深藍餘波未盡，沃森熱浪又起。超級計算機係統再次與人類對決，究竟誰能獲勝?剛剛結束的美國智力競賽節目《危險邊緣》的人機對戰中，IBM超級計算機係統沃森戰勝了人類冠軍!沃森是20多名IBM研究人員4年心血的結晶
，正是他們突破性地給予了沃森理解自然語言和精確回答問題的能力，才將人工智能推向新的階段。 所以，盡管沃森取得了比賽的勝利，但是人類才是最終的智者。

　　“在20年前
，可能所有人都會認為機器在智力問答中戰勝人類是不可能的。”圖靈獎獲得者、斯坦福大學人工智能專家Edward Feigenbaum就曾發出這樣的感歎。但是
，今天它變成了現實!

　　在美國家喻戶曉的電視智力競賽節目《危險邊緣( Jeopardy!)》中
，IBM超級計算機係統沃森(WATSON)在北京時間2月17日上午戰勝了該節目有史以來最優秀的兩位人類冠軍Ken和Brad，圓滿結束了這場曆時三天的人機大戰。

　　相較1997年nian人ren機ji大da戰zhan第di一yi役yi中zhong的de主zhu角jiao深shen藍lan
，沃wo森sen可ke謂wei是shi另ling一yi個ge裏li程cheng碑bei式shi的de超chao級ji計ji算suan機ji係xi統tong。和he它ta的de前qian輩bei相xiang比bi，沃wo森sen的de計ji算suan能neng力li已yi不bu可ke同tong日ri而er語yu，更geng大da 的(de)差(cha)異(yi)還(hai)在(zai)於(yu)它(ta)們(men)所(suo)應(ying)對(dui)的(de)算(suan)法(fa)挑(tiao)戰(zhan)。第(di)一(yi)次(ci)人(ren)機(ji)大(da)戰(zhan)，深(shen)藍(lan)對(dui)國(guo)際(ji)象(xiang)棋(qi)的(de)精(jing)熟(shu)曾(zeng)讓(rang)世(shi)人(ren)震(zhen)驚(jing)
，因(yin)為(wei)國(guo)際(ji)象(xiang)棋(qi)定(ding)義(yi)明(ming)確(que)
，主(zhu)要(yao)涉(she)及(ji)數(shu)學(xue)方(fang)麵(mian)的(de)處(chu)理(li)能(neng)力(li)，計(ji)算(suan)機(ji)可(ke)以(yi) 輕易計算每一個遊戲狀態及相應步驟。然而，《危險邊緣》節目中的智力問答，則要求計算機必須理解人類的語言。與國際象棋不同，人類語言是完全開放式的，往 往模棱兩可，需要上下文才能理解其意思。雖然IBM的研究人員可以輕鬆理解人類語言，但開發理解人類語言的超級計算機係統卻極具挑戰性。

　　盡管存儲了大量的百科全書和其他信息，但《危險邊緣》的問題並不會讓沃森輕易地找到答案
，因為尋找答案從來不是計算機的強項。搜索引擎沒法回答 wenti，zhinenggeichufuhesousuoguanjiancidechengqianshangwangesishierfeidekenengdaan，erwosenyaotongguogezhongbutongdesuanfaduisuoyoudehouxuandaanqudegengduodezhengjuzhichi，zaigenjuzhengjudeqiangduduimeige 候hou選xuan答da案an給gei出chu其qi置zhi信xin度du
，最zui後hou根gen據ju置zhi信xin度du來lai決jue定ding是shi否fou向xiang用yong戶hu提ti供gong置zhi信xin度du最zui高gao的de唯wei一yi答da案an。這zhe一yi過guo程cheng是shi極ji其qi複fu雜za的de，因yin此ci需xu要yao動dong用yong幾ji千qian個ge處chu理li器qi的de超chao級ji計ji算suan機ji來lai處chu理li一yi 個問題。

　　wosenxuyaozhangwodaliangdezhishi，bingzaixiangguanhebuxiangguandexinxizhongfaxianxiansuo。duijisuanjilaishuo
，zheshiyigejudadetiaozhan。yinweirenleikeyizaishunjianbianbiechushiwuzhijiandelianxi，danshidiannaoquebixubingxingdikaolvsuoyoushiqing，congerdechujielun。

