جدول المحتويات:
التعريف - ماذا تعني الحوسبة المعرفية؟
تصف الحوسبة المعرفية التقنيات التي تستند إلى المبادئ العلمية الكامنة وراء الذكاء الاصطناعي ومعالجة الإشارات ، وتشمل التعلم الذاتي للآلة والتفاعل بين الإنسان والحاسوب ومعالجة اللغة الطبيعية واستخراج البيانات وغير ذلك. هدفها هو حل المشكلات المعقدة التي تتميز بعدم اليقين والغموض ، وهذا يعني بمعنى آخر المشكلات التي يتم حلها فقط عن طريق الفكر المعرفي البشري.
يشرح Techopedia الحوسبة المعرفية
الحوسبة الإدراكية هي فرع من علوم الكمبيوتر التي تهتم بحل المشكلات المعقدة التي قد يكون لها تحول ديناميكي في المواقف والبيانات الغنية بالمعلومات التي تميل إلى التغيير بشكل متكرر وأحيانًا تتعارض مع بعضها البعض. قد يتعامل الإنسان مع مثل هذه المشكلات عن طريق تطوير الأهداف وتغيير الأهداف ، لكن خوارزميات الحوسبة التقليدية غير قادرة على التكيف مع هذا التغيير. من أجل التعامل مع هذه الأنواع من المشكلات ، يتعين على أنظمة الحوسبة الإدراكية أن تزن البيانات المتعارضة وتقترح إجابة تناسب الموقف أكثر من "الصحيح".
على الرغم من عدم وجود تعريف متفق عليه حاليًا للحوسبة الإدراكية في الصناعة أو الأكاديمية ، يستخدم المصطلح غالبًا لوصف التكنولوجيا الجديدة التي تحاكي الطريقة التي يعمل بها العقل البشري وكيف يتعامل مع حل المشكلات. يمكن أن ينظر إليه كحقل له هدف يتمثل في نمذجة دقيقة لحساس العقل البشري وأسبابه واستجابته للمنبهات المحيطة به. سيكون أعظم تطبيقاتها في تحليل البيانات والمخرجات التكيفية ، وتعديل الإخراج لتناسب جمهور معين.
تشمل خصائص نظام الحوسبة الإدراكية ما يلي:
- السياق - يفهم ويستخلص العناصر السياقية مثل المعنى والوقت والمكان والعملية وغيرها بناءً على مصادر متعددة للمعلومات. على سبيل المثال ، قد يتم تغذيتها ببيانات مثل الطريق وسيارة الإسعاف والإصابة والحطام والتوصل إلى سياق حادث سيارة.
- التكيفي - هذا هو الجزء التعلم. إنه يتكيف مع المعلومات والحوافز الجديدة لحل الغموض والتسامح مع عدم القدرة على التنبؤ. فيما يتعلق بالسياق ، تهتم هذه الخاصية بالتغذية على البيانات الديناميكية ومن ثم معالجتها من أجل تشكيل السياق النهائي والتوصل إلى حلول أو استنتاجات.
- تفاعلي - النظام قادر على التفاعل مع المستخدمين حتى يتمكن المستخدمون من تحديد احتياجاتهم ، وكذلك الاتصال مع الأجهزة والأنظمة الأخرى.
- تكراري وحكومي - يجب أن تساعد الأنظمة في تحديد المشكلة عن طريق طرح الأسئلة الصحيحة وإيجاد مصادر إضافية للمعلومات إذا كانت المشكلة غير كاملة أو غامضة. يجب أن يكونوا قادرين أيضًا على تذكر التفاعلات والعمليات السابقة والعودة إلى الحالة في النقاط السابقة في الوقت المناسب.
