Cognitive Computing

تشير الحوسبة المعرفية إلى محاكاة عمليات التفكير البشري في نموذج حاسوبي. وهي تنطوي على أنظمة ذاتية التعلم تستخدم تنقيب البيانات، والتعرف على الأنماط، ومعالجة اللغة الطبيعية (NLP) لمحاكاة طريقة عمل الدماغ البشري. ولا يقتصر الهدف على معالجة البيانات فحسب، بل يتمثل أيضًا في إنشاء أنظمة مؤتمتة قادرة على حل المشكلات دون إشراف بشري مستمر. وعلى خلاف الحوسبة البرمجية التقليدية التي تعتمد على أشجار منطقية جامدة، تتميز أنظمة الحوسبة المعرفية بطبيعة احتمالية؛ إذ تولّد فرضيات وحججًا منطقية وتوصيات انطلاقًا من البيانات غير المهيكلة، مما يساعد البشر على اتخاذ قرارات أفضل في البيئات المعقدة.

الحوسبة المعرفية مقابل الذكاء الاصطناعي العام (AGI)#

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

• الحوسبة المعرفية مقابل الذكاء الاصطناعي العام (AGI): بينما تحاكي الحوسبة المعرفية الاستدلال البشري، فإنها تكون عمومًا مخصصة لمجال محدد. فالنظام المعرفي المدرَّب على القانون لا يستطيع إجراء جراحة. ويشير الذكاء الاصطناعي العام، أو «الذكاء الاصطناعي القوي»، إلى آلة نظرية تتمتع بالقدرة على تطبيق الذكاء على أي مشكلة، على نحو يشبه الإنسان. وتُعد الحوسبة المعرفية تطبيقًا عمليًا متاحًا اليوم، في حين يظل الذكاء الاصطناعي العام هدفًا للبحوث المستقبلية التي تجريها مؤسسات مثل OpenAI.
• الحوسبة المعرفية مقابل الذكاء الاصطناعي الإحصائي: يركز الذكاء الاصطناعي الإحصائي التقليدي على التحسين الرياضي لتحقيق دقة عالية في مهام محددة، مثل التصنيف. وتتبع الحوسبة المعرفية نهجًا أوسع نطاقًا، إذ تركز على الاستدلال، وتوليد الفرضيات، والتفسير القائم على الأدلة، وغالبًا ما تدمج رسوم المعرفة لرسم العلاقات بين المفاهيم.

تنفيذ الإدراك المعرفي باستخدام الذكاء الاصطناعي للرؤية#

غالبًا ما يكون الإدراك البصري الخطوة الأولى في المسار المعرفي. فقبل أن يتمكن النظام من الاستدلال بشأن بيئة ما، يجب أن يدركها. وتعمل نماذج الرؤية الحديثة مثل Ultralytics YOLO26 كطبقة إدخال حسية، إذ تستخرج كائنات مهيكلة من بيانات الفيديو غير المهيكلة. ثم تُمرَّر هذه البيانات المهيكلة إلى محرك استدلال لاتخاذ القرارات.

يوضح المثال التالي كيفية استخدام الحزمة ultralytics لتعمل كطبقة إدراك، من خلال تحديد الكائنات التي قد يحتاج النظام المعرفي 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 تمكّن الذكاء المعرفي#

يتطلب بناء منظومة معرفية حزمة من التقنيات المتقدمة التي تعمل بتناغم.

• التعلم العميق (DL): توفر الشبكات العصبية قدرات التعرف على الأنماط اللازمة لمعالجة البيانات غير المهيكلة، مثل الصور والصوت.
• تحليلات البيانات الضخمة: تُعد القدرة على معالجة تدفقات البيانات كبيرة الحجم وعالية السرعة أمرًا بالغ الأهمية. وغالبًا ما تُستخدم أدوات مثل Apache Spark لإدارة مسارات البيانات التي تغذي النماذج المعرفية.
• البنية التحتية السحابية: توفر منصات مثل Google Cloud AI وMicrosoft Azure Cognitive Services القدرة الحاسوبية القابلة للتوسع اللازمة لتشغيل أعباء العمل المكثفة هذه.
• محركات الاستدلال: بالإضافة إلى التصنيف البسيط، تطبق هذه المكونات قواعد المنطق والاستدلال الاحتمالي على البيانات. وغالبًا ما ينطوي ذلك على تقنيات الذكاء الاصطناعي الرمزي لتفسير سبب اتخاذ قرار ما.

التطبيقات الواقعية#

تُحدث الحوسبة المعرفية تحولًا في القطاعات من خلال تعزيز الخبرة البشرية بسرعة الآلة ونطاقها.

1. التشخيص الطبي: في تحليل الصور الطبية، تستوعب الأنظمة المعرفية سجلات المرضى، والمجلات الطبية، والصور التشخيصية. ومن خلال معالجة هذه الكمية الهائلة من بيانات التعلم متعدد الوسائط، يستطيع النظام وضع فرضيات بشأن التشخيصات المحتملة واقتراح خطط علاج لأطباء الأورام، مما يقلل أخطاء التشخيص ويخصص الرعاية.

2. الزراعة الذكية: تقود الأنظمة المعرفية الزراعة الدقيقة من خلال تحليل صور الأقمار الصناعية، وأنماط الطقس، وبيانات مستشعرات التربة. ويمكن للحلول التي تستخدم الذكاء الاصطناعي في الزراعة الاستدلال بشأن صحة المحاصيل، والتنبؤ بتفشي الأمراض قبل انتشارها، وضبط أنظمة الري تلقائيًا لتحسين الإنتاجية مع الحفاظ على المياه.

من خلال دمج المدخلات الحسية من نماذج مثل Ultralytics YOLO26 مع قدرات الاستدلال المتقدمة، تمهّد الحوسبة المعرفية الطريق أمام آلات لا تكتفي بالحساب، بل تتمتع أيضًا بالفهم. وتُبسّط Ultralytics Platform إدارة دورة حياة هذه النماذج المعقدة، إذ تيسّر التدريب، وإضافة التعليقات التوضيحية، والنشر عبر بيئات متنوعة.