Watson揭示智慧计算未来：以自然方式与人交互的计算机

　　当IBM公司的计算机Watson在电视竞赛节目《Jeopardy！》中击败两名全能冠军后，这表明全球最聪明的计算机能够与两个真正聪明的人对决。Watson在该智力问答竞赛节目中的获胜，吸引了人们的注意，但目前，在我们寻找Watson在社会上的应用领域时，我们越来越清晰地发现，这些技术将主要被用于增强人类智慧，而不是与人类竞争，或者取代我们。

　　这不是人与机器对决，而是人和机器携手，共同应对挑战，以达成通过各自力量无法实现的更高目标。这种强大的全新强强联合的优势，在医药和健康领域的表现最为明显。具备“认知计算”能力的机器有潜力帮助医生诊断疾病，并且评估患者的最佳治疗方案。但是，要充分抓住这一机遇，机器必须经过专门的设计和训练，使其能够以最自然的方式与医生交互。

　　Michael Barborak在使用WatsonPaths

　　日前，在克利夫兰医疗中心医疗创新峰会上，IBM研究院Watson团队负责人Eric Brown演示了IBM与克利夫兰医疗中心的医生共同开发的一个技术项目，该项目旨在帮助医疗专业学生学像经验丰富的医生那样思考。这个项目名为WatsonPaths，是截止到目前计算机和人类联合思考的最好例证。

　　对我来说，Eric的演示标志着三年多辛苦工作的圆满完成。我是在《Jeopardy！》竞赛节目播出前的几个月，从一家数字营销机构加入IBM研究院的。我的工作是帮助开发Watson的现实世界应用。现在，我是Watson团队的自然语言工程经理。

　　在我加入团队时，我就明白：Watson技术必须经过调整才能在医疗、银行、零售、教育和其他业务与生活领域中使用。Watson的最初设计是在《Jeopardy！》节目中对准确的问题形成准确的答案，但世界的运行方式并非如此。要想在真实生活中使用，系统必须能够理解复杂的现实世界场景，这样才能帮助人们处理这些场景。因此，我们必须训练Watson使用其问答能力，例如在一个复杂场景中挑选一个选项，并将其细分为可理解的部分。系统必须能够发现显而易见的事实，形成假设，对假设进行验证，并且最终得出结论。因此，我们开发了一项名为Watson推理链系统 (WICS，Watson inference chaining system) 的技术来做到这一点。

　　在克利夫兰医疗中心，我们发现与我们的Watson推理链系统完美配合的方法，这帮助我们将其演变为一个称为WatsonPaths的应用。克利夫兰医疗中心的Lerner医学院采用基于问题的学习方法（problem-based-learning methods），向学生讲授如何像医生那样思考。通过采用医疗的现实场景，他们逐步学习医生评估患者状况并确定最佳治疗方案的每个流程。

　　我们看到将Watson和计算机虚拟化技术集成到这种训练方法中的潜力。 现在，借助WatsonPaths，学生们可以检查计算机提供的证据以及得出的推理。在他们使用系统时，得出最佳结论的路径会变得更加明显。设想一下：学生可以训练Watson系统，同时Watson系统帮助训练学生。这样做的目的是，有朝一日将这些能力整合到未来的Watson商用产品中。

　　我们在IBM研究院创建了WatsonPaths的一个版本，但我们认识到，要实现在现实生活中的应用，这项技术必须极为易于使用。我们需要优秀的图形用户界面。因此，我们请求位于纽约市的IBM设计实验室的人员提供帮助。一般来说，该团队开发网站和移动应用，以帮助开展营销活动。通过与我们和克利夫兰医疗中心的合作，该设计实验室团队为WatsonPaths设计了全新界面。

　　这只是Watson与真人交互的开始。将来，您可以预期认知系统能够与人进行书面和口头对话——甚至是辩论，所有这些旨在降低复杂度，使我们能够做出更明智的决策。

　　我在IBM研究院的同事Dario Gil设想了这样一个房间：一组人与认知系统进行交互，交互的方式是采用手势在屏幕上提供信息或洞察。根据Dario的想像，在这些场景中，每个人会以对他最有用的格式看到信息。系统将“看到”我们在看什么，并“听到”我们在说什么，而且他们将主动向我们提供有用的数据和建议。

　　凭借着在加盟IBM之前长达10年的数字营销专业人员的经验，我了解图形化呈现信息和交互能力的价值。但现在，对于认知计算领域的未来，我看到一场变革正在我面前展现。计算机有史以来第一次能够适应我们人类做事的方式，而不是我们去适应计算机。这将是一项重大的变革。

　　作者：Michael Barborak，非结构化语言工程经理，IBM研究院

关注读览天下微信， 100万篇深度好文， 等你来看……