Что такое когнитивные вычисления? Особенности, объем и ограничения

Человеческое мышление выходит за рамки воображения. Может ли компьютер развить такую способность мыслить и рассуждать без вмешательства человека? Это то, чего пытаются достичь специалисты по программированию в IBM Watson. Их цель – смоделировать человеческий мыслительный процесс в компьютерной модели. Результатом стали когнитивные вычисления – сочетание когнитивной науки и информатики.

«Когнитивные вычисления представляют собой самообучающиеся системы, которые используют модели машинного обучения для имитации работы мозга». В конечном итоге эта технология будет способствовать созданию автоматизированных ИТ-моделей, способных решать проблемы без помощи человека.

Познание исходит из человеческого мозга. Так что же мозг когнитивных систем?

Когнитивные вычисления представляют третью эру вычислений. В первую эпоху (19 век) Чарльз Бэббидж, также известный как «отец компьютера», представил концепцию программируемого компьютера. Его компьютер, используемый в навигационных расчетах, был разработан для табулирования полиномиальных функций. Во второй эре (1950 г.) появились компьютеры с цифровым программированием, такие как ENIAC, и началась эра современных вычислений и программируемых систем.

А теперь о когнитивных вычислениях, которые работают на алгоритмах глубокого обучения и аналитике больших данных, чтобы обеспечить понимание. Таким образом, мозг когнитивной системы – это нейронная сеть, фундаментальная концепция глубокого обучения. Нейронная сеть – это система аппаратного и программного обеспечения, имитирующая центральную нервную систему человека, для оценки функций, которые зависят от огромного количества неизвестных входных данных.

Каковы особенности решения для когнитивных вычислений?

При нынешнем состоянии вычислений когнитивных функций базовое решение может играть отличную роль помощника или виртуального советника. Siri, Google Assistant, Cortana и Alexa – хорошие примеры личных помощников. Виртуальный советник, такой как Dr. AI от HealthTap, – это когнитивное решение. Он основан на медицинских профилях отдельных пациентов и знаниях, полученных от 105 000 врачей. Он составляет список приоритетных симптомов и при необходимости подключается к врачу. Сейчас специалисты работают над внедрением когнитивных решений в корпоративные системы. Некоторые варианты использования – это обнаружение мошенничества с использованием машинного обучения, решения для прогнозной аналитики, прогнозирование разливов нефти в цикле добычи нефти и газа и т. д.

Целью когнитивных вычислений является создание вычислительных структур, которые могут решать сложные задачи без постоянного вмешательства человека. Чтобы реализовать вычисления с когнитивными функциями в коммерческих и широко распространенных приложениях, консорциум Cognitive Computing рекомендовал следующие функции для вычислительных систем:

Адаптивный

Это первый шаг в создании когнитивной системы на основе машинного обучения. Решения должны имитировать способность человеческого мозга учиться и адаптироваться к окружающей среде. Системы не могут быть запрограммированы для изолированной задачи. Он должен быть динамичным в сборе данных, понимании целей и требований.

Интерактивный

Подобно мозгу, когнитивное решение должно взаимодействовать со всеми элементами системы – процессором, устройствами, облачными сервисами и пользователем. Когнитивные системы должны взаимодействовать в двух направлениях. Он должен понимать человеческий ввод и предоставлять соответствующие результаты с использованием обработки естественного языка и глубокого обучения. Некоторые умные умные чат-боты, такие как Mitsuku, уже достигли этой функции.

Итеративность и состояние

Система должна «запоминать» предыдущие взаимодействия в процессе и возвращать информацию, подходящую для конкретного приложения в этот момент времени. Он должен уметь определять проблему, задавая вопросы или находя дополнительный источник. Эта функция требует тщательного применения методологий качества данных и проверки, чтобы гарантировать, что система всегда снабжается достаточным объемом информации и чтобы источники данных, с которыми она работает, обеспечивали надежные и актуальные входные данные.

Контекстный

Они должны понимать, идентифицировать и извлекать контекстные элементы, такие как значение, синтаксис, время, местоположение, соответствующий домен, правила, профиль пользователя, процесс, задачу и цель. Они могут использовать несколько источников информации, включая структурированную и неструктурированную цифровую информацию, а также сенсорные входы (визуальные, жестовые, слуховые или сенсорные).

Каковы возможности когнитивных вычислений?

В то время как компьютеры десятилетиями выполняли вычисления и обрабатывали данные быстрее, чем люди. Но им с треском не удалось выполнить задачи, которые люди считают само собой разумеющимися, такие как понимание естественного языка или распознавание уникальных объектов на изображении. Таким образом, когнитивные технологии делают этот новый класс задач вычислимым. Они могут реагировать на сложные ситуации, характеризующиеся двусмысленностью и иметь далеко идущие последствия для нашей частной жизни, здравоохранения, бизнеса и т. д.

Согласно исследованию IBM Institute for Business Value – «Ваше когнитивное будущее», область когнитивных вычислений состоит из взаимодействия, принятия решений и открытий. Эти 3 способности связаны с тем, как люди думают и демонстрируют свои познавательные способности в повседневной жизни.