　　這次人機大戰
，沃森勝利了。這意味著IBM掌握了對人類信息需求和問題給予更準確響應的技術能力
，並預見到了這個領域存在巨大商機。這項成果還 將被廣泛應用於多個領域，例如更快
、更準確地進行醫療診斷，研究潛在的藥物交互作用，幫助律師和法官尋找案例，在金融領域實現“假設”場景分析和法規遵 從
，幫助公司培養更精明的銷售人員……沃森的出現
，顛覆了此前簡單的人機關係，並將帶來一個嶄新的人機合作時代。

　　沃森善思

　　盡管IBM沃森項目語義分析部門負責人David Ferrucci表示：“我們的目標並不是模擬人類大腦，而在於開發一台能更好地理解並通過語言與用戶交流的計算機，它理解和交流的方式並不需要與人一 樣。”不過


，我們仍然希望知道沃森到底是如何思考問題的，它思考問題的過程和人類有什麼區別?

　　沃森首先要理解問題。一個問題可能有多種理解，沃森會針對不同的理解
，在存儲的信息裏尋找可能的答案;而這又會得到多個答案
，對於每個答案，沃 森需要研究相應的證據;因為證據的數量是龐大的，所以沃森需要為所有的答案根據其證據的關聯強度進行比較和排除;最後，根據其答案的信心級別決定是否向外 提供答案。

　　最了不起的是，沃森是一個能夠與人類回答問題的能力相匹敵的超級計算機係統
，具有足夠的速度、精確度和可信度
，並且能使用自然語言回答問題。而 duirenleiziranyuyandelijie
，yeshichaojijisuanjixitongsuoyaojiejuedehexinwenti
，tebieshiruhegengkuaidiliyonggezhongfeijiegouhuahejiegouhuadezhishilaibangzhuqijinxingziranyuyandelijie。zheqizhongsheji 到語義分析處理、計算機自學習能力
、大規模並行計算等多個領域
，IBM把這些技術整合在一個體係架構下，幫助沃森來應對自然語言理解的巨大挑戰。

　　理解自然語言

　　沃森的問世與三大領域的進步密不可分：計算機自然語言的進步

、巨大的計算能力
、海量的數字化全球信息。

　　沃(wo)森(sen)的(de)第(di)一(yi)大(da)突(tu)破(po)正(zheng)是(shi)，在(zai)回(hui)答(da)以(yi)自(zi)然(ran)語(yu)言(yan)提(ti)出(chu)的(de)針(zhen)對(dui)各(ge)個(ge)知(zhi)識(shi)領(ling)域(yu)的(de)問(wen)題(ti)方(fang)麵(mian)取(qu)得(de)的(de)巨(ju)大(da)成(cheng)功(gong)。自(zi)然(ran)語(yu)言(yan)是(shi)人(ren)類(lei)實(shi)際(ji)使(shi)用(yong)的(de)語(yu)言(yan)，包(bao)含(han)雙(shuang)關(guan)語(yu)、俚語
、 行話
、縮寫，甚至在錯誤語境中使用的詞彙。計算機非常擅於計算，但是自然語言具有模糊
、與語境高度相關、模棱兩可
，甚至不嚴密等特點，特別是《危險邊緣》 節目的設計
，向IBM研究人員提出了更大的挑戰。這項比賽的題目涉及各個知識領域，需要分析人類語言中微妙的含義
、諷刺口吻、謎語等，這些通常是人類擅長 的方麵

，而計算機對此則毫無優勢。沃森的DeepQA(深度開放域問答係統)采用突破性分析技術，能夠理解問題的內容
，分析海量的信息，然後根據它找到的 證據，給出最佳答案。

