1700517739
1700517740
2011年1月，拉特和詹宁斯在两天多的时间里勇敢地与“华生”决战。由于无法将电脑硬件设备搬到电视演播室，节目的拍摄工作不得不在位于纽约州约克城高地的IBM研究实验室进行。除了地点不一样外，节目一切如常，主持人亚历克斯·特里贝克（Alex Trebek）像往常一样主持节目并发问。节目在全美电视网上播出，让所有人看到了人类被机器超越。
1700517741
1700517742
开局阶段，人类选手发挥得不错，并在一段时间内保持了领先，但最终还是不敌IBM算法的威力。要赢得比赛不仅仅要擅长回答问题，有时也需要一定的策略：参赛者可以在最后一个题目上下赌注，这使得落后的选手有可能在最后一题时将手里的钱数翻倍，从而赢得比赛。正因为如此，“华生”也分出了一部分算力，来确保它能有效地运用所有数学技能进行下注。
1700517743
1700517744
“华生”在比赛中似乎有一个不公平的优势：抢答器。按照规则，只有先按下抢答器的选手才有资格回答问题。一开始“华生”被允许使用电子信号的方式按抢答器，而不是像人类那样按下实物按钮。但人们很快意识到，这将给“华生”带来巨大的优势。因此，在发现这个漏洞之后，“华生”就需要激活一个机械手指来按下按钮了。虽然这样使“华生”的速度稍慢了一点，但它在这方面仍然比人类快得多。就像詹宁斯说的：“如果你想赢，那么抢答器就是一切。”问题是“华生”每次都能在微秒级精确地按下抢答器。在这方面，人类的反应能力和计算机电路相比差远了。其实，这其中也有一定程度的运气因素：答题的过程中在题板上会给出所谓的“双赌法”[3] ，“华生”很幸运地在比赛中选到了。如果人类选手运气好的话，究竟鹿死谁手还不得而知呢。
1700517745
1700517746
尽管“华生”赢得了比赛，但它确实犯了一些很明显的、常识性的错误。例如，比赛中有一题是猜美国的一座城市，题面是：该城市最大的机场是以一位二战英雄的名字命名；该城市第二大机场以二战的一场战役命名。人类做出的正确回答是“芝加哥”，而“华生”却回答“多伦多”。多伦多是加拿大的一座城市，连美国的边都不挨呀！
1700517747
1700517748
负责研发“华生”的IBM研究员大卫·费鲁奇（David Ferrucci）说：“对于当时所发生的我们也了解得不够。现实状况是这样，有很多数据的标题是美国的城市，但内容确实是其他国家、欧洲城市、人物、官员……也就是说，尽管‘华生’认为某名称是美国的城市，但我们对其判别的数据特征是存疑的。”值得称道的是，“华生”也对答案不那么确定，它在自己的答案之后加上了一串问号。这个问题是需要下注的，在下注的环节，“华生”依然对自己的答案表示不那么确定，所以它下了很小的赌注。
1700517749
1700517750
在最后一个问题提出时，当时“华生”很明显已取得了胜利，故詹宁斯在回答“布拉姆·斯托克”后紧接着补充道：“欢迎我们的新电脑霸主。”这是在模仿《辛普森一家》中的桥段，该桥段是对1977年的一部B级电影——《蚂蚁帝国》（改编自H.G.威尔斯（H.G.Wells）的作品）的恶搞（该电影中的一个角色以这种方式屈服于一只巨大的昆虫）。
1700517751
1700517752
显然，“华生”并没弄明白这种幽默。
1700517753
1700517754
[1] 哥伦比亚广播公司的益智问答游戏节目，已有数十年历史。该节目以一种独特的问答形式进行，问题涵盖的知识面非常广，涉及历史、文学、艺术、流行文化、科技、体育、地理、文字游戏等领域。与一般的问答节目相反，《危险边缘》以答案的形式提问、提问的形式作答。参赛者需具备广泛的文化知识，还得解析隐晦含义、反讽与谜语等，而电脑并不擅长进行这类复杂的思考。——译者注
1700517755
1700517756
[2] “Watson”曾被译为“华生”。——译者注
1700517757
