Dr. Watson — это приложение отладчик, входящее в состав операционной системы Microsoft Windows . Он может называться drwatson.exe , drwtsn32.exe или dwwin.exe , в зависимости от версии Windows.
Обзор
Инструмент назван в честь Doctor Watson из Шерлок Холмс слава, идея заключалась в том, что он будет собирать информацию об ошибках (симптомы ) после сбоя программы. С тех пор использование слова «Ватсон» было расширено и теперь включает общие службы обратной связи с конечными пользователями. Первоначальное название этого диагностического инструмента было «Шерлок».
Информация, полученная и сохраненная доктором Ватсоном, — это информация, необходимая персоналу службы технической поддержки для диагностики программной ошибки на компьютере под управлением Windows. Текстовый файл (обычно drwtsn32.log ) создается всякий раз, когда обнаруживается ошибка, и может быть доставлен персоналу службы поддержки тем способом, который они предпочитают. Также можно создать файл аварийного дампа, который представляет собой двоичный файл, который программист может загрузить в отладчик. «Доктор Ватсон» можно заставить генерировать более точную информацию для целей отладки, если установлены соответствующие файлы символов и задан путь поиска символов (переменная среды ).
Стало известно, ПОЧЕМУ ушел из жизни ОСНОВАТЕЛЬ и СОЛИСТ группы «ДОКТОР ВАТСОН»
Когда в Windows возникает ошибка программы, система ищет обработчик ошибок программы. Обработчик ошибок программы обрабатывает ошибки по мере их возникновения во время выполнения программы. Если система не находит обработчик ошибок программы, система проверяет, что программа в настоящее время не отлаживается, и считает ошибку необработанной.
Затем система обрабатывает необработанные ошибки, ища в реестре отладчик программных ошибок, для которого по умолчанию используется «Доктор Ватсон». Сторонний отладчик также можно использовать вместо «Доктор Ватсон». Компилятор Watcom C включает в себя аналогичный инструмент анализа сбоев под названием «Dr. Watcom».
Начиная с Windows XP, Dr. Watson (drwtsn32.exe) был расширен (dwwin.exe) «Отчеты о проблемах и решения ». В некоторых версиях Windows можно получить доступ к более старой версии (drwatson.exe), набрав «drwatson.exe» в поле командной строки или в поле «Поиск программ и файлов» в меню «Пуск» в Windows. 7.
См. Также
- Отчет об ошибках Windows
- ProcDump
Ссылки
Внешние ссылки
- Кирк Глерум и Майк Холлинсхед — Watson (что происходит при сбое вашей системы?)
- Как отключить «Доктор Ватсон» для Windows
Источник: alphapedia.ru
Как звали Доктора Ватсона?
Многие помнят программу «Dr.Watson», появившуюся в бета-версии Windows 3.0, и живую до сих пор — правда, уже под названием «Windows Error Reporting». В своём исходном варианте Dr.Watson записывал в лог-файл данные об ошибках в программах, чтобы этот файл можно было приложить к баг-репорту. Значком Dr.Watson был дружелюбный доктор со стетоскопом.
Умер основатель группы «Доктор Ватсон» Георгий Мамиконов / ТЕО ТВ 12+
Большинству неизвестно, что вначале эта программа называлась иначе. Её автор, Дон Корбитт, назвал её Sherlock, и значком была зажжённая курительная трубка. Из-за того, что другая компания успела выпустить под названием Sherlock собственную отладочную утилиту, к выходу бета-версии Windows 3.0 Шерлока пришлось переименовать. Трубку заменили сначала на докторскую сумку, а чуть позже — на голову самого доктора.
Дон Корбитт, выдающийся инженер, автор нескольких патентов, работал над Windows 3.1 и Windows 95. В 1997 он покинул Microsoft, и в 1999 разбился на своём самолёте, на котором он испытывал изобретённые приспособления, призванные повысить безопасность полёта. Как дань уважения своему коллеге, Рэймонд Чен в собственное свободное время создал версию Dr.Watson для Windows 98.
