Watson
- 简单来说，Watson能够支持如下方面，包括但不限于
- 外文名
- Watson
- 智力游戏
- 危险边缘
- Jeopardy
- 2011年2月14日
- 目 的
- 认知计算
- 创始人
- Thomas J. Watson[2]
目录
Watson 属于超级计算机，具有精细的个性化分析能力，它能利用文本分析与心理语言学模型对海量社交媒体数据和商业数据进行深入分析，掌握用户个性特质，构建360度个体全景画像。
简单来说，Watson能够支持如下方面，包括但不限于：
理解自然语言
大数据的理解和分析
动态分析各类假设和问题
精细的个性化分析能力
在相关数据的基础上优化问题解答
在短时间内提炼洞察、发现新的运行模式
在迭代中学习，探索优化的解决方案
云端开发平台，支持生态发展
Watson 与自然语言处理技术结合起来，随着时间的推移，学会如何识别你想用来解决某个问题的正确数据源，学会如何推荐改善数据之道来获取更好的结果。IBM开始将人工智能领域与商业分析融合在同一个平台上，那就是Watson分析的产品线。
Watson已经被运用到超过35个国家的17个产业领域。例如，在医疗保健方面，它可以作为一种线上工具协助医疗专家进行疾病的诊断。医生可以输入一系列的症状和病史，基于Watson的诊断反馈，来做出最终的诊断并制定相关的治疗计划。对于零售商来说，他们可以利用这项技术，帮助消费者更高效的找到他们想要的商品。对于旅行者来说，他们可以通过这项技术制定最可行的度假计划或出行路线。
IBM和软银机器人控股公司（SBRH）合作推出了基于Watson CCP的智能机器人Pepper，它可以与人类正常沟通，可识别文字、图像和语音，通过行业定制化，可以在银行服务台、餐饮、零售、酒店、医疗接待等领域为人类提供智能的信息化服务。
P53 是与许多癌症有关的一种重要蛋白质，迄今已有 70,000 篇有关这种蛋白质的论文。贝勒医学院研究院表示，即使科学家一天阅读五篇论文，也要花 38 年时间来全面了解这种蛋白质。然而，通过贝勒医学院和 IBM的合作，在几个星期的时间内，生物学家和数据科学家使用贝勒知识集成工具包 (KnIT) ，在Watson技术的基础上，准确地识别了可修改 P53的蛋白质，最终提高了药物和其他疗法的效果。 这种自动化分析引导贝勒医学院癌症研究人员确定了七种潜在蛋白质，作为新研究的目标。考虑到过去三十年科学家们平均每年才取得一个类似的靶蛋白发现，这一结果十分醒目。
IBM与医疗技术与服务公司美敦力（Medtronic）在糖尿病管理方面展开深入合作，通过Watson的认知计算服务，现已达到了一个关键的里程碑，目前正在测试的一个糖尿病管理应用程序，可以提前三小时预测低血糖事件，以让糖尿病患者有充足的时间采取行动，降低不必要的发病损害。
家用电器厂商惠而浦（Whirlpool）与IBM合作，实现家用电器的物联网与高级服务。IBM的Watson服务包括认知分析、数据管理和保护，从而可以让惠而浦能及时了解用户的习惯 ，更有前瞻性的服务于他们的客户。比如根据用户使用烤箱的习惯（食物喜好、营养状态等），来为其提供定制化的健康食谱。
体育用品公司安德玛（Under Armour）与IBM合作开发了一款名为“UA Record”，相当于个人健身的数字化助理，它将汇总安德玛全球1.6亿用户的相的健身与健康数据（如睡眠、健身、活动和营养等），为用户提供健身指导（比如推荐符合某一健身指标的运动）。
IBM通过收购The Weather Company，利用后者的天气数据，将为更多企业提供更加精准的天气信息，帮助企业节省成本，提升效率和效益。比如，一家物流公司通过获取IBM的精确天气数据，能够提前知道某些区域是否会出现恶劣天气，包括恶劣天气的具体情况，以此来改变运输车队的路线和行程， 避免恶劣天气造成的损失。同样的方法还能够应用于航空公司、销售等。
2011年，Watson参加综艺节目危险边缘（Jeopardy）来测试它的能力，这是该节目有史以来第一次人与机器对决。2月14日至16日广播的3集节目中，Watson在前两轮中与对手打平，而在最后一集里，Watson打败了最高奖金得主布拉德·鲁特尔和连胜纪录保持者肯·詹宁斯。Watson赢得了第一笔奖金100万美元，而肯·詹宁斯和布拉德·鲁特尔分别只有30万和20万。赛后，詹宁斯和鲁特表示将一半奖金用于慈善事业，IBM公司也将Watson的奖金分给了两家慈善机构。
