الحوسبة الإدراكية

تمثل الحوسبة الإدراكية مجالاً من مجالات الذكاء الاصطناعي (AI) مخصصًا لإنشاء أنظمة تحاكي عمليات التفكير البشري لمعالجة المشاكل المعقدة والغامضة. على عكس الأنظمة المصممة لمهام محددة وضيقة النطاق، تهدف الحوسبة الإدراكية إلى بناء نماذج تكيفية وتفاعلية وسياقية يمكنها التعلم من التجربة والتفاعل مع البشر بلغة طبيعية. لا تهدف هذه الأنظمة إلى أن تحل محل الخبراء البشريين بل إلى زيادة ذكائهم، ومساعدتهم على اتخاذ قرارات أفضل من خلال تحليل كميات هائلة من البيانات المعقدة من مصادر مثل الرسوم البيانية المعرفية والوثائق غير المنظمة.

الخصائص الرئيسية

• التعلّم التكيّفي: تم تصميم الأنظمة الإدراكية للتعلم المستمر. فهي تعمل على تحسين أدائها بمرور الوقت من خلال معالجة المعلومات الجديدة والتعلم من تفاعلات المستخدم، على غرار كيفية اكتساب البشر للخبرة. وهذا يتجاوز مرحلة تدريب النموذج الأولي المعتادة في العديد من مشاريع التعلم الآلي.
• الفهم السياقي: يمكنها تفسير وتوليف السياق من أنواع مختلفة من البيانات، بما في ذلك النصوص والصور وبيانات الاستشعار. ويتطلب ذلك قدرات متطورة في معالجة اللغة الطبيعية (NLP) والرؤية الحاسوبية (CV) لفهم الفروق الدقيقة والمعنى.
• التفاعلية والتخاطبية: الهدف الرئيسي هو التفاعل مع البشر بشكل طبيعي. وغالباً ما ينطوي ذلك على روبوتات الدردشة الآلية المتقدمة أو المساعدين الافتراضيين الذين يمكنهم فهم الاستفسارات وتقديم الردود مع الأدلة الداعمة، وحتى طرح أسئلة توضيحية لحل الغموض.

الحوسبة الإدراكية مقابل مفاهيم الذكاء الاصطناعي الأخرى

من المهم التمييز بين الحوسبة الإدراكية والمصطلحات ذات الصلة.

• الذكاء الاصطناعي العام (AGI): في حين أن الحوسبة الإدراكية تسعى إلى محاكاة الفكر البشري، إلا أنها شكل من أشكال الذكاء الاصطناعي الضعيف الذي يركز على مجالات محددة. فهي تزيد من القدرات البشرية بدلاً من محاولة محاكاة النطاق الكامل للوعي البشري، وهو هدف الذكاء العام الاصطناعي (AGI). يستكشف اختبار تورينج الشهير حدود الذكاء الآلي.
• الذكاء الاصطناعي الإحصائي: تُبنى الأنظمة الإدراكية على أسس الذكاء الاصطناعي الإحصائي، الذي يستخدم التعلم العميق والنماذج الاحتمالية للعثور على الأنماط. ومع ذلك، فإن الحوسبة الإدراكية هي نهج على مستوى الأنظمة يدمج هذه النماذج الإحصائية مع التفكير الرمزي للتعامل مع الغموض وتقديم رؤى قابلة للتفسير - وهو مبدأ أساسي للذكاء الاصطناعي القابل للتفسير.

التطبيقات في العالم الحقيقي

تتفوق الحوسبة الإدراكية في المجالات التي يجب على الخبراء فيها التنقل بين كميات هائلة من المعلومات غير المنظمة لاتخاذ قرارات عالية المخاطر.

• الذكاء الاصطناعي في الرعاية الصحية: مثال رئيسي على ذلك هو نظام استشاري للأورام. يمكن لمثل هذه المنصة استيعاب السجلات الصحية الإلكترونية للمريض، والبيانات الجينومية، وإجراء تحليل للصور الطبية على صور الرنين المغناطيسي. وفي الوقت نفسه، يقوم النظام بالبحث في ملايين المجلات الطبية من مصادر مثل PubMed Central ونتائج التجارب السريرية. ثم يقدم بعد ذلك قائمة مرتبة من خيارات العلاج المخصص لطبيب الأورام، مع استكمالها بالأدلة الداعمة. ويعزز ذلك من خبرة الطبيب، مما يتيح اتخاذ قرارات أكثر استنارة على النحو الذي تستكشفه منظمات مثل الجمعية الطبية الأمريكية.
• الخدمات المالية: تُستخدم الأنظمة المعرفية لإنشاء مستشارين مخصصين لإدارة الثروات. يمكن لهذه الأنظمة التفاعل مع العملاء لفهم أهدافهم المالية ومدى تحملهم للمخاطر. ثم يقوم النظام بعد ذلك بتحليل بيانات السوق في الوقت الحقيقي، والأخبار الاقتصادية لتحليل المشاعر، والتقارير المالية العالمية للتوصية بمحافظ الاستثمار وتعديلها ديناميكيًا. وهذا يوفر مستوى من المشورة القائمة على البيانات التي كانت متاحة في السابق للأفراد ذوي الملاءة المالية العالية فقط، وهو مجال تركيز مؤسسات مثل المنتدى الاقتصادي العالمي.

الأدوات والتقنيات

يعتمد تطوير الأنظمة الإدراكية على منصات وأدوات قوية. تُعد IBM Watson منصة تجارية بارزة تقدم واجهات برمجة التطبيقات لفهم اللغة الطبيعية والرؤية الحاسوبية واتخاذ القرارات، وغالبًا ما يُشار إليها كمثال رئيسي للحوسبة الإدراكية في العمل. وتشمل التقنيات الرئيسية الأخرى المنصات السحابية مثل Google Cloud AI والأدوات المتاحة من خلال أدلة مثل Azure Machine Learning Quickstart، إلى جانب أطر عمل مفتوحة المصدر مثل TensorFlow وPyTorch. بالنسبة لمهام محددة مثل الإدراك البصري داخل الأنظمة الإدراكية، توفر نماذج مثل Ultralytics YOLO أحدث إمكانات اكتشاف الأجسام وتجزئة الصور. توفر منصات مثل Ultralytics HUB تدفقات عمل مبسطة لتدريب النماذج المخصصة وإدارة مجموعات البيانات ونشر مكونات الرؤية الضرورية للعديد من التطبيقات الإدراكية، بما في ذلك استخدام خيارات التدريب السحابي. يمكنك العثور على مزيد من الأفكار في موارد مثل نظرة عامة على الحوسبة الإدراكية من SAS. تساهم المؤسسات البحثية مثل معهد آلان تورينج ومنظمات مثل جمعية النهوض بالذكاء الاصطناعي (AAAI) بشكل كبير في الأبحاث الأساسية في التعلم العميق والبنى المعرفية.