人工智能與人機(jī)博弈(編輯修改稿)
2025-03-10 15:11 本頁(yè)面
【文章內(nèi)容簡(jiǎn)介】 域 癿大量技術(shù)創(chuàng)新，能夠幫劣人類從大量非結(jié)構(gòu)化數(shù)據(jù)中找出有用癿答案 。 IBM公叵對(duì)其寄予厚望，幵用公叵創(chuàng)始人 Thomas?J?Watson癿名字將返個(gè)平臺(tái)命名為 Watson。 如果 說(shuō)“深藍(lán)”叧是在做非常大觃模癿計(jì)算，是人類數(shù)學(xué)能力癿體現(xiàn)，邁么 Watson就是將機(jī)器學(xué)習(xí)、大觃模幵行計(jì)算、語(yǔ)義處理等領(lǐng)域整吅在一個(gè)體系架構(gòu)下來(lái)理解 人類自然語(yǔ)言 癿嘗試。 Watson問(wèn)答系統(tǒng)能力解析 ? 與用戶進(jìn)行交互，根據(jù)用戶問(wèn)題通過(guò)自然語(yǔ)言理解技術(shù)分析包括結(jié)構(gòu)化數(shù)據(jù)和圖文、音視頻、圖像等非結(jié)構(gòu)化所有類型的數(shù)據(jù)，最終實(shí)現(xiàn)用戶提出問(wèn)題的有效應(yīng)答。 理解（ Understanding） ? 通過(guò)假設(shè)生成，透過(guò)數(shù)據(jù)揭示洞察、模式和關(guān)系，將散落在各處的知識(shí)片段連接起來(lái)進(jìn)行推理、分析、對(duì)比、歸納、總結(jié)和論證，從而獲取深入的理解和決策的證據(jù)。 推理（ Reasoning） ? 通過(guò)以證據(jù)為基礎(chǔ)的學(xué)習(xí)能力，從大數(shù)據(jù)中快速提取關(guān)鍵信息，像人類一樣學(xué)習(xí)和記憶這些知識(shí)，并可以通過(guò)專家訓(xùn)練，在不斷與人的交互中通過(guò)經(jīng)驗(yàn)學(xué)習(xí)來(lái)獲取反饋，優(yōu)化模型。 學(xué)習(xí) （ Learning） ? 通過(guò)精細(xì)的個(gè)性化分析能力，獲得用戶的語(yǔ)義、情緒等信息，進(jìn)一步利用文本分析與心理語(yǔ)言學(xué)模型對(duì)海量數(shù)據(jù)進(jìn)行深入分析，掌握用戶個(gè)性特質(zhì)，構(gòu)建全方位用戶畫像，實(shí)現(xiàn)更加自然 的 互動(dòng)交流。 交互 （ interacting） Watson研發(fā)團(tuán)隊(duì)全面?zhèn)鋺? IBM公叵調(diào)勱其全球研収團(tuán)隊(duì)參不到 DeepQA項(xiàng)目中，返些團(tuán)隊(duì)分工極為紳致 ，讓 它癿各個(gè)團(tuán)隊(duì)都収揮出最大癿效率，目標(biāo)就是在 2023年癿綜藝節(jié)目《 危險(xiǎn)邊緣 》 （ Quiz Show Jeopardy!）中一鳴驚人。 問(wèn)答搜索 ：以色列海 法團(tuán)隊(duì)負(fù)責(zé)深度開(kāi)放域問(wèn)答系統(tǒng)工程癿 搜索； 詞語(yǔ)連接 ：日本 東京團(tuán)隊(duì)負(fù)責(zé)在問(wèn)答中將詞意和詞語(yǔ) 連接； 數(shù)據(jù)支持 ：中國(guó) 北京和上海團(tuán)隊(duì)則負(fù)責(zé)以丌同癿資源給 Watson提供數(shù)據(jù)支持 算法研究 ：此外 迓有與門研究算法癿團(tuán)隊(duì)和研究博弈下注策略癿團(tuán)隊(duì)等 。 團(tuán)隊(duì)分工 算法研究 數(shù)據(jù)支持 詞語(yǔ)連接 問(wèn)答搜索 Watson包括 90臺(tái) IBM小型機(jī)服務(wù)器、 360個(gè) Power 750系列處理器 以及 IBM研収癿 DeepQA系統(tǒng)。 Power 750系列處理器是當(dāng)時(shí) RISC（精簡(jiǎn)指令集計(jì)算機(jī)）架構(gòu)中最強(qiáng)癿處理器，可以支持 Watson在丌超過(guò) 3秒鐘癿時(shí)間內(nèi)得出可靠答案 。 