在沃森精彩舞台表现的背后，人工智能的一个分支领域——概率推理功不可没：这项技术帮助沃森从不完整的信息组合中提炼出完整答案。比赛前，IBM的工程师们把百科知识和以往《危险边缘》的节目资料塞进沃森的硬盘里，然后把沃森的电脑程序分成100个小程序，每个小程序负责一个方面。比如，一个程序负责"著名作家"，另一个程序负责"食品"。比赛时，针对提出的问题，沃森的100个分程序各自从数据库里寻找答案，最终沃森综合这100个分程序的结果，选择最有可能正确的答案。比赛结果并不出乎意料，沃森曾经在电视节目中击败两位真人冠军。
不过，成为《危险边缘》的冠军并不是沃森的真正使命，I BM计划派给沃森更实用的任务，比如给医学、商业、农业等领域提供时效性强的重要信息。
无人驾驶汽车
行驶在美国拉斯维加斯的公路上，如果你看到一辆汽车的牌照是红色，其上印有无穷大符号，就要留意一下了，它是一辆无人驾驶的汽车。2012年初，美国内华达州为无人驾驶汽车发放了第一张牌照。
在世界上其他地方，无人驾驶汽车也会火起来吗？应该说，到现在为止，驾驶还是一项由真人司机占据主导地位的任务。虽然驾车称不上很难，但其中有太多变数，比如尾随你的汽车是以60千米/时还是70千米/时的速度行驶？角落里是否有一辆行驶在你的视角之外的汽车？如果你想超车，前面车的司机会不会突然加速？诸如此类的问题还有很多。
无人驾驶汽车行驶在公路上并不难。早在1994年，两辆无人驾驶汽车就曾经在环绕巴黎的公路上行驶了1 000千米。但是，如果让无人驾驶汽车在城市中穿行，任务一下子就变得困难很多，城市交通中很多不成文的规则会让无人驾驶汽车摸不到头脑。比如，如果谷歌公司的工程师严格按照司机守则为无人驾驶汽车编写程序，在十字路口上一定要为其他汽车让路，他们会发现，这台太过老实的无人驾驶汽车永远也没法走过这个路口。于是，他们对程序做了一点改进，当无人驾驶汽车等待一段时间后，就会自动缓慢向前移动，向其他汽车示意自己想要先走，而不只是傻傻地等待。
对于无人驾驶汽车来说，还有一个难题，即如何判断自己所处的位置。GPS有时并不靠谱，误差会达到几米之多。无人驾驶汽车不仅能使用GPS，还能同时开启照相机、雷达和测距激光，共同帮助校正GPS的数据。
除了担任驾驶职责外，无人驾驶汽车还能自动调节汽车燃料进出，提高能源利用率。代表前沿科技的无人驾驶汽车综合了多项人工智能技术，越来越被人们所接受。通过特别许可，谷歌公司的无人驾驶汽车已经在完全无人控制的情况下，在美国加利福尼亚州的公路和街区中穿行了成千上万千米。相信世界上其他地方很快也会接纳智能的无人驾驶汽车。
垃圾邮件猎手
如今，全世界的电子邮件中，每10封恐怕有9封都是垃圾邮件。如果这些垃圾邮件和正常邮件混在一起出现在你的收件夹里，电子邮件的方便快捷功能将大打折扣。通过垃圾邮件过滤器，你可以把垃圾邮件从收件夹里过滤出来。
要判断什么样的邮件才算是垃圾邮件，只要看一下邮箱主人打开邮箱后，把哪些邮件加上星号保留，哪些邮件看也不看就直接删掉即可。这些举动为垃圾邮件过滤器提供了最好的参考。电脑程序根据这些信息把每封邮件分解成很多个特征，每个特征可以是一个单词或词组，也可以是邮件发送的时间，还可以是发送邮件的电脑信息。这些特征可以帮助电脑程序判断一封邮件是否垃圾邮件。比如，一封邮件里包含"最低价格""精心包装"两个词组。根据全球统计数据，这两个词组在垃圾邮件中出现的概率高达8%和3%；而在正常邮件中，它们出现的概率只有0.1%和0.3%。之后根据数学上的贝叶斯定律公式，计算出这封邮件是垃圾邮件的概率高达99.9%。
重要的是，垃圾邮件过滤器需要根据经验不断更新判别模式。再好的垃圾邮件过滤器也会有犯错误的时候，可能放过坏邮件，也可能错杀好邮件。每当邮箱主人把一封垃圾邮件从垃圾邮件箱移回收件夹，或者标识并删除一封遗漏在收件夹里的垃圾邮件，垃圾邮件过滤器会立刻更正自己的参数，做出改进，以提高识别垃圾邮件的准确率。
自动翻译高手
2012年，"谷歌翻译"的翻译总量超过所有专业翻译员的翻译总量。"谷歌翻译"掌握65种语言，可以任选其中两种语言进行互译。"谷歌翻译"得以运行，全靠人工智能领域的概率推理技术。