　　精確回答問題

　　沃森的第二大突破在於，它通過高級分析技術對信息需求和問題給予更準確的響應。在《危險邊緣》的比賽中，有一個問題是“一種出現在14世紀的有色彩的瘟疫
，後被阿瑟·米勒改寫成了著名戲劇”，其正確答案應該是《推銷員之死》。

　　dangwosenbeiwendaoyigewentideshihou，shubaizhongsuanfahuitongguobutongdefangshiduiwentijinxingfenxi，binggeichukenengdedaanyijixuanzetamendezhengju
，erzhexiefenxidoushitongbujinxingde。dui yumeigehouxuandaan，wosendouhuizhaochuzhichiyijifanduizhegedaandezhengju。yinci
，zheshangbaigedaanzhongdemeiyigeyoudouhuiyoushubaitiaozhengju，ranhouyoushubaizhongsuanfaduizhexiezhengjuzhichidaandechengdu 進(jin)行(xing)評(ping)估(gu)。證(zheng)據(ju)評(ping)估(gu)的(de)結(jie)果(guo)越(yue)好(hao)，置(zhi)信(xin)度(du)也(ye)就(jiu)越(yue)高(gao)，其(qi)中(zhong)置(zhi)信(xin)度(du)最(zui)高(gao)的(de)一(yi)個(ge)答(da)案(an)會(hui)最(zui)終(zhong)成(cheng)為(wei)被(bei)沃(wo)森(sen)挑(tiao)中(zhong)的(de)答(da)案(an)。在(zai)比(bi)賽(sai)中(zhong)

，如(ru)果(guo)置(zhi)信(xin)度(du)最(zui)高(gao)的(de)答(da)案(an)沒(mei)有(you)達(da)到(dao)或(huo)超(chao)過(guo)閥(fa) 值，它可能會根據情況決定不進行搶答
，以免輸掉獎金。這所有的一切計算

、選擇與決策，都必須在三秒鍾之內完成。

　　中國團隊的分析力量

　　值得一提的是
，在研製沃森的全球團隊中，IBM中國研究院的團隊也是重要的力量。IBM美國總部的研究團隊主要研究如何利用非結構化知識源來進 xingtongjihefenxi，pojieduirenleiyuyanjinxinglijiedenanti。danshi
，yanjiurenyuanduicongfeijiegouhuazhishiyuanzhongsuohuodezhishidezhunquexinghekekaoxing，tongchanghennanbawo，erjiegouhuazhishiyuanzenenggoutigong 一個互補的幫助。中國團隊的任務之一，就是盡可能利用結構化的知識來幫助沃森回答問題
，更準確地評估答案的可靠性。

　　IBM研究院沃森團隊的高級經理潘越表示：“在計算機科學和人工智能領域，即使是針對一個固定結構的完全可靠的知識，如何用它來回答自然語言的 提問也仍然是一個難題。”最zui重zhong要yao的de是shi，如ru何he理li解jie問wen題ti，並bing在zai大da量liang的de結jie構gou化hua知zhi識shi中zhong根gen據ju問wen題ti定ding位wei答da案an並bing評ping估gu其qi可ke靠kao性xing。其qi中zhong一yi個ge重zhong要yao的de內nei容rong就jiu是shi評ping估gu答da案an的de類lei型xing與yu問wen 題所問的類型是否匹配，這樣就可以幫助沃森排除那些“愚蠢”的答案。。

　　但是

，這種類型的排斥和重疊不是絕對的。例如
，問：鄧布利多教授的哪個學生打敗了伏地魔?問題所問的類型是“學生”。這就需要評估“哈利·波 特”是“學生”類(lei)型(xing)的(de)可(ke)靠(kao)性(xing)。這(zhe)對(dui)人(ren)來(lai)說(shuo)輕(qing)而(er)易(yi)舉(ju)
，而(er)對(dui)於(yu)計(ji)算(suan)機(ji)來(lai)說(shuo)就(jiu)需(xu)要(yao)在(zai)各(ge)種(zhong)結(jie)構(gou)化(hua)知(zhi)識(shi)中(zhong)進(jin)行(xing)匹(pi)配(pei)。例(li)如(ru)，在(zai)電(dian)影(ying)數(shu)據(ju)庫(ku)中(zhong)會(hui)發(fa)現(xian)，這(zhe)是(shi)電(dian)影(ying)名(ming)稱(cheng)也(ye)是(shi)角(jiao) 色名稱;在小說數據庫中會發現，這是小說名稱;可是很難找到一個列有世界上所有學生名稱的數據庫。因此在結構化知識中
，“哈利·波特”的類型不包括“學 生”。在這種困難的情況下，算法一方麵要避免給沃森錯誤的信號，另外一方麵
，甚至要告訴沃森結構化知識不排除“哈利·波特”是“學生”的可能

