Тест-драйв: watson analytics от ibm

революция в диагностике и терапии рака

Суперкомпьютер IBM Watson: революция в диагностике и терапии рака

Суперкомпьютер IBM Watson: революция в диагностике и терапии рака

Суперкомпьютер компании IBM Watson является достаточно известной системой искусственного интеллекта, которую без преувеличения можно назвать самым совершенным искусственным интеллектом в мире на сегодняшний день. Как сообщает DailyTechInfo, сейчас медики-онкологи из двух независимых групп обращаются к возможностям этого искусственного интеллекта в надежде на помощь в деле диагностики и лечения рака.

В качестве исходных данных в память суперкомпьютера загружено более 600 тысяч медицинских заключений и диагнозов, 2 миллиона страниц текстов, взятых из 42 медицинских журналов и результатов клинических испытаний в области онкологии. Благодаря высокой мощности Watson может «проанализировать» 1,5 миллиона записей из историй болезни различных пациентов и, основываясь на данных из историй успешной борьбы с подобными заболеваниями, выявить наиболее подходящие методы лечения в каждом конкретном случае.

Согласно информации от компании IBM (IBM Watson Hard At Work: New Breakthroughs Transform Quality Care for Patients), с суперкомпьютером Watson начали работать медики из Центра раковых заболеваний штата Мэн (Maine Center for Cancer Medicine) и группы Westmed Medical Group. В деле борьбы с онкологическими заболеваниями так же используются данные, подготовленные медиками-клиницистами и экспертами страховой медицинской компании WellPoint и онкологического центра Memorial Sloan-Kettering Cancer Center, которые провели тысячи человеко-часов, обучая Watson’а тонкостям обработки, анализа и интерпретации сложной клинической медицинской информации.

IBM Watson закончил медицинскую академию и пошёл на работу

Представители компаний IBM и WellPoint провели совместную конференцию, на которой объявили о начале коммерческой эксплуатации медицинской системы IBM Watson. Шесть машин IBM Watson уже «трудоустроены» в больницы США в качестве врачей-диагностов. За два года «медицинской подготовки» Watson изучил 605 тыс. медицинских документов, в общей сложности 2 миллиона страниц текста. Перед началом врачебной практики компьютер проанализировал 25 тыс. историй болезни и проработал 14,7 тыс. для тонкой настройки алгоритмов. С целью пополнения базы знаний компания IBM заключила соглашение с Memorial Sloan Kettering — одним из ведущих центров изучения рака, где собран огромный архив медицинской информации. Watson способен не только ставить диагнозы, но и определять наиболее оптимальный курс лечения. Во многих случаях он показывает точность диагностики лучше, чем врачи-люди.

Представитель компании WellPoint на пресс-конференции привёл такой пример. Точность назначения оптимального лечения после диагностирования рака лёгких в больницах США составляет 50%. То есть в половине случаев врачи рекомендуют не самый идеальный курс лечения и препаратов. Так вот, у компьютера IBM Watson точность назначения оптимального лечения составляет 90%. При расчёте он учитывает малейшие нюансы из медицинской карты больного и его генетическую информацию. Лечащий врач может со своего iPad вносить дополнительную информацию в компьютерную систему Watson в текстовом виде, например, написать «у пациента появилась кровь в мокроте при отхаркивании» — компьютер поймёт сказанное и через 30 секунд выдаст уточнённый диагноз и обновлённый курс лечения.

Конструкция компьютера тоже значительно усовершенствована. Раньше Watson занимал целую комнату (на фото вверху), 10 серверных шкафов с 90 серверами IBM Power 750. В первоначальных спецификациях было указано 2800 процессорных ядер и 15 терабайт памяти. Понятно, что в больницу такую систему никак не поставишь. Для установки в медучреждениях сделали клиентский модуль «размером с коробку от пиццы», который использует вычислительные ресурсы в облаке. Одновременно с этим, вычислительная мощность Watson увеличена на 240%, сказали на пресс-конференции.

Компания WellPoint является эксклюзивным реселлером IBM Watson для медицинских учреждений и занимается сопровождением системы. Компьютер можно купить или взять в аренду, а в ближайшее время заработает веб-портал для доступа к справочной системе. Компания WellPoint планирует подписать на сервис компьютерной диагностики 1600 медицинских учреждений до конца текущего года.

