Ορισμός της Γνωστικής Πληροφορικής

Η ακατέργαστη υπολογιστική δύναμη ενός υπολογιστή πλησιάζει κάθε μέρα, με αυτόν που παρουσιάζεται από τον ανθρώπινο εγκέφαλο, έτσι ώστε σε κάποιο σημείο κάποιος, θα έπρεπε να του είχε συμβεί: τι γίνεται αν το εκμεταλλευτούμε για να μιμηθούμε με έναν υπολογιστή πώς λειτουργεί ένας εγκέφαλος ο άνθρωπος?

Το Cognitive computing είναι ένας υπολογιστικός κλάδος που παίρνει ως οδηγό τον τρόπο με τον οποίο ο ανθρώπινος εγκέφαλος λειτουργεί για την επίλυση υπολογιστικών προβλημάτων.

Ενώ το τεχνητή νοημοσύνη στην οποία έχουμε συνηθίσει δεν σταματά να αποτελείται από μια σειρά αλγορίθμων που εκτελούνται σε συμβατικούς υπολογιστές (πολύ ισχυροί, ναι), στην περίπτωση του χρήση υπολογιστή γνωστικά πρόκειται να αναφερθούμε σε ένα σύνολο υλικού και λογισμικού που μιμείται, συνολικά, τη λειτουργία του εγκεφάλου ως οργάνου, δηλαδή πώς αλληλεπιδρούν οι νευρώνες.

Εάν οι άνθρωποι έχουν αισθήσεις (όπως θέαμα, άγγιγμα, ακοή) που μας επιτρέπουν να λαμβάνουμε πληροφορίες από τον κόσμο για περαιτέρω επεξεργασία, οι γνωστικοί υπολογιστές έχουν επίσης τις «αισθήσεις» τους, με τη μορφή φωτογραφικών μηχανών, μικροφώνων και Αισθητήρες.

instagram story viewer

Αυτό τους επιτρέπει να συλλάβουν πληροφορίες από το εξωτερικό. Η επεξεργασία αυτού γίνεται από υπολογιστές υψηλής ισχύος των οποίων το λογισμικό λειτουργεί με φυσική γλώσσα.

Με αυτό, ο γνωστικός υπολογιστής χρησιμοποιεί διάφορες επιστήμες εντός της πληροφορικής: αναγνώριση εικόνων, ήχου, νοημοσύνη τεχνητός, αιτιολογία πιθανοτική, ή μάθηση αυτοματοποιημένο, μεταξύ άλλων.

Μια απαραίτητη προϋπόθεση που πρέπει να πληροί κάθε γνωστικός υπολογιστής είναι η μάθηση.

Μια τεχνητή νοημοσύνη πρέπει να μπορεί να αντιμετωπίζει προβλήματα για τα οποία δεν έχει προετοιμαστεί ή προγραμματιστεί. Μόνο τότε μπορούμε να πούμε ότι είναι «έξυπνο» και γίνεται όλο και περισσότερο καθώς περνά ο καιρός και το γεμίζουμε με περισσότερες «εμπειρίες».

Πάρτε, για παράδειγμα, την έννοια ενός δέντρου. ένας υπολογιστής, από μόνος του, είναι ανίκανος να γνωρίζει τι είναι ένα δέντρο, αν και μπορούμε να το "διδάξουμε". Σε αυτήν την περίπτωση, θα το κάναμε με αναγνώριση εικόνας.

Και πρέπει να το κάνουμε με τις περισσότερες εικόνες τόσο το καλύτερο, έτσι ώστε στο μέλλον, και κατά τη λήψη της εικόνας ενός δέντρου που δεν υπάρχει επεξεργαστήκατε προηγουμένως, συγκριτικά θα είστε σε θέση να «διακρίνετε» ότι αυτό είναι το ίδιο που σας έχουν διδάξει χιλιάδες. φορές.

Οι άνθρωποι, στην πραγματικότητα, μαθαίνουν με αυτόν τον τρόπο. Ίσως όταν βλέπουμε για πρώτη φορά ένα νέο είδος δέντρου, δεν ξέρουμε τι είναι ακριβώς, αλλά παρόλα αυτά, θα ξέρουμε ότι είναι ένα δέντρο. Η διαδικασία με την οποία ο εγκέφαλός μας φτάνει σε αυτό συμπέρασμα είναι αυτός που επιδιώκει να μιμηθεί τη γνωστική υπολογιστική.

Για να ανταποκριθεί σε αυτήν την πρόκληση, ο γνωστικός υπολογιστής πρέπει να είναι σε θέση να αντιμετωπίσει την πειθαρχία της μη δομημένης ανάλυσης δεδομένων.

Και ποιες μπορεί να είναι οι εφαρμογές της γνωστικής πληροφορικής; Λοιπόν, επειδή επιτρέπει στον υπολογιστή να "κατανοήσει" το επικοινωνία και το περιεχόμενό του (ας θέσουμε τη μη λεκτική γλώσσα των ανθρώπων), ένα γνωστικό σύστημα θα μπορούσε να εκτελέσει τη λειτουργία ενός πολυγλωσσικού μεταφραστή στο χρόνο πραγματικό, ικανό να διακρίνει πτυχές της γλώσσας (όπως διπλές έννοιες ή αστεία) και να τις μεταδώσει στις μεταφράσεις τους ή, τουλάχιστον να τις εξηγήσει και διευκρινίστε τους από συνομιλητής οπότε δεν υπάρχουν παρεξηγήσεις.

Φωτογραφία: Fotolia - itskatjas