A computação cognitiva é o uso de modelos computadorizados para simular o processo de pensamento humano em situações complexas onde as respostas podem ser ambíguas e incertas. A frase está intimamente associada ao sistema de computador cognitivo da IBM, o Watson.
Os computadores são mais rápidos do que os humanos no processamento e cálculo, mas ainda precisam dominar algumas tarefas, como entender a linguagem natural e reconhecer objetos em uma imagem. A computação cognitiva é uma tentativa de fazer com que os computadores imitem a maneira como o cérebro humano funciona.
Para conseguir isso, a computação cognitiva faz uso de inteligência artificial ( IA ) e outras tecnologias subjacentes, incluindo as seguintes:
sistemas especializados
redes neurais
aprendizado de máquina
aprendizado profundo
processamento de linguagem natural (PLN)
reconhecimento de fala
Reconhecimento de objeto
robótica
A computação cognitiva usa esses processos em conjunto com algoritmos de autoaprendizagem , análise de dados e reconhecimento de padrões para ensinar sistemas de computação. A tecnologia de aprendizado pode ser usada para reconhecimento de fala, análise de sentimentos , avaliações de risco, detecção de rosto e muito mais. Além disso, é particularmente útil em áreas como saúde, bancos, finanças e varejo.
Como funciona a computação cognitiva
Os sistemas usados nas ciências cognitivas combinam dados de várias fontes enquanto pesam o contexto e as evidências conflitantes para sugerir as melhores respostas possíveis. Para conseguir isso, os sistemas cognitivos incluem tecnologias de autoaprendizagem que usam mineração de dados, reconhecimento de padrões e PNL para imitar a inteligência humana.
O uso de sistemas de computador para resolver os tipos de problemas com os quais os humanos normalmente são encarregados requer grandes quantidades de dados estruturados e não estruturados alimentados por algoritmos de aprendizado de máquina. Com o tempo, os sistemas cognitivos são capazes de refinar a maneira como identificam padrões e processam os dados. Tornam-se capazes de antecipar novos problemas e modelar possíveis soluções.
Por exemplo, ao armazenar milhares de fotos de cães em um banco de dados, um sistema de IA pode ser ensinado a identificar fotos de cães. Quanto mais dados um sistema é exposto, mais ele é capaz de aprender e mais preciso ele se torna ao longo do tempo.
Para alcançar esses recursos, os sistemas de computação cognitiva devem ter os seguintes atributos:
Adaptável. Esses sistemas devem ser flexíveis o suficiente para aprender à medida que as informações mudam e os objetivos evoluem. Eles devem digerir dados dinâmicos em tempo real e se ajustar à medida que os dados e o ambiente mudam.
Interativo. A interação humano-computador é um componente crítico nos sistemas cognitivos. Os usuários devem ser capazes de interagir com máquinas cognitivas e definir suas necessidades à medida que essas necessidades mudam. As tecnologias também devem ser capazes de interagir com outros processadores, dispositivos e plataformas em nuvem.
Iterativo e com estado. As tecnologias de computação cognitiva podem fazer perguntas e obter dados adicionais para identificar ou esclarecer um problema. Eles devem ser informados , pois mantêm informações sobre situações semelhantes que ocorreram anteriormente.
Contextual. Compreender o contexto é fundamental nos processos de pensamento. Os sistemas cognitivos devem entender, identificar e extrair dados contextuais, como sintaxe , tempo, localização, domínio, requisitos e perfil, tarefas e objetivos de um usuário. Os sistemas podem recorrer a múltiplas fontes de informação, incluindo dados estruturados e não estruturados e dados visuais, auditivos e de sensores.
Exemplos e aplicações da computação cognitiva
Os sistemas de computação cognitiva são normalmente usados para realizar tarefas que exigem a análise de grandes quantidades de dados. Por exemplo, em ciência da computação, a computação cognitiva auxilia na análise de big data , identificando tendências e padrões, entendendo a linguagem humana e interagindo com os clientes.
Exemplos de como a computação cognitiva é usada em vários setores incluem o seguinte:
Assistência médica. A computação cognitiva pode lidar com grandes quantidades de dados de saúde não estruturados, como históricos de pacientes, diagnósticos, condições e artigos de pesquisa de periódicos para fazer recomendações aos profissionais médicos. Isso é feito com o objetivo de ajudar os médicos a tomar melhores decisões de tratamento. A tecnologia cognitiva expande as capacidades de um médico e auxilia na tomada de decisões.
Retalho. Em ambientes de varejo, essas tecnologias analisam informações básicas sobre o cliente, juntamente com detalhes sobre o produto que o cliente está visualizando. O sistema fornece então ao cliente sugestões personalizadas .