1700517758
[3] 通常指在赛马博彩中，选择两场次指定的比赛都胜出即为赢的押注法。——译者注
1700517759
1700517760
1700517761
1700517762
1700517764
天才与算法：人脑与AI的数学思维 “华生”的工作模式
1700517765
1700517766
要解释“华生”的工作原理，最好的方法就是请你想象一个巨大的场景，其中有单词、名字和其他可能的答案，它们散布在各处。IBM所做的第一步是以某种连贯的方式排列单词；第二步是理解每个问题，并为该问题生成候选位置标记。
1700517767
1700517768
这个场景不同于你从窗口望出去所看到的三维世界的样子，而是一个复杂的数学场景：不同的特定属性由不同的维度衡量，这些特定的属性将决定一个单词所拥有的特性和品质。识别和选择这些特性和品质是一门艺术，例如某个词可能与地理或年代具有很强的关联，抑或与艺术或体育相关。当然，它也可能与几个不同的性质相关，在这种情况下，它的位置将被定位在这几个相关的属性之下。例如，爱因斯坦会演奏小提琴，那么他就会被定位于“科学家”和“音乐家”这两个方向。但你不会从音乐家的角度继续推演，而是会从科学家的角度继续推演。IBM团队分析了2万个样本问题，发现了大约2500种不同的答案类型，其中大约200种类型涵盖了被问到的50%以上的问题所对应的答案。
1700517769
1700517770
“华生”算法的运行要经历四个阶段的分析：
1700517771
1700517772
（1）分析问题，以确定可能的答案范围。
1700517773
1700517774
（2）在候选范围里根据问题选择大约200个可能的答案。
1700517775
1700517776
（3）评价这些可能的答案。评价过程是将这200个多维点压缩在一个数值维度上，然后对这些答案进行评分并依次排列，最后对答案的信任值进行评价。
1700517777
1700517778
（4）给出答案。当评分以及信任值评价高于一个设定的阈值时，算法就会给出建议的答案。
1700517779
1700517780
以上过程要在短短的几秒钟之内完成，不然人类选手将会抢先按下抢答器。
1700517781
1700517782
让我们考量这样的问题：
1700517783
1700517784
黑洞[1] （THE HOLE TRUTH）：1756年6月20日夜，亚洲地区，众所周知的不好的事件。
1700517785
1700517786
答案是：加尔各答黑洞事件。在这一题里，该答案的时间和地点的评分很高，大概同一时间、同一区域也发生了其他的不好的事件。答案中“hole”这个单词，更加有助于“华生”的评价。到这一步时，“加尔各答黑洞事件”的评分和信任值评价就远高于在同一时间、同一区域内发生的其他事件了。所以“华生”给出了正确的答案。
1700517787
1700517788
当出现“写作”“作曲”“笔”“出版”这样的词语时，算法将推动你走向艺术创作的范围。“普希金写成的第一首诗”这个线索会把我们引向“作者”所在的答案区域。一旦选定了200个候选选项，算法马上会开始对这些候选选项进行评分，这个过程就需要仔细权衡所选取的每个答案的不同维度的权重。算法必须要找出一种方法来衡量假定的答案与问题的接近程度。能与维基百科中的内容进行准确的语义匹配的数据，在其他限制因素也匹配的情况下，很可能会得到非常高的分数。例如，“人，男性，1594年，安达卢西亚，做税务员”。关于这个问题，答案“梭罗”和“塞万提斯”在语义匹配上的得分都很高。但是，“塞万提斯”生卒年信息是“1547—1616”，而“梭罗”生于1817年，故“塞万提斯”比“梭罗”在时间维度上更匹配，所以在时间维度上“塞万提斯”得分更高。
[
上一页 ]
[ :1.700517739e+09 ]
[
下一页 ]