¿Una colaboración IBM Watson-Wolfram | Alpha avanzará en el procesamiento del lenguaje natural?

Watson es fundamentalmente diferente de Wolfram. Wolfram Alpha es de una manera similar a la IA lima Siri. Utiliza datos curados y estructurados para responder preguntas.

Las tecnologías de Watson se basan en la idea de usar el lenguaje natural y el aprendizaje profundo para construir gráficos de conocimiento automáticamente, luego procesar las consultas en lenguaje natural de una manera que permita a los AI responderlas en función del gráfico de conocimiento construido.

Como Richard Benjamins señaló a continuación, nuestro enfoque no se preocupa mucho por una comprensión profunda de los datos, aunque la línea puede volverse un poco borrosa. ¿Cómo se define “comprensión”? Si la comprensión es la capacidad de explicar las cosas y razonar en función de sus propiedades, algunas de las soluciones de Watson pueden hacer exactamente eso.

Creo que muy pronto llegaremos a un punto en el que no habrá diferencia entre IA simbólicas y no simbólicas. Algoritmos inteligentes de aprendizaje profundo hacen posible, al menos con un dominio específico en mente, construir software capaz de aprender el sentido común no solo a través de datos específicamente establecidos, sino también en función del comportamiento de los usuarios, eliminando así el gran problema de la información no solicitada. Un gran desafío para las IA simbólicas en el pasado.

En cuanto a su pregunta original: no estoy seguro de lo que cualquiera de las partes ganaría con una asociación. IBM es una compañía con una larga historia de procesamiento de lenguaje natural (desde mediados de los 70), una gran cantidad de expertos en el grupo Watson y cooperaciones con científicos líderes en universidades de todo el mundo. En cuanto a la tecnología, hay pocas cosas que Wolfram Research tendría que ofrecer. Al revés podría ser lo mismo. Stephen Wolfram siempre tuvo una idea muy clara de lo que estaba buscando y nunca dejó que el resto del mercado influyera en sus decisiones de diseño.

En los primeros días de la IA había una distinción entre IA simbólica e IA no simbólica. En otras palabras: razonamiento lógico, razonamiento basado en el conocimiento versus estadísticas, redes neuronales. Parece que Wolfram Alpha es como una IA simbólica (“entender” el dominio) y Watson es más como un enfoque más no simbólico. Sin embargo, creo que hoy en día el límite entre esos dos enfoques es borroso, y el enfoque no simbólico es más exitoso (en aplicaciones) que el simbólico.