Computación cognitiva

Características principales

• Aprendizaje adaptativo: Los sistemas cognitivos están diseñados para el aprendizaje continuo. Mejoran su rendimiento con el tiempo procesando nueva información y aprendiendo de las interacciones del usuario, de forma similar a como los humanos adquieren experiencia. Esto va más allá de la fase inicial de entrenamiento del modelo, típica en muchos proyectos de aprendizaje automático.
• Comprensión contextual: Pueden interpretar y sintetizar el contexto a partir de diversos tipos de datos, como texto, imágenes y datos de sensores. Esto requiere sofisticadas capacidades de Procesamiento del Lenguaje Natural (PLN) y Visión por Computador (VC ) para captar matices y significados.
• Interactivo y conversacional: Un objetivo clave es interactuar con los humanos de forma natural. A menudo se trata de chatbots avanzados o asistentes virtuales capaces de entender las consultas y dar respuestas con pruebas que las respalden, incluso haciendo preguntas aclaratorias para resolver ambigüedades.

Computación cognitiva Vs. Otros conceptos de IA

Es importante distinguir la informática cognitiva de los términos afines.

• Inteligencia General Artificial (AGI): Aunque la computación cognitiva trata de imitar el pensamiento humano, es una forma de IA débil centrada en ámbitos específicos. Aumenta las capacidades humanas en lugar de intentar replicar toda la amplitud de la conciencia humana, que es el objetivo de la Inteligencia Artificial General (IAG). El famoso Test de Turing explora los límites de la inteligencia de las máquinas.
• IA estadística: los sistemas cognitivos se basan en los fundamentos de la IA estadística, que utiliza modelos de aprendizaje profundo y probabilísticos para encontrar patrones. Sin embargo, la computación cognitiva es un enfoque a nivel de sistemas que integra estos modelos estadísticos con el razonamiento simbólico para manejar la ambigüedad y proporcionar ideas explicables, un principio clave de la IA explicable (XAI).

Aplicaciones en el mundo real

La computación cognitiva destaca en ámbitos en los que los expertos deben navegar por ingentes cantidades de información no estructurada para tomar decisiones de alto riesgo.

• La IA en la sanidad: Un ejemplo paradigmático es un sistema de asesoramiento oncológico. Una plataforma de este tipo puede incorporar los historiales médicos electrónicos de un paciente, datos genómicos y realizar análisis de imágenes médicas en resonancias magnéticas. Al mismo tiempo, busca en millones de revistas médicas de fuentes como PubMed Central y resultados de ensayos clínicos. A continuación, presenta al oncólogo una lista clasificada de opciones de tratamiento personalizadas, junto con las pruebas que las respaldan. Esto aumenta la experiencia del médico, lo que permite tomar decisiones más informadas, según lo explorado por organizaciones como la Asociación Médica Americana.
• Servicios financieros: Los sistemas cognitivos se utilizan para crear asesores personalizados de gestión patrimonial. Estos sistemas pueden interactuar con los clientes para comprender sus objetivos financieros y su tolerancia al riesgo. A continuación, el sistema analiza los datos del mercado en tiempo real, las noticias económicas para analizar el sentimiento y los informes financieros globales para recomendar y ajustar dinámicamente las carteras de inversión. Esto proporciona un nivel de asesoramiento basado en datos que antes sólo estaba al alcance de los particulares con grandes patrimonios, un área de interés para instituciones como el Foro Económico Mundial.

Herramientas y tecnologías

El desarrollo de sistemas cognitivos depende de plataformas y herramientas potentes. IBM Watson es una destacada plataforma comercial que ofrece API para la comprensión del lenguaje natural, la visión por ordenador y la toma de decisiones, a menudo citada como ejemplo clave de computación cognitiva en acción. Otras tecnologías clave incluyen plataformas en la nube como Google Cloud AI y herramientas disponibles a través de guías como Azure Machine Learning Quickstart, junto con marcos de código abierto como TensorFlow y PyTorch. Para tareas específicas como la percepción visual dentro de los sistemas cognitivos, modelos como Ultralytics YOLO proporcionan capacidades punteras de detección de objetos y segmentación de imágenes. Plataformas como Ultralytics HUB ofrecen flujos de trabajo simplificados para el entrenamiento de modelos personalizados, la gestión de conjuntos de datos y el despliegue de los componentes de visión esenciales para muchas aplicaciones cognitivas, incluida la utilización de opciones de entrenamiento en la nube. Puede encontrar más información en recursos como SAS Cognitive Computing Overview. Instituciones de investigación como el Instituto Alan Turing y organizaciones como la Asociación para el Avance de la Inteligencia Artificial (AAAI) contribuyen significativamente a la investigación subyacente en el aprendizaje profundo y las arquitecturas cognitivas.