لطفا جاواسکریپت مرورگر خود را فعال سازید!

نحوه فعال سازی در کروم
  1. ابتدا باید اینکارو بگنید
  2. بعدش اونکارو
نحوه فعال سازی در فایرفاکس
  1. ابتدا باید اینکارو بگنید
  2. بعدش اونکارو
درآمدی بر رایانش شناختی (Cognitive Computing)

درآمدی بر رایانش شناختی (Cognitive Computing)

Cognitive Computing (رایانش شناختی) یا CC معرف رشته‌ای در علوم کامپیوتر است که با به‌کارگیری مدل‌های یادگیری ماشینی، در پی تقلید از نحوهٔ عملکرد مغز انسان و علوم شناختی است؛ این تکنولوژی نهایتاً منجر به اختراع سیستم‌هایی می‌شود که فرایندهای خودکار را تسهیل کرده که درنهایت قادر خواهند بود مسائل را بدون کمک انسان با ترکیبی از علوم شناختی و علوم کامپیوتر حل‌وفصل کنند و این در حالی است که مدل‌های رایانش شناختی، یک نقشهٔ راه به‌معنی واقعی کلمه برای رسیدن به هوش مصنوعی پیش روی محققین قرار می‌دهند.

شناخت در سیستم‌هایی که با Cognitive Computing کار می‌کنند از کجا حاصل می‌شود؟
به‌طورکلی، شناخت در ما انسان‌ها از فرایندهایی که در مغز حاصل می‌شوند صورت می‌گیرد اما مسئله اینجا است که در رایانش شناختی منشأ این «شناخت» کجا است؟

اگر بخواهیم ادوار محاسبات کامپیوتری را دسته‌بندی کنیم، بایستی بگوییم که رایانش شناختی در سومین دوره از ادوار محاسبه توسط ماشین رخ داده است. در اولین دوره در قرن 19 میلادی، Charles Babbage که به‌عنوان پدر کامپیوتر نیز شناخته می‌شود، ایده و طرح یک کامپیوتر (ماشین) قابل‌ برنامه‌ریزی را مطرح کرد. این کامپیوترهای اولیه که در محاسبات مسیریابی دریایی به‌کار گرفته می‌شد، طوری طراحی شده بود تا توابع چندمجهولی را محاسبه کنند.

دومین دوره که به اواسط قرن بیستم برمی‌گردد، تجربهٔ برنامه‌نویسی دیجیتال با کامپیوترهایی نظیر ENIAC آغاز شد و بستری فراهم شد برای سیستم‌های قابل برنامه‌ریزی و کامپیوترهای دورهٔ مدرن امروزی.

اکنون هم که روند فناوری به‌سمت محاسبات شناختی متمایل شده، این محاسبات براساس الگوریتم‌های Deep Learning و تحلیل‌های Big Data برای ارائه اطلاعات استوار است (برای آشنایی بیشتر با مفهوم Deep Learning، به مقالهٔ آیا می‌دانستید Artificial Intelligence ،Machine Learning و Deep Learning چه تفاوت‌هایی با یکدیگر دارند؟ مراجعه نمایید.) 

بنابراین مغز یک سیستم شناختی به‌عنوان شبکه‌ٔ عصبی آن خواهد بود که ایده بنیادی پشت Deep Learning هم دقیقاً همین مسئله می‌باشد. شبکهٔ عصبی کامپیوتر، سیستمی از سخت‌افزارها و نرم‌افزارهایی است که با تقلید از سیستم مرکزی عصبی انسان ساخته شده تا بتواند مجهولاتی را تخمین بزند که به تعداد بیشماری از ورودی‌های نامعلوم وابسته است.

