IBM WATSON ANALYTICS Inteligencia Artificial

Universidad Mariano Gálvez

Facultad de Ingeniería en Sistemas
Noveno ciclo
Inteligencia Artificial

MANUAL DE USUARIO
IBM WATSON ANALYTICS

Cristian Adolfo Armira Lotzoj

1990-14-3131
IBM WATSON ANALYTICS Inteligencia Artificial

Contenido
MANUAL DE USUARIO ............................................................................................................ 1
Introducción: ....................................................................................................................................... 3
Registro ............................................................................................................................................... 4
Agregando datos ................................................................................................................................. 7
MANUAL TÉCNICO .................................................................................................................... 9
Introducción ...................................................................................................................................... 10
Introducción al sistema deepQA ....................................................................................................... 11
Adquisición de contenido .................................................................................................................. 11
Análisis de la pregunta ...................................................................................................................... 12
Generación de hipótesis ................................................................................................................ 12
Generación de candidatos ............................................................................................................ 12
Soft Filtering .................................................................................................................................... 13
Puntuación de las hipótesis .......................................................................................................... 13
Recopilación de pruebas ............................................................................................................... 13
Puntuación ....................................................................................................................................... 14
Fusión de las respuestas .............................................................................................................. 14
IBM WATSON ANALYTICS Inteligencia Artificial

Introducción:
Watson es un complejo sistema cognitivo creado por IBM capaz de

entender el lenguaje humano y responder a su interlocutor de forma

única y precisa. En el año 2011 Watson fue capaz de ganar el concurso

estadounidense de preguntas y respuestas “Jeopardy!” contra sus dos

mejores concursantes.
IBM WATSON ANALYTICS Inteligencia Artificial

Registro
Para poder acceder a los grandes beneficios de este manejador Big Data, es necesario registrarse,
por lo que se deberán seguir los siguientes pasos:

1. Haga clic en el botón INICIE LA VERSIÓN DE PRUBA

2. Es hora de llenar los datos tal como se muestran, tomar en cuenta que es necesaria
IBM WATSON ANALYTICS Inteligencia Artificial

3. Procedemos a verificar si tenemos en nuestra bandeja de entrada un correo de la

empresa, en dicho correo veremos un código de 7 dígitos estos dígitos son los que
digitaremos en el recuadro tal como se muestra, y posteriormente hacer clic en
VERIFICAR.

4. Esperamos a que cargue.

IBM WATSON ANALYTICS Inteligencia Artificial

5. Luego de la carga de datos, demostrará la ventana de bienvenida.

6. Al terminar la configuración de la cuenta se mostrará la siguiente ventana: con los

elementos: DATA, DISCOVER, DISPLAY.
IBM WATSON ANALYTICS Inteligencia Artificial

Agregando datos
Para agregar datos es necesario seguir los siguientes pasos:

1. Hacer clic en el botón NUEVOS DATOS

2. Aparecerá la ventana agregar datos con los siguientes datos, para el ejemplo usaremos la
opción DATA DE MUESTRA(SD)

3. Elegimos esta opción:

4. Y a continuación hacer clic en importar.
IBM WATSON ANALYTICS Inteligencia Artificial

5. Se mostrará lo siguiente:

6. Al cargar los valores podremos visualizar los puntos de partida del tema a analizar.

7. Elegimos ¿QUE IMPULSA LA CAPACITACIÓN DE VENTAS?, al seleccionar la dicha opción se

mostraran los resultados correspondientes al análisis de los datos, mostrando lo datos
correspondientes.

De este modo hemos realizado un análisis fácil y rápido de un tema en específico, la facilidad que
ofrece esta herramienta la hace única entre otras,
IBM WATSON ANALYTICS Inteligencia Artificial

Universidad Mariano Gálvez

Facultad de Ingeniería en Sistemas
Noveno ciclo
Inteligencia Artificial
MANUAL TÉCNICO
IBM WATSON ANALYTICS

Cristian Adolfo Armira Lotzoj

1990-14-3131
IBM WATSON ANALYTICS Inteligencia Artificial

Introducción
Watson es ahora la columna vertebral de muchas aplicaciones de

terceros como Sell Smart, una aplicación de formación para minoristas

móviles; u OrangeHRM, una solución de recursos humanos de código

abierto. Hay que señalar que las características básicas de Watson son

gratuitas.

