Pietro leo - IBM Watson
2 likes986 views
Il documento presenta il sistema Watson di IBM, progettato per affrontare sfide complesse come il gioco 'Jeopardy!', analizzando il linguaggio naturale e comprendendo grandi volumi di dati. Watson si distingue per l'uso di algoritmi avanzati e architetture di analisi che ottimizzano la velocità e la precisione delle risposte, ed è in grado di battere campioni umani in sfide competitive. Le applicazioni di Watson includono supporto in ambiti come diagnostica, gestione della conoscenza e analisi di evidenze.
Pietro leo - IBM Watson
- 1. Pietro LEO Il sistema WATSON e la nuova frontiera dei sistemi intelligenti in grado di sfidare l’uomo Executive Architect Member of IBM Academy of Technology Email: pietro_leo@it.ibm.com Twitter: @pieroleo Linkedin: http://it.linkedin.com/in/pieroleo
- 3. A Grand Challenge Watson
- 4. Vuoi giocare o parlare? • Scacchi – Uno spazio di ricerca matematicamente ben definito – Limitato numero di mosse e stati del gioco disponibili – Tutti i simboli, i pezzi, le mosse possibili, e il loro significato e ruolo sono definti nelle regole del gioco descrivibili matematicamente • Il linguaggio umano – Ciascuna parola presa isolatamente ha un significato (quando disponibile) limitato – La Comprensione del linguaggio umano è un task profondamente cognitivo e specifico della nostra specie – Combinando parole in frasi generiamo infiniti spazzi di significato – I computer non sono in grado di comprendere le parole e l’uso delle stesse e derivarne significati alla stessa stregua di quanto è in grado di fare l’uomo © 2010 IBM Corporation Photo--Illustration credits to: http://tekw.org/scacchi-online-con-flash-chess-3/ and http://divinoscrivere.wordpress.com/2008/11/
- 5. Domande difficili? Strutturato Non Strutturato • Dove è nato X? – One day, from among his city views of Ulm, Otto chose a water color to send to Albert Einstein as a remembrance of Einstein´s birthplace. • X dirige? – If leadership is an art then surely Jack Welch has proved himself a master painter during his tenure at GE. © 2010 IBM Corporation
- 6. Watson e e La sfida a Jeopardy!
- 7. Come si gioca a ? • 3 concorrenti che si sfidano a rispondere a delle domande in una partita basata su 3 turni • Uno dei 3 concorrenti sceglie una “categoria di domande” tra 6 possibili e non note a priori e sceglie il livello di difficoltà (tra 5) delle domande • Il conduttore formula la domanda e risponde chi si prenota per primo: vinci il denaro associato al livello di difficoltà della domanda se c’azzecchi o perdi il denaro se sbagli la risposta • Vince il concorrente che alla fine delle 3 puntate ha accumulato più soldi
- 8. Come si gioca a ? Precisione $600 $400 Popular culture Vasti domini di Tweens watching this One type of this aquatic Mammals conoscenza young man's video "baby" animal gives milk that’s on youtube helped it to a 65% fat; pups are record 260 million views weaned in 4 days, the as of summer 2010 least of any mammal Velocità National Football Leagu Mark Twain Shall Meet Linguaggio $200 $800 complesso New Orleans Saints kicker ...this poet, whose "idylls of Tom Dempsey's record the king" started an Strategia 63-yard field goal was Arthurian craze that kicked in this school's inspired "a Connecticut stadium Yankee"
- 9. Perchè Jeopardy! è sfidante? 1. In un’analisi di un campione random di 20.000 domande abbiamo contato oltre 2.500 tipologie diverse di L’approccio di Watson è quello di NON domande*. 2. La tipologia più frequente ricorre in usare una lista di risposte meno del 3% dei casi. preconfezionate attingendo da un database di possibili risposte 3. La distribuzione si presenta come una curva con una coda estremamente lunga Watson NONcerca di costruire 4. E per ciascuna tipologia migliaia di un modelo formale, una differenti domande possono essere knowledge base delle conoscenze del mondo chieste Il focus principale è quello di sviluppare un framework di tecnologie in grado di comprendere il linguaggio naturale per analizzare grandi quantità di dati testuali così come sono 9 Sorgenti strutturate (Database e Knowledge Base) forniscono ulteriore background knowledge per interpretare il testo *13% sono tipologie non distintive