Мэтт Питрек, известный многим своими книгами «Windows Internals» и «Undocumented Windows» и рубрикой «Under the Hood» в MSDN Magazine, вспоминает: «Когда Microsoft выпустила Dr.Watson, я работал в Borland. Я отметил два недочёта: Dr.Watson не поддерживал имена длиннее 32 символов, которые получались при компиляции C++-программ из-за кодирования типов параметров (mangling); и кроме того, номера сегментов печатались в десятичной системе, при том, что сами адреса — в шестнадцатеричной. Мне повезло: я был знаком с Доном ещё до того, как он пришёл в Microsoft, так что я смог с ним связаться и высказать свои замечания. К сожалению, Дон уже не мог исправить Dr.Watson, так что я написал сам для себя „улучшенный“ вариант. Я назвал его „Dr.Frank“ — в честь нашего вымышленного персонажа по имени Frank Borland — и он намного превосходил по возможностям тогдашнюю версию Dr.Watson.
Моему начальству понравилась идея Dr.Frank, и они предложили включить его в поставку Borland C++ 3.1. Досадно, что они настояли на переименовании утилиты в WinSpector, с дурацким привидением на значке.»
- the old new thing
- don corbitt
- matt pietrek
- dr.watson
- winspector
- история windows
Источник: habr.com
Когнитивная система IBM Watson: принципы работы с естественным языком
Когнитивная система IBM Watson: принципы работы с естественным языком
IBM Watson — одна из первых когнитивных систем в мире. Эта система умеет очень многое, благодаря чему возможности Watson используются во многих сферах — от кулинарии до предсказания аварий в населенных пунктах. В общем-то, большинство возможностей Watson не являются чем-то уникальным, но в комплексе все эти возможности представляют собой весьма мощный инструмент для решения разнообразных вопросов.
Например — распознавание естественного языка, динамическое обучение системы, построение и оценка гипотез. Все это позволило IBM Watson научиться давать прямые корректные ответы (с высокой степенью достоверности) на вопросы оператора. При этом когнитивная система умеет использовать для работы большие массивы глобальных неструктурированных данных, Big Data. Каковы основные принципы работы IBM Watson с языком? Об этом — в продолжении.
Основные сложности распознавания естественного языка
Для человека язык — это средство выражения мысли. Мы используем язык для передачи своего мнения, каких-либо данных и сведений. Можем делать прогнозы и формировать теории. Именно язык — краеугольный камень нашего сознания. При этом, вот парадокс, язык человека очень неточный.
Многие термины — нелогичны, и компьютерным системам понять нас бывает очень сложно. Например, как может быть тонким голос? Как можно сгореть со стыда? Для машины это — проблема, для человека же — вполне обыденная вещь. Дело в том, что для правильного ответа на вопрос во многих случаях необходимо учитывать имеющийся контекст.
При отсутствии достаточной фактической информации трудно правильно ответить на вопрос, даже если вы можете найти точный ответ на элементы вопроса в буквальном смысле.
Обработка естественного языка — начало
Многие компьютерные системы способны анализировать язык, но при этом проводится поверхностный анализ. Это может иметь смысл, например, для того, чтобы поставить статистически обоснованную оценку тенденций в изменении эмоций на больших массивах информации. Здесь точность передачи информации не слишком важна, поскольку если даже если предположить, что число ошибочно-позитивных результатов примерно равно числу ошибочно-негативных результатов, то они компенсируют друг друга.
Но если значение имеют все случаи, то системы, которые работают с поверхностным анализом языка, уже не могут нормально делать свою работу. Ярким примером сказанному может быть задача для голосового помощника любого из мобильных устройств. Если сказать «найди мне пиццу», то помощник выведет список пиццерий.
Если же сказать «не ищи мне пиццу в Мадриде», например, система все равно будет искать. Такие системы работают, идентифицируя некоторые ключевые слова и используя определенный набор правил. Результат может быть точным в заданной системе правил, но неправильным.
