IBM 研究院启动「危险边缘」挑战，催生 Watson

背景

1997 年，IBM 的国际象棋系统「深蓝」（Deep Blue）击败加里·卡斯帕罗夫（Garry Kasparov）。IBM 表示，此后公司一直在寻找新的人机对抗题目；2006 年，戴维·费鲁奇（David Ferrucci）提出一个设想，造一台能在《危险边缘》（Jeopardy!）中战胜人类的计算机^[1]。

《危险边缘》是一档长期播出的电视问答节目。它的难点不在于某一门专门知识，而在于题目范围的宽度：选手要应付来自大量互不相关领域的问题，因此最终参赛的系统被称为「开放领域问答系统」（open-domain question-answering system）^[2]。在开放领域回答问题，意味着要从大量文本中找出候选答案，并判断每个答案有多大的把握，而没有一份固定的题目清单可以事先准备。

项目启动

IBM 的中文版历史时间线把 IBM 研究院开始研发「能够与《危险边缘》冠军同台竞技的计算机系统」的时间记为 2007 年^[2]。当时定下的目标是一套能与该节目最强选手抗衡的系统，而非一次演示^[2]。

挑战对系统提出了什么

IBM 研究院表示，「危险边缘」挑战帮助厘清了一系列需求，正是这些需求促成了 DeepQA 架构的设计和 Watson 的实现^[3]。经过约 20 人的核心团队 3 年高强度的研究与开发，Watson 在《危险边缘》这档问答节目上的精确度、置信度和速度已经达到人类专家的水平^[3]。而按 IBM 的说法，团队前后花了 5 年时间把整套问答系统打磨完善^[1]。

精确度、置信度和速度，正是评判一名问答选手的三项指标：答案对不对，按铃前是否清楚自己有多大把握，以及作答是否快到足以抢在对手前面。任何一项不达标，机器都会输。

团队与机器

费鲁奇领导了这支研究团队，他在纽约约克敦海茨（Yorktown Heights）的托马斯·J·沃森研究中心（Thomas J. Watson Research facility）召集了二十多位科学家、工程师和程序员^[1]。最初那台 Watson 有一间屋子那么大：10 个机柜、90 台服务器、共 2880 个处理器核心，全部运行 DeepQA 软件^[1]。它的名字取自 IBM 第一任首席执行官老托马斯·J·沃森（Thomas J. Watson Sr.），比赛时不连接互联网^[1]。

比赛

4 年之后的 2011 年，Watson 这套开放领域问答系统在两场全国电视转播的《危险边缘》比赛中，击败了排名最高的两位选手^[2]。

意义

这场挑战留下了两样东西：DeepQA 架构和 Watson 本身^[3]。一档电视问答节目在这里起到了工程规格的作用：它给出了外界一眼就能判断的目标——战胜冠军，也点明了必须达标的几项素质——精确度、置信度和速度^[3]。按 IBM 的说法，到研究阶段结束时，这套系统在这些指标上已经达到人类专家的水平^[3]。

对关注人工智能的人来说，这件事还标志着「标尺」的更换。棋盘游戏规则固定、着法范围有限，通识问答则没有边界。把一个开放领域的问答节目变成研究目标，意味着最难的部分不再是搜索一棵博弈树，而是从极其宽泛的题目范围里找出答案、给答案排序，并知道什么时候该相信自己给出的答案。