Суперкомпьютер IBM Watson |

Суперкомпьютер компании IBM Watson, получивший широкую известность после того, как он стал победителем конкурса «Jeopardy!», поступает на учебу в институт. Компания IBM предоставляет программную части системы Watson-а в распоряжение Ренселлеровского политехнического института (Rensselaer Polytechnic Institute, RPI), где он, как обычный студент из плоти и крови, будет «грызть гранит» науки, оттачивая свои навыки и приобретая дополнительные знания. Конечно, суперкомпьютер Watson не будет проходить весь курс институтских предметов, его трехлетняя программа будет сосредоточена на углубленном изучении математики и английского языка.

«Это является большим шагом для всех нас» — рассказывает Майкл Хенеси (Michael Henesey), вице-президент компания IBM по коммерческому развитию, — «Технологии, реализованные в системе суперкомпьютера Watson, мы считаем одним из самых важных стратегических направлений деятельности нашей компании, нацеленным на будущее. И мы хотим совершенствовать эти технологии и дальше, сотрудничая с лучшими представителями академических учебных заведений».

Система суперкомпьютера Watson является познавательной, когнитивной системой, которая может обрабатывать огромные объемы информации, включая информацию, написанную естественным языком. Для победы суперкомпьютера в конкурсе «Jeopardy!» в 2011 году, в его память были внесены данные из различных энциклопедий, справочников, словарей, книг различного рода, выпусков новостей и даже художественных фильмов. Для работы в медицинском направлении память Watson-а была наполнена данными из медицинских справочников, публикаций, журналов и других источников информации медицинского плана. После предварительной обработки полученной разнородной информации суперкомпьютер может быстро находить ответы на вопросы, ставить медицинский диагноз или оценивать финансовые риски.

Компания IBM, выделившая грант Ренселлеровскому институту и предоставившая им право использования системы Watson в течение трех лет, рассматривает это как способ развития и повышения эффективности познавательных способностей системы искусственного интеллекта суперкомпьютера. Исследователи RPI, занимающиеся проблемами искусственного интеллекта, собираются модернизировать т дополнить некоторые части системы Watson, что улучшит математические способности суперкомпьютера с помощью которых он самостоятельно сможет выяснить значения некоторых новых слов и слов искусственного происхождения. Помимо этого, система суперкомпьютера получит новые функции, которые позволят системе выполнять анализ статических изображений, потоков видеоизображений, электронных писем, книг и других источников неструктурированной информации, на долю которой приходится большая часть объема всей информации, доступной в Интернете.

То, что система Watson поступает в распоряжение института RPI, еще не означает, что сам суперкомпьютер физически будет перемещен на новое местоположение. Оригинальная система Watson будет по-прежнему находиться в офисе IBM Research в округе Вестчестер. А программная часть Watson-а переедет с новую суперкомпьютерную вычислительную систему, полностью совместимую с архитектурой программного обеспечения Watson-а, которая уже установлена в вычислительном центре технического парка института. Версия Watson-а от RPI имеет память, объемом 15 терабайт, чего достаточно для хранения данных весьма немалой библиотеки, а работать с суперкомпьютером сможет сразу двадцать пользователей.

Компания IBM уже неоднократно сотрудничала с другими медицинскими организациями, но данный случай является первым разом, когда программная составляющая Watson-а переехала в «неродную», но совместимую, суперкомпьютерную вычислительную систему.

Суперкомпьютер Watson «устроился» в колл-центр

Суперкомпьютер Watson, созданный инженерами IBM, заменит автоматизированные системы, отвечающие на звонки клиентов. «Искусственный разум» сможет давать консультации на смартфонах и планшетниках, в интернет-чатах, по телефону, СМС и электронной почте. За обработку голоса человека будет отвечать технология, созданная Nuance.

К примеру, клиентам банка Watson сможет объяснять тонкости пенсионных накоплений и сберегательных инструментов, а абонентам сотовых операторов — как подключить услугу или оплатить счет. У пользователей появится возможность, например, начать диалог с «машиной» на iPhone, а продолжить на ПК.

В рамках плотной программы Ask Watson с IBM согласились сотрудничать несколько компаний, в том числе банк ANZ Bank, оператор Vodafone, агентство Nielsen и сеть супермаркетов Kroger. Сейчас система проходит тестирование, а к работе она сможет приступить через несколько месяцев, пишет Ars Technica.

