdens de show in tekstformaat in de machine ingevoerd.
Het bedrijf heeft nog geen onderzoekspapers gepubliceerd waarin wordt beschreven hoe het systeem het zal aanpakken Gevaar! -stijlvragen. Maar David Ferrucci, de computerwetenschapper van IBM die de inspanning leidde, legt uit dat het systeem een vraag in stukjes breekt, in zijn eigen databases zoekt naar verwante kennis en vervolgens verbindingen maakt om een resultaat samen te stellen. Watson is niet ontworpen om op het web te zoeken, en het einddoel van IBM is een systeem dat het kan verkopen aan zijn zakelijke klanten die grote hoeveelheden informatie toegankelijker moeten maken.
Ferrucci beschrijft hoe de technologie het volgende zou aanpakken: Gevaar! -stijlvraag: het is de opera die wordt genoemd in de tekst van een nummer één-hit uit 1970 van Smokey Robinson and the Miracles.
De Watson-engine gebruikt natuurlijke taalverwerkingstechnieken om de vraag op te delen in structurele componenten. In dit geval bevatten de stukken 1) een opera; 2) de opera wordt genoemd in een lied; 3) het lied was een hit in 1970; en 4) de hit was van Smokey Robinson and the Miracles.
Bij het doorzoeken van zijn databases naar informatie die relevant kan zijn voor deze segmenten, kan het systeem honderden passages vinden. Dit kunnen de volgende drie zijn:
Pagliacci, de opera over een clown die zijn gevoelens verborgen probeert te houden;
Smokey Robinson's Motown-hitrecord van de ' 60s Tranen van een Clown;
Tears of a Clown by the Miracles bereikte in 1970 de #1 in het Verenigd Koninkrijk.
Door deze passages te analyseren, kan Watson Pagliacci identificeren als een opera, hoewel dit op zichzelf niet veel zou helpen, aangezien veel andere passages ook operanamen identificeren. Het tweede resultaat identificeert een hitrecord, The Tears of a Clown, van Smokey Robinson, die volgens het systeem waarschijnlijk hetzelfde is als Smokey Robinson and the Miracles. Veel andere songtitels zouden echter op een vergelijkbare manier worden gegenereerd. De kans dat het resultaat juist is, zou ook laag worden ingeschat, omdat het nummer wordt geassocieerd met de jaren '60 en niet met 1970. De derde passage versterkt echter het idee dat The Tears of a Clown in 1970 een hit was, mits het systeem stelt vast dat The Miracles naar hetzelfde verwijst als Smokey Robinson and the Miracles.
Vanaf de eerste van deze drie passages zou de Watson-motor weten dat: clowns is een opera over een clown die zijn gevoelens verbergt. Om de connectie met Smokey Robinson te maken, moet het systeem erkennen dat tranen sterk gerelateerd zijn aan gevoelens, en aangezien het dat weet clowns gaat over een clown die probeert zijn gevoelens verborgen te houden, hij vermoedt - correct - dat clowns is het antwoord. Natuurlijk kan het systeem nog steeds de verkeerde keuze maken, afhankelijk van hoe de verkeerde antwoorden worden ondersteund door het beschikbare bewijs, zegt Ferrucci.
Het is gemakkelijk, zegt Ferrucci, voor minder geavanceerde natuurlijke-taalsystemen om te concluderen dat The Tears of a Clown het antwoord is door het feit te missen dat het verzoek was om een opera waarnaar door dat nummer wordt verwezen. Een dergelijke conclusie kan worden getriggerd door passages met veel trefwoorden die overeenkomen met de vraag.
Marti Hearst , een computerwetenschapper aan de University of California, Berkeley, zegt dat er in het afgelopen decennium enorme vooruitgang is geboekt bij deze taak door onderzoekers op het gebied van natuurlijke taalverwerking. Ze voegt eraan toe dat IBM's Watson-systeem voor het beantwoorden van vragen het opneemt tegen de topmensen in een spel van Gevaar! is een leuke manier om deze vooruitgang bekend te maken en te demonstreren, maar ze wijst ook op het gebrek aan gepubliceerd onderzoek dat beschikbaar is voor onderzoek.
Ondertussen zal het Defense Advanced Research Projects Agency (DARPA) binnenkort de deelnemers aankondigen die zijn gekozen om deel te nemen aan een onderzoeksinspanning van vijf jaar gericht op het bevorderen van de staat van natuurlijke taalverwerking. Ik verwacht dat dit hele gebied de komende jaren aanzienlijk zal opwarmen, zegt Dan Weld, een computerwetenschapper aan de Universiteit van Washington, die een groep leidt die zich heeft aangemeld om deel te nemen aan de DARPA-inspanning.
Of IBM's Watson mensen verslaat op? Gevaar! volgend jaar zal het DARPA-project het veld zeker vooruit helpen, zegt Weld. Zoals DARPA opmerkte in zijn verzoek om onderzoeksvoorstellen, zijn de slimste taalverwerkingssystemen van vandaag eng gefocust, terwijl bredere systemen onnauwkeuriger zijn. De betrokkenheid van DARPA zal het onderzoek van veel mensen aan topuniversiteiten en onderzoekslaboratoria richten op geïntegreerde systemen die daadwerkelijk een breed scala aan documenten kunnen lezen, zegt Weld. De meeste huidige systemen pakken kleine stukjes van de puzzel aan.