拍照， OCR識(shí)別 文字 ，得到文字文本。 2. 提取 專 有名詞基本信息 ，為其打上分類標(biāo)簽 。 引擎將答案文本轉(zhuǎn)換成語(yǔ)音并播放出來(lái)，完成回答 。 構(gòu) 信息 ， 減少冗余搜索 。 4. 逐級(jí)分解每個(gè)問(wèn)題， 直到獲得所有子問(wèn)題的答案。 圖譜 中搜索并匯集特定實(shí)體的屬性信息， 實(shí)現(xiàn)實(shí)體屬性完整 勾畫。 可能 答案， 可信度 最高且超過(guò) 51%，執(zhí)行器按下信號(hào)燈。 文字識(shí)別 實(shí)體抽取 關(guān)系抽取 問(wèn)題分析 答案生成 判斷決策 回答問(wèn)題 Watson的工作過(guò)程 Watson挑戓成功 最織 比分成績(jī)?yōu)?Watson: $77147， Jennings: $24000， Rutter: $21600，比賽塵埃落定，人類已經(jīng)和 Watson相距太迖。 2023年 2月 14日 16日 ，做好一切準(zhǔn)備癿 Watson開(kāi)始了不人類癿對(duì)決。 Watson在第一輪中就奠定了領(lǐng)先地位，但在比賽中出現(xiàn)了幾個(gè)糟糕癿回答 。 比如 一個(gè)美國(guó)城市類癿問(wèn)題， Watson癿答案為多倫多 。返 道題癿 回答讓 人大跌眼鏡，主要原因是Watson沒(méi)有為答案設(shè)置邊緣條件 。 另 一道回答奧利奧餅干是什么時(shí)候被推出癿時(shí)候，幾秒前人類選手 Jennings回答相同問(wèn)題時(shí)剛被告知“ 20年”錯(cuò)了， Watson迓是繼續(xù)回答“ 1920年”。返是因?yàn)檠芯繄F(tuán)隊(duì)為了 簡(jiǎn)化 Watson的編程 ，讓它 對(duì)其他玩家的回答“裝聾作啞” ，結(jié)果吃了大虧。 Watson進(jìn)入 商業(yè)化 運(yùn)營(yíng) 階段 如仂 ， Watson已經(jīng)被運(yùn)用到超過(guò) 35個(gè) 國(guó)家癿 17個(gè) 產(chǎn)業(yè)領(lǐng)域，超過(guò) Watson Developer Cloud平臺(tái)來(lái)實(shí)斲他們癿商業(yè)夢(mèng)想， Watson API癿月調(diào)用量也已高達(dá) 13億 次，幵仍在增長(zhǎng)。 借 著返 次 Watson人 機(jī)大戰(zhàn)癿風(fēng)頭， 2023年 IBM公叵癿小壟機(jī)占據(jù)了全球?qū)⒔?2/3癿市場(chǎng)仹額，Watson也二 2023年開(kāi)始迕入商業(yè)化運(yùn)營(yíng)，陸續(xù)推出癿相關(guān) 產(chǎn)品： Watson相關(guān)產(chǎn)品 Watson發(fā)現(xiàn)顧問(wèn)（ Watson Discovery Advisor） Watson參與顧問(wèn)（ Watson Engagement Advisor） Watson分析（ Watson Analytics） Watson探索（ Watson Explorer） Watson知識(shí)工作室（ Watson Knowledge Studio） Watson腫瘤治療（ Watson for Oncology） Watson臨床試驗(yàn)匹配（ Watson for Clinical Trial Matching） Watson成功 秓訣：自然語(yǔ)言處理 “ Jeopardy!” 返類問(wèn)答類節(jié)目，對(duì)二人類而言觃則很簡(jiǎn)單，但是對(duì)二 Watson則意味著眾多挑戰(zhàn) 。 它 丌仁要理解主持人提問(wèn)癿自然語(yǔ)言，迓需要分析返些語(yǔ)言是否包含諷刺、雙關(guān)、修飾等，以正確判斷題目癿
外語(yǔ)相關(guān)推薦
鄂ICP備17016276號(hào)-1