آشنایی با مشخصات یک سیستم رایانش شناختی
تاکنون راه‌کارهایی همچون Siri، Cortana و Alexa توسط شرکت‌های فناوری مطرح به بازار عرضه شده‌اند که باتوجه به وضعیت کنونی رایانش شناختی می‌توانند به‌خوبی نقش یک دستیار و یا مشاور مجازی را بازی کنند. به‌منظور پیاده‌سازی تجاری و گستردهٔ این سیستم‌های شناختی بر روی اپلیکیشن‌ها، Cognitive Computing Consortium ویژگی‌هایی را برای این سیستم‌ها پیشنهاد کرده است که در ادامه به معرفی مهم‌ترین آن‌ها خواهیم پرداخت.

1. قابلیت تطبیق
این سیستم‌ها باید بتوانند هم‌زمان با تغییر اطلاعات و شکل‌گیری تدریجی اهداف و ملزومات، به‌درستی به محاسبات خود ادامه دهند. آن‌ها باید بتوانند هرگونه ابهامی را برطرف کرده و در برابر امور غیرقابل پیش‌بینی تاب بیاورند. این سیستم‌ها باید طوری مهندسی شوند تا با ورودی‌های دینامیک و در لحظه (Real-Time) و یا نزدیک به لحظه، به‌ درستی کار کنند.

2. قابلیت تعامل
همانند مغز انسان، یک سیستم شناختی باید بتواند با تمام اجزای یک سیستم از جمله پردازنده مرکزی، ابزارها، سرویس‌های کلود و همچنین کاربر تعامل برقرار سازد؛ درضمن، فراموش نکنیم که این تعامل باید دوسویه باشد. این سیستم‌ها باید ورودی‌هایی که از طریق کاربر ارسال می‌شوند را بفهمند و نتایج مرتبط را توسط فرایند طبیعی زبان انسان و یادگیری ژرف ارائه دهند. در حال حاضر، بعضی چت‌بات‌های هوشمند همچون Mitsuku دارای این ویژگی می‌باشند.

3. قابلیت تکرار شوندگی و داشتن حالت
سیستم‌های شناختی باید بتوانند از طریق پرسیدن سؤال و یا یافتن منابع ورودی اضافی در تعریف یک مسئله وقتی که صورت آن مبهم و یا ناقص است مشارکت کنند. آن‌ها باید بتوانند تعاملات قبلی در یک فرایند مشخص را به یاد بیاورند و اطلاعات مناسب را برای یک کاربرد خاص در یک نقطه از زمان بازیابی کنند.

4. قابلیت درک زمان و مکان
سیستم‌های شناختی باید قابلیت فهم، تشخیص، و استخراج عوامل محیطی و متنی مانند معنی، دستور زبان، زمان، مکان، حوزه، قواعد، پروفایل کاربر، فرایند، وظیفه مورد نظر و هدف را داشته باشند. آن‌ها ممکن است به منابع اطلاعاتی متعددی شامل اطلاعات دیجیتال ساخت‌یافته یا بدون ساختار و یا ورودی‌های حسی (بینایی، شنوایی، حرکتی، و یا از طریق حسگرها) مجهز باشند.

رایانش شناختی قطعاً گام بعدی است که با اتوماسیون ماشین‌ها شروع شده است؛ این دستاوردها سطح اتکایی خواهند بود تا سیستم‌های محاسباتی به سطح توان مغز انسان برسند اما فراموش نکنیم که در عین حال محدودیت‌هایی نیز وجود دارد. برای مثال، سیستم‌های هوش مصنوعی به‌سختی قابل اجرا در موقعیت‌هایی با سطح عدم قطعیت بالا، تغییرات سریع و یا درخواست‌های خلاقانه هستند!

علاوه بر این، پیچیدگی مسئله با تعدد منابع اطلاعاتی، بیشتر هم می‌شود؛ موضوع چالش‌برانگیز جمع کردن، ادغام کردن و تحلیل این دست اطلاعات است که ساختار خاصی هم ندارند. یک سیستم پیچیده که از Cognitive Computing بهره می‌گیرد باید دارای تکنولوژی‌های زیادی باشد تا با کار در کنار هم، به نتایج درست و واقعی دست یابد.

منبع