Watson es un superordenador de IBM que combina inteligencia artificial (IA) y un sofisticado software de análisis para obtener un rendimiento óptimo como máquina de «respuesta a preguntas». El superordenador lleva el nombre del fundador de IBM, Thomas J. Watson.
El superordenador Watson procesa a una velocidad de 80 teraflops (trillones de operaciones en coma flotante por segundo). Para replicar (o superar) la capacidad de un ser humano de alto funcionamiento para responder a preguntas, Watson accede a 90 servidores con un almacén de datos combinado de más de 200 millones de páginas de información, que procesa con seis millones de reglas lógicas. El sistema y sus datos son autónomos en un espacio en el que cabrían 10 frigoríficos.
Los componentes clave de Watson incluyen:
- Los marcos de trabajo de la Arquitectura de Gestión de Información No Estructurada (UIMA) de Apache, la infraestructura y otros elementos necesarios para el análisis de datos no estructurados.
- Hadoop de Apache, un marco de programación gratuito basado en Java que admite el procesamiento de grandes conjuntos de datos en un entorno informático distribuido.
- SUSE Enterprise Linux Server 11, el sistema operativo con procesador Power7 más rápido disponible.
- 2.880 núcleos de procesador.
- 15 terabytes (TB) de RAM.
- 500 gigabytes (GB) de información preprocesada.
- El software DeepQA de IBM, que está diseñado para la recuperación de información que incorpora el procesamiento del lenguaje natural (NLP) y el aprendizaje automático.
Las aplicaciones de la tecnología de computación cognitiva subyacente de Watson son casi infinitas. Dado que el dispositivo puede realizar minería de textos y análisis complejos sobre enormes volúmenes de datos no estructurados, puede dar soporte a un motor de búsqueda o a un sistema experto con capacidades muy superiores a cualquiera de los existentes hasta ahora.
En mayo de 2016, BakerHostetler, un bufete de abogados con sede en Ohio, firmó un contrato para que un sistema experto legal basado en Watson trabajara con su equipo de bancarrota de 50 personas. Ese sistema, llamado Ross, puede extraer datos de unos mil millones de documentos de texto, analizar la información y proporcionar respuestas precisas a preguntas complicadas en menos de tres segundos. El procesamiento del lenguaje natural permite al sistema traducir la jerga legal para responder a las preguntas de los abogados.
Mientras los creadores de Ross añaden más módulos legales, sistemas expertos similares están transformando la investigación médica.
Watson en la sanidad
La sanidad fue uno de los primeros sectores a los que se aplicó la tecnología de Watson. La primera implementación comercial de Watson se produjo en 2013, cuando el Centro Oncológico Memorial Sloan Kettering comenzó a utilizar el sistema para recomendar opciones de tratamiento a pacientes con cáncer de pulmón, con el fin de garantizar que recibieran el tratamiento adecuado y reducir los costes. Desde entonces, proveedores como Cleveland Clinic, Maine Center for Cancer Medicine y Westmed Medical Group también han implementado las herramientas de Watson.
Sin embargo, no todas las implementaciones han ido bien. El MD Anderson Cancer Center de Houston puso en marcha un proyecto en 2013 para construir un sistema de apoyo a la toma de decisiones impulsado por la tecnología de Watson para ayudar a los médicos a determinar las mejores opciones de tratamiento. Pero después de gastar más de 62 millones de dólares en el proyecto en el transcurso de cuatro años, los administradores del hospital cancelaron el proyecto, diciendo que no había logrado sus objetivos.
La atención médica sigue siendo un punto de enfoque principal para IBM mientras trata de probar la tecnología Watson, y la compañía continúa forjando asociaciones con organizaciones de atención médica. En mayo de 2018, por ejemplo, los mayores sistemas sanitarios especializados de la India, Apollo, acordaron adoptar Watson para Oncología y Watson para Genómica. Las dos plataformas de computación cognitiva de IBM ayudarán a los médicos a tomar decisiones para la atención personalizada del cáncer.