，因為“角 色”類型和“學生”類型是有重疊的。

　　神秘的自學習能力

　　對(dui)人(ren)類(lei)來(lai)講(jiang)，最(zui)重(zhong)要(yao)的(de)是(shi)大(da)腦(nao)儲(chu)存(cun)的(de)知(zhi)識(shi)
，而(er)對(dui)計(ji)算(suan)機(ji)而(er)言(yan)，就(jiu)是(shi)後(hou)台(tai)的(de)數(shu)據(ju)庫(ku)了(le)。如(ru)果(guo)沃(wo)森(sen)可(ke)以(yi)像(xiang)人(ren)類(lei)一(yi)樣(yang)具(ju)有(you)自(zi)我(wo)學(xue)習(xi)的(de)能(neng)力(li)，也(ye)能(neng)通(tong)過(guo)讀(du)書(shu)、看報、瀏覽互聯網獲得新的知識

，那麼計算機將變得更加智能。

　　對計算機自我學習能力的研究，是計算機科學和人工智能領域的一個重要課題。令人驚喜的是，沃森目前已經具備了一定的學習能力。《危險邊緣》節目 的“粉絲”創(chuang)建(jian)和(he)維(wei)護(hu)了(le)大(da)量(liang)的(de)關(guan)於(yu)該(gai)節(jie)目(mu)的(de)數(shu)據(ju)
，其(qi)中(zhong)就(jiu)包(bao)括(kuo)所(suo)有(you)往(wang)期(qi)節(jie)目(mu)的(de)問(wen)題(ti)和(he)答(da)案(an)。如(ru)何(he)讓(rang)沃(wo)森(sen)從(cong)往(wang)期(qi)節(jie)目(mu)的(de)問(wen)題(ti)和(he)答(da)案(an)中(zhong)學(xue)習(xi)提(ti)高(gao)
，是(shi)研(yan)發(fa)過(guo)程(cheng)中(zhong)的(de)一(yi)個(ge) 關鍵。

　　據潘越介紹，每次沃森在分析和解答往期問題時，都會產生大量的數據。有的時候，一次實驗就會產生幾百GB的數據
，中國團隊試驗和研究了各種不同 的數學模型和方法

，並把它們應用到實際數據中。其中，中國團隊關於“兩階段”的學習方法被證明十分有效
，全球團隊還把這一方法擴展成複雜的多階段學習，應 用在沃森項目中，極大地提高了它的學習能力。

　　不bu過guo，目mu前qian沃wo森sen還hai是shi得de依yi靠kao專zhuan家jia來lai決jue定ding收shou錄lu何he種zhong信xin息xi源yuan
，因yin為wei互hu聯lian網wang具ju有you海hai量liang的de信xin息xi
，這zhe些xie信xin息xi源yuan良liang莠you不bu齊qi，信xin息xi的de完wan整zheng性xing和he可ke靠kao度du也ye很hen難nan保bao證zheng。目mu前qian沃wo 森還沒有自動評估信息源可靠度的能力，而是依靠專家來決定收錄何種信息源
，當然這也是因為涉及到信息源的版權問題。IBM研究人員期望，將來沃森可以根據 問wen題ti的de類lei型xing，來lai自zi動dong評ping估gu信xin息xi源yuan的de相xiang關guan度du和he可ke靠kao度du，從cong而er自zi己ji決jue定ding是shi否fou收shou錄lu。這zhe樣yang將jiang它ta連lian入ru互hu聯lian網wang

，就jiu可ke以yi很hen快kuai更geng新xin知zhi識shi，提ti高gao解jie決jue問wen題ti的de能neng力li。

　　沃森其“人”