Banca e finanças. A computação cognitiva no setor bancário e financeiro analisa dados não estruturados de diferentes fontes para obter mais conhecimento sobre os clientes. A PNL é usada para criar chatbots que se comunicam com os clientes. Isso melhora a eficiência operacional e o envolvimento do cliente.
Logística. A computação cognitiva auxilia em áreas como gerenciamento de armazém, automação de armazém, rede e dispositivos IoT.
O Watson for Oncology da IBM é um exemplo de sistema de computação cognitiva. Ele fornece aos oncologistas do Memorial Sloan Kettering Cancer Center, em Nova York, opções de tratamento baseadas em evidências para pacientes com câncer. Quando a equipe médica faz perguntas, o Watson gera uma lista de hipóteses e oferece opções de tratamento para os médicos considerarem. O Watson Health é outra ferramenta da IBM que ajuda os clientes em pesquisas médicas e clínicas.
Vantagens da computação cognitiva
As vantagens da computação cognitiva incluem resultados positivos nas seguintes áreas:
Precisão analítica. A computação cognitiva é proficiente na justaposição e referência cruzada de dados estruturados e não estruturados.
Eficiência dos processos de negócios. A tecnologia cognitiva pode reconhecer padrões ao analisar grandes conjuntos de dados.
Interação e experiência do cliente. As informações contextuais e relevantes que a computação cognitiva fornece aos clientes por meio de ferramentas como chatbots melhoram as interações com os clientes. Uma combinação de assistentes cognitivos, recomendações personalizadas e previsões comportamentais aprimora a experiência do cliente.
Produtividade dos funcionários e qualidade do serviço. Os sistemas cognitivos ajudam os funcionários a analisar dados estruturados ou não estruturados e identificar padrões e tendências de dados.
Desvantagens dos sistemas cognitivos
A tecnologia cognitiva também tem desvantagens, incluindo o seguinte:
Desafios de segurança. Os sistemas cognitivos precisam de grandes quantidades de dados para aprender. As organizações que usam os sistemas devem proteger adequadamente esses dados – especialmente se forem dados de saúde, clientes ou qualquer tipo de dados pessoais .
Longa duração do ciclo de desenvolvimento. Esses sistemas exigem equipes de desenvolvimento qualificadas e uma quantidade considerável de tempo para desenvolver software para eles. Os próprios sistemas precisam de treinamento extenso e detalhado com grandes conjuntos de dados para entender determinadas tarefas e processos.
Adoção lenta. O ciclo de vida de desenvolvimento lento é uma razão para as taxas de adoção lentas. Organizações menores podem ter mais dificuldade em implementar sistemas cognitivos e, portanto, evitá-los.
Impacto ambiental negativo. O processo de treinamento de sistemas cognitivos e redes neurais consome muita energia e tem uma pegada de carbono considerável .
Como a computação cognitiva difere da IA
O termo computação cognitiva é frequentemente usado de forma intercambiável com IA . Mas há diferenças nos propósitos e aplicações das duas tecnologias.
A computação cognitiva e a IA têm muitas semelhanças, mas existem diferenças sutis.
Inteligência artificial
AI é o termo genérico para tecnologias que dependem de dados para tomar decisões. Essas tecnologias incluem – mas não estão limitadas a – aprendizado de máquina, redes neurais, NLP e sistemas de aprendizado profundo. Com a IA, os dados são alimentados em um algoritmo por um longo período de tempo para que o sistema aprenda variáveis e possa prever resultados.
Os aplicativos baseados em IA incluem assistentes inteligentes, como Alexa da Amazon, Siri da Apple e carros autônomos.
Computação cognitiva
O termo computação cognitiva é normalmente usado para descrever sistemas de IA que simulam o pensamento humano. A cognição humana envolve a análise em tempo real do ambiente do mundo real, contexto, intenção e muitas outras variáveis que informam a capacidade de uma pessoa para resolver problemas.
Várias tecnologias de IA são necessárias para que um sistema de computador construa modelos cognitivos . Isso inclui aprendizado de máquina, aprendizado profundo, redes neurais, PNL e análise de sentimentos.
Em geral, a computação cognitiva é usada para auxiliar os humanos nos processos de tomada de decisão. A IA depende de algoritmos para resolver um problema ou identificar padrões em grandes conjuntos de dados. Os sistemas de computação cognitiva têm o objetivo maior de criar algoritmos que imitam o processo de raciocínio do cérebro humano para resolver problemas à medida que os dados e os problemas mudam.
