就像我们做阅读理解一样，Watson 也能「理解」上下文，它还会对内容和形式打分。在过滤信息时，Watson 会问自己：哪个证据能否证明是正确答案，对每个选择来说有多少与正确答案相关的信息在那里？

　　值得注意的是，如果「发现」自己的选择是错的，Watson 还会「想办法」节省时间。Watson 每次都会给自己的答案打一个预判分。然后再进一步判断：这些备选答案中，哪个才是我要找的答案？

　　▲ Watson 能为各种可能性打分

　　就像学生考试一样，通过做各种「阅读理解」题，Watson 也会拿到一个成绩单。这份成绩单上，写满每道大题的总分。

　　此时Watson需要做的就是「合并同类项」，将同类型大题的分数加在一起，然后它就会知道：最高的分数是哪个？分数第二高的又是哪个？ 此时，如果没有其他额外的变量，j2直播，最高分的那个就是 Watson 拿到的「正确答案」了。

　　Watson 就是这样基于知识上的关联，编制了一张大数据网，来进行自我学习。实际上，提问、理解、分析、判断、打分，这些事人也可以做。

　　Watson 的独特之处在于，它可以从类型、时间、空间、流行度、段落支持度、来源可靠度、语义相关度等不同的维度，运用上百种算法来分析问题。

　　▲通过不同的维度分析，得出正确率最高的答案

　　这就像投资学家查理·芒格投资股票一样，通过上百种模型分析问题，他能更具有全局意识，从而也相对容易的看出问题的实质。

　　这也是 Watson 的意义所在，单纯的看，每个维度上，Watson 在评分器上打分的影响不超过 1 %，但将这些维度组合到一个系统内时，Watson 找到答案的「平均精确度」却高达 92%！

　　这才是 Watson 的过人之处！

　　Geek君有话说

　　验证人工智能是否成功，我们经常会提到「图灵测试」：

　　测试者在与被测试者（一个人和一台机器）隔开的情况下，通过一些装置（如键盘）向被测试者随意提问。进行多次测试后，如果有超过30%的测试者不能确定出被测试者是人还是机器，那么这台机器就通过了测试，也就拥有了人工智能。

　　人工智能要通过「图灵测试」，「撒谎」将会是他们的必备技能。

　　如果有一天，Watson 为了不让人看出自己的意图而故意犯错，就像电影《机械姬》中的机器人伊娃一样，那么我们人类，又将何去何从呢？