　　雖然沃森能在智力問答中挑戰人類
，但它與人類依舊有很多區別。不妨讓我們看看，超級計算機係統和人類相比的優劣勢。

　　性格激進

　　和人類相比，沃森最缺少的是什麼?毫無疑問是人類特有的性格要素和情感。如果非要沃森有所表示，隻能看到它在比賽過程中，一直在動態變化的圖 表biao。觀guan眾zhong可ke以yi從cong中zhong看kan到dao沃wo森sen對dui答da案an的de自zi信xin程cheng度du
，數shu字zi閾yu值zhi將jiang決jue定ding它ta是shi否fou回hui答da問wen題ti。環huan繞rao中zhong央yang核he心xin的de彩cai線xian和he思si維wei射she線xian在zai不bu停ting根gen據ju遊you戲xi過guo程cheng中zhong發fa生sheng的de情qing況kuang
，改gai變bian顏yan色se和he變bian 換速度。例如，當沃森覺得對答案充滿信心，射線會變為綠色;答錯時，射線則會變為橙紅色，這也許可以代表沃森“臉紅了”。當沃森回答某個問題時，觀眾會看 到圖表動畫的速度明顯加快，表明它正在努力思考。

　　從某種角度講，沃森也有自己的“性格”。它回答問題的聲音是頗具磁性的男士嗓音，在麵對不同獎金選擇題目的分值時
，它的行為表現也和普通人不 tong
，wosendezhanshuxiangdangjijin。biru，tayikaishikenengjiuhuixuanzejiangjinshuejiaodadewenti，yinweitahaowurenleidexinliyali，erqiezheyanghaihuigeitaderenleiduishoudailaigengdadeyali。

　　膽大心細

　　雖然沃森的戰術激進，但它卻從不魯莽行事。這是因為
，在IBM沃森項目組中，專門有策略團隊負責研究博弈與投注策略。《危險邊緣》的遊戲規則相 當複雜
，例如組別不同、wentifenzhibutong
，dacuoyaokoufen，youdewentikeyirangxianyoufenzhishuangbeizengjia，erzuihouyigewentizekezixingtouzhu，zuigaokeyuxianyoufenzhixiangdeng，keweibubujingxian， 翻盤機會甚多。比如進行到決賽的最後一題需要自行投注時
，由於沃森已經領先兩名人類選手較高分值，所以它就“膽小”地選擇了很小的投注額
，恰好這個問題它 huidacuowu，koufenhouyeweinengyingxiangbisaijieguo。youru
，yibanqingkuangxia，wosenzhiqiangdajieguogaoyuxinxijibiefazhidewenti，danshidangbifenluohoudeqingkuangxia，tayehui“大膽”回答信心級別低 的問題。在第二天的比賽中就有這樣一個問題：

　　問：2003年這個古老的“Lion of Nimrud”在這個城市的國家博物館被偷，一起丟失的還有很多其他東西。(文化組別題
，還是複式下注題)

　　答：巴格達。(這就是正確答案)

　　點評：此題沃森答案的置信度隻有32%
，但由於得分並不領先，所以它還是搶答了這道題。互聯網中關於“Lion of Nimrud”(象牙浮雕藝術品)隻有很少的網頁提及，而包含正確答案巴格達的網頁則更少。沃森在沒有聯網的情況下，居然根據很少的信息準確找到了答案， 得到了讓人驚喜的結果。

　　由此可見，沃森確實“膽大心細”。精確的計算為沃森取得勝利提供了重要的策略支持，而人類選手基本不可能在短時間內綜合計算出精確投注分數。

[page_break]

　　語文欠佳

　　wosenzaiyuyilijieshangxiangbiqitajisuanjihuodelezhongdatupo，tanenggouchulihenduonanti
，rujuyoushuangguanyudewentihezimileidewentideng。danshi
，zhegecongmingdejiqi，yijiuwufayurenleixiangbi，yinweirenleideyuyantianfushiyushengjulaide。

　　沃森的短板在於對語義的理解上，尤其是在《危險邊緣》這zhe樣yang複fu雜za的de智zhi力li比bi賽sai中zhong
，與yu語yu言yan相xiang關guan的de問wen題ti，它ta回hui答da的de準zhun確que度du遠yuan比bi不bu上shang其qi他ta組zu別bie的de問wen題ti。比bi如ru，沃wo森sen在zai第di一yi天tian的de比bi賽sai中zhong
，就jiu一yi連lian答da錯cuo了le數shu個ge與yu語yu言yan有you關guan的de問wen題ti。