Глубокая обработка естественного языка
Для того, чтобы научить систему анализировать сложные смысловые конструкции, с учетом эмоций и прочих факторов, специалисты использовали глубокую обработку естественного языка. А именно — вопросно-ответную систему контентной аналитики (Deep Question*Answering, DeepQA). Если требуется большая точность, то приходится использовать дополнительные методы обработки естественного языка.
IBM Watson — система глубокой обработки естественного языка. При анализе определенного вопроса, для того, чтобы дать правильный ответ, система старается оценить как можно более обширный контекст. При этом используется не только информация вопроса, но и данные базы знаний.
Создание системы, способной провести глубокую обработку естественного языка, позволило решить и другую проблему — анализ огромного количества информации, которая генерируется ежедневно. Это неструктурированная информация, вроде твитов, сообщений социальных сетей, отчеты, статьи и прочее. IBM Watson научился использовать все это для решения задач, поставленных человеком.
Когнитивная система IBM Watson
Watson — это уже иной уровень вычислительных возможностей. Система умеет разделять определенные высказывания на естественном языке и находить связи между этими высказываниями. При этом Watson справляется с задачей, во многих случаях, даже лучше человека, при этом обработка данных идет гораздо быстрее, работа ведется с гораздо большими объемами — человек на такое просто неспособен.
Основные характеристики когнитивной системы
Система работает в таком порядке:
1. Получив вопрос, Watson выполняет его синтаксический анализ, чтобы выделить основные особенности вопроса.
2. Система генерирует ряд гипотез, просматривая корпус в поисках фраз, которые с некоторой долей вероятности могут содержать необходимый ответ. Для того чтобы вести эффективный поиск в потоках неструктурированной информации, нужны совершенно другие вычислительные возможности * их называют когнитивными системами. (не очень понимаю последнее предложение и роль звёздочки)
3. Система выполняет глубокое сравнение языка вопроса и языка каждого из возможных вариантов ответа, применяя различные алгоритмы логического вывода.
Это трудный этап. Существуют сотни алгоритмов логического вывода, и все они выполняют разные сравнения. Например, одни выполняют поиск совпадающих терминов и синонимов, вторые рассматривают временные и пространственные особенности, тогда как третьи анализируют подходящие источники контекстуальной информации.
4. Каждый алгоритм логического вывода выставляет одну или несколько оценок, показывающих, в какой степени возможный ответ следует из вопроса, в той области, которая рассматривается данным алгоритмом.
5. Каждой полученной оценке затем присваивается весовой коэффициент по статистической модели, которая фиксирует, насколько успешно справился алгоритм с выявлением логических связей между двумя аналогичными фразами из этой области в “период обучения” Watson. Эта статистическая модель может быть использована впоследствии для определения общего уровня уверенности системы Watson в том, что возможный вариант ответа следует из вопроса.
6. Watson повторяет процесс для каждого возможного варианта ответа до тех пор, пока не найдет ответы, которые будут иметь больше шансов оказаться правильными, чем остальные.
Как уже говорилось выше, для правильного ответа на вопрос системе необходимо обращаться к дополнительным источникам данных. Это могут быть учебники, мануалы, FAQ, новости и все прочее. Watson за считанные секунды обрабатывает огромные массивы информации для получения правильного ответа. При этом найденное содержимое тоже проверяется, отсеиваются устаревшие и бесполезные данные.
Элементы когнитивной системы
Общий смысл текста Watson выводит из полученной информации, из дополнительной базы. При этом используется заголовок документа, часть текста документа или весь текст.
Когнитивные системы, их способы сбора, запоминания и извлечения информации схожи с тем, как анализирует информацию человек. При этом когнитивные системы могут передавать информацию и действовать. Вот примеры поведенческих конструктов, которые используются в этом случае:
— способность создавать и проверять гипотезы; — способность разбивать на составляющие и строить логические выводы о языке; — способность извлекать и оценивать полезную информацию (такую как даты, местоположения и характеристики).
