Der Fragenbeantworter
Watson ist ein IBM-Projekt, das seinen Namen Thomas J. Watson verdankt, dem legendären ersten Präsidenten des Unternehmens. Seine Existenz ist in der Tat untrennbar mit einem Spiel verbunden. Eine äußerst beliebte TV-Quizshow in den Vereinigten Staaten: Jeopardy!.
Der Legende nach bemerkte Charles Lickel, Forschungsleiter bei IBM, eines Abends beim Essen in einem Restaurant, dass plötzlich um 19 Uhr viele seiner Gäste aufstanden und den Raum verließen. Fasziniert von diesem bizarren Verhalten folgte Lickel ihnen und stellte fest, dass sie in ein angrenzendes Café gingen. Hier fand er sie alle vor dem Fernseher versammelt, fest entschlossen, Ken Jennings dabei zuzusehen, wie er seine Siegesserie in dem äußerst beliebten Jeopardy! verlängerte. Lickel verstand sofort das Potenzial, einen Computerkonkurrenten in Bezug auf Resonanzboden und Popularität gegen menschliche Proben auszuspielen, sowie andererseits die Komplexität des Unternehmens und seinen inneren Wert für die Forschung. All dies geschah im Herbst 2004. Später stellte Lickel dem Unternehmen seine Erkenntnisse vor, und Paul Horn, Executive Research Manager bei IBM, nahm seinen Vorschlag auf und stellte ihn Mitgliedern seiner Abteilung vor. Schließlich nahm David Ferrucci die Herausforderung an. Es war 2005: Watson wurde geboren.
Als das Projekt startete, war das Ziel, einen sogenannten „Fragen-Antwort-Automaten“ zu bauen. Die zu überwindenden Schwierigkeiten waren keineswegs trivial. Jeopardy hat eine einfache Struktur: Der Gastgeber (Alex Trebek) gibt Antworten (Hinweise) und die Teilnehmer müssen die richtige Frage stellen. Dazu müssen sie buchen. Wer sich gegenüber seinen Gegnern durchsetzt, bekommt das Antwortrecht. Sie verdienen Geld (je mehr Geld, desto schwieriger die Frage), bei einer richtigen Antwort verlieren Sie Geld bei einem Fehler. Die Fragen sind die unterschiedlichsten und die Teilnehmer kennen die Themen nicht im Voraus. Die Hinweise sind nicht immer linear, sie können Akronyme, Verse, Wortspiele enthalten. Sie erfordern neben der Beherrschung des Fachs auch ein Urteilsvermögen, das für eine Maschine nur schwer zu erwerben ist. Wie McAfee und Brinjolfsson (The Second Machine Age, 2014) betonen: «Spieler müssen gleichzeitig schnell, mutig und präzise sein».
Watson, ein großer Nerd
Frühe Versionen von Watson ließen zu wünschen übrig. Die Programmierer wurden vor eine wichtige Wahl gestellt: einen vorsichtigeren Ansatz zu bevorzugen (für eine bessere Genauigkeit der Antworten) oder eine aggressivere Haltung einzunehmen (was die Möglichkeit beinhaltete, zuerst zu buchen und zu antworten, aber auch mehr Fehler zu machen leicht)? Bei den ersten Tests, die Ende 2006 durchgeführt wurden, wurde ein mäßig aggressives Vorgehen gewählt: Watson musste in 70 % der Fälle versuchen, zuerst zu antworten. Die Anfänge waren jedoch nicht ermutigend, die Leistung des Autos war weit davon entfernt, es konkurrenzfähig zu machen. Tatsächlich konnte Watson nur 15 % der Fragen richtig beantworten. Im Gegensatz dazu erzielte Watsons zukünftiger Herausforderer Ken Jennings unter gleichen Bedingungen etwa 90 % richtige Antworten.
Es gab offensichtlich viel zu tun, aber Watson erwies sich als schneller Lerner. 2010 erschien der Supercomputer endlich bereit, gegen menschliche Gegenspieler anzutreten. Unter bisherigen Annahmen konnte Watson nun 85 % der Fragen richtig beantworten. Eine hervorragende Leistung, die jedoch immer noch nicht ausreicht, um die besten Spieler im Fleisch herauszufordern.
