Cognitive Computing

تشير الحوسبة الإدراكية إلى محاكاة عمليات التفكير البشري في نموذج محوسب. وهي تنطوي على أنظمة التعلم الذاتي التي تستخدم استخراج البيانات، والتعرف على الأنماط، ومعالجة اللغات الطبيعية (NLP) لمحاكاة طريقة عمل الدماغ البشري. الهدف ليس مجرد معالجة البيانات، بل إنشاء أنظمة مؤتمتة قادرة على حل المشكلات دون إشراف بشري مستمر. وعلى عكس الحوسبة البرمجية التقليدية، التي تعتمد على أشجار منطقية جامدة، فإن أنظمة الحوسبة الإدراكية احتمالية؛ فهي تولد فرضيات وحججاً منطقية وتوصيات من بيانات غير منظمة، مما يساعد البشر على اتخاذ قرارات أفضل في بيئات معقدة.

الحوسبة الإدراكية مقابل الذكاء الاصطناعي العام (AGI)#

من المهم التمييز بين الحوسبة الإدراكية ومفاهيم الذكاء الاصطناعي ذات الصلة لفهم نطاقها المحدد.

• الحوسبة الإدراكية مقابل الذكاء الاصطناعي العام (AGI): بينما تحاكي الحوسبة الإدراكية التفكير البشري، إلا أنها تكون عادةً مخصصة لمجال معين. النظام الإدراكي المدرب للقانون لا يمكنه إجراء جراحة. الذكاء الاصطناعي العام (AGI)، أو "الذكاء الاصطناعي القوي"، يشير إلى آلة نظرية قادرة على تطبيق الذكاء على أي مشكلة، تماماً مثل الإنسان. الحوسبة الإدراكية هي تطبيق عملي متاح اليوم، بينما يظل الذكاء الاصطناعي العام هدفاً للبحث المستقبلي من قبل منظمات مثل OpenAI.
• الحوسبة الإدراكية مقابل الذكاء الاصطناعي الإحصائي: يركز الذكاء الاصطناعي الإحصائي التقليدي على التحسين الرياضي لتحقيق دقة عالية في مهام محددة (مثل التصنيف). تتخذ الحوسبة الإدراكية نهجاً أوسع، حيث تؤكد على التفكير، وتوليد الفرضيات، والتفسير القائم على الأدلة، وغالباً ما تدمج الرسوم البيانية المعرفية لتخطيط العلاقات بين المفاهيم.

تنفيذ الإدراك المعرفي باستخدام رؤية الذكاء الاصطناعي#

الإدراك البصري غالباً ما يكون الخطوة الأولى في خط المعالجة الإدراكية. قبل أن يتمكن النظام من التفكير في بيئة ما، يجب عليه إدراكها. تعمل نماذج الرؤية الحديثة مثل Ultralytics YOLO26 كطبقة إدخال حسية، حيث تستخرج كائنات منظمة من بيانات الفيديو غير المنظمة. يتم بعد ذلك تمرير هذه البيانات المنظمة إلى محرك استدلال اتخاذ القرارات.

يوضح المثال التالي كيفية استخدام حزمة ultralytics لتكون بمثابة طبقة الإدراك، وتحديد الكائنات التي قد يحتاج النظام الإدراكي إلى تتبعها.

from ultralytics import YOLO

# Load the YOLO26 model to serve as the visual perception engine
model = YOLO("yolo26n.pt")

# Perform inference on an image to identify objects in the environment
results = model("https://ultralytics.com/images/bus.jpg")

# Extract detected classes to feed into a cognitive reasoning system
for r in results:
    # Print the class names (e.g., 'person', 'bus') found in the scene
    for c in r.boxes.cls:
        print(model.names[int(c)])

التقنيات التي تمكن الذكاء الإدراكي#

يتطلب بناء نظام بيئي إدراكي حزمة من التقنيات المتقدمة التي تعمل بانسجام.

• التعلم العميق (DL): توفر الشبكات العصبية إمكانيات التعرف على الأنماط اللازمة لمعالجة البيانات غير المنظمة مثل الصور والصوت.
• تحليلات البيانات الضخمة: تعد القدرة على معالجة تدفقات البيانات ذات الحجم والسرعة العالية أمراً بالغ الأهمية. غالباً ما تُستخدم أدوات مثل Apache Spark لإدارة خطوط بيانات التدفق التي تغذي النماذج الإدراكية.
• البنية التحتية السحابية: توفر المنصات مثل Google Cloud AI و Microsoft Azure Cognitive Services قوة الحوسبة القابلة للتطوير المطلوبة لتشغيل هذه أحمال العمل المكثفة.
• محركات التفكير: بالإضافة إلى التصنيف البسيط، تطبق هذه المكونات قواعد المنطق والتفكير الاحتمالي على البيانات. وغالباً ما يتضمن ذلك تقنيات الذكاء الاصطناعي الرمزي لشرح سبب اتخاذ القرار.

تطبيقات العالم الحقيقي#

تعمل الحوسبة الإدراكية على تحويل الصناعات من خلال تعزيز الخبرة البشرية بسرعات وحجم الآلات.

1. التشخيص الطبي: في تحليل الصور الطبية، تستوعب الأنظمة الإدراكية سجلات المرضى والمجلات الطبية والصور التشخيصية. من خلال معالجة هذه الكمية الهائلة من بيانات التعلم متعدد الوسائط، يمكن للنظام وضع فرضيات لتشخيصات محتملة واقتراح خطط علاج لأطباء الأورام، مما يقلل من الأخطاء التشخيصية ويخصص الرعاية.

2. الزراعة الذكية: تقود الأنظمة الإدراكية الزراعة الدقيقة من خلال تحليل صور الأقمار الصناعية، وأنماط الطقس، وبيانات مستشعر التربة. يمكن للحلول التي تستخدم الذكاء الاصطناعي في الزراعة التفكير في صحة المحاصيل، والتنبؤ بتفشي الأمراض قبل انتشارها وتعديل أنظمة الري تلقائياً لتحسين المحصول مع الحفاظ على المياه.

من خلال دمج مدخلات الاستشعار من نماذج مثل Ultralytics YOLO26 مع إمكانيات التفكير المتقدمة، تمهد الحوسبة الإدراكية الطريق للآلات التي لا تحسب فحسب بل تفهم أيضاً. تتم إدارة دورة حياة هذه النماذج المعقدة بسلاسة من خلال Ultralytics Platform، مما يسهل التدريب والتعليق والنشر عبر بيئات متنوعة.