Вовлеченность

Когнитивные системы имеют обширные хранилища структурированных и неструктурированных данных. У них есть возможность развивать глубокое понимание предметной области и предоставлять экспертную помощь. Модели, построенные этими системами, включают контекстные отношения между различными объектами в мире системы, которые позволяют ей формировать гипотезы и аргументы.

Они могут согласовать неоднозначные и даже противоречивые данные. Таким образом, эти системы могут вступать в глубокий диалог с людьми. Технология чат-ботов – хороший пример модели взаимодействия. Многие чат-боты AI предварительно обучены знанию предметной области для быстрого внедрения в различных бизнес-приложениях.

Решение

На шаг впереди систем взаимодействия, они обладают способностью принимать решения. Эти системы моделируются с использованием обучения с подкреплением. Решения, принимаемые когнитивными системами, постоянно развиваются на основе новой информации, результатов и действий. Автономное принятие решений зависит от способности отследить, почему было принято то или иное решение, и изменить показатель достоверности реакции системы. Популярным вариантом использования этой модели является использование IBM Watson в здравоохранении.

Система может сопоставлять и анализировать данные пациента, включая его историю болезни и диагноз. Решение основывает рекомендации на его способности интерпретировать значение и анализировать запросы в контексте сложных медицинских данных и естественного языка, включая записи врачей, истории болезни, медицинские аннотации и отзывы о клиниках. По мере того, как решение учится, оно становится все более точным. Возможность поддержки принятия решений и сокращение объема бумажной работы позволяет врачам проводить больше времени с пациентами.

Открытие

Открытие – это наиболее продвинутая область когнитивных вычислений. Открытие включает в себя поиск идей и понимание огромного количества информации и развитие навыков. Эти модели построены на глубоком обучении и машинном обучении без учителя. При постоянно увеличивающихся объемах данных существует явная потребность в системах, которые помогают использовать информацию более эффективно, чем люди могли бы самостоятельно. Хотя все еще на ранних стадиях, некоторые возможности обнаружения уже появились, и ценностные предложения для будущих приложений убедительны. Оболочка Cognitive Information Management (CIM) в Университете штата Луизиана (LSU) является одним из когнитивных решений.

Распределенные интеллектуальные агенты в модели собирают потоковые данные, такие как текст и видео, для создания интерактивной системы измерения, проверки и визуализации, которая обеспечивает мониторинг и анализ в реальном времени. CIM Shell не только отправляет предупреждение, но и на лету меняет конфигурацию, чтобы изолировать критическое событие и исправить сбой.

Когнитивный компьютерный ландшафт

В современном мире когнитивных вычислений доминируют более крупные игроки – IBM, Microsoft и Google. IBM, являясь пионером этой технологии, инвестировала 26 миллиардов долларов в большие данные и аналитику и теперь тратит около одной трети своего бюджета на исследования и разработки на разработку технологий когнитивных вычислений. Многие другие компании и организации разрабатывают продукты и услуги, которые не уступают, если не лучше, чем Watson. IBM и Google приобрели некоторых конкурентов, и рынок движется к консолидации. Давайте посмотрим на известных игроков на этом рынке –

IBM Watson

Первоначально Watson – это суперкомпьютер IBM, который сочетает в себе искусственный интеллект (ИИ) и сложное аналитическое программное обеспечение для обеспечения оптимальной производительности в качестве «машины для ответов на вопросы», которая была широко представлена в шоу Jeopardy. Теперь он использует набор трансформационных технологий, таких как обработка естественного языка, распознавание изображений, анализ текста и виртуальные агенты.

IBM Watson использует глубокий анализ содержимого и аргументацию на основе фактов. В сочетании с массивными методами вероятностной обработки Watson может улучшить процесс принятия решений, снизить затраты и оптимизировать результаты.

Когнитивные службы Microsoft

Когнитивные службы Microsoft, ранее известные как Project Oxford, представляют собой набор API, SDK и когнитивных служб, которые разработчики могут использовать, чтобы сделать свои приложения более интеллектуальными. С помощью Cognitive Services разработчики могут легко добавлять в свои приложения интеллектуальные функции, такие как определение эмоций и настроений, зрение и распознавание речи, знания, поиск и понимание языка. Фактически, первая версия нашего чат-бота – Spectre (нижний правый угол) была создана с использованием Microsoft Bot Framework для повышения эффективности нашей маркетинговой команды. Затем мы создали его, используя нашу собственную платформу разработки чат – ботов WotNot .

Google DeepMind

DeepMind была приобретена Google в 2014 году и считается ведущим игроком в области исследований ИИ. Команда состоит из многих известных экспертов в области глубоких нейронных сетей, обучения с подкреплением и моделей, вдохновленных системной нейробиологией.

DeepMind стал популярен благодаря AlphaGo, узкому ИИ для игры в го, китайской настольной стратегической игре для двух игроков. AlphaGo стала первой программой ИИ, победившей профессионального игрока-человека в октябре 2015 года на полноразмерной доске.

