Informatica cognitiva

L'informatica cognitiva rappresenta un settore dell'intelligenza artificiale (IA) dedicato alla creazione di sistemi che simulano i processi di pensiero umano per affrontare problemi complessi e ambigui. A differenza dei sistemi progettati per compiti specifici e ristretti, l'informatica cognitiva mira a costruire modelli adattivi, interattivi e contestuali, in grado di imparare dall'esperienza e di interagire con gli esseri umani in linguaggio naturale. Questi sistemi non intendono sostituire gli esperti umani, ma aumentarne l'intelligenza, aiutandoli a prendere decisioni migliori analizzando grandi quantità di dati complessi provenienti da fonti come grafi di conoscenza e documenti non strutturati.

Caratteristiche principali

• Apprendimento adattivo: I sistemi cognitivi sono progettati per un apprendimento continuo. Migliorano le loro prestazioni nel tempo elaborando nuove informazioni e imparando dalle interazioni dell'utente, in modo simile a come gli esseri umani acquisiscono competenze. Questo va oltre la fase iniziale di formazione del modello tipica di molti progetti di apprendimento automatico.
• Comprensione contestuale: Sono in grado di interpretare e sintetizzare il contesto da vari tipi di dati, tra cui testo, immagini e dati dei sensori. Ciò richiede sofisticate capacità di elaborazione del linguaggio naturale (NLP) e di visione artificiale (CV) per cogliere sfumature e significati.
• Interattivo e colloquiale: Un obiettivo fondamentale è quello di interagire con gli esseri umani in modo naturale. Spesso si tratta di chatbot avanzati o di assistenti virtuali in grado di comprendere le richieste e di fornire risposte con prove a supporto, ponendo anche domande chiarificatrici per risolvere le ambiguità.

Informatica cognitiva e altri concetti di IA Altri concetti di IA

È importante distinguere il cognitive computing dai termini correlati.

• Intelligenza Artificiale Generale (AGI): L'informatica cognitiva cerca di imitare il pensiero umano, ma è una forma di IA debole focalizzata su ambiti specifici. Aumenta le capacità umane piuttosto che cercare di replicare l'intera ampiezza della coscienza umana, che è l'obiettivo dell'Intelligenza Artificiale Generale (AGI). Il famoso Test di Turing esplora i limiti dell'intelligenza delle macchine.
• IA statistica: i sistemi cognitivi si basano sulle fondamenta dell'IA statistica, che utilizza l'apprendimento profondo e i modelli probabilistici per trovare modelli. Tuttavia, l'informatica cognitiva è un approccio a livello di sistema che integra questi modelli statistici con il ragionamento simbolico per gestire l'ambiguità e fornire intuizioni spiegabili, un principio chiave dell'Explainable AI (XAI).

Applicazioni nel mondo reale

Il cognitive computing eccelle nei settori in cui gli esperti devono navigare tra grandi quantità di informazioni non strutturate per prendere decisioni ad alto rischio.

• L'intelligenza artificiale nell'assistenza sanitaria: Un esempio emblematico è un sistema di consulenza oncologica. Una piattaforma di questo tipo è in grado di ingerire le cartelle cliniche elettroniche di un paziente, i dati genomici e di eseguire analisi di immagini mediche su risonanze magnetiche. Allo stesso tempo, analizza milioni di riviste mediche da fonti come PubMed Central e i risultati degli studi clinici. Presenta quindi all'oncologo un elenco classificato di opzioni terapeutiche personalizzate, completo di prove a sostegno. In questo modo, l'esperienza del medico viene rafforzata, consentendo di prendere decisioni più informate, come richiesto da organizzazioni come l'American Medical Association.
• Servizi finanziari: I sistemi cognitivi vengono utilizzati per creare consulenti di gestione patrimoniale personalizzati. Questi sistemi possono interagire con i clienti per comprendere i loro obiettivi finanziari e la loro tolleranza al rischio. Il sistema analizza quindi i dati di mercato in tempo reale, le notizie economiche per l'analisi del sentiment e i rapporti finanziari globali per consigliare e regolare dinamicamente i portafogli di investimento. In questo modo si ottiene un livello di consulenza guidata dai dati che in precedenza era disponibile solo per gli individui con un elevato patrimonio netto, un'area di interesse per istituzioni come il World Economic Forum.

Strumenti e tecnologie

Lo sviluppo di sistemi cognitivi si basa su piattaforme e strumenti potenti. IBM Watson è un'importante piattaforma commerciale che offre API per la comprensione del linguaggio naturale, la computer vision e il processo decisionale, spesso citata come esempio chiave di cognitive computing in azione. Altre tecnologie chiave sono le piattaforme cloud come Google Cloud AI e gli strumenti disponibili attraverso guide come Azure Machine Learning Quickstart, oltre a framework open-source come TensorFlow e PyTorch. Per compiti specifici come la percezione visiva all'interno dei sistemi cognitivi, modelli come Ultralytics YOLO forniscono capacità di rilevamento degli oggetti e di segmentazione delle immagini all'avanguardia. Piattaforme come Ultralytics HUB offrono flussi di lavoro semplificati per l'addestramento di modelli personalizzati, la gestione dei set di dati e la distribuzione dei componenti di visione essenziali per molte applicazioni cognitive, compreso l'utilizzo di opzioni di addestramento nel cloud. Ulteriori approfondimenti sono disponibili in risorse come la SAS Cognitive Computing Overview. Istituti di ricerca come l'Alan Turing Institute e organizzazioni come l'Association for the Advancement of Artificial Intelligence (AAAI) contribuiscono in modo significativo alla ricerca di base nel deep learning e nelle architetture cognitive.