Wikipédia

Computação cognitiva

A computação cognitiva (CC) é a utilização da inteligência computacional (IC) para auxiliar na tomada de decisão humana, caracterizada por capacidades não-supervisionadas de aprendizado e interação em tempo real. Calcada na IA e no processamento de sinais, os sistemas de CC abrangem aprendizado de máquina, inferência automatizada, processamento de linguagem natural, reconhecimento de fala, visão computacional (e.g. reconhecimento de objetos), e HCI.[1][2]

Características gerais editar

Há dissenso na definição de CC, seja na academia ou na indústria, mas em geral o termo se refere à hardware ou software inspirado no cérebro ou mente humana (um traço de computação natural característico da IC) para suporte à tomada de decisão realizada por humanos. Neste sentido, a CC se aproxima especialmente da cognição humana, sendo modelada pelo e modelando o comportamento humano através de estimulos potencialmente também utilizados por humanos (e.g. processamento de espectro audível e visível). As aplicações reunem análise de dados com interfaces adaptativas de usuário (adaptive user interface, AUI) para especialização em audiências e contextos e buscam afetividade e influência por projeto (design). [1][3][4] [5][6][7][8][9][10] (2004) e ajudam a aperfeiçoar a tomada de decisão humana.[11]

Algumas características de CCs:

Analítica cognitiva editar

Plataformas de CC são tipicamente especializadas em big data, i.e. na análise/mineração de grandes quantidades de dados não estruturados. É característica da IC o aprendizado não-supervisionado (i.e. ou com ênfase em, ou semi-estruturado), permitindo que documentos de texto, áudio, imagem, video, muitas vezes formando estruturas de dados elaboradas como na análise de redes sociais, sejam utilizados sem etiquetação prévia. Esta não-necessidade de etiquetação é apontada como a principal vantagem da Analítica Cognitiva (AC) sobre métodos tradicionais de big data.[14][15]

Outras características da AC incluem:

A analítica cognitiva pode interfacear com o usuário através da analítica audiovisual para saída (entrada para o sistema-usuário), processamento de sinais para entrada (saída para o sistema-usuário), e inteligência computacional (IC) para análise e tomada de decisão.[17][18][19]

Complexidade editar

A lida com sistemas reais usualmente implica na lida com sistemas complexos, i.e. constituídos de diversas partes que, em conjunto, apresentam comportamento emergente. Sistemas complexos, em especial as redes complexas, tendem a apresentar distribuições sem escala (também 'livres de escala' ou 'de escala livre'). Há muitas outras não-linearidades, transições de fase, e clusterizaçòes pouco intuitivas, fractalidades, propriedades caóticas, em sistemas complexos, sejam eles livres ou não de escala (i.e. apresentando ou não uma lei de potência na distribuição de conectividade).[20][21]

A teoria promovida pelo SFI (o Santa Fe Institute promove a pesquisa em complexidade desde a década de 1980) assume que um sistema complexo possui definições não consensuais. Que, são constituídos de diversas partes e apresentam comportamento emergente, e possuem uma combinação destas características: comportamento adaptativo, processam informação, podem se reproduzir, são integrados a outros sistemas complexos, é integrado em si. Veja a nota lúdica sobre IC para uma reflexão tecnológica e filosófica. Neste sentido, no contexto atual (março, 2018), o big data encontra a computação cognitiva, e chega ao nosso cotidiano via a IoT, de forma a evidenciar, reforçar, erigir, ou destruir sistemas complexos.[22]

Computação natural editar

A computação natural contribui para a CC principalmente com os algoritmos bioinspirados capazes de aprendizado e predição superior ou complementar à inferência bayesiana, Possuem uma valoração (de mercado, conceitual, acadêmica, artística) inerente à transdisciplinaridade e trato de conceitos como vida e inteligência.[23]

Inferência bayesiana (IB) editar

A IB fornece baselines informativas e com resultados competitítveis para o reconhecimento de padrões e para a IC em geral (inclusive de computação natural. Ou seja, são fundamentais para referência na interpretação da IC aplicada na CC, e são utilizadas na prática para aprendizado e tarefas como classificação e regressão, em casos supervisionados e não-supervisionados. A IB é canônica na análise de dados (observação de fenômenos reais) e na tomada de decisão subsequente e apropriada. Complementam, monitoram, dão suporte, à computação natural na otimização

Web semântica editar

Fornece os protocolos, emitidos como recomendações pela W3C, para dados ligados (RDF), com ontologias (OWL) e vocabularios (SKOS)[24][25][26]:

  • permitem a utilização de diversas fontes (interoperatividade de protocolo através de namespaces e RDF), fornecendo contexto de big data.
  • bancos de conhecimento ligado humano são usados para obter contexto por muitos aplicativos de CC.[27]
  • Os conceitos são mal definidos, e imprecisão semântica é canonicamente tratada com lógica difusa na inteligência computacional.