Existen diversas soluciones de IBM con el apellido de Watson que

incorporan ciertas capacidades de la supermáquina, entre ellas Watson

Analytics, con disposiciones afines a la inteligencia de negocio, como

son la visualización, exploración, reporteo y predicción. Lo más

importante es que incorpora el reconocimiento del lenguaje natural.

IBM WATSON ANALYTICS Inteligencia Artificial

Introducción al sistema deepQA

Para poder concursar en Jeopardy!, el equipo de IBM necesitaba desarrollar una
tecnología de QA (Question Answering en inglés) que tuviera un rendimiento muy
parecido e incluso superior al de los campeones del concurso. Necesitaban que
Watson acertara más del 85% de las preguntas que respondiera y tenía que ser
más rápido que los otros dos concursantes en el 70% de las preguntas totales.
Cuando empezó el desarrollo de Watson ya se había hecho investigación en el
campo del procesamiento del lenguaje natural, y existían otras tecnologías,
como PIQUANT o OpenEphyra. Éstas estaban entre las mejores de la Text
Retrieval Conference (TREC), en la cual se les daba unos documentos y unas
preguntas para responder en un tiempo determinado El problema es que
en Jeopardy! las pistas que se proporcionan son muy complejas, tienen un lenguaje
natural muy rico, con muchas expresiones, la mayoría de veces ambiguas, y de
muchísimos temas totalmente diferentes. En cambio, en la TREC, las preguntas
eran muy concretas y más estructuradas, del tipo ¿Dónde nació John Lennon?
donde es más fácil saber qué están preguntando. Además, el hecho de tener que
responder el 70% de todas las preguntas del concurso significaba que necesitaban
que Watson fuera muy rápido en encontrar la respuesta, pero eso no es suficiente,
ya que hay que responderla bien para conseguir esa precisión. Por lo tanto el
sistema debía ser rápido también a la hora de estimar la confianza para decidir si
responder o no.

Adquisición de contenido
Antes de poder responder cualquier pregunta, hay que establecer el contenido que
usará el sistema cuando necesite buscar información relacionada con la pregunta.

Lo primero que hay que hacer es buscar ejemplos de preguntas para poder saber
de qué tipo serán las que el sistema tendrá que responder y el dominio de éstas. A
partir de un análisis de estas preguntas de ejemplo, hay que darle a DeepQA un
conjunto de diferentes fuentes de información (artículos, obras literarias,
enciclopedias…). A partir de esta base inicial de datos, el sistema buscará en otras
fuentes en la web, extraerá diferentes recursos que tengan relación con las fuentes
IBM WATSON ANALYTICS Inteligencia Artificial

iniciales, y les dará una puntuación en función de lo informativos que sean. Por
último, DeepQA fusionará las fuentes que haya encontrado con mayor puntuación
con su conjunto inicial, así tendrá mucha más información y recursos que consultar.
Uno de los sistemas usados para adquirir conocimiento de forma automática y
guardarlos de manera estructurada es PRISMATIC.

Análisis de la pregunta
En este paso se recibe como entrada la pregunta que Watson debe responder, y
por lo tanto lo primero que hay que hacer es determinar qué es lo que se está
preguntando para poder luego buscar las respuestas. Para la realización de un buen
análisis, DeepQA utiliza una gran variedad de algoritmos y sistemas expertos.

Generación de hipótesis

En esta fase, se utiliza los resultados del análisis de la pregunta para buscar
respuestas y generar candidatos o hipótesis. Luego el sistema tendrá que demostrar
que son correctos con un nivel de confianza. Para conseguirlo, el proceso se divide
en diferentes etapas.

