211service.com
Hur IBM planerar att vinna Jeopardy!
I decennier har människor kämpat för att skapa maskiner som kan extrahera mening ur mänskligt språk, med all dess stökighet, subtila sammanhang, humor och ironi. Traditionella metoder kräver en hel del manuellt arbete i förväg för att göra materialet begripligt för datoralgoritmer. Det slutliga målet är att göra detta steg onödigt.
Vad är Watson? : IBM förbereder ett datorsystem på naturligt språk som kommer att tävla mot människor på TV:ns Jeopardy!, som är värd av Alex Trebek.
IBM hoppas kunna avancera mot detta mål med Watson, ett datorsystem som kommer att spela Jeopardy! , det populära tv-triviaspelet mot mänskliga tävlande. Demonstrationer av systemet förväntas i år, med en sista tv-sänd matchup – komplett med värd av showens Alex Trebek – någon gång nästa år. Frågor kommer att talas högt av Trebek men matas in i maskinen i textformat under showen.
Företaget har ännu inte publicerat några forskningsdokument som beskriver hur dess system kommer att hantera Jeopardy! -stilsfrågor. Men David Ferrucci, IBMs datavetare som leder arbetet, förklarar att systemet bryter en fråga i bitar, söker i sina egna databaser efter relaterad kunskap och sedan slutligen gör kopplingar för att sammanställa ett resultat. Watson är inte designad för att söka på webben, och IBMs slutmål är ett system som man kan sälja till sina företagskunder som behöver göra stora mängder information mer tillgänglig.
Ferrucci beskriver hur tekniken skulle hantera följande Jeopardy! -stil fråga: Det är operan som nämns i texten till en nummer ett hit från 1970 av Smokey Robinson and the Miracles.
Watson-motorn använder bearbetningstekniker på naturligt språk för att dela upp frågan i strukturella komponenter. I detta fall inkluderar styckena 1) en opera; 2) operan nämns i en sång; 3) låten var en hit 1970; och 4) träffen var av Smokey Robinson and the Miracles.
När man söker i sina databaser efter information som kan vara relevant för dessa segment kan systemet hitta hundratals passager. Dessa kan inkludera följande tre:
Pagliacci, operan om en clown som försöker hålla sina känslor gömda;
Smokey Robinsons Motown-hitrekord av ' 60s Tears of a Clown;
Tears of a Clown by the Miracles nådde #1 i Storbritannien 1970.
Genom att analysera dessa passager kan Watson identifiera Pagliacci som en opera, även om detta i sig inte skulle vara mycket hjälp, eftersom många andra passager också identifierar operanamn. Det andra resultatet identifierar en hitskiva, The Tears of a Clown, av Smokey Robinson, som systemet bedömer vara förmodligen samma sak som Smokey Robinson and the Miracles. Däremot skulle många andra låttitlar genereras på liknande sätt. Sannolikheten att resultatet är korrekt skulle också bedömas som låg, eftersom låten är förknippad med 60-talet och inte 1970. Den tredje passagen förstärker dock tanken att The Tears of a Clown var en hit 1970, förutsatt att systemet var bestämmer att The Miracles refererar till samma sak som Smokey Robinson and the Miracles.
Från den första av dessa tre passager skulle Watson-motorn veta det clowner är en opera om en clown som döljer sina känslor. För att skapa kopplingen till Smokey Robinson måste systemet inse att tårar är starkt relaterade till känslor, och eftersom det vet att clowner handlar om en clown som försöker hålla sina känslor gömda, den gissar – rätt – det clowner är svaret. Naturligtvis kan systemet fortfarande göra fel val beroende på hur fel svar kan stödjas av tillgängliga bevis, säger Ferrucci.
Det är lätt, säger Ferrucci, för mindre sofistikerade naturliga språksystem att dra slutsatsen att The Tears of a Clown är svaret genom att missa det faktum att begäran gällde en opera som den låten refererar till. En sådan slutsats kan utlösas av passager som har många nyckelord som matchar frågan.
Marti Hearst , en datavetare vid University of California, Berkeley, säger att enorma framsteg har gjorts med denna uppgift under det senaste decenniet av forskare inom bearbetning av naturliga språk. Hon tillägger att ställa IBM:s Watson frågesvarssystem mot de bästa människorna i en omgång Jeopardy! är ett roligt sätt att publicera och visa upp dessa framsteg, men hon noterar också bristen på publicerad forskning tillgänglig för granskning.
Samtidigt kommer Defense Advanced Research Projects Agency (DARPA) snart att meddela vilka deltagare som valts ut att delta i en femårig forskningssatsning som syftar till att förbättra tillståndet för bearbetning av naturliga språk. Jag förväntar mig att hela det här området kommer att värmas upp avsevärt under de närmaste åren, säger Dan Weld, datavetare vid University of Washington, som leder en grupp som har ansökt om att få delta i DARPA-satsningen.
Huruvida IBMs Watson slår människor på eller inte Jeopardy! nästa år kommer DARPA-projektet säkert att driva fältet framåt, säger Weld. Som DARPA noterade i sin begäran om forskningsförslag är dagens smartaste språkbehandlingssystem snävt fokuserade, medan mer brett fokuserade system är mer oprecisa. DARPA:s engagemang kommer att fokusera forskningen hos många människor vid toppuniversitet och forskningslabb för att driva på integrerade system som faktiskt kan läsa ett brett spektrum av dokument, säger Weld. De flesta nuvarande system hanterar små delar av pusslet.