首页 > 笔记, 语义网 > 笔记:DeepQA (IBM沃森)(4)结果与心得

笔记:DeepQA (IBM沃森)(4)结果与心得

David A. Ferrucci et al,Building Watson: An Overview of the DeepQA Project. AI Magazine 31(3): 59-79 (2010).

==结果==

偷论文里的一张图

==工作方式==

所有人在一个大屋war room,以方便交流。逐步进步。【唔,how about 中国的团队?】

==作者心得==

Q/A三要素:precision, confidence, and speed

systems-level approach:综合运用多种方法。这可能是对一般AI问题都有意义的。

快速实验,高性能计算平台的重要性。

==我的其他心得==

面向终端用户的系统,需要做自然语言理解。语义网的团队,需要招这种人才。加深了对Twine, PowerSet, Siri等的理解。但我觉得在选择应用方面,还是以容错性较高的领域比较好。

自然语言理解并不需要做逻辑的建模。不需要做强的逻辑推理,可以综合运用一些简单的推理。这可以避免Twine的问题(scalability)

结构化知识,起辅助的作用,我很想知道到底有助于提高几个百分点?

沃森成功的关键之一是对置信度的计算。你要是单看对所有问题的正确率,那只有65%的样子,好像不是很惊人。但是如果不但知道答案,还知道答案有多可靠,把那些不确定的过滤掉,这很有用。知之为知之,不知为不知。知不知亦为知亦。

按这个思路,应该可以针对某些特定领域做更优的Q/A。

Advertisements
分类:笔记, 语义网
  1. 还没有评论。
  1. 2012/04/16 @ 01:31

发表评论

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / 更改 )

Twitter picture

You are commenting using your Twitter account. Log Out / 更改 )

Facebook photo

You are commenting using your Facebook account. Log Out / 更改 )

Google+ photo

You are commenting using your Google+ account. Log Out / 更改 )

Connecting to %s

%d 博主赞过: