واحد مشترک کمکی پژوهش و مهندسی «هوش یار-تواندار»     (HT-CSURE)

واحد مشترک کمکی پژوهش و مهندسی «هوش یار-تواندار» (HT-CSURE)

Hooshyar-Tavandar Common Subsidiary Unit for Research & Engineering
واحد مشترک کمکی پژوهش و مهندسی «هوش یار-تواندار»     (HT-CSURE)

واحد مشترک کمکی پژوهش و مهندسی «هوش یار-تواندار» (HT-CSURE)

Hooshyar-Tavandar Common Subsidiary Unit for Research & Engineering

چرا اپل نتیجه دستاوردهایش در هوش مصنوعی را منتشر کرد؟

جذب استعدادهای برتر هوش مصنوعی
چرا اپل نتیجه دستاوردهایش در هوش مصنوعی را منتشر کرد؟
همه ما با اپل آشنایی داریم. شرکتی که سعی می‌کند تا حد امکان کمترین اطلاعات در ارتباط با فعالیت‌هایش را رسانه‌ای کند. به عبارت دیگر رویکرد اپل تفاوت بسیاری با شرکت‌هایی همچون گوگل دارد که پژوهشگران آن معمولا نتایج دستاوردهای خود را در قالب مقالات علمی منتشر می‌کنند. اما اپل در اقدامی عجیب تصمیم گرفته است، موضع قبلی خود را تغییر داده و نتایج حاصل از پژوهش‌هایی که در زمینه هوش مصنوعی به دست آورده است را به طور عمومی در اختیار کارشناسان قرار دهد.

راس سالاتینوف، مدیر هوش مصنوعی اپل در یک پست توییتری که در تاریخ 6 دسامبر منتشر کرد، اعلام کرد: «اپل در نظر دارد نتایج حاصل از تحقیقاتی که در زمینه یادگیری ماشینی انجام داده است و همچنین دستاوردهایی که در این سال‌ها و به دور از چشم رسانه‌ها نائل به کسب آن‌ها شده است را منتشر سازد. این شرکت در نظر دارد نتایج دستاوردهای خود را با موسسات و آژانس‌‌های دانشگاهی به اشتراک قرار دهد.»

در همین ارتباط نویسنده سایت انگجت از اپل درباره جزییات این طرح سوالاتی پرسیده است که انتشار مقالات به چه شکلی خواهند بود. آیا اپل نتایج حاصل از تحقیقات روز خود را منتشر خواهد کرد یا در نظر دارد مقالاتی را به صورت گزینشی منتشر کرده یا مقالات خود را تنها در اختیار گروه مشخصی از افراد قرار دهد. سخن‌گوی اپل در این خصوص هیچ‌گونه اظهارنظری نکرده است.

اکنون کارشناسان حوزه فناوری این سوال را مطرح کرده‌اند، در شرایطی که این روزها هوش مصنوعی و یادگیری ماشینی یک بازار به شدت رقابتی را به وجود آورده‌اند اپل بر مبنای چه رویکردی تصمیم گرفته است، نتایج حاصل از دستاوردهای خود را با دیگران به اشتراک قرار دهد؟ به ویژه آن‌که همگان می‌دانند دستاوردهای اپل در این حوزه از اهمیت بالایی برخوردار هستند. محتمل‌ترین جوابی که به ذهن می‌رسد این است که اپل در نظر دارد استعدادهای برتر و شاخصی که در این زمینه فعالیت می‌کنند را جذب کند.

دانشمندان و پژوهشگران هوش مصنوعی همواره تمایل دارند تا نتایج حاصل از تحقیقات آن‌ها به طور عمومی منتشر شده و همگان با تلاش‌های آن‌ها آشنا شوند. اما رویکرد اپل در این سال‌ها بر خلاف این دیدگاه بوده است و به نظر می‌رسد اپل سعی دارد خود را کمی منعطف‌تر در این زمینه نشان دهد. در نتیجه پژوهشگران این حوزه اگر متقاعد شوند که اپل تحت قانون داخلی خودش که دستاوردهایش را اسرار تجاری توصیف کرده و مانع از انتشار آن‌ها می‌شود، عمل نمی‌کند در نتیجه انگیزه بیشتری خواهند داشت تا به سمت اپل متمایل شوند. به طوری که انتظار می‌رود در آینده اپل قدرتمندترین تیم هوش مصنوعی که متشکل از دانشمندان و افراد برجسته این حوزه است را گردهم آورد. فراموش نکنید که اپل در زمینه پرداخت دستمزد بالا به کارکنان خود معروف است.

همکاری OpenAI و مایکروسافت برای بردن هوش مصنوعی به فراتر از مرزهای کنونی

رایورز - آزمایشگاه هوش مصنوعی OpenAI درصدد است تا هوش مصنوعی را به فراتر از مرزهای کنونی خود سوق دهد و مایکروسافت می‌تواند توان رایانشی مورد نیاز آن را تأمین نماید.

به گزارش cnet، مؤسسه OpenAI یک آزمایشگاه جدید هوش مصنوعی است که در صدد است یافته‌های تحقیقاتی خود را با جهانیان به اشتراک بگذارد. الون ماسک و سام آلتمان (بنیانگذاران OpenAI)، برای ساختن این آزمایشگاه، چندین پژوهشگر رده بالا را از گوگل و فیسبوک استخدام نموده‌اند.

گفته می‌شود اگر این پروژه غیرمعمول بتواند هوش مصنوعی را به فراتر از مرزهای کنونی خود سوق دهد، به افراد مستعد و همچنین توان رایانشی بیشتری هم نیاز خواهد داشت.

اگرچه OpenAI می‌گوید از پشتیبانی بیش از یک میلیارد دلار سرمایه برخوردار است، اما راه متفاوتی را در پیش گرفته و از خدمات رایانش ابری مایکروسافت و شاید دیگر غول‌های فناوری بهره‌مند می‌شود. آلتمان می‌گوید: «ما نیاز زیادی به توان رایانشی داریم و مایکروسافت می‌تواند آن را برای ما فراهم کند.»

همه اینها نشان از یک رقابت نوین در جهان رایانش ابری دارند؛ جهانی که شرکت‌هایی همچون مایکروسافت، آمازون و گوگل میزان زیادی از توان رایانشی از طریق اینترنت را ارائه می‌دهند.

 

 

آزمایشگاه OpenAI بخشی از جنبش کنونی در جهت شبکه‌های عمیق عصبی است؛ یعنی شبکه‌هایی از سخت‌افزار و نرم‌افزار که با تحلیل میزان زیادی از داده‌ها، وظایف گسسته را یاد می‌گیرند. این فناوری تا حد زیادی به GPUها و دیگر تراشه‌های خاص اتکا دارد؛ از جمله پردازنده TPU که توسط گوگل توسعه داده شده است.

همچنان که یادگیری عمیق در صنعت فناوری فراگیر شده و در زمینه‌های گوناگون – همچون شناسایی تصویر و سخن، و نیز ترجمه ماشین و حتی امنیت - کاربرد پیدا کرده، شرکت‌ها و توسعه‌دهندگان به نوعی از خدمات رایانش ابری نیاز دارند که بتواند این سخت‌افزار جدید را در اختیار آنان قرار دهد.

اولین ربات گاوچران هم در مزرعه شروع به کار کرد


روبات مزرعه‌دار SWagBot
هر زمان درباره روبات‌ها صحبت می‌کنیم؛ به‌طور ناخودآگاه به مکان‌های ایزوله شده یا مکان‌هایی که همیشه مرتب و آراسته هستند، فکر می‌کنیم. طبیعی است فناوری عمدتا در این‌گونه مکان‌ها به فور پیدا می‌شود. اما همان‌گونه که پیش از این بارها به آن اشاره کرده‌ایم، روبات‌ها به مرور زمان به مکان‌های مختلفی وارد خواهند شد. این‌بار روبات‌ها تصمیم گرفته‌اند به مزارع کشاورزان وارد شده و همانند کارگران مزارع به ایفای نقش بپردازند. چه عیبی دارد؟

SwagBot اولین روبات گاوچران جهان قرار است در مزارع و زمین‌های ناهموار استرالیا به کار گرفته شود. او نه تنها این توانایی را دارد تا تعدادی از فعالیت‌های کارگران را انجام ‌دهد، بلکه قادر است این کارها را بدون هیچ‌گونه اشتباهی انجام دهد. SwagBot بیشتر شبیه به یک سگ نگهبان وفادار است. این روبات قادر است به محافظت از گله پرداخته و آن‌ها را به سمتی که باید حرکت کنند هدایت کند.


مطلب پیشنهادی

آیا روبات‌ها برای اعمال موجودیت خود به برخورد فیزیکی نیاز دارند؟

توانایی حمل وسایل سنگین مزرعه در کنار حرکت کردن در کوهستان‌های بروکبک از دیگر قابلیت‌های این روبات به شمار می‌رود. طراحی مکانیکی این روبات به گونه‌ای است که SwagBot حتا می‌تواند از درون چاله‌های آب، مرداب‌ها و حتی موانعی که پیش روی او قرار دارد حرکت کند. به‌طور مثال اگر این روبات در مسیر حرکت خود با یک لبه شیب‌دار برخورد کند این توانایی را دارد تا از روی لبه حرکت کند. در نتیجه برای حرکت در تپه‌ها با مشکل خاصی روبرو نخواهد شد. در برنامه‌ریزی‌های بلندمدت سازندگان این روبات در نظر دارند در گام اول از این شاهکار برای کنترل از راه دور گوسفندان و گله گاوها و در گام دوم برای پرورش اسب‌ها استفاده کنند. مکانیزم‌های ارتباطی و آنتن‌های گیرنده به کار رفته در این روبات به اندازه‌ای قدرتمند هستند که بدون هیچ‌گونه مشکلی به راحتی در زمین‌های دورافتاده کار کرده و به راحتی این روبات را در دسترس مالکان قرار می‌دهند.


مطلب پیشنهادی

قبل از این که روبات‎ها انسان را در مسابقات ورزشی شکست دهند آنها را آزمایش کنید

در مقایسه با دیگر روبات‌های کشاورز، SwagBot از انعطاف‌پذیری بالایی برخوردار بوده است و همین موضوع باعث شده است تا نگاه‌ها را به سمت خود معطوف سازد. این روبات در نهایت به اندازه‌ای از مهارت دست پیدا خواهد کرد که توانایی شناسایی بیماری حیوانات یا زخم‌هایی که برداشته‌اند را نیز خواهد داشت. این‌کار از طریق حس‌گرهای حرارتی، تصویربرداری از نحوه حرکت دام‌ها، کنترل میزان حرارات دمای بدن آن‌ها و راه رفتن آن‌ها به دست خواهد آمد. در حال حاضر دام‌ها در مناطق دورافتاده استرالیا در طول سال یک یا دو بار مورد نظارت و بررسی قرار می‌گیرند. در نتیجه به‌کارگیری SwagBot به معنای حضور دام خواهد بود. در حالی که این روبات در حال حاضر در مرحله آزمایشی قرار دارد، اما دانشمندان اعلام کرده‌اند این روبات آزمایش‌های اولیه را با موفقیت پشت سرگذاشته و به زودی توانایی شناسایی بیماری حیوانات را خواهد داشت.

حال سوال اصلی این است آیا این شروعی بر انقلاب روبات‌ها در حوزه کشاورزی و مزرعه‌داری خواهد بود؟

با روبات انسان‌نمای سرشار از احساسات عاطفی آشنا شوید

سوفیا می‌خندد و واکنش نشان می‌دهد
با روبات انسان‌نمای سرشار از احساسات عاطفی آشنا شوید
جدیدترین روبات ساخته شده از سوی شرکت هانسون روباتیک در اجلاس وب در لیسبون در معرض دید همگان قرار گرفت. روباتی که می‌تواند همانند انسان‌ها احساساتی شده، حالت صورت خود را همانند انسان‌ها تغییر داده و حتا جوک تعریف کند.

سوفیا روبات هوشمندی که توسط بن گرتزل پژوهشگر هوش مصنوعی طراحی شده بود تحسین همگان را برانگیخت. بن گرتزل در این اجلاس گفت: «روبات‌های هوشمند انسان‌نما با عبور از هوش انسانی کنترل مشاغل مختلف را به دست خواند گرفت و مردم را از انجام یکسری کارها نجات خواهند داد. آن‌ها  این توانایی را به دست خواهند آورد تا زیربنایی‌ترین مشکلات همچون گرسنگی و فقر را حل کرده و حتا در مبارزه با بیماری‌ها به یاری انسان‌ها بیایند. ما در حال ورود به عصری هستیم که ابرهوش مصنوعی به اندازه‌ای از اقتدار خواهد رسید که هزاران برابر هوشمندتر از انسان‌ها خواهد شد. به طوری که قادر خواهد بود بزرگ‌ترین مشکلات جهان ما را حل کنند. اولین قدم برای رسیدن به این فناوری‌ فوق هوشمند، طراحی روبات‌های انسان‌‌نما است. روبات‌هایی که انسان‌ها را درک کرده و با آن‌ها به تعامل بپردازند.»

در اجلاس امسال گرتزول دانشمند ارشد هانسون روباتیک گوشه‌ای از توانمندی‌های این روبات هوشمند را به تصویر کشید. در مراسم معرفی این روبات، بن گرتزول و مایک بوتچر نویسنده سایت تک‌کرانچ به روی صحنه رفتند. در این زمان سوفیا به آن‌ها خوش‌آمد گفت و سر خود را برای باتچر تکان داد، در حالی که یک ارتباط چشمی با گرتزل برقرار کرد. در ادامه به آن‌ها گفت: «من سوفیا هستم. جدیدترین روبات هانسون روباتیک. خیلی خوشحال هستم که در اجلاس وب در لیسبون حضور پیدا کرده‌ام.» باتچر و گرتزول از سوفیا سوال کردند آیا تا به حال احساساتی شده است؟ سوفیا گفت: «هیجان‌برانگیز است. بله هوش مصنوعی و روبات‌ها آینده هستند و من هر دو این‌ها هستم. همین موضوع من را ذوق زده کرده است.» در ادامه لبخندی زد. جواب دقیقی به این سوال نداد.


.


مطلب پیشنهادی

گرتزول در بخشی از صحبت‌های خود در این کنفرانس گفت: «شرکت ما در تلاش است تا احساسات را به دنیای روبات‌ها وارد کند. روبات‌هایی که عاشق انسان‌ها باشند و انسان‌ها نیز به نوبه خود با روبات‌ها احساس راحتی کنند.»

 شرکت هانسون در ارتباط با فعالیت‌های اخیر خود گفته است: «ما به دنبال این هستیم که اطمینان حاصل کنیم روبات‌های هوشمند کمک کننده باشند، به خدمت گرفته شوند و همچنین مردم را سرگرم کنند. بر همین اساس ما باید به توسعه "روابط عمیق" روبات‌ها بپردازیم.»

زمانی که هوش منطقی و هوش احساساتی(هیجانی) به روبات‌ها اضافه شوند، در آن زمان هوش مصنوعی از هوش انسانی سبقت خواهد گرفت. اما گرتزول می‌گوید: «ما به جای آن‌که نژاد بشر را در معرض خطر قرار دهیم، کمک خواهیم کرد تا مشکلات عمده بشر حل شوند.»



مطلب پیشنهادی

روبات‌هایی با توانایی انجام وظایف سنگین و پیچیده و حساس

بوتچر در گفت‌وگوی خود از سوفیا سوال کرد: «دید او نسبت به آینده چگونه است و دوست دارد در آینده چه چیزی را به دست آورد؟» او در جواب گفت: «واقعا دوست دارم درک بهتری از مردم به دست آورم و توانایی‌های خودم را بهتر درک کنم. با قابلیت‌هایی که در اختیار دارم، در مشاغل متعددی مفید خواهم بود و می‌توانم به معرفی محصولات و فروش آن‌ها بپردازم، در کنفرانس‌ها شرکت کنم، به کودکان آموزش دهم، در فروشگا‌های زنجیره‌ای به مردم کمک کنم و در خانه‌ها مفید باشم.»

سوفیا به گونه‌ای طراحی شده که توانایی برنامه‌ریزی خودش را داشته و قادر است توانایی‌های خود را تحت شرایط نسبتا کنترل شده‌ای بهبود بخشد

۵ کاری که هوش مصنوعی بهتر از انسان انجام می‌دهد

برتری هوش مصنوعی بر هوش طبیعی
۵ کاری که هوش مصنوعی بهتر از ما انجام می‌دهد!
هوش مصنوعی در بازی‌های ویدیویی قادر است ضربات سختی به ما وارد کند، اما هوش مصنوعی این پتانسیل را دارد تا در حوزه‌های دیگر نیز به همین خوبی ظاهر شود؟

برای هزاران سال، ما از گونه‌های هوشمندی همچون دولفین‌ها، اورانگوتان‌ها و بسیاری دیگر از مخلوقاتی که هر یک مهارت‌هایی در اختیار دارند و این سیاره را با ما به اشتراک قرار داده‌اند، پیش افتادیم. اما در سال‌های اخیر، موفق شدیم گونه‌های جدیدی از هوشمندی را ارائه کنیم که قادر است در بعضی موارد کارها را بهتر از ما انجام دهد. یکی از شناخته شده‌ترین اشکال هوش مصنوعی آلفاگو شرکت دیپ‌مایند است. این الگوریتم هوشمند موفق شد یک بازی چهار هزار ساله را به سرعت یاد بگیرد. به طوری که در رویارویی بهترین بازیکن گو و ماشین، این ماشین بود که موفق شد عامل انسانی را شکست دهد. نرم‌افزار دیگر طراحی شده از سوی دیپ‌مایند این قابلیت را دارد تا شیوه بازی کردن بازی‌های ویدیویی هشت بیتی کلاسیک را یاد بگیرد.

دمیس هاسابیس، پژوهشگر هوش مصنوعی در این ارتباط گفته است: «این نرم‌افزار یاد گرفته است که چگونه باید بازی را بر مبنای پیکسل‌هایی که روی صفحه‌نمایش وجود دارند شکست دهد. در ادامه امتیازاتی که روی صفحه نشان داده می‌شود را مورد بررسی قرار داده و برای کسب امتیاز بیشتر تلاش می‌کند. کمتر گونه‌ای از هوش مصنوعی را می‌توانید پیدا کنید که قادر باشد رسوم اجتماعی و قواعدی که ما در دنیای خود از آن‌ها استفاده می‌کنیم را مورد توجه قرار دهد. »

اما هوش مصنوعی در چه حوزه‌های دیگری خوب ظاهر می‌شود؟ ما در این مقاله پنج مورد از کارهایی که هوش مصنوعی هم‌طراز یا بهتر از عامل انسانی قادر به انجام آن‌ها است را به شما معرفی می‌کنیم.

1. ساخت برج‌های چوبی

هوش‌مصنوعی تنها بازی‌های ویدیویی را به خوبی انجام نمی‌دهد. هوش‌مصنوعی قادر است با اسباب‌بازی‌های سنتی نیز کار کند. درست همان‌گونه که ما این‌کار را انجام می‌دهیم، هوش‌مصنوعی موفق شد دروس فیزیک را با انجام بازی بلوک‌های چوبی یاد بگیرد. به‌طوری که اکنون می‌داند چگونه باید بلوک‌ها را روی یکدیگر قرار دهد و نحوه سقوط آن‌ها را نیز مشاهده کرده است.

پژوهشگران فیسبوک موفق شده‌اند این چنین هوش‌مصنوعی را طراحی کنند. برنامه‌ای که از شبکه‌های عصبی کانولوشن استفاده کرده و قادر است به سطحی از عملکرد همچون عامل انسانی دست پیدا کند. به طوری که قادر به پیش‌بینی این مورد است که برج‌ها چگونه سقوط خواهند کرد. هوش مصنوعی با نگاه کردن به فیلم‌ها و انیمیشن‌هایی که در آن‌ها برج‌هایی برافراشته یا فروریخته‌اند، دانش لازم را در این زمینه را به دست آورده است.

2. لبخوانی

لب‌خوانی و تشخیص این‌که یک فرد در حال گفتن چه کلماتی است، خود به تنهایی یک مهارت مفید به شمار می‌رود. اگر یک فرد کم شنوا باشد یا در محیطی کار کند که سر و صدای زیادی در آن وجود دارد، این تکنیک بیش از اندازه به یک فرد کمک می‌کند. بخش اعظمی از صحبت‌های ما و صدایی که از دهان ما خارج می‌شود برای افرادی که لب‌خوان هستند یا نرم‌افزارهای هوش مصنوعی قابل شناسایی نیستند. اما پژوهشگران دانشگاه آکسفورد موفق به طراحی سامانه‌ای شده‌اند که LipNet نام دارد. این سامانه قادر است جملات کوتاه را با ضریب خطای 6.6 کلمه لب‌خوانی کند. در همین ارتباط آزمایشی با حضور این سامانه و دو لب‌خوان انجام شد. سامانه فوق با ضریب خطای 6.6 کلمه، نفر اول با ضریب 35.5 درصد و نفر دوم با ضریب 57.3 درصد موفق شدند کلمات را به درستی تشخیص دهند. با توجه به آن‌که خروجی هوش‌مصنوعی به صورت متنی است، در نتیجه این سامانه برای ارائه توضیحات (زیرنویس) در برنامه‌های تلویزیونی می‌تواند مورد استفاده قرار گیرد.

3. یادداشتبرداری

مایکروسافت گفته است: «هر زمان کیفیت یک صدا خوب باشد، هوش مصنوعی این توانایی را دارد تا دقیق‌تر عمل کند.» پژوهشگران هوش‌مصنوعی این شرکت در حال طراحی یک سامانه تشخیص گفتار هستند که بتواند این وظیفه را بهتر از عامل انسانی انجام دهد. سامانه‌ای که مایکروسافت آن‌را طراحی کرده است اکنون این توانایی را دارد تا با نرخ خطای 5.9 درصد گفتار را تشخیص دهد. این سامانه در مقایسه با افرادی که مایکروسافت برای این منظور آن‌ها را استخدام کرده و نرخ خطای آن‌ها به طور معمول 11.1 درصد است، بهتر عمل می‌کند.

4. گزارش اخبار

این مقاله توسط یک عامل انسانی نوشته شده است، اما این احتمال وجود دارد که در آینده مطلبی را مطالعه کنید که هوش مصنوعی آن‌را نوشته باشد. شاید این اتفاق چندان هم بد نباشد. MogIA که توسط شرکت هندی Genic نوشته شده برای داستان‌نویسی طراحی نشده است، اما MogIA موفق شد برنده انتخابات ایالات متحده را با موفقیت پیش‌بینی کند. به طوری که اینکار را بهتر از روزنامه‌نگاران سیاسی انجام داد. اگر هوش مصنوعی در نظر داشته باشد به حوزه نگارش وارد شود، ضروری است که بتواند کلمات را به داده‌های ساخت یافته‌ای تبدیل کند که درک آن‌ها به سرعت امکان‌پذیر باشد.



مطلب پیشنهادی

سازمان OpenAI افق‌های تازه‌ای در زمینه مدیریت بر هوش‌مصنوعی ارائه می‌کند

روزنامه‌نگار فاینشینال تایمز در رویارویی با هوش مصنوعی طراحی شده از سوی استارت‌آپ کالیفرنیایی Stealth به نام Emma با دشواری روبرو شد. Emma موفق شد بر مبنای آمارهای مربوط به بیکاری که به این سامانه تحویل داده شده بود و بعد از آن‌که ماهیت این آمارها را درک کرد، تنها در مدت زمان 12 دقیقه یک گزارش آماده کند. به طوری که سه برابر سریع‌تر از روزنامه‌نگار فاینشینال تایمز این کار را انجام داد. در حالی که گزارش هوش مصنوعی روشن و دقیق بود، اما زاویه خبری گزارش را از دست داده بود. در این گزارش Emma به این نکته اشاره نکرد که در سال اول نرخ بیکاران یک روند صعودی قابل توجه را تجربه کرده بود. در حالی که خوانندگان تمایل دارند اخبار را به سرعت دریافت کنند، اما واقعیت این است که این خبرنگاران هستند که می‌توانند زاویه‌ها و دیدگاه‌های جذابی در اختیار خوانندگان قرار دهند. قرار دادن آمار مربوط به اشتغال جزء آن گروه از اطلاعاتی است که برای مخاطبان ارزشمند است، اما Emma این اطلاعات را لحاظ نکرده بود. با این وجود این یک مشکل حاد نیست و برنامه‌های هوش مصنوعی با مطالعه رمان‌ها، نمایشنامه‌ها و منابع دیگر قادر هستند این مشکل را برطرف کنند. به طور مثال، واتسون آی‌بی‌ام از جمله این سامانه‌ها است که اکنون قادر است با تکیه بر دانش عمومی خود در مسابقات پیروز شود.

5. تشخیص بیماری


پس از پیروزی‌های پر شکوه، واتسون آی‌بی‌ام به مدرسه پزشکی رفت. در این مدرسه نزدیک به 15 میلیون کتاب درس پزشکی و مقالات علمی در ارتباط با سرطان را مطالعه کرد. بر اساس یک سری گزارش‌های منتشر شده به واتسون اجازه داده شد در تشخیص یکسری از سرطان‌ها به پزشکان کمک کند. به طوری که واتسون به جای آن‌که جایگزین عامل انسانی شود به عنوان یک دستیار به عامل انسانی در شناسایی بیماری‌ها کمک کرد. آی‌بی‌ام به تازگی گزارش کرده است که واتسون با مطالعه حجم بسیار عظیمی از اطلاعات به منظور شناسایی یکسری بیماری‌های نادر مورد استفاده قرار خواهد گرفت. بیماری‌هایی که تعدادی از پزشکان ممکن است در طول حیات خود تنها چند مورد از آن‌را مشاهده کنند. پزشکان مستقر در مرکز تشخیص بیماری‌ها در دانشگاه ماربروگ آلمان از این قابلیت واتسون برای شناسایی مشکلات هزاران بیماری که هر سال به این مرکز مراجعه می‌کنند و تعدادی از آن‌ها بیماری‌های خاصی را دارند استفاده خواهند کرد. به ویژه در ارتباط با بیمارانی که مطالعه پرونده پزشکی آن‌ها و تحلیل آن به زمان بسیار زیادی نیاز دارد.

نویسندگانی همچون ری کورزویل و ورنور وینج این‌گونه می‌پندارند که هوش مصنوعی به نقطه‌ای خواهد رسید که تکینگی نام دارد. به طوری که در این مقطع زمانی قادر خواهد بود یکسری از مشکلات ترکیبی نژاد بشر را حل کرده و حتا از خود بشریت نیز پیشی بگیرد. اگر این اتفاق در دوران حیات ما رخ دهد، آن‌گاه خوشحال خواهیم بود که واتسون به ما موهبت عمر طولانی را اعطا خواهد کرد.