Watson在比赛节目中按下信号灯的速度始终比人类选手要快，但在个别问题上反映困难，尤其是只包含很少提示的问题。对于每一个问题，Watson会在屏幕上显示3个最有可能的答案。Watson 4TB磁盘内，包含200万页结构化和非结构化的信息，包括维基百科的全文。在比赛中Watson没有链接到互联网。
在Watson分析问题并确定最佳解答的过程中，运用了先进的自然语言处理、信息检索、知识表达和推理和机器学习技术。Watson依靠核心的IBMDeepQA技术，来生成假设、收集大量证据、并进行分析和评估。Watson通过加载数以百万计的文件，包括字典、百科全书、网页主题分类、宗教典籍、小说、戏剧和其他资料，来构建它的知识体系。
搜索引擎的工作方式是，理解问题，并给出大量相关文档作为解答；与搜索引擎不同，用户可以用自然语言向Watson提出问题，Watson则能够反馈精确的答案。从解答的过程来看，Watson通过使用数以百计的算法，而非单一算法，来搜索问题的候选答案、并对每个答案进行评估打分，同时为每个候选答案收集其他支持材料，并使用复杂的自然语言处理技术深度评估搜集到的相关材料。当越来越多的算法运算的结果聚焦到某一个答案时，这个答案的可信度就会越高。Watson会衡量每个候选答案的支持证据，来确认最佳的选择及其可信度。当这个答案的可信度达到一定的水平时，Watson就会将它作为最佳答案呈现出来。
Watson 需要先学习新主题，然后才能回答这个主题的相关问题。
将所有相关材料加载到Watson 中，比如 Word 文档、PDF 和网页
添加配对问题和答案，就该主题对Watson 进行训练
出现新的信息时，Watson 会自动更新
Watson 会搜索数百万个文档，从中找出数千条可能答案
收集证据，然后使用评分算法评估证据的质量
根据对支持性证据的评分排列所有可能答案
从底层技术上来说，Watson 从一开始到现在都是由 DeepQA 驱动。简而言之，DeepQA 是一套集分析、推理与提供答案的复杂软件架构，这套架构能够读取数百万文本数据，再通过自然语言处理技术产生答案，最后根据问题的情景作出回答。正是这套架构支撑了 Watson的发展。2012年的时候，Watson 可以在每秒钟完成 80亿次计算。
尽管 IBM 并未借助 Watson 卖出更多硬件，但 Watson 的形状还是发生了很大的变化：从有 10 台冰箱那么大变成四个披萨盒子大小。而且，用户也可以通过平板电脑、智能手机与 Watson 连接。相比于初代产品， 2012 年的 Watson 在性能上有 240% 的确提升，并且能够处理 28 种不同类型的数据，远远超过上代的 5 种。
2013 年，Watson 的 API 开源，现在则集成到了 IBM 的 Bluemix里，开发者可以通过这个平台，借助 Watson 构建一系列人工智能的应用。
而对于 Watson 最重要的一步则是 2014 年，当时， IBM 投资 10 亿美金成立了 IBM Watson 业务集团，这家公司拥有超过 2000 名员工，将全面运作 Watson 的研究和商业化事宜。这也成为 Watson 快速成长的开始，并且帮助 IBM 将认知计算带入主流科技媒体的口头禅里。
到了 2016 年，Watson 在诸多领域有了自己的根据地，比如财务顾问、自动客服代表等等，然而我们还是有必要再去看看四年前 Watson 第一份职业——医生助理——到底干的如何？
Watson 已经将医疗方面的工作交给了 Watson 健康部门。这从另一个侧面也展示出 Watson 自 2012 年以来在医疗领域的良好态势。2012 年以来，Watson 与克利夫兰诊所合作的进展并不多。直到 2014 年，克利夫兰诊所医疗创新峰会上，IBM 宣布肿瘤专家已经开始使用 Watson 去分析基因数据和医疗数据之间的关系，以更好的形成个性化的治疗方案。
2015年5月，根据 BI 的一篇报道，Watson 很可能已经能够让肿瘤专家“上传肿瘤病人的 DNA 指纹图到系统里，Watson 根据这个数据，快速甄别出哪一个基因可能引发突变，从而确定针对这些可能突变的药物。”
