IBM 是如何訓(xùn)練「沃森」人工智能平臺的宜狐?

Google 可以依賴搜索引擎和大量應(yīng)用的交互來訓(xùn)練自己的人工智能系統(tǒng),

但 IBM 并沒有那么多面向消費(fèi)市場的應(yīng)用和產(chǎn)品稀火,那沃森人工智能系統(tǒng)是如何訓(xùn)練出來的暖哨?

https://www.zhihu.com/question/39279528#answer-27898289

……………………………………………………………………

1,

向Watson數(shù)據(jù)庫喂入公開的海量非結(jié)構(gòu)和半結(jié)構(gòu)數(shù)據(jù),就像搜索引擎建立索引一樣。這一步是線下的篇裁,比如在Jeopardy秀之前就完成了這一步沛慢。

Huge amount of unstructured and semistructured data that is publicly available is feed into the Watson database, just like what a search engine does to build its index. This phase is offline, i.e. it is done before taking the jeopardy show.

2, 電視節(jié)目直播的時候,真人選手看到問題的同時达布,問題以文本的形式發(fā)送(輸入)Watson团甲。[Thanks to Marcus, see comment for the link]At the show, the questions are sent in text form to Watson, the same time human players see them.

3, 文本形式的問題作為搜索請求,在數(shù)據(jù)庫中搜索黍聂,就像在Google里搜索一樣躺苦。只有幾百個最佳答案得以保留。

The questions in their text form are used as a search query to search the database, like you search it at Google. And only hundreds of the best search results are kept.

4, 搜索結(jié)果产还,和問題一起匹厘,被用來在數(shù)據(jù)庫中重新檢索支持證據(jù)。

The search results, together with the question, are used to retrieve support evidence from the database.

5,

每一個搜索結(jié)果脐区,在回答問題的同時愈诚,也形成了一個假設(shè),然后再根據(jù)重新索引的證據(jù)來評估這些假設(shè)牛隅。然后在多個維度上為這些答案評分炕柔。

Each search result, when answering its question, now forms a hypothesis. This hypothesis is then evaluated on the retrieved evidence.

And the answer is scored on many dimensions.

6, 使用合并算法,這些高緯度問題被排位媒佣,然后其中的某一個就贏了匕累。

The hi-dimension scored answers are ranked using some merge algorithm, and then someone will win.

7,如果Watson對它最終得出來的答案足夠自信,他就會嘗試回答這個問題默伍。當(dāng)然欢嘿,把答案轉(zhuǎn)化成一個

對happy jeopardy的問題。

這段需要看過這個節(jié)目的人才理解也糊,一點背景資料际插。(該節(jié)目的比賽以一種獨(dú)特的問答形式進(jìn)行,問題設(shè)置的涵蓋面非常廣泛显设,涉及到歷史、文學(xué)辛辨、藝術(shù)捕捂、流行文化、科技斗搞、體育指攒、地理、文字游戲等等各個領(lǐng)域僻焚。根據(jù)以答案形式提供的各種線索允悦,參賽者必須以問題的形式做出簡短正確的回答。與一般問答節(jié)目相反虑啤,《危險邊緣》以答案形式提問隙弛、提問形式作答架馋。參賽者需具備歷

史、文學(xué)全闷、政治叉寂、科學(xué)和通俗文化等知識,還得會解析隱晦含義总珠、反諷與謎語等屏鳍,而電腦并不擅長進(jìn)行這類復(fù)雜思考。)

If Watson is confident enough with its final answer, it will try to answer that question. Of course, convert the answer into a question to happy jeopardy.

說了這么多局服,Watson是一個復(fù)雜的系統(tǒng)钓瞭,以上描述的每一步都應(yīng)用了各種算法。再就是整個系統(tǒng)在并行平臺上運(yùn)行以便用最快速度給出答案淫奔。

That said, Watson is a complicated system that each phase described above adopts various of algorithms. And the system runs on a parallel platform in order to give the answer as soon as possible.

更多信息山涡,Google “Deep QA”。

For further information, Google DeepQA.

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末搏讶,一起剝皮案震驚了整個濱河市佳鳖,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌媒惕,老刑警劉巖系吩,帶你破解...
    沈念sama閱讀 222,104評論 6 515
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異妒蔚,居然都是意外死亡穿挨,警方通過查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 94,816評論 3 399
  • 文/潘曉璐 我一進(jìn)店門肴盏,熙熙樓的掌柜王于貴愁眉苦臉地迎上來科盛,“玉大人,你說我怎么就攤上這事菜皂≌昝啵” “怎么了?”我有些...
    開封第一講書人閱讀 168,697評論 0 360
  • 文/不壞的土叔 我叫張陵恍飘,是天一觀的道長榨崩。 經(jīng)常有香客問我,道長章母,這世上最難降的妖魔是什么母蛛? 我笑而不...
    開封第一講書人閱讀 59,836評論 1 298
  • 正文 為了忘掉前任,我火速辦了婚禮乳怎,結(jié)果婚禮上彩郊,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好秫逝,可當(dāng)我...
    茶點故事閱讀 68,851評論 6 397
  • 文/花漫 我一把揭開白布恕出。 她就那樣靜靜地躺著,像睡著了一般筷登。 火紅的嫁衣襯著肌膚如雪剃根。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 52,441評論 1 310
  • 那天前方,我揣著相機(jī)與錄音狈醉,去河邊找鬼。 笑死惠险,一個胖子當(dāng)著我的面吹牛苗傅,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播班巩,決...
    沈念sama閱讀 40,992評論 3 421
  • 文/蒼蘭香墨 我猛地睜開眼渣慕,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了抱慌?” 一聲冷哼從身側(cè)響起逊桦,我...
    開封第一講書人閱讀 39,899評論 0 276
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎抑进,沒想到半個月后强经,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 46,457評論 1 318
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡寺渗,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 38,529評論 3 341
  • 正文 我和宋清朗相戀三年匿情,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片信殊。...
    茶點故事閱讀 40,664評論 1 352
  • 序言:一個原本活蹦亂跳的男人離奇死亡炬称,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出涡拘,到底是詐尸還是另有隱情玲躯,我是刑警寧澤,帶...
    沈念sama閱讀 36,346評論 5 350
  • 正文 年R本政府宣布鳄乏,位于F島的核電站府蔗,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏汞窗。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點故事閱讀 42,025評論 3 334
  • 文/蒙蒙 一赡译、第九天 我趴在偏房一處隱蔽的房頂上張望仲吏。 院中可真熱鬧,春花似錦、人聲如沸裹唆。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,511評論 0 24
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽许帐。三九已至劳坑,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間成畦,已是汗流浹背距芬。 一陣腳步聲響...
    開封第一講書人閱讀 33,611評論 1 272
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機(jī)就差點兒被人妖公主榨干…… 1. 我叫王不留循帐,地道東北人框仔。 一個月前我還...
    沈念sama閱讀 49,081評論 3 377
  • 正文 我出身青樓,卻偏偏與公主長得像拄养,于是被迫代替她去往敵國和親离斩。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 45,675評論 2 359

推薦閱讀更多精彩內(nèi)容