　　問：來自拉丁語，意思是“end”，火車也可以從這裏出發。

　　答：finis(正確答案是英文單詞terminal)

　　點評：問題裏麵包含了多條線索

，沃森隻能利用拉丁語“end”這條線索，而起到關鍵性作用的“火車也可以從這裏出發”卻沒有用到，沃森把帶雙引號的詞作為更重要的線索了。

　　“聾盲”沃森

　　沃森在功能上聽不到

、看不見，它不能回答以往《危險邊緣》中(zhong)以(yi)音(yin)頻(pin)或(huo)視(shi)頻(pin)呈(cheng)現(xian)的(de)問(wen)題(ti)，為(wei)此(ci)在(zai)沃(wo)森(sen)參(can)與(yu)的(de)遊(you)戲(xi)中(zhong)這(zhe)些(xie)都(dou)被(bei)放(fang)棄(qi)了(le)。特(te)別(bie)是(shi)與(yu)人(ren)類(lei)的(de)主(zhu)觀(guan)體(ti)驗(yan)相(xiang)關(guan)的(de)問(wen)題(ti)
，沃(wo)森(sen)還(hai)難(nan)以(yi)應(ying)對(dui)。在(zai)第(di)一(yi)場(chang)的(de)題(ti)目(mu)中(zhong)就(jiu)有(you)這(zhe)樣(yang)一(yi)題(ti)：

　　問：這是生理的奇觀，1904年，美國體操運動員George Eyser贏得了雙杠的金牌。

　　答：腿。(正確答案是他少了一條腿)

　　點評：這是一道最高獎金1000美元的問題。Ken搶到了第一次，但“他隻有一支手”的答案是錯的。沃森搶到了第二次，回答的是“腿”，但卻不 是“少了一條腿”。因為“奇聞”是一個比較主觀的詞
，對於缺少主觀意識的計算機來說，理解奇聞的確切意義是不容易的。他不僅需要知道Eyser少了一條 腿，還需要知道這是一件奇聞，這是很困難的。

　　沃森闖關

　　圖靈測試，這是人工智能之父——阿蘭·圖靈在1950年的著名論文《機器能思考嗎》中
，提出的一種測試計算機人工智能的方法。這篇論文第一次提 出“機器思維”的概念

，並提出一個假想：即一個人在不接觸對方的情況下，通過一種特殊的方式，和對方進行一係列的問答
，如果在相當長的時間內
，他無法根據 這些問題判斷對方是人還是計算機，那麼就可以認為這個計算機具有同人類相當的智力。沃森贏得了比賽勝利，它能通過圖靈測試嗎?答案就在《危險邊緣》決賽的 智力問答中。

　　問：第一個現代的填字遊戲發布&奧利奧餅幹出現。(年代類別題)

　　答：1920年。(正確答案是1910年)

　　點評：其實，Ken第一次搶答的答案就是1920年
，主持人已經表示錯誤
，這樣沃森才獲得了再次搶答的機會，但它居然又把錯誤答案重複了一遍。 對人類來說，這是不可能出現的情況。但由於IBM研究人員在設計沃森的時候，認為分析對手的錯誤答案是沒有必要的，所以沃森不能“聽到”或“看到”Ken 之前的錯誤答案，導致它出現了這樣的低級錯誤。難怪沃森回答問題的時候總是“旁若無人”。

　　問：彭布羅克學院和伊曼紐爾學院的小禮堂是這個建築師設計的。(劍橋類別題)

　　答：克裏斯托弗·雷恩。(這就是正確答案)