Transparência pessoal e coletiva editar

A transparência pessoal advoca a abertura de nossos sensores (e.g. dos celulares) para acesso público, e que a privacidade seja alocada para ocasiões específicas, não para o modus operandi padrão. Por exemplo, pode-se deixar o áudio, capturado por um microfone arbitrário, em streaming 100% do tempo para audição via Webrádio gratuita online. Faz-se necessária a identificação de eventos de interesse dada a quantidade de dados pouco informativos. É também possível a localização dos eventos, especialmente se houver dois ou mais microfones em um mesmo sistema. Estes paradigmas de transparência pessoal foram sugeridos para cargos de responsabilidade, como políticos, e tem encontrado também respaldo na sociedade civil para compartilhar e documentar processos, de forma a monitorar os próprios esforços, trabalhar em equipe de forma assíncrona e distribuída geograficamente, comprovar dedicações para academia e indústria.[28] Outras aplicações da transparência pessoal já pode ser compreendida como transparência coletiva: câmeras e microfones abertos e publicamente acessíveis online, ao vivo e por histórico, nas instâncias publicas, principalmente as de maior responsabilidade. A segurança é um dos principais argumentos para a transparência pessoal e transparência coletiva, já que desencoraja ameaças e achocamento.[29][30][31] A CC é crucial para tais transparências para permitir análise ou mesmo a navegação do big data resultante.

Cidades inteligentes editar

A CC é componente das cidades inteligentes, fornecendo análítica cognitiva e tomada de decisão com aspectos não-supervisionados e em tempo real, com resultados experimentais ou de indicadores sociais na distribuição e economia de recursors e na qualidade de vida em geral.

Técnicas editar

Veja também editar

Referências

  1. ↑ a b Kelly III, Dr. John (2015). «Computing, cognition and the future of knowing» (PDF). IBM Research: Cognitive Computing. IBM Corporation. Consultado em 9 de fevereiro de 2016 
  2. ↑ Augmented intelligence, helping humans make smarter decisions. Hewlett Packard Enterprise. http://h20195.www2.hpe.com/V2/GetPDF.aspx/4AA6-4478ENW.pdf
  3. ↑ «IBM Research: Cognitive Computing» 
  4. ↑ «Cognitive Computing» 
  5. ↑ «Hewlett Packard Labs» 
  6. ↑ Terdiman, Daniel (2014) .IBM's TrueNorth processor mimics the human brain.http://www.cnet.com/news/ibms-truenorth-processor-mimics-the-human-brain/
  7. ↑ Knight, Shawn (2011). IBM unveils cognitive computing chips that mimic human brain TechSpot: August 18, 2011, 12:00 PM
  8. ↑ Hamill, Jasper (2013). Cognitive computing: IBM unveils software for its brain-like SyNAPSE chips The Register: August 8, 2013
  9. ↑ Denning. P.J. (2014). «Surfing Toward the Future». Communications of the ACM. 57 (3): 26–29. doi:10.1145/2566967 
  10. ↑ Dr. Lars Ludwig (2013). «Extended Artificial Memory. Toward an integral cognitive theory of memory and technology.» (pdf). Technical University of Kaiserslautern. Consultado em 7 de fevereiro de 2017 
  11. ↑ «Research at HP Labs» 
  12. ↑ Ferrucci, D. et al. (2010) Building Watson: an overview of the DeepQA Project. Association for the Advancement of Artificial Intelligence, Fall 2010, 59–79.
  13. ↑ Deanfelis, Stephen (2014). Will 2014 Be the Year You Fall in Love With Cognitive Computing? Wired: 2014-04-21
  14. ↑ «Cognitive analytics - The three-minute guide» (PDF). 2014. Consultado em 18 de agosto de 2017 
  15. ↑ «What is cognitive analytics? - Quora». www.quora.com (em inglês). Consultado em 18 de agosto de 2017 
  16. ↑ Descrição dos bots utilizados no Laboratório Macambira, 2011, disponível em:
  17. ↑ AAVO
  18. ↑ Trabalho de referência sobre HCI e visualização
  19. ↑ Oppeheim, Signal processing
  20. ↑