Yolo فيجن شنتشن
شنتشن
انضم الآن
مسرد المصطلحات

الحوسبة الإدراكية

اكتشف كيف تحاكي الحوسبة الإدراكية عمليات الفكر البشري باستخدام الذكاء الاصطناعي وتعلم الآلة ومعالجة اللغة الطبيعية والمزيد لتحويل صناعات مثل الرعاية الصحية والمالية.

الحوسبة الإدراكية هي فرع متطور من علوم الحاسوب يحاكي عمليات التفكير البشري في نموذج محوسب. ومن خلال الاستفادة من خوارزميات التعلم الذاتي، تحاكي هذه التكنولوجيا الطريقة التي يعمل بها الدماغ البشري لحل المشاكل المعقدة، وتحديداً تلك التي تنطوي على الغموض وعدم اليقين. وهي تدمج الذكاء الاصطناعي (AI), التعلم الآلي (ML) و ومعالجة اللغات الطبيعية (NLP) لمعالجة كميات هائلة من البيانات غير المهيكلة. على عكس الأنظمة التقليدية القابلة للبرمجة التي تتبع مجموعة محددة مسبقًا من من القواعد، يتم تدريب الأنظمة الإدراكية على التعرف على الأنماط وفهم السياق والتعلم من التجربة، وفي النهاية تعمل على تعزيز عملية اتخاذ القرارات البشرية بدلاً من أن تحل محلها.

الخصائص الأساسية للأنظمة المعرفية

لكي يتم اعتبار النظام "معرفيًا"، فإنه عادةً ما يُظهر قدرات محددة تسمح له العمل كمستشار خبير ذكي. تعمل هذه الأنظمة على سد الفجوة بين معالجة البيانات والتفكير البشري.

  • التعلّم التكيّفي: يجب أن تتعامل الأنظمة الإدراكية مع البيئات الديناميكية. فهي تستخدم استخراج الميزات لاستيعاب المعلومات المتغيرة المتغيرة في الوقت الفعلي، وغالباً ما تستخدم التعلم النشط لتحسين نماذجها الداخلية بناءً على البيانات الجديدة أو ملاحظات المستخدم.
  • الفهم السياقي: السمة المميزة هي القدرة على تحديد المعنى ضمن مدخلات متنوعة المدخلات المتنوعة، مثل بناء الجملة والوقت والموقع وهوية المستخدم. من خلال معالجة البيانات الحسية عبر الرؤية الحاسوبية (CV)، تقوم هذه الأنظمة ببناء صورة شاملة للمهمة المطروحة.
  • المشاركة التفاعلية: تم تصميم هذه الأنظمة للتفاعل السلس بين الإنسان والحاسوب. من خلال روبوتات المحادثة المتقدمة و والمساعدين الافتراضيين المتقدمين، فإنها تنخرط في الحوار الطبيعي، وتوضيح أوجه الغموض لتقديم توصيات دقيقة.

تطبيقات واقعية

تعمل الحوسبة الإدراكية على إحداث ثورة في الصناعات التي تتطلب من الخبراء تجميع مجموعات بيانات ضخمة لاتخاذ قرارات عالية المخاطر.

  • تشخيص الرعاية الصحية: في مجال الذكاء الاصطناعي في الرعاية الصحية، تقوم الأنظمة المعرفية بتحليل السجلات الصحية الإلكترونية وإجراء تحليل الصور الطبية لمساعدة أطباء الأورام. من خلال الإحالة المرجعية لبيانات المرضى مع ملايين الصفحات من المجلات الطبية من مصادر مثل مثل PubMed Central، يمكن للنظام أن يوصي بخطط علاجية مخصصة مع درجة الثقة.
  • الزراعة الذكية: تستفيد الزراعة الحديثة من الرؤى المعرفية لتحسين المحاصيل. باستخدام اكتشاف الكائنات لتحديد أمراض المحاصيل من صور الطائرات بدون طيار وربط تلك النتائج ببيانات الطقس، تقدم هذه الأنظمة نصائح قابلة للتنفيذ للمزارعين. تسلط حلول الذكاء الاصطناعي في الزراعة الضوء على كيفية يغذي الإدراك البصري التفكير المعرفي الأوسع نطاقاً.

