Den tjugofemte AAAI-konferensen (AAAI-2011) hålls i San Francisco mellan den sjunde och elfte augusti tillsammans med IAAI-2011 (Innovative Applications of Artificial Intelligence). Medan den förre är en traditionell vetenskaplig konferens med ett antal tekniska spår och workshops är den senare en mer praktiskt orienterad konferens där redan sjösatta tillämpningar och industrisamarbeten ligger i fokus. Utöver intressanta föreläsningar innehåller AAAI-konferensen vanligtvis också en stor robotutställning och detta år var inget undantag. Den händelse som utan tvekan drog mest besökare var David Ferruccis föreläsning om den datorbaserade Jeopardy-spelaren Watson. IBM startade Watsonprojektet 2007 under ledning av Ferrucci och målet var att den datorbaserade spelaren, DeepQA, skulle vara minst lika bra som duktiga mänskliga spelare. David Ferrucci förklarade att det var svårt att sälja in idén till IBM om att utveckla en datorbaserad Jeopardispelare. Davids team fick helt enkelt beskriva hur svårt problemet skulle bli att lösa och hur användbara de tänkta teknikerna kunde vara för områden som hälso- och sjukvård och automatiserad kundservice. Dessutom skulle en väl fungerande lösning självklart ge bra publicitet. Man valde att basera sin ansats på existerande ontologier och en massivt parallelliserad arkitektur. Teamet bakom Watson insåg tidigt att Jeopardy var ett svårlöst problem på grund utav att det byggde på mänskliga artefakter (exempelvis språkförståelse, kognitiva processer, och association) samt kombinationen av en enormt stor sökrymd och kravet på ett snabba svar (inom 2-3 sekunder). Watsonteamet tog in mänskliga expertspelare och diskuterade med dem vilka typer av frågor som skulle vara lätta respektive svåra för en datorspelare. De första åren gick utvecklingen relativt snabbt men Watson visade på stor svårighet att ”associera rätt”, vilket David Ferucci belyste med flera roliga exempel. För ett fråga var exempelvis det rätta svaret Louis Pasteur men på grund av frågans natur svarade Watson ”how tasty was my little frenchman”. David Ferrucci förklarade vidare att Jeopardyproblemet försvåras av att det innebär en risk att svara överhuvudtaget (då spelet kräver att spelaren satsar en summa pengar). Detta innebär att datorspelaren måste beräkna både det förmodade rätta svaret och sannolikheten för att svaret verkligen är rätt. Dessutom identifierade man tidigt över 2500 typer av frågor vilket gör det svårt att överhuvudtaget klassificera frågetyp för att senare kunna gå vidare med en korrekt metod för att besvara den aktuella frågan. För de som är intresserade av lärande system kan nämnas att DeepQA innehåller flera metoder som använder sig av nya tekniker inom data fusion och transfer learning. Den senare ansatsen användes för att generalisera från vanligt förekommande frågetyper för att bättre besvara mindre vanliga frågetyper.
Niklas Lavesson