很多年前，语言学家通过双语字典和语法规则来构建自动翻译系统。遗憾的是，这样做失败了，如此翻译会很生硬、不灵活。比如，在法语语法规则里，形容词一般置于名词后。而在英语语法规则里，形容词一般置于名词前。当然，也有例外的时候，比如，英语中表达"神奇的光"时，使用"the light fantastic"词组，形容词fantastic置于名词light之后。
过去十多年，自动翻译依靠的不再是语言学家手写的规则，而是从现实案例中学习而来的概率准则，就好像以往是通过背单词和记语法来学外语，而现在是通过身临语言环境中学习。自动翻译另外一个重要方面是电脑和真人之间的配合和交互，很多自动翻译系统都是先在互联网上搜集大量真人翻译过的文件作为参考。
当然，自动翻译还远远称不上完美，但是它正在被逐步改进——准确率越来越高，翻译的语言种类也越来越多。谷歌公司正在开发一个名为"翻译"（Translate）的安卓手机程序，当你与对方通话时，你可以说母语，该程序根据你的选择，把你所说的话转换成对方的母语，发送给对方，而对方在和你通话时也可以说母语。随着自动翻译技术的发展，一个被长久期盼的诱人目标将有机会实现——每个人不需要学习任何外语，就可以和世界各地的朋友进行交流。
让程序自我进化
现今大多数的人工智能系统如果完全依靠手动来编写程序，会变得很复杂，一个另辟蹊径的方法是让电脑程序自己进化自己。在虚拟的环境中，程序通过不断的迭代，尝试变化各种参数，在不断尝试和失败之中，程序逐渐"自然而然"变成设计者期望的样子。
首先，设计者们为程序搭建一个模拟环境。就垃圾邮件过滤器的程序而言，"环境"就是大量邮件，既包括正常邮件又包括垃圾邮件。然后，程序的不同版本同时在模拟环境中接受检验，输出各自不同的结果。在对结果进行评分后，分数差的程序被淘汰，分数好的程序被进一步修改。修改后的程序再次接受检验，同样优胜劣汰。如此往复，最后，程序可以自然进化成比较理想的状态。
这个过程其实有点类似自然界中所发生的"弱肉强食、适者生存"。而一个程序的某个参数被修改如同自然选择中的基因发生随机突变；两个程序还可以各取一部分交叉到一起产生一个新的程序，就如同动物交配产生后代一样。这种让程序自我进化的方法被称为"遗传算法"。
电脑也需要直觉
人永远不是绝对理性的，我们在做决定的时候会犯很多常见的错误，并且容易受到无关细节的干扰。有时，我们相信自己的直觉，未经深思熟虑，即匆忙做出决定。我们曾经认为，"冷静"的电脑不像人一样冲动，一定是件好事。可是，最近的认知科学研究发现，事实并非如此。
一个人先天具有两种互补的做决定的方式，一种是缓慢的、深思熟虑的、理性的，另一种是迅速的、冲动的，通过联系当前情况和以往经验，快速做出决定。第二种方式或许才是人类智能高效的关键。
不难想像，深思熟虑和理性必定要以耗费更多的时间和精力为代价。比如，有一辆车正迎面撞向你驾驶的车，你需要立刻做出反应，或者鸣笛，或者刹车，或者转向，而不是经过复杂的计算决定哪种选择最优，估计等结果算出来事故已经发生了。此时，快速反应成为关键。在非紧急情况下，这种快速反应同样有益。比如，如果每天都在认真思考到底穿深蓝色衣服还是浅蓝色衣服这类无伤大雅的问题，会浪费大量的时间和精力，耽误更重要的事情。
那么，是否应该给人工智能加入直觉成分呢？事实上，很多现代人工智能系统包含两部分，一部分用于瞬时反应，一部分用于理性分析。一些机器人使用多层系统结构，最底层只做反应；较高层则负责抑制这些反应，组织更多目标行为。这种方式很有效，控制步行机器人在凹凸不平的地面上行走就是一个例子。
另外一种方式是在人工智能程序中加入一些"情感"。比如，如果一个机器人反复尝试做一件事情，不断遭遇失败后，一个表达"气馁"情感的电路就可以"激励"机器人转换思路。人工智能的创始者之一马文·明斯基认为，情感并非人脑的一个独立事件，而是人脑的多个部分之间、人脑和身体之间的互作。毕竟，人是感性动物。在我们做出某些选择时，情感因素高于其他因素。如果一个电脑程序受到情感驱使，自然更像人类智能。
