¡Cómo IBM planea ganar Jeopardy!

Durante décadas, los humanos han luchado por crear máquinas que puedan extraer significado del lenguaje humano, con todo su desorden, contexto sutil, humor e ironía. Los enfoques tradicionales requieren una gran cantidad de trabajo manual desde el principio para hacer que el material sea comprensible para los algoritmos informáticos. El objetivo final es hacer que este paso sea innecesario.

¿Qué es Watson? : IBM está preparando un sistema informático en lenguaje natural que competirá contra los humanos en Jeopardy !, de televisión, que está alojado por Alex Trebek.

IBM espera avanzar hacia este objetivo con Watson, un sistema informático que jugará ¡Peligro! , el popular programa de televisión de trivia, contra concursantes humanos. Se esperan demostraciones del sistema este año, con un enfrentamiento final televisado, completo con el anfitrión del programa Alex Trebek, en algún momento del próximo año. Trebek hará las preguntas en voz alta, pero se introducirán en la máquina en formato de texto durante el espectáculo.

La compañía aún no ha publicado ningún artículo de investigación que describa cómo abordará su sistema ¡Peligro! -preguntas de estilo. Pero David Ferrucci, el científico informático de IBM que lidera el esfuerzo, explica que el sistema rompe una pregunta en pedazos, busca en sus propias bases de datos conocimientos relacionados y finalmente hace conexiones para ensamblar un resultado. Watson no está diseñado para buscar en la Web y el objetivo final de IBM es un sistema que pueda vender a sus clientes corporativos que necesitan hacer que grandes cantidades de información sean más accesibles.

Ferrucci describe cómo la tecnología manejaría lo siguiente ¡Peligro! Pregunta de estilo: es la ópera mencionada en la letra de un éxito número uno de 1970 de Smokey Robinson and the Miracles.

El motor Watson utiliza técnicas de procesamiento de lenguaje natural para dividir la pregunta en componentes estructurales. En este caso, las piezas incluyen 1) una ópera; 2) la ópera se menciona en una canción; 3) la canción fue un éxito en 1970; y 4) el golpe fue de Smokey Robinson and the Miracles.

Al buscar en sus bases de datos información que pudiera ser relevante para estos segmentos, el sistema podría encontrar cientos de pasajes. Estos podrían incluir los siguientes tres:

Pagliacci, la ópera sobre un payaso que intenta ocultar sus sentimientos;

Motown de Smokey Robinson alcanzó el récord de ‘ Lágrimas de payaso de los sesenta;

Tears of a Clown by the Miracles alcanzó el número uno en el Reino Unido en 1970.

Al analizar estos pasajes, Watson puede identificar a Pagliacci como una ópera, aunque esto por sí solo no sería de mucha ayuda, ya que muchos otros pasajes también identifican nombres de ópera. El segundo resultado identifica un disco de éxito, Las lágrimas de un payaso, de Smokey Robinson, que el sistema considera probablemente lo mismo que Smokey Robinson y los milagros. Sin embargo, muchos otros títulos de canciones se generarían de manera similar. La probabilidad de que el resultado sea exacto también se consideraría baja, porque la canción está asociada con los años 60 y no con los 1970. El tercer pasaje, sin embargo, refuerza la idea de que Las lágrimas de un payaso fue un éxito en 1970, siempre que el sistema determina que Los Milagros se refiere a lo mismo que Smokey Robinson y los Milagros.

Desde el primero de estos tres pasajes, el motor Watson sabría que payasos es una ópera sobre un payaso que esconde sus sentimientos. Para establecer la conexión con Smokey Robinson, el sistema debe reconocer que las lágrimas están fuertemente relacionadas con los sentimientos y, dado que sabe que payasos trata sobre un payaso que intenta ocultar sus sentimientos, adivina, correctamente, que payasos es la respuesta. Por supuesto, el sistema aún podría tomar la decisión incorrecta dependiendo de cómo las respuestas incorrectas puedan estar respaldadas por la evidencia disponible, dice Ferrucci.

Ferrucci dice que es fácil para los sistemas de lenguaje natural menos sofisticados llegar a la conclusión de que Las lágrimas de un payaso es la respuesta al pasar por alto el hecho de que la solicitud era para una ópera a la que hacía referencia esa canción. Tal conclusión podría desencadenarse por pasajes que tienen muchas palabras clave que coinciden con la pregunta.

Marti Hearst , un científico informático de la Universidad de California en Berkeley, dice que los investigadores en el procesamiento del lenguaje natural han logrado un tremendo progreso en esta tarea en la última década. Ella agrega que enfrentar el sistema de respuesta a preguntas Watson de IBM contra los mejores humanos en un juego de ¡Peligro! es una forma divertida de publicitar y mostrar este progreso, pero también señala la falta de investigaciones publicadas disponibles para su examen.

Mientras tanto, la Agencia de Proyectos de Investigación Avanzada de Defensa (DARPA) pronto anunciará los participantes elegidos para participar en un esfuerzo de investigación de cinco años destinado a mejorar el estado del procesamiento del lenguaje natural. Espero que toda esta área se caliente significativamente en los próximos años, dice Dan Weld, un científico informático de la Universidad de Washington, que dirige un grupo que ha solicitado participar en el esfuerzo de DARPA.

Ya sea que Watson de IBM venza o no a los humanos en ¡Peligro! El próximo año, el proyecto DARPA seguramente impulsará el campo hacia adelante, dice Weld. Como señaló DARPA en su solicitud de propuestas de investigación, los sistemas de procesamiento de lenguaje más inteligentes de la actualidad tienen un enfoque limitado, mientras que los sistemas con un enfoque más amplio son más imprecisos. La participación de DARPA centrará la investigación de muchas personas en las mejores universidades y laboratorios de investigación para impulsar sistemas integrados que realmente puedan leer una amplia gama de documentos, dice Weld. La mayoría de los sistemas actuales abordan pequeñas partes del rompecabezas.

esconder