Primera búsqueda

Para empezar con la generación de hipótesis, se realiza una búsqueda con el

objetivo de encontrar cualquier contenido que pueda estar relacionada con la
respuesta. Se utilizan técnicas de búsqueda en textos, consultas en bases de datos
e incluso búsqueda basada en el conocimiento.

Generación de candidatos

Con los resultados de la búsqueda inicial se tienen que generar candidatos, que son
posibles respuestas. Se tienen que extraer de manera diferente para cada tipo de
búsqueda, si se realiza sobre una base de datos de nombres de personas, cada
nombre encontrado puede ser un candidato. En otros tipos donde los resultados de
la búsqueda son más largos y complejos, se requieren otras técnicas más
avanzadas.14
IBM WATSON ANALYTICS Inteligencia Artificial

En esta fase se generarán todos los candidatos que Watson analizará

posteriormente para validarlos y extraer el mejor. Esto significa que si la respuesta
correcta no se encuentra entre los candidatos, el sistema no podrá responder la
pregunta.14

Soft Filtering

De la búsqueda inicial, se generan muchos candidatos, cada uno de los cuales tiene
que ser analizado y se le tiene que dar una puntuación para determinar lo correcto
que es. Esto puede causar problemas, ya que es un proceso costoso y consume
muchos recursos. Por lo tanto, antes de puntuar los candidatos, se realiza un
análisis previo no muy exhausto y con menos consumo para eliminar hipótesis y así
ahorrar cálculos.

El soft filtering (en inglés), consiste en aplicar un filtro a los candidatos. Éste le
asigna una puntuación, con algoritmos más ligeros, y según el resultado se decide
si pasará a la siguiente fase.Una de las maneras para calcular esta puntuación es
determinar si un candidato es instancia del LAT de la pregunta, es decir, el tipo del
candidato es el mismo que pide la pregunta, si es una persona el sistema descartará
todo lo que no se corresponda con una. A este proceso se le llama Type Coercion.

Gracias a este método, de los cientos de candidatos que salen de la generación de

hipótesis, solo una parte pasará a la etapa de puntuación, y el resto se enviará
directamente a la etapa de fusión de los resultados.

Puntuación de las hipótesis

A los candidatos que pasan el soft filtering, hay que analizarlos rigurosamente. Este
análisis consiste en buscar pruebas sobre la validez de cada candidato y evaluar
estos resultados para poder puntuar las hipótesis.

Recopilación de pruebas

Para poder determinar si un candidato es correcto, hay que buscar pruebas que lo
demuestren. Una de las técnicas usadas consiste en realizar una búsqueda similar
a la realizada en la etapa de generación de hipótesis, pero un requisito es que el
IBM WATSON ANALYTICS Inteligencia Artificial

candidato se encuentre en el texto. De esta manera las pruebas halladas

contendrán la hipótesis en el contexto usado en la pregunta.

Puntuación

En esta fase es donde se calcula el grado de certeza con el que las pruebas apoyan
a cada candidato, usando múltiples técnicas. Éstas miden diferentes aspectos y
dimensiones de la pregunta, es decir, unos algoritmos más simples simplemente
determinarán si la prueba se parece a la pregunta, mientras que otros tendrán en
cuenta otros aspectos, como si el candidato es el objecto o el sujeto de la frase
donde aparece, entre otros.14

Fusión de las respuestas

Antes de proceder a la etapa final y escoger la respuesta definitiva, DeepQA fusiona

todas las respuestas que sean equivalentes o estén muy relacionadas. Eso quiere
decir que también tendrá que fusionar las diferentes puntuaciones y pruebas
encontradas en la etapa anterior. Por ejemplo, si la pregunta pide el nombre de una
persona, Watson fusionará todos los candidatos que sean nombres de la misma
persona. Esto se debe a que la siguiente etapa se usan técnicas basadas en las
diferencias relativas entre los candidatos.