CognitiveScale

CognitiveScale, основанная бывшими членами команды IBM Watson, предоставляет предприятиям программное обеспечение для когнитивного облака. Платформа расширенного интеллекта Cognitive Scale предоставляет аналитические данные как услугу и ускоряет создание когнитивных приложений в здравоохранении, розничной торговле, путешествиях и финансовых услугах. Они помогают компаниям разобраться в «темных данных» – беспорядочных, разрозненных, собственных и сторонних данных, а также позволяют получать полезные сведения и непрерывное обучение.

SparkCognition

SparkCognition – это стартап из Остина, основанный в 2014 году. SparkCognition разрабатывает киберфизическое программное обеспечение на базе искусственного интеллекта для обеспечения безопасности и надежности ИТ, ОТ и IIoT.

Технология больше ориентирована на производство. Он способен использовать данные датчиков в реальном времени и непрерывно учиться на них, что позволяет более точно определять политику снижения и предотвращения рисков для вмешательства и предотвращения стихийных бедствий.

Успех Watson и DeepMind вдохновил другие компании на разработку когнитивных платформ с использованием инструментов с открытым исходным кодом. Другие ведущие технологические компании, такие как Qualcomm и Intel, предпринимают осторожные шаги по включению когнитивных решений для специализированных отраслей. Uber создала исследовательское подразделение, посвященное искусственному интеллекту и машинному обучению, и приобрела компании Geometric Intelligence и Otto. Otto – это стартап по созданию автономных грузовиков и транспортных средств, а компания Geometric Intelligence сосредоточена на получении аналитической информации из меньшего количества данных с помощью машинного обучения. Gamalon разработал технику искусственного интеллекта с использованием байесовского синтеза программ. Чтобы обучить систему достижению такого же уровня точности, как нейронные сети, требуется всего несколько элементов.

Здравоохранение – самый популярный сектор для принятия когнитивных решений. Такие стартапы, как Lumiata и Enlitic, разработали небольшие и мощные аналитические решения, которые помогают поставщикам медицинских услуг в диагностике и прогнозировании заболеваний. Другие компании на этом рынке – аналитика когнитивных угроз Cisco, CustomerMatrix, Digital Reasoning и Narrative Science.

Ограничения когнитивных вычислений

Ограниченный анализ риска

Когнитивные системы не могут проанализировать риск, который отсутствует в неструктурированных данных. Это включает социально-экономические факторы, культуру, политическую среду и людей. Например, прогнозная модель обнаруживает место для разведки нефти. Но если в стране происходит смена правительства, когнитивная модель должна учитывать этот фактор. Таким образом, вмешательство человека необходимо для полного анализа рисков и принятия окончательного решения.

Кропотливый тренировочный процес

Изначально когнитивные системы нуждаются в обучающих данных, чтобы полностью понять процесс и улучшить его. Трудоемкий процесс обучения когнитивных систем, скорее всего, является причиной его медленного внедрения.

Финансовый менеджмент WellPoint столкнулся с аналогичной ситуацией с IBM Watson. Процесс обучения Watson для использования страховщиком включает в себя изучение текста каждой медицинской политики с инженерами IBM.

Медперсонал продолжает кормить пациентов до тех пор, пока система полностью не поймет конкретное заболевание. Более того, сложный и дорогостоящий процесс использования когнитивных систем только усугубляет ситуацию.

Больше увеличения интеллекта, чем искусственного интеллекта

Возможности современных когнитивных технологий ограничиваются вовлечением и принятием решения. Системы когнитивных вычислений наиболее эффективны в качестве помощников, которые больше похожи на увеличение интеллекта, а не на искусственный интеллект. Он дополняет человеческое мышление и анализ, но зависит от людей при принятии критических решений. Умные помощники и чат-боты – хорошие примеры. Такие специализированные проекты – это не внедрение в масштабах всего предприятия, а эффективный способ начать использовать когнитивные системы.

Когнитивные вычисления – определенно следующий шаг в вычислениях, начатых автоматизацией. Он устанавливает ориентир для вычислительных систем, достигающих уровня человеческого мозга. Но у него есть некоторые ограничения, которые затрудняют применение ИИ в ситуациях с высоким уровнем неопределенности, быстрыми изменениями или творческими требованиями. Сложность проблемы растет с увеличением количества источников данных. Такие неструктурированные данные сложно агрегировать, интегрировать и анализировать. В сложном когнитивном решении должно быть много технологий, которые сосуществуют, чтобы дать глубокое понимание предметной области.

Таким образом, помимо AI, ML и NLP, такие технологии, как NoSQL, Hadoop, Elasticsearch, Kafka, Spark и т. Д., Должны составлять часть когнитивной системы. Это полное решение будет способно обрабатывать динамические данные в реальном времени и статические исторические данные. Предприятиям, желающим внедрить когнитивные решения, следует начинать с определенного сегмента бизнеса. У этих сегментов должны быть строгие бизнес-правила для управления алгоритмами и большие объемы данных для обучения машин.