Computerworld News Service: Fremtidens computere vil konstant forbedre deres egen forståelse af de data, de håndterer.
Det vil betyde, at brugerne kan få mere hensigtsmæssig information, forudsiger hjernen bag softwaren i IBM's Watson-system.
Computere vil i fremtiden "lære ved hjælp af deres interaktion med os," mener David Ferrucci, som har været såkaldt principal investigator hos IBM i forbindelse med Watson-projektet.
"De vil ikke nødvendigvis have brug for, at vi sætter os ned og udtrykkeligt programmerer dem, men derimod vil de ved hjælp af den løbende interaktion med mennesker begynde at forstå, hvilke former for data og beregninger, vi har brug for," siger han.
Læring via samarbejde
"Vi tror, at anvendelsen af computere er på vej hen mod denne idé om læring via samarbejde og interaktion," siger han.
IBM's Watson-projekt var en øvelse for selskabet i at bygge maskiner, der foregriber brugerens behov.
Jeorpardy var kæmpe-udfordring
IBM brugte fire år på at udvikle supercomputeren Watson, der er designet specifikt til at deltage i tv-quizzen Jeopardy. Det skete sidste år.
I Jeopardy bliver deltagerne stillet en række spørgsmål inden for en bred vifte af emner.
Jeopardy viste sig at være en endnu større udfordring for IBM, end selskabets arbejde med at bygge en skakcomputer, der kunne slå skakmesteren Garry Kasparov. Det lykkedes for IBM's Deep Blue i 1997.
Man kan se på skak som et meget stort men endeligt antal matematiske problemer, hvorimod Jeopardy kræver en dybere sprogforståelse, forklarer Ferrucci.
I Jeopardy "ved vi ikke en gang, hvilke spørgsmål vi får," siger han. Informationerne i databasen kan ikke "omhyggeligt stilles op" på forhånd.
Watson var selvfølgelig spækket med mange forskellige oplysningskilder såsom leksika og ordbøger. Men Watson var også nødt til at kunne sammenstille spørgsmålene, der i Jeopardy ofte formuleres tvetydigt, med de tilgængelige data.
Derudover blev opgaven gjort endnu mere kompliceret af det faktum, at ord ændrer mening, alt efter hvordan de bruges, i modsætning til skakbrikker.
"Det er i virkeligheden, hvordan ordene bruges, der definerer deres mening. Og sprogbrug er noget, der udfolder sig i menneskelige sammenhænge. Det drejer sig ikke om en matematisk og veldefineret søgning. Computere er her nødt til at foretage meget mere analyse for at få styr på, hvad alle disse ord betyder," forklarer Ferrucci.
Sådan løste IBM Jeorpardy-problemet
IBM's team kiggede i den forbindelse nærmere på 20.000 spørgsmål fra Jeopardy for at kortlægge deres struktur.
De fandt dog frem til, at langt størstedelen af spørgsmålene var for uforudsigelige til nemt at kunne modelleres.
Den eneste måde at generere et plausibelt svar var at analysere spørgsmålet på mange forskellige måder og således finde frem til adskillige svar, som derefter kunne rangeres i forhold til hvert svars sandsynlighed for at være korrekt. Og det var, hvad Watson gjorde.
Det endte da også med, at Watson faktisk vandt Jeopardy-konkurrencen. Og nu overvejer IBM altså, om Watsons beregningsmodel har et større potentielt anvendelsesområde.
"Der mangler stadig en masse arbejde, men Watson er noget, vi kan adaptere og tilpasse til nye områder. Watson-teknologien handler ikke om at få et spørgsmål ind og spytte et svar ud, men derimod at forstå et problem," forklarer Ferrucci.
Helt væsentligt ved denne teknologi er, at den indhenter feedback både fra sig selv og fra sine brugere, angående de svar den genererer, oplyser Ferrucci.
"Når man bruger systemet, følger det selv op og stiller brugeren spørgsmål, som kan hjælpe til at forbedre systemets svar. I arbejdet med en bruger vil systemet indhente nye informationer, som det kan anvende," fortæller han.
Oversat af Thomas Bøndergaard
