IBM公司正式推出這個系統(tǒng)的決策引擎和先進自然語言處理技術，并將其作為一個新的營銷賣點。到目前為止，這臺智能主機似乎已被證明并不是解決IBM公司所面臨問題的靈丹妙藥，倒反而是IBM公司的在背芒刺。2013年作為Watson的概念被提出之后的第七個年頭，雖然它在這一年的表現(xiàn)不俗，但是相關收入?yún)s連1億美元都不到。華爾街日報認為，其中部分項目還處于低谷中，但是IBM公司的CEO Virginia Rometty希望這項技術在未來十年內的每一年都能夠為公司帶來一百億美元的收入。

但是，Watson的表現(xiàn)卻并不盡如人意。華爾街日報稱，建立新任務和進行相關訓練都需要花費較長的時間，而當它們開始提供預測時，其預測的可參考性卻非常值得商榷。如果仔細分析一下這個超級計算機的底層架構，我們可能就會從中發(fā)現(xiàn)個中原委：

底層軟件引擎

Watson的強大功能源于其DeepQA的分析引擎，這個軟件引擎整合了Hadoop、Apache UIMA以及其他的工具以實現(xiàn)機器學習的功能：這個功能可允許機器提取大量的結構化和非結構化的信息、分析事件之間的關系、提出對應相關問題的可能答案，并最終以置信度參數(shù)給出答案的排名。

“DeepQA的主要技術手段就是大規(guī)模并行處理、專家知識、置信估計以及深淺知識集成等，”2010年IBM公司在其科技研討會上發(fā)表的一篇人工智能論文中如此寫道。

DeepQA要求IBM公司在諸多的領域進行基礎性研究，例如問題處理、關系提取、語言框架提取、段匹配整合以及根據(jù)提取的數(shù)據(jù)進行知識提取。經過藍色巨人不斷的努力，所有這些非常棘手的問題的解決都已實現(xiàn)了長足的進步。

這些進步意味著Watson可以提供足夠多的訓練和足夠好的數(shù)據(jù)，對舉措實施的最佳步驟提出了有效的預測。但是，這里需要指出的是，知識提取的質量高低受制于所提供數(shù)據(jù)的數(shù)量。

出于這個原因的考慮，每一個Watson的內部項目都需要大量的新鮮數(shù)據(jù)、再訓練以及一個長期的時間投入才能讓發(fā)出嗡嗡聲的硅質大腦正確地解決問題。 IBM公司在一篇學術論文中詳細闡述了Watson從Jeopardy!贏家到商品所需面臨的挑戰(zhàn)：

針對任何新領域申請DeepQA都要求在三個方面的適應：

· 內容適應涉及組織用于假說和驗證生成、建模上下文背景的領域內容，在這個過程中將產生問題

· 訓練適應涉及通過樣本訓練問題和源于目標域正確答案的形式增加數(shù)據(jù)，以便于這個系統(tǒng)能夠在估計答案置信度時對其分量學習合適的權重。

· 功能適應涉及增加新的特定域問題分析、候選答案的生成、假設得分以及其他的分量。

你可以把它想象成為一臺主機。Watson似乎具有以下的若干特征：非常熱衷于長期運行、不公開的財務支出、默認設置為鎖定，而這項技術是唯一由IBM公司擁有的。

這并不是一個非�？膳碌膲氖虑椋�因為某些企業(yè)諸如此類的工具可能是有用的。但是，這確實意味著你可能會不相信，IBM公司開始把Watson模式成為易于上手的云計算產品。

正是出于這個原因，藍色巨人經過縝密規(guī)劃以提供Watson令人印象深刻內核計算能力，而基于云計算的服務是具有欺騙性的。

無論任何，那是誰的緩存線?

毫無疑問，Watson將通過在中央存儲庫中存儲更多數(shù)據(jù)而受益。我們知道DeepQA并不是以簡單分割至單個域的方法進行開發(fā)的，所以IBM公司將必須把數(shù)據(jù)規(guī)整至相關域以便于在系統(tǒng)中實現(xiàn)最大置信度。

在一定程度上，IBM公司基于云計算服務生成知識的數(shù)據(jù)要遠大于單個開發(fā)人員貢獻數(shù)據(jù)的總和，似乎藍色巨人將不得不增加一個分層系統(tǒng)以便于為所解決的特定問題選擇相關信息庫。硬件王道，這是完全可以實現(xiàn)的(它需要2，880個 Power7 內核，外加存儲在15TB RAM中的維基百科和其他文本，在2011年贏得Jeopardy! )，但是目前還不清楚這個軟件是否存在。

有一件事是肯定的——在其當前的狀態(tài)下，以Watson為核心的項目需要IBM公司和潛在客戶投入大量的開發(fā)資源，盡管IBM公司正在建立一個實驗室以幫助硅谷企業(yè)開發(fā)Watson應用程序，但這似乎是一條困難重重的道路。