Damit dies möglich war, mussten wir bis Anfang 2011 warten, als die Herausforderung zwischen Watson und zwei wirklich beeindruckenden Gegnern festgelegt wurde: Ken Jennings und Brad Rutter. Jennings ist der Spieler mit der längsten Trefferserie in der Geschichte der Show, sagenhafte 74 Spiele. Rutter hingegen ist der Konkurrent, der mit gut 3.400.000 US-Dollar den höchsten Betrag aller Zeiten verdient hat, sowie der Gewinner des Jeopardy! Ultimate Tournament of Champions (wo er Jennings selbst besiegte). An drei Abenden, zwischen dem 2005. und 14. Februar 16, übertraf Watson seine Konkurrenten deutlich. Obwohl er keinen Zugang zum Internet hatte, konnte der elektronische Herausforderer tatsächlich 2011 Millionen Seiten an Inhalten verwenden, einschließlich der gesamten Wikipedia. Dennoch war die Leistung des IBM-Supercomputers nicht fehlerfrei, insbesondere bei Fragekategorien mit wenigen Wörtern und minimalen Hinweisen. Trotzdem hat der Computer menschlichen Konkurrenten keinen Ausweg gelassen. Das Endergebnis sah, dass Watson einen Gesamtgewinn von $200 gegen die $77.147 von Jennings und die $24.000 von Rutter kombinierte.
Spiel ist aus. Der Computer gewinnt, der Mensch verliert!
Am Tag nach der
"Ich für meinen Teil begrüße unsere neuen Meister der Computer." Jennings fügte diese Zeile seiner letzten Antwort im letzten Spiel hinzu. Eine Anerkennung von Watsons Sieg, mit einem Zitat aus den Simpsons, aber vielleicht noch mehr das Bewusstsein der Niederlage, ihrer Auswirkungen, der Abdankung des Menschen vor der Maschine. Jennings sagte später: «Ich habe es genossen und würde es sofort wieder tun … Es geht nicht um die Ergebnisse; es geht darum, Teil der Zukunft zu sein." Und dass an diesem Abend Geschichte geschrieben wurde, steht außer Zweifel. Wie Edward Feigenbaum, Professor an der Stanford University und einer der Pioniere auf dem Gebiet der künstlichen Intelligenz, sagte: „Werfen Sie Ihre Gedanken 20 Jahre zurück und wer hätte gedacht, dass dies möglich wäre?“.
Dass das Unternehmen gelingen würde, war jedoch keineswegs ausgemacht. Für IBM Watson war es ein Glücksspiel. Eine Wette, an die ursprünglich nur wenige glaubten. Zunächst wurde das Projekt mit Ratlosigkeit oder, schlimmer noch, Gleichgültigkeit betrachtet. Eine Skepsis, mit der sich Paul Horn auch im eigenen Team auseinandersetzen musste: «Anfangs haben sie gesagt, nein, das ist ein lächerliches Projekt, an dem man arbeiten kann, es ist zu verraucht, es ist kein richtiger IT-Test, und das werden wir wahrscheinlich nicht können es trotzdem zu tun."
Der Start verlief schleppend, Schwierigkeiten und Misstrauen gingen Hand in Hand. Horn erinnert sich noch einmal: «Als ich IBM Ende 2007 verließ, war Watson ein embryonales Projekt … Es hatte drei Leute aus der Umgebung von Charles Lickel, die die Daten aus den alten Jeopardy-Programmen bekommen hatten und begannen, die Maschine zu trainieren. Damals konnte er kaum einen Fünfjährigen schlagen. Die Vorhersage war: „Gott weiß, wie lange es dauern würde, einen Erwachsenen zu schlagen, ganz zu schweigen von einem Champion.“
Aber am Ende hat Watson es geschafft. John Kelly, Forschungsleiter bei IBM und einer von Watsons Paten, offenbart einige Jahre später in einem Interview mit Charlie Rose die Besorgnis über diese Momente: «Eigentlich war in diesem Spiel von «Jeopardy!» Als wir dieses Computersystem vor fünf Jahren ins Fernsehen brachten, ließen wir es los. Und ich habe oft das Gefühl, dass ich mein Kind in einen Schulbus setze und keine Kontrolle darüber habe." Ein Junge, der mittlerweile beweisen musste, dass er auf eigenen Beinen laufen und sich nur auf seine eigenen Fähigkeiten verlassen konnte. Kelly fährt fort: „Sie hatte keine Ahnung, welche Fragen sie bekommen würde. Es war völlig autonom. Ich konnte ihn nicht mehr berühren."