Без этих способностей ни компьютер, ни человек не смогут определить правильную взаимосвязь между вопросами и ответами. Когнитивные процессы более высокого порядка могут достичь высокого уровня понимания, ориентируясь на основные способы поведения. Для того чтобы понять что-то, мы должны уметь разделить информацию на более мелкие элементы, которые достаточно хорошо упорядочены на рассматриваемом уровне. Физические процессы у человека протекают совсем не так, как процессы в космическом масштабе или на уровне элементарных частиц. Так же и когнитивные системы предназначены для работы на уровне человека, хотя они представляют огромное множество людей.
В связи с этим понимание языка начинается с понимания более простых правил языка – не только формальной грамматики, но и неформальных соглашений, которые наблюдаются в повседневном использовании.
Зачем все это?
Сейчас когнитивная система IBM Watson, благодаря многолетнему обучению и совершенствованию, может выполнять работу в самых разных сферах. Здесь и медицина, и кулинария, и лингвистика, и решение бизнес-задач с задачами научными.
Изначально у специалистов был выбор — сделать систему универсальной или специализированной. У каждого из вариантов есть свои достоинства и недостатки, но выбор был сделан в сторону универсальности.
Компания уже много раз убедилась в правильности совершенного выбора — перед IBM Watson открылось огромное количество возможностей. Например, когнитивная система помогает найти индивидуальный метод лечения раковых заболеваний, или составить оригинальнейший рецепт, или наладить бизнес-процесс в компании. Множество проблем решено, но еще больше только предстоит решить.
Долгая дорога доктора Ватсона
Под капотом Watson всегда был (и остается) программным продуктом DeepQA. Если простыми словами, DeepQA — это сложная архитектура программного обеспечения, которая анализирует, размышляет и отвечает на контент, который скармливают Watson. В 2012 году система работала на 80-терафлопсовом компьютере — машине, способной производить 80 000 000 000 000 операций в секунду — расположенном в Йорктаун Хайтсе, штат Нью-Йорк, с серверами в небольшой комнатке.
IBM считала, что Watson может стать «сверхспособной Siri для бизнеса», и он стал. Сегодня он обозначен как когнитивный компьютер для бизнеса. Или, если точнее, «платформа для когнитивного бизнеса».
Вот чем стал Watson: платформой.
Как и обещалось, Watson 2012 года получил мощное обновление. Он уменьшился в размерах, от большой спальни до четырех коробок из-под пиццы, и теперь доступен в облаке на планшете и смартфоне. Система на 240% продуктивнее своего предшественника и может обрабатывать 28 типов (или модулей) данных, по сравнению с 5, которые были раньше.
В 2013 году IBM открыла исходный код API Watson и теперь предлагает IBM Bluemix, комплексную облачную платформу для сторонних разработчиков для создания и запуска приложений на основе внушительных вычислительных возможностей Watson.
Но один из самых больших шагов, которые проделал Watson к своему нынешнему состоянию, произошел в 2014 году, когда IBM инвестировала 1 миллиард долларов в IBM Watson Group, большой отдел, посвященный работе Watson, на 2000 сотрудников.
В этот момент «доктор Ватсон» вышел из яслей стартапа и стал чувствовать себя значительно увереннее. В некотором смысле он стал «как IMB в каждом аспекте».
Перенесемся в 2021 год: сегодня Watson предлагает больше корпоративных сервисов и решений, чем могло бы уместиться в этой статье, — советник по финансам, автоматизированный представитель по обслуживанию клиентов, поисков — что бы вы ни назвали, Watson это умеет, скорее всего.
По мере развития технологии, стоящей за суперкомпьютером 2012 года, развивалось и позиционирование IBM Watson. И в большей степени это позиционирование касалось медицины.
Найти знаменитость, характер которой похож на характер пользователя
Это не самое серьезное и практичное приложение, но многим людям понравится. Сервис помогает найти знаменитость, которая больше всего по характеру похожа на характер пользователя определенного Twitter-аккаунта.