另一个案例，东京大学的研究者利用 Watson 成功治愈了一个 60 岁的白血病患者，其做法就是将该病人的基因数据与数以万计的医疗文献做对比，形成针对该患者的定制医疗方案。另据 36kr 的报道，21家本土医院计划使用经由纪念斯隆-凯特琳癌症中心（Memorial Sloan Kettering Cancer Center）训练的IBM Watson肿瘤解决方案（IBM Watson for Oncology），帮助医生为病人提供更好的个性化肿瘤治疗方案。
尽管上述进展喜人，但在整个医疗行业，类似这样的做法还非常少。2015年，iEEE 记者 Brandon Keim 在一篇文章里分析了几个原因，比如 Watson 需要适应医院特殊的工作环境，这要花费不少的时间去真对医疗环境下的特定任务和工作场景训练 Watson。
但这个训练过程非常漫长和艰苦。首先，要有一大批计算机科学家和医生、药剂师收集一个参考数据库，并加入病例学习，然后询问上千个问题。事实上，Watson 并不会自我学习，他给出的错误答案会被研究者们评估，再手动调整 Watson 的算法，保证最后输出的答案是有价值的。
医疗领域的信息更新速度非常快，同时不同信息之间可能存在冲突，这也让 Watson 在快速回答问题之前必须更快地评估各类信息的价值，区分不同情况，作出更精确的判断。
Watson 在医疗行业的缓慢成长无法满足人们对于人工智能给人类健康带来巨大提升的期望。事实上，医疗领域的人工智能几乎与个人计算机一起出现在20世纪的 70 年代，但现在来看，所谓人工智能驱动的个性化治疗，还有很长一段路要走。
对目前的 Watson 来说，必须紧跟当下人工智能发展的步伐。2012 以来，深度学习成为人工智能领域最热门的算法，尤其是深度学习可以实现自我学习——非监督学习。比如，Google的 AlphaGo （
2014年9月，IBM发布了Watson Analytics。Watson Analytics实现了基于自然语言的认知服务，可以为商务人士即时提供预测和可视化分析工具。Watson Analytics于2014年末推出基于云服务的免费增值应用版本(Freemium Version)，可在电脑及移动设备上使用。
Watson Analytics可提供自助式分析功能，包括数据访问、数据清洗、数据仓库，帮助企业用户获取和准备数据，并基于此进行分析、实现结果可视化，为使用者采取有效行动和开展进一步交互提供基础和便利。
IBM Watson Analytics使用自然语言，凭借预测性分析进行交互，能够理解用户提出的问题，比如：哪些关键因素驱动了我们产品的销售？哪些福利能够最大程度地留住员工？哪些交易最有可能达成？
IBM Watson Analytics适合于企业营销、销售、运营、金融和人力资源等数据密集型部门，可以将企业专业人士的工作环节：数据准备、预测分析和可视化呈现等实现自动化。以下三项创新可降低执行高级分析对于技能的需求：
单一商业分析体验：与如今适合不同种类分析和数据任务的分析工具不同，Watson Analytics能够在云环境中结合一组完整的自助式服务企业数据和分析功能。企业专业人士提出他们的问题，然后Watson Analytics帮助他们采集、提取并且精简数据，发现洞察，预测成果，执行可视化，创建报告或仪表板，并且实现协作。
引导式预测分析：Watson Analytics包含预测分析功能，自动挖掘出相关度最高的事实，并且揭示无法预料的各种模式和关系。这种流程会激发新的问题和更好的洞察，指导用户留意自身业务中至关紧要的变化趋势。
自然语言对话：Watson Analytics采用企业和员工使用的语言，人们简单输入他们想说的话即可；Watson Analytics得出的结果，能够解释事件发生的原因以及未来可能发生的趋势，这些会全部采用符合企业人士理解的语言描述。随着企业专业人士与这些结果的互动，他们可以持续对提出的问题加以微调，从而把握事件的关键。