Watson прославился в 2011 году, когда одержал победу над американскими знатоками в телевикторине Jeopardy! (аналог «Своей игры» в России). С тех пор умная «машина» начала пользоваться спросом у коммерческих организаций. В 2012-м, например, ее наняли в качестве виртуального диагноста несколько клиник в США, чтобы она выдавала советы по лечению различных болезней.

Также суперкомпьютер сотрудничал с медцентром Сидарс-Синай в Лос-Анджелесе, выдавая информацию об онкологических заболеваниях. Кроме того, прошлым летом Watson нашли применение в банке Citigroup, где он трудился как финансовый консультант (самостоятельную продажу акций, однако, ему не доверили). «Машину» предлагали использовать и для анализа чрезвычайных ситуаций и метеорологических данных.

Ученые из IBM потратили на разработку системы более четырех лет. Суперкомпьютер способен выполнять около 80 триллионов операций (терафлопс) в секунду. Процессор Watson работает на 2 тысячах 800 ядрах, а его оперативная память составляет 16 терабайт.

Одна из самых сложных программ суперкомпьютера — DeepQA, способная обрабатывать поступающие вопросы, заданные на естественном языке. Именно понимание человеческого предложения отличает Watson от обычной поисковой системы, которая умеет лишь выдавать список результатов в ответ на ключевые слова.

Поделитесь новостью:

Using Websockets

The Text to Speech service supports synthesizing text to spoken audio using web sockets with the . The Speech to Text service supports recognizing speech to text using web sockets with the . These methods need a custom callback class to listen to events. Below is an example of . Note: The service accepts one request per connection.

from ibm_watson.websocket import SynthesizeCallback

class MySynthesizeCallback(SynthesizeCallback):
    def __init__(self):
        SynthesizeCallback.__init__(self)

    def on_audio_stream(self, audio_stream):
        return audio_stream

    def on_data(self, data):
        return data

my_callback = MySynthesizeCallback()
service.synthesize_using_websocket('I like to pet dogs',
                                   my_callback,
                                   accept='audio/wav',
                                   voice='en-US_AllisonVoice'
                                  )

Как попробовать IBM Watson в действии прямо сейчас

Для тех, кто ещё не знаком с IBM Watson, достаточно представить всем известные супер-компьютеры, которые хранятся в ангарах и обрабатывают немыслимые объемы данных. IBM Watson — это, своего рода, новый виток в сфере обработки информации. Этот компьютер играет в «Свою игру», готовит покушать и лечит больных. Простым смертным попробовать новинку было невозможно, до недавнего времени.

IBM Watson — суперкомпьютер фирмы IBM, оснащённый вопросно-ответной системой искусственного интеллекта, созданный группой исследователей под руководством Дэвида Феруччи. Его создание — часть проекта DeepQA. Основная задача Уотсона — понимать вопросы, сформулированные на естественном языке, и находить на них ответы в базе данных. Назван в честь основателя IBM Томаса Уотсона. Wikipedia.

23-го ноября прошлого года Mya анонсировали своё сотрудничество с IBM, и теперь все пользователи сервиса получили мощь IBM Watson в своё распоряжение.

Mya — сервис, который автоматически выполняет поиск информации по заданной цели. Mya идеально подходит тем, кто постоянно нуждается в новой информации разной тематики.

Теперь все ваши вопросы к Mya будут обработаны IBM Watson. Задавать их можно в удобной панели управления при помощи фильтров:

До тех пор, пока не будет создан поисковый запрос к сервису:

Затем Mya заботливо разложит результаты своей работы по карточкам:

Кроме внешних источников, сервис так же обрабатывает и ваши собственные данные, например, Evernote:

Если вы искали поисковый движок, который бы выдавал сразу же нужную и обработанную информацию, то Mya будет весьма кстати. Теперь ещё и при поддержке IBM Watson.

Ссылки по теме

Попробовать Mya в действии.

Почитать подробнее о Mya можно здесь.

Обзор Mya 1.0. Как автоматизировать поиск «Обзор Mya. Как автоматизировать поиск».

Автор фото на КДПВ Mr Seb по лицензии СС 2.0.