الحوسبة الإدراكية مقابل المفاهيم ذات الصلة

على الرغم من استخدامها في كثير من الأحيان بالتبادل مع مصطلحات الذكاء الاصطناعي الأخرى، إلا أن الحوسبة الإدراكية لها أهداف وحدود متميزة.

  • مقابل. الذكاء الاصطناعي الإحصائي: التقليدي غالبًا ما يركز الذكاء الاصطناعي الإحصائي على تحسين نتيجة رياضية محددة، مثل تحقيق أعلى دقة في مجموعة اختبار. تأخذ الحوسبة الإدراكية نهجًا أوسع نطاقًا على مستوى الأنظمة، حيث يجمع بين هذه التنبؤات الإحصائية والاستدلال الرمزي ليكون بمثابة شريكاً في التفكير.
  • مقابل. الذكاء الاصطناعي العام (AGI): عادةً ما تكون التطبيقات المعرفية خاصة بمجال معين وتندرج تحت فئة الذكاء الاصطناعي الضعيف. فهي لا تمتلك الوعي الذاتي أو الوعي الواسع الشبيه بالإنسان الموصوف من قبل الذكاء العام الاصطناعي (AGI). بدلاً من ذلك، تهدف هذه التطبيقات إلى اجتياز نسخة خاصة بالمجال من اختبار تورينج (Turing Test)، حيث تؤدي بشكل لا يمكن تمييزه عن الإنسان خبير في مجال متخصص مثل القانون أو الطب.

التقنيات والأدوات

يتطلب بناء نظام بيئي معرفي مجموعة من التقنيات المتقدمة. غالبًا ما تعمل خوارزميات التعلّم العميق (DL) كمحرك للمعالجة محرك المعالجة، بينما تساعد الرسوم البيانية المعرفية النظام على فهم العلاقات بين المفاهيم.

غالبًا ما يكون الإدراك البصري هو الخطوة الأولى في خط الإدراك المعرفي. نموذج مثل YOLO11 يمكن أن يكون بمثابة "عيون" النظام، حيث يستخرج المعلومات المنظمة من العالم المرئي والتي يتم تمريرها بعد ذلك إلى محرك التفكير المعرفي.

from ultralytics import YOLO

# Load a YOLO11 model to act as the visual perception layer
model = YOLO("yolo11n.pt")

# The system 'perceives' the environment by detecting objects
results = model("https://ultralytics.com/images/bus.jpg")

# Extracted data (classes) is fed to the cognitive engine for reasoning
for r in results:
    # Print detected class indices (e.g., 0 for person, 5 for bus)
    print(r.boxes.cls)

تقود شركات التكنولوجيا الرائدة اعتماد هذه الأنظمة. وتعتبر تُعد منصة واتسون من شركة IBM رائدة في هذا المجال، حيث تقدم واجهات برمجة التطبيقات ل لاتخاذ القرارات والمعالجة اللغوية. يمكن للمطورين أيضًا الاستفادة من الموارد السحابية من Google Cloud AI و Microsoft Azure AI لإنشاء تطبيقات معرفية. المؤسسات البحثية مثل مثل معهد آلان تورينج و يواصل معهد ستانفورد للذكاء الاصطناعي الذي يركز على الإنسان (HAI) دفع حدود لما يمكن أن تحققه هذه الأنظمة. لمزيد من القراءة حول معايير الصناعة وأخلاقياتها، يمكن الاطلاع على جمعية IEEE للكمبيوتر و توفر جمعية النهوض بالذكاء الاصطناعي (AAAI) موارد واسعة النطاق واسعة النطاق.

انضم إلى مجتمع Ultralytics

انضم إلى مستقبل الذكاء الاصطناعي. تواصل وتعاون وانمو مع المبتكرين العالميين

انضم الآن