IBM信息和分析集团高级副总裁Bob Picciano表示：“Watson Analytics为帮助企业人士而生。从在路上奔波的销售人员到公司的CEO，都需要了解模式、寻求创意、提高各方面决策能力。Watson Analytics消弭了获取洞察的阻碍，他们所寻求的答案、期待的分析、需要的数据形式尽在眼前。Watson驱动的分析能力可以放大人类的认知能力，结合大数据的潜力以及计算机、智能手机和其它设备的云规模交付能力，形成一次重大的转型。”
Watson Analytics的企业用户能够即时获得根据其自身特定角色产生的个性化业务场景。用户不用再遴选大量数据、搜索答案或者检验假设条件时无序摸索，可更专注于理解业务，与股东沟通这些结果。
大多数分析产品都会假设用户的数据已经做好分析的准备，对所需的分析类型、构建分析模型的技能和时间具有清晰的概念。然而，大部分企业用户对这些都一无所知。数据准备和加载工作在分析项目中会占用60%或更多的时间。然后企业用户会竭力理解相关的分析，并且思考如何用报告或图表来进行描述。Watson Analytics所做的，就是将这些步骤实现自动化处理，加快用户获得答案的速度。
IBM Watson Analytics还具有自然语言处理能力。当企业用户提出恰当的问题，Watson Analytics所给出的答案就是与业务相关、提问者可以读懂并且能够基于这轮回答继续进行交互的。随着用户与结果的交互，他们可以持续对问题和数据加以微调，从而挖掘出相关度最高的事实，并且揭示无法预料的各种模式和关系，从而为所有级别的用户提供预测式决策能力。
Watson Analytics可以在云环境中交付统一的分析和数据体验。如同其它IBM云解决方案一样，它会托管在SoftLayer之上，通过IBM Cloud Marketplace推出。IBM还会通过IBM Bluemix提供Watson Analytics服务，让开发者和ISV能够在他们开发的应用中发挥Watson Analytics的能力。
2016年11月，据华尔街日报报道，IBM在旧金山举行了首届沃森（Watson）开发者大会，吸引了大约1300位软件开发者的参与。该公司在大会上展示了其人工智能软件作为编程基础的用途。
2011年，沃森在电视智力竞赛节目“Jeopardy”中击败两位人类冠军，因而声名鹊起。后来，IBM将该项技术应用于帮助医生诊断和治疗癌症。沃森现已进化成为基于互联网提供仿人对话、视觉和学习功能的一套软件，IBM想要吸引更多的软件开发者将其计算机智能技术整合到它们自有的程序当中。
其它开发人工智能引擎的公司专注于将它们嵌入自家的产品，而IBM则采取平台战略，提供十多款能够单独或者联合使用的服务。IBM的CEO吉尼·罗曼提（Ginni Rometty）2016年11月9日在丘吉尔俱乐部活动上表示，“如果你要建造一个平台，那你就得给软件开发者提供某种他们在其它地方得到的东西。”
沃森吸引了传统大公司和服务提供商的软件开发者，如提供受软件控制的互联网电话技术的Twilio。如今，IBM将触角伸向想要基于沃森打造新业务的开发者。
IBM沃森副总裁兼首席技术官罗伯·海伊（Rob High）说道，该大会将有助于IBM“进一步深入开发者金字塔。”
在大会上，该公司推出了Project Intu，该实验性系统旨在让程序员能够更容易将沃森服务嵌入机器人、可穿戴产品和移动设备。举例来说，它让开发者能够更容易地给机器人编制响应路线指引请求的程序。
IBM还没有在财报中单独列出沃森的营收状况，因而还不清楚该项技术的创收能力。除了沃森之外，该公司的认知解决方案业务还包括其它的业务线。该业务2016年第三季度实现营收42亿美元，同比增长4.5%。
人工智能正不断普及。据市场研究公司IDC估计，到2018年，将有大约75%的软件开发团队在应用程序或者服务中嵌入人工智能技术，高于去年预测的50%。
尽管IBM在人工智能领域的主要竞争对手都以专有服务形式来包装各自的技术，如亚马逊的Alexa和苹果的Siri，但它们也将其技术提供给独立的软件开发者。例如，亚马逊的Alexa语音服务让开发者将语音识别和自然语言理解技术带到有麦克风和扬声器的联网设备。2016年6月，苹果也宣布将让开发者使用其Siri虚拟助手，在他们的程序中嵌入语音控制技术。
附件列表
故事内容仅供参考，如果您需要解决具体问题
（尤其在法律、医学等领域），建议您咨询相关领域专业人士。