Начиная

Первое, что вам нужно сделать, это перейти на страницу (page and sign)Watson Assistant и зарегистрироваться . Мы использовали бесплатный пакет «Lite», который позволяет вам создать любого чат-бота без каких-либо обязательств. Просто нажмите (Just click)(Get Started  for Free) »  и следуйте инструкциям.

После оформления всех цифровых документов вы окажетесь на странице Представляем IBM Watson Assistant . (Introducing IBM Watson Assistant )Теперь нажмите «Создать рабочую область(Create a Workspace) » .

Теперь нажмите Создать.( Create.)

Теперь просто назовите свое рабочее пространство и добавьте описание(name your workspace and add a description) .

Прежде чем мы добавим наше пользовательское намерение, первое, что вы должны сделать, это добавить несколько общих намерений, которые IBM уже подготовила для нас. Это избавляет вас от необходимости каждый раз обучать бота основам (bot basic)разговора(conversation stuff) с нуля.

Для этого в разделе «Намерения» нажмите « Каталог контента(Content Catalogue) », а затем нажмите  « Добавить в рабочую область(Add to Workspace) » рядом с категорией « Общие(General) ».

У бота теперь есть возможность понимать общие диалоги, например приветствия. Чтобы увидеть, как это работает, перейдите на вкладку « Диалог( Dialog ) », а затем нажмите «Создать диалог»(Create Dialog) . Автоматически будут сгенерированы два узла беседы — «Добро пожаловать(Welcome) »  и «Все остальное»(Anything else) .

Нажмите Добро пожаловать(Welcome ) , чтобы развернуть его.

Здесь вы можете увидеть базовую структуру диалогового узла(dialog node) . Если бот распознает определенное условие (например, намерение), он будет реагировать так, как вы определите.

Хотя в данном случае мы не создавали пользовательское намерение, давайте перейдем на вкладку Intents(Intents tab) и посмотрим на намерение под названием # General_Greetings . Просто нажмите(Just click) #General_Greetings #General_Greetings списке намерений, чтобы открыть его.

Именно так вы бы сделали свое собственное намерение. Дайте ему имя, дайте ему описание и добавьте столько способов, сколько вы можете придумать, чтобы пользователь указал это намерение. Здесь IBM уже сделала работу за нас, но совершенно ясно, как это работает. Вы также можете изменить это существующее намерение, добавив больше примеров. Возможно, на вашем местном диалекте.

Мы собираемся использовать это намерение как часть диалога нашего чат-бота, поэтому вернитесь на вкладку диалога(head back to the dialog tab) и нажмите «Создать диалог»(Create Dialog) . Наш настраиваемый диалог(custom dialog) будет происходить между узлами Welcome и Anything(Welcome and Anything) else. Все, что вам нужно сделать, это нажать Добавить узел.(Add node.)

Мы назовем этот узел  Friendly Greetings  и будем использовать намерение #General_Greetings для его включения. Поэтому в разделе « Если бот распознает(If bot recognizes)  » просто введите имя намерения и выберите его в раскрывающемся меню.

Теперь оставляем наш ответ как «текст» и пишем, что мы хотим, чтобы бот сказал в ответ на наше приветствие.

Вы можете закрыть узел диалога(dialog node) , нажав на кнопку X. Теперь у нас должен быть бот, который может ответить на простое приветствие. Нажмите кнопку «  Попробовать ( Try It ) » в правом верхнем углу страницы, чтобы протестировать созданного нами бота. Введите  Hello   в появившейся панели чата(chat bar) и посмотрите, что произойдет.

Ух ты! Watson распознает наше намерение поприветствовать его, а затем использует правила, которые мы указали в построителе диалогового окна,(dialog builder) чтобы ответить. Поздравляем, вы только что прошли полный цикл создания чат-бота!

Начало работы с Watson Analytics

Хотелось бы начать с того, что регистрация на сайте продукта довольно простая и занимает от 3 до 5 минут. Однако не все оказалось так гладко – письмо с подтверждением аккаунта упорно не хотело приходить: бета-версия таки дает о себе знать.

После входа в систему, пользователь может посмотреть видеоролик с описанием услуги. Здесь следует выделить два ключевых момента:

• данные должны быть загружены в форматах CSV или MS Excel (.xls)
• их размер не должен превышать 12 МБ и может содержать не более 50 столбцов.

Все в том же видео IBM выделяет три ключевых функции своего продукта: explore (исследовать), predict (прогнозировать), assemble (собирать).

Explore. Функция позволяет делать запросы к данным. Для этого можно воспользоваться имеющимися шаблонами или ввести текст вручную. Это, казалось бы, довольно мощный инструмент, однако пока он позволяет лишь спросить «Как переменная x зависит от переменной y» (при этом переменная y должна быть строго категориальной).

Predict. Функция позволяет предсказывать одну и более переменную на основе других переменных. Для этого применяется метод классификации или регрессии в зависимости от того, переменная категориальная или непрерывная. К сожалению, на данном этапе инструмент срабатывает через раз.

Assemble. Функция позволяет создавать рабочие журналы. Они содержат презентационные материалы, визуализации данных и отчеты. По словам представителей компании, инструмент будет доступен уже в ближайшее время.

Полный набор инструментов для комплексной разработки приложений с использованием ИИ

Watson Studio содержит разнообразные средства организации полного жизненного цикла ИИ, включая лучшие в своем классе open source инструменты, а также инструменты от IBM. Функциональные компоненты могут требовать или не требовать необходимость в разработке кода и дают возможность компоновать и обучать собственные модели машинного обучения (МО) и глубокого обучения (ГО), а также проводить повторное обучение и настройку заранее обученных API Watson. Предусмотрены обширные возможности по тонкой настройке моделей, управлению ими и автоматизации цикла обратной связи, что позволяет моделям со временем становиться более умными и постоянно адаптироваться к изменению внешних условий.

5. Использование службы беседы

В классе Watson SDK есть все способы, с которыми вам нужно связаться с сервисом Беседа. Поэтому первое, что вам нужно сделать в вашем классе , это создать его экземпляр. Его конструктор ожидает дату версии, имя пользователя и пароль.

1

final ConversationService myConversationService =

2

            new ConversationService(

3

                    "2017-05-26",

4

                    getString(R.string.username),

5

                    getString(R.string.password)

6

            );

Затем, чтобы иметь возможность работать с виджетами, присутствующими в XML-файле макета, вы должны получить ссылки на них с помощью метода .

1

final TextView conversation = (TextView)findViewById(R.id.conversation);

2

final EditText userInput = (EditText)findViewById(R.id.user_input);

Когда пользователи закончили вводить свои входные сообщения, они будут нажимать кнопку «Done» на своих виртуальных клавиатурах. Чтобы прослушать это событие нажатия кнопки, вы должны добавить в виджет .

1

userInput.setOnEditorActionListener(new TextView

2

                                        .OnEditorActionListener() {

3

    @Override

4

    public boolean onEditorAction(TextView tv, 

5

                                int action, KeyEvent keyEvent) {

6

        if(action == EditorInfo.IME_ACTION_DONE) {

7

            // More code here

8

        }

9

        return false;

10

    }

11

});

Внутри слушателя вы можете вызвать метод виджета для извлечения сообщения пользователя.

Виджет будет отображать как сообщения пользователя, так и ответы бота. Поэтому добавьте сообщение в виджет , используя его метод .

1

final String inputText = userInput.getText().toString();

2

conversation.append(

3

        Html.fromHtml("<p><b>You:</b> " + inputText + "</p>")

4

);

5

6

// Optionally, clear edittext

7

userInput.setText("");

Сообщение пользователя должно быть отправлено в службу беседы, завернутую в объект . Вы можете легко создать его с помощью класса .

1

MessageRequest request = new MessageRequest.Builder()

2

        .inputText(inputText)

3

        .build();

После того как запрос будет готов, вы должны передать его методу объекта вместе с идентификатором рабочей области. Наконец, чтобы отправить сообщение в службу беседы, вы должны вызвать метод .

Поскольку метод выполняется асинхронно, для получения ответа службы вам также потребуется объект .

1

myConversationService

2

    .message(getString(R.string.workspace), request)

3

    .enqueue(new ServiceCallback<MessageResponse>() {

4

        @Override

5

        public void onResponse(MessageResponse response) {

6

            // More code here

7

        }

8

9

        @Override

10

        public void onFailure(Exception e) {}

11

    });

Внутри метода вы можете вызвать метод объекта , чтобы получить ответ службы беседы.