- 10. In May 1898 Portugal In May, Gary arrived in Domanda celebrated the 400th anniversary of this India after he celebrated his anniversary in Evidenza explorer’s arrival in India. Portugal. arrived in celebrated Keyword Matching Keyword Matching celebrated In May Keyword Matching Keyword Matching In May 1898 400th Keyword Matching Keyword Matching anniversary anniversary L’evidenza suggerisce che Portugal Keyword Matching in Portugal Keyword Matching “Gary” potrebbe essere la risposta arrival in MA il sistema deve comprende che la semplice India Keyword Matching Keyword Matching India “corrispondenza” delle parole conta poco rispetto ad altri explorer Gary tipi di verifiche, prove ed altre evidenze
- 11. Domanda Evidenze! In May 1898 Portugal On the 27th of May 1498, Vasco da On the 27th of May 1498, Vasco da celebrated the 400th Gama landed in Kappad Beach. On the 27th of May 1498, Vasco da Gama landed in Kappad Beach. anniversary of this Gama landed in Kappad Beach. explorer’s arrival in India. Ricerca ampia e approfondita Esplorazione di molte ipotesi Diversi algoritmi di inferenza Valutazione delle evidenze celebrated Portugal landed in May 1898 Temporal 27th May 1498 400th anniversary Reasoning Data math Statistical arrival in Paraphrasing Parapharase India GeoSpatial Kappad Beach Differenti tipi Reasoning GeoKB di evitenze portano a credere che explorer Vasco da Gama la risposta sia “Vasco da Gama” L’ipotesi fatta non è comunque certa al 100%!
- 12. Deep Q&A (Watson) e i sistemi di Business Analytics
- 13. Information-based Intelligence “Metodi statistici e di Analytics” abbinati alla forza bruta computazionale, per analizzare un numero incredibimente grande di dati (BIG Data) attraverso algoritmi e computer ad alte prestazioni “Scalare” più informazione hai, più potenti sono i computer, più sofisticati sono gli algorimi…. Migliori risultati hai! Orginata dagli approcci empirici adottati per lo studio e l’interpretazione di enormi moli di dati generati nell’ambito degli esperimenti di fisica delle alte energie Data mining durante gli anni ‘90 Business IBM Deep Blue (1997) Analytics and Deep Q&A - IBM Watson (2011) Optimization.... (Content analytics)
- 14. DeepQA: L’architettura di Watson
- 15. Velocità, Precisione, Strategia • Deep Analytics – Combinazione di un alto numero di strumenti di analisi in un’architettura di coordinamento abbiamo ottenuto un livello di precisione e confidenza nelle risposte a partire dall’analisi di una grande quantità di dati “as-is” • Velocità – Ottimizzazione di un’infrastruttura hardware basata su processori POWER7 di 2880 core per ottenere un tempo di risposta in media di 3 secondi per domanda (l’elaborazione di una domanda da parte di un singolo core richiederebbe piu’ di 2 ore di calcolo) • Risultati – in 55 sfide con I campioni del gioco dello scorso anno Watson ha vinto nel 71% dei casi le sfide posizionandosi al primo posto, oltre ad aver vinto la sfida di febbraio con i campioni di sempre © 2010 IBM Corporation
- 17. Information- based Tasks: 1. Analisi, Riconoscimento di Supporto alla Frodi Diagnosi decomposizione e ricostruzione di Fatti 2. Generazione di Ipotesi Supporto al 3. Gestione della Analisi e correlazione tra ritrovamento e fatti investigativi conoscenza all’analisi di evidenze 4. Supporto alle decisioni 5. Deep Q&A: Sistemi di domande e Customer Service Gestione della Conoscenza risposte….
- 18. Grazie!!! Executive Architect Member of IBM Academy of Technology Email: pietro_leo@it.ibm.com Twitter: @pieroleo Linkedin: http://it.linkedin.com/in/pieroleo b