Argumentationsmodell
Watsons Erfolg hat beträchtliche Aufmerksamkeit erregt. Es brachte IBM wieder ins Rampenlicht, nichtsdestotrotz ein erfolgreiches kommerzielles Unternehmen. Das Ereignis hinterließ eine Mischung aus Erstaunen, Fassungslosigkeit und, wie immer, wenn man sich ins Unbekannte begibt, Angst. „Die Leute fragen mich, ob das HAL [HAL9000 aus 2001 Odyssee im Weltraum] ist“, bemerkte Ferrucci, „es ist nur Science-Fiction … wir sind noch lange nicht an diesem Punkt.“
Was also unterscheidet Watson von anderen Taschenrechnern? Wie hat sich der IBM-Supercomputer gegen seine menschlichen Herausforderer durchgesetzt?
Ferrucci fährt fort: «… HAL steht nicht im Mittelpunkt. Im Mittelpunkt steht der "Star Trek"-Computer, wo Informationen durch intelligenten Dialog gesucht werden, wo weitere Fragen gestellt werden können und der Computer in der Lage ist, alle Beweise zu berücksichtigen und weitere Fragen zu stellen. Gerade diese Fähigkeit, die Komplexität der menschlichen Sprache zu interpretieren, ihre Facetten, Feinheiten und Nuancen zu erfassen, macht Watson einzigartig und unterscheidet es von seinem Vorgänger Deep Blue. Ferrucci bemerkt: „Wenn Sie an Schach denken, können Sie es dem Kontext eines wohldefinierten mathematischen Problems zuordnen. Jede Figur auf dem Brett, jede Regel, jeder Zug ist perfekt definiert. Es ist eindeutig. Es gibt keinen Raum für Interpretationen oder Ungewissheit darüber, was die wahre Natur des Problems ist und wie es funktioniert. Deep Blue musste natürlich ein Computer sein, der leistungsfähig genug war, um genügend Züge im Voraus zu recherchieren, um herauszufinden, was der beste Zug war, um das Spiel zu gewinnen. Aber es gab keine Zweideutigkeit oder externen Kontext oder Unsicherheit, die es zu erklären galt. Das Problem war umschrieben und gut definiert. Die menschliche Sprache ist eine ganz andere Geschichte. Um genau zu sein, muss bei der Beantwortung der Fragen eine angemessenere Arbeit geleistet werden, um die Sprache zu verstehen, die voller Mehrdeutigkeiten und Nuancen ist.
In der Tat bringt diese Eigenschaft Watson viel näher an AlphaGo heran, mit dem es auch eine andere Eigenschaft teilt: Es ist eine lernfähige Maschine. John Kelly beschreibt seine Intelligenz so: «Also hat er von vornherein keine intrinsische Intelligenz. Er ist im Grunde ein Kind. Aber sobald ihm Daten und Ergebnisse gegeben werden, lernt es, was völlig anders ist als alle Computersysteme der Vergangenheit, die eigentlich nichts gelernt haben. Und wenn es mit Menschen interagiert, wird es noch intelligenter. Und niemals vergessen."
Genau dieses Vorrecht gab dem IBM-Supercomputer eine zweite Chance, ja erlaubte es dem Unternehmen, seine Qualitäten auch kommerziell zu nutzen. Letztendlich gab es Watson, anders als Deep Blue, ein zweites Leben. Ein zweites Leben, das sich bis heute erfolgreich fortsetzt.
Aber das ist eine andere Geschichte…