1

final String outputText = response.getText().get();

Теперь вы можете добавить ответ на виджет с помощью метода . Однако убедитесь, что вы делаете это внутри метода , потому что в настоящее время вы используете другой поток.

1

runOnUiThread(new Runnable() {

2

    @Override

3

    public void run() {

4

        conversation.append(

5

                Html.fromHtml("<p><b>Bot:</b> " +

6

                        outputText + "</p>")

7

        );

8

    }

9

});

Наш бот почти готов. Если вы попробуете запустить приложение, вы сможете получить от него правильные ответы для целей #Greeting и #Name. Тем не менее, он все еще не может читать вдохновляющие цитаты. Поэтому теперь мы должны добавить код, чтобы явно искать намерение #RequestQuote и генерировать ответ вручную.

Чтобы извлечь имя обнаруженного намерения из объекта , вы должны вызвать его метод , который возвращает список объектов , выбрать первый элемент и вызывать его метод .

1

if(response.getIntents().get().getIntent()

2

                        .endsWith("RequestQuote")) {

3

    // More code here

4

}

Есть много сайтов со свободными API, которые вы можете использовать для получения вдохновляющих цитат. Forismatic — один из них. Его REST API предоставляет цитаты в виде обычного текста, который вы можете напрямую использовать в своем приложении.

Чтобы сделать HTTP-запрос к URL-адресу API Forismatic, вам нужно всего лишь вызвать метод класса . Поскольку метод выполняется асинхронно, вы должны обрабатывать HTTP-ответ, вызывая метод и передавая ему объект .

Внутри метода обработчика вы можете просто добавить цитату в виджет . В следующем коде показано, как:

1

String quotesURL = 

2

    "https://api.forismatic.com/api/1.0/" + 

3

    "?method=getQuote&format=text&lang=en";

4

5

Fuel.get(quotesURL)

6

    .responseString(new Handler<String>() {

7

        @Override

8

        public void success(Request request, 

9

                            Response response, String quote) {

10

            conversation.append(

11

                    Html.fromHtml("<p><b>Bot:</b> " +

12

                            quote + "</p>")

13

            );

14

        }

15

16

        @Override

17

        public void failure(Request request, 

18

                            Response response, 

19

                            FuelError fuelError) {

20

        }

21

    });

Теперь бот завершен и сможет генерировать правильные ответы для всех намерений, которые мы добавили в рабочую область.

Getting Started

While this is a full self-service BI tool, IT can lend a hand in loading company data to simplify things further for business users and to also ensure compliance and security rules(Opens in a new window) are set as IT would have them. However, users can easily load data themselves providing they have the credentials to access it. Users are then prompted on setting rules.

Users can also shape and cleanse the data prior to uploading it by clicking the «Shape Before» button rather than the «Upload Now» button, which are both choices after clicking «+ New data» (the Add Data button) on the IBM Watson Analytics homepage. Users can depersonalize customer names and other personally identifiable information(Opens in a new window) (PII) to comply with privacy rules in the «Shape Before» function prior to upload. I used the «Shape Before» button to move through the data and delete empty rows, but you can also clean up addresses and dates and other information to achieve conformity which aids in the analysis.

In other words, «Shape Before» lets user easily clean and prep the data with just a few clicks prior to running an analysis on it. The system prompts the user with suggested cleaning and prep tasks that particular data set appears to the system to need. The simplicity in this makes it easily undervalued when you consider that data prep typically takes more time than any other step in the analytics processes—yet here it is a matter of prompts and clicks and you’re done.

After all data sets are added by the user or IT department, the user interface (UI) shows the data sets in the user’s choice of icons or a table. Either way, the data sets shown there can come from user uploads, data accessed through one or more IBM Watson Analytics’ connectors, data sets that have been combined by the user within the system, or data sets from IBM Watson Social Media (a social media analytics tool accessible from within the IBM Watson Analytics tool).

Note that IBM Watson Analytics does not do streaming analytics; such is common with the Internet of Things (IoT) data and other sources and systems where information is streamed and analysis must be instant. However, in IBM Watson Analytics, data can be refreshed frequently, as often as every 5 seconds or so, for a near-real-time read. That will suffice for many use cases and certainly for the use cases IBM is aiming for: visualization, patterning, and social media point-in-time analysis. It cannot be used for any use case that requires actual real-time, streaming analysis. That may be a major shortcoming for some users.