Приложение, как уже говорилось, не слишком серьезное, но технологии, которые за ним стоят — весьма сложные. Сервис способен обрабатывать огромные массивы данных, анализируя особенности сообщений пользователей Twitter для получения структурированной и пригодной для сравнения информации.
Исходный код: github.com/watson-developer-cloud/yourcelebritymatch
IBM Watson может помочь правильно организовать свой режим дня
Watson анализирует суточную активность пользователя, данные по сну и питанию. Эту информацию человек вводит в приложение, а когнитивная система оценивает и анализирует. Интересно еще и то, что приложение работает не только с данными своего пользователя, но и с информацией, полученной от других пользователей системы.
Еще Watson может дать характеристику личности человека, изучив его аккаунты в социальных сетях.
Или помочь выбрать подарок на праздники. Здесь используется API IBM Watson Trend, который помогает найти наиболее популярные товары в определенный момент времени.
И не стоит забывать о том, что IBM Watson может заменить собой целое справочное бюро.
Что такое когнитивные технологии?
Когнитивные технологии — это программные и аппаратные средства, которые имитируют работу человеческого мозга.
В скором будущем мыслящие системы приобретут мобильный формат, но пока это корпоративные суперкомпьютеры, функции которых доступны другим устройствам через облачные сервисы. Благодаря особой архитектуре когнитивные системы совмещают гигантские вычислительные мощности с инновационными способами обработки данных, похожими на наши мыслительные процессы. В перспективе от таких систем ожидают полноценного восприятия любой информации, представленной в привычном для человека виде. Это, к примеру, устная и письменная речь, визуальные образы, эмоции, чувства — все то, что помогает нам выражать мысли естественным путем.
Как и мы, когнитивные системы постоянно обучаются и автоматически приспосабливаются к работе с новыми данными и задачами, а не тупо следуют четким инструкциям программиста. У мыслящих машин есть и свои учителя — высоколобые люди с экспертными знаниями в определенных областях. С помощью пар вопросов и ответов такие наставники тренируют системы, учат правильно интерпретировать новую информацию, корректируют их работу. Взаимодействие с новыми данными и пользователями также способствует совершенствованию когнитивных систем.
Неудивительно, если дочитав до этого момента, вы вспомнили какой-нибудь монструозный SkyNet или недавние высказывания Хокинга и Маска насчет потенциальных угроз со стороны искусственного интеллекта. Эксперты по когнитивным системам спешат нас успокоить, дескать, мыслящие компьютеры лишены самосознания и личных мотиваций в привычном понимании этих понятий. По мнению доктора Джона Келли из компании IBM, которая имеет непосредственное отношение к когнитивным технологиям, не нужно противопоставлять машину человеку. Келли и его коллеги называют своей целью союз человека и машины, где последняя — только придаток, который должен расширить возможности первого.
Что в перспективе?
Сейчас IBM Watson является лидером в своей сфере — возможности этой когнитивной системы, конечно, не безграничны, но гораздо больше того, о чем мог мечтать человек еще недавно.
Ученые стараются использовать возможности системы для предсказания землетрясений или извержений вулканов в определенных регионах. Бизнесмены оптимизируют товарные потоки и выясняют, что будет наиболее популярно среди покупателей в ближайшее время. Медики вводят в практику индивидуальный подход лечения раковых и прочих заболеваний.
Как было показано выше, на основе IBM Watson созданы различные приложения и сервисы, которые облегчают человеку работу и делают жизнь более комфортной. Попробовать создать собственный сервис на основе Watson может практически любой разработчик, которому это интересно. Цель IBM на данном этапе – создать как можно более развитую экосистему приложений и сервисов, работающих с Watson, предоставив всем заинтересованным людям, ученым и бизнесменам надежного помощника, который способен справиться с большим количеством проблем и вопросов. И это уже не будущее, описанное фантастами, а настоящее.
Источник: justsurvivalcraft.ru