El uso de Watson por parte de IBM para resolver algunos de los mayores problemas en torno a la atención del paciente y el uso de conocimientos basados en datos para recomendar opciones de tratamiento demostraría el valor de las tecnologías de Watson.
Watson Analytics
Watson Analytics es una de las principales implementaciones de la tecnología de Watson. Se trata de una plataforma de exploración, visualización y presentación de datos que utiliza las capacidades cognitivas de Watson para hacer aflorar automáticamente ideas basadas en los datos y recomendar formas de presentarlos.
La plataforma está formada por un componente de exploración, que permite a los usuarios cargar sus datos, recomienda automáticamente variables potencialmente correlacionadas y construye comparaciones; una herramienta de predicción que permite a los usuarios obtener respuestas a preguntas complejas basadas en sus datos; y una herramienta de informes que soporta el desarrollo de cuadros de mando e informes.
Se accede a cada componente mediante una interfaz gráfica de usuario (GUI), que minimiza la necesidad de formación avanzada en ciencia de datos. La plataforma pretende hacer accesible la analítica avanzada a trabajadores con conocimientos técnicos limitados. El coste de Watson Analytics depende de la versión; hay una versión gratuita que incluye la posibilidad de cargar hojas de cálculo, obtener visualizaciones, obtener conocimientos y construir cuadros de mando. La edición «Plus» incluye las capacidades de la versión gratuita junto con 2 GB de almacenamiento y fuentes de datos, incluidas las bases de datos, a partir de 30 dólares por usuario y mes. Una edición «Professional» con todas las características anteriores, así como un inquilino multiusuario para colaborar, 100 GB de almacenamiento y más datos, cuesta 80 dólares o más por usuario, al mes. (Precios de 2018 extraídos del sitio web de IBM Watson Analytics).
Las APIs de Watson permiten a las empresas crear aplicaciones de IA
IBM ha publicado una serie de interfaces de programa de aplicación (APIs) en su nube que permiten a los usuarios crear sus propias aplicaciones de IA que utilizan la tecnología central de Watson en el back-end. Hay APIs que soportan marcos de desarrollo populares como Java, Python y otros.
IBM también tiene conectores API a algoritmos de aprendizaje profundo preentrenados que permiten a los usuarios construir aplicaciones para cosas como el procesamiento del lenguaje natural, el reconocimiento de imágenes y el análisis de tonos. ¡Una API admite el desarrollo de asistentes inteligentes que utilizan la tecnología de Watson en el back-end.
Historia de IBM Watson
En un artículo de AI Magazine del otoño de 2010, los investigadores de IBM informaron sobre su viaje de tres años para construir un sistema informático que pudiera competir con los seres humanos en la respuesta correcta a preguntas en tiempo real en el programa de televisión Jeopardy! Este proyecto condujo al diseño de la arquitectura DeepQA de IBM y a Watson.
En 2011, Watson desafió a dos de los mejores jugadores de Jeopardy! (los campeones Ken Jennings y Brad Rutter) y los venció. El avatar de Watson se sentó entre los dos concursantes, como lo haría un competidor humano, mientras su considerable volumen se sentaba en un piso diferente del edificio. Al igual que los demás concursantes, Watson no tenía acceso a Internet.
En la ronda de prácticas, Watson demostró una capacidad similar a la humana para los juegos de palabras complejos, respondiendo correctamente, por ejemplo, a la pista de respuesta «Barra de caramelo clásica que es una mujer juez del Tribunal Supremo», con «¿Qué es Baby Ruth Ginsburg?» Rutter señaló que, aunque la recuperación de información es «trivial» para Watson y difícil para un humano, éste sigue siendo mejor en la compleja tarea de la comprensión. No obstante, el aprendizaje automático permite a Watson examinar sus errores frente a las respuestas correctas para ver en qué se equivocó e informar sobre futuras respuestas.
Los investigadores de IBM concluyeron que DeepQA demostró ser una arquitectura eficaz y extensible que podría utilizarse para combinar, desplegar, evaluar y avanzar en una amplia gama de técnicas algorítmicas en el campo de la respuesta a preguntas.