In short, I found the data setup to be simple and straightforward and well-suited to the typical business analyst’s skill level as well as within the reach of most other business users. The system is highly intuitive, but it can be intimidating to beginners nonetheless. Regardless of skill level, I highly recommend viewing the tutorials first. Although most users will be able to poke and feel their way through the tool just fine, the tutorial will get you up and running faster, particularly if you haven’t used a self-service BI tool before. If you are experienced in data wrangling and analytics, then it’s still a great time-saver to view the tutorials initially.

Getting Started

The first thing you’ll want to do is head over to the Watson Assistant page and sign up. We used the free “Lite” package which lets you build any chatbot you want without obligation. Just click Get Started  for Free and follow the instructions.

Once you’ve done all the digital paperwork, you’ll end up on the Introducing IBM Watson Assistant page. Now click Create a Workspace.

Now click Create.

Now just name your workspace and add a description.

Before we add our custom intent, the first thing you should do is add some common intents that IBM has already prepared for us. This saves you from having to teach your bot basic conversation stuff from scratch every time.

To do this, under Intents click on Content Catalogue and then click Add to Workspace next to the General category.

The bot now has the ability to understand general dialog, such as greetings. To see how this works, click on the Dialog tab and then click Create Dialog. Two conversation nodes will be automatically generated – Welcome and Anything else.

Click on Welcome to expand it.

Here you can see the basic structure of the dialog node. If the bot recognizes a certain condition (such as an intent) then it will respond in the way you define.

While we didn’t create a custom intent in this case, let’s head over to the Intents tab and have a look at the intent called #General_Greetings. Just click on #General_Greetings in the list of intents to open it.

This is exactly how you would make your own intent. Give it a name, give it a description and add as many ways as you can think of that the user would indicate this intent. Here IBM has already done the work for us, but it’s perfectly clear how it works. You can also modify this existing intent by adding more examples. Perhaps in your own local dialect.

We are going to use this intent as part of our chatbot’s dialog, so head back to the dialog tab and click Create Dialog. Our custom dialog is going to happen between the Welcome and Anything else nodes. All you have to do, is click Add node.

We are going to call this node Friendly Greetings and are going to use the #General_Greetings intent to power it. So under If bot recognizes just type the name of the intent and choose it from the dropdown menu.

Now we leave our response as “text” and write what we want the bot to say in response to our greeting.

You can close the dialog node by clicking on the X button. Now we should have a bot that can respond to a basic greeting. Click the Try It button at the top right of the page to test the bot we’ve built so far. Type Hello  in the chat bar that pops up and see what happens.

Wow! Watson recognizes our intent is to greet it and then uses the rules we specified in the dialog builder to respond. Congratulations, you’ve just gone through one full cycle of building a chatbot!

Watson Studio: полезно для организаций, работающих с искусственным интеллектом

Watson Studio ускоряет рабочие процессы, связанные с машинным и глубоким обучением, необходимые для интеграции ИИ в бизнес и поддержки инноваций. В состав решения входят инструменты для экспертов по анализу данных, разработчиков приложений и профильных экспертов, помогающие организовать совместную обработку данных и крупномасштабную компоновку, обучение и развертывание моделей. Для успешной реализации проектов ИИ нужны алгоритмы, данные, специалисты и очень мощная вычислительная инфраструктура.

До сегодняшнего дня существовал барьер между экспертами по данным и профильными экспертами. Только технические специалисты высшей квалификации могли систематизировать и анализировать огромные объемы данных. Только профильные эксперты могли трансформировать данные в знания, необходимые искусственному интеллекту. Однако они работали независимо друг от друга, пользовались разными инструментами и не могли обмениваться результатами работы. В итоге искусственному интеллекту не удавалось по-настоящему дополнять интеллект человека.

Watson Studio ликвидирует этот барьер и позволяет сформировать единую среду генерирования новых идей на основе знаний, содержащихся в данных. Watson Studio дает возможность организовать взаимодействие экспертов разного профиля в масштабах всей организации. Опыт работы с клиентами по всему миру убедил нас, что комплексное взаимодействие — ключ к реализации всего потенциала ИИ.