　　點評：答案本身並無可非議
，關鍵在於這是一個可以複式下注的題目。不同於人類的是，沃森下的賭注是6435美元，以至於現場的觀眾都笑了起來。 要yao知zhi道dao，人ren類lei下xia注zhu一yi般ban更geng喜xi歡huan用yong整zheng數shu
，很hen少shao精jing確que到dao個ge位wei，而er沃wo森sen則ze使shi用yong了le一yi個ge數shu學xue模mo型xing來lai計ji算suan如ru何he冒mao最zui小xiao的de風feng險xian獲huo得de最zui大da的de收shou益yi。這zhe也ye體ti現xian了le計ji算suan機ji和he人ren類lei的de不bu同tong。

　　問：這座城市的最大機場是以二戰中一個英雄的名字命名的，而它的第二大機場則是以二戰中一場戰役的名稱命名的。(美國城市類別題。是第一場比賽的《最終危險邊緣》題目，不少選手可以借助這樣的賽點翻盤)。

　　答：多倫多。(正確答案是芝加哥，多倫多是加拿大城市)

　　點評：沃森給出了一個可笑的答案

，以致主持人在第二場比賽的開場白中打趣地說道：“感謝沃森讓多倫多加入到了美國城市的行列。”引起現場一片笑聲。的確，在美國民眾看來，這是一般人類不會出現的常識性錯誤。

　　IBM研發人員分析認為，沃森答錯有以下幾點原因：第一，這道題在美國城市類別中，而題目本身並沒有提到美國城市一詞。《危險邊緣》的類別經常 不能給任何提示，因此IBM研究人員將其作為重要性很低的線索
，但恰恰這道題中類別是重要的限製條件;第二，也許隻有沃森知道，美國的確有叫多倫多的地 方，還不止一個
，隻不過沒有大到有機場的地步
，但這成了沃森答題的“噪音信息”;第三，沃森也沒有找到足夠的證據將城市機場和二戰關聯起來。

　　由此可見，雖然沃森在比賽中獲勝，並以大比分超出人類冠軍;雖然沃森可以接受人類自然語言，並能夠用磁性的男聲搶答問題，但是它仍然會犯人類認為很簡單的錯誤。

　　鏈接

　　真正的沃森

　　IBM超級計算機係統"沃森"以 IBM 創始人 Thomas J. Watson 的姓氏命名。雖然在比賽中它以"智慧地球"的形象出現在舞台上
，但舞台背後的機房中，擁有多個龐大的機身的設備才是沃森的本來"麵目"。

　　它通過 10 台由 IBM POWER7 係統組成的冰箱大小的機架提供動力
，運行 Linux 操作係統，包含 15 TB 內存和 2880 個處理器內核
，運行速度高達 80 Teraflops，即每秒執行 80 萬億次浮點計算。沃森能夠快速回答棘手的問題完全得益於采用了 IBM POWER 7 係統作為分析引擎。POWER7 係統經過專門的工作負載優化，能夠同時處理大量信息並且運行數千個分析任務
，以便跟上參賽者的速度，通過分析微妙的含義、諷刺口吻、謎語等理解線索並提供 準確的答案。沃森能夠在不到三秒鍾的時間內研讀存儲在內存中的約 2 億頁自然語言內容(相當於100萬本書)，並找到問題的確切答案。

　　為什麼還是IBM?

　　1997年IBM深藍戰勝卡斯帕羅夫
，2011年IBM沃森贏得《危險邊緣》大賽，這並非偶然。從上個世紀40年代到80年代
，人工智能曾一度 beirenweishiweilaijisuanjidezhigaodian，wushuzhuanjiaxuezhetouruqizhong
，danshizhongmeiyouhuodetupo。zaimanchangdedichaoqizhong，duoshushangyegongsitingzhileduirengongzhinengdeyanjiu，danIBM卻是少數堅持 投入的企業之一。

　　它還是一家專注未來20 年創新的公司，每年都要投入約 60 億美元用於研發和聘請全球頂級研究人員。在分析能力方麵，IBM在過去 4 年投資超過 110 億美元
，進行了20 餘次收購;超過200名IBM研究院的數學家在專門從事分析工作;迄今為止，IBM 已收到近500項與分析相關的專利。分析能力正是沃森核心的DeepQA所需的技術基礎。IBM預計在 2015 年之前將在業務分析及優化方麵創造160 億美元的收入
，此次“沃森”的成功無疑將為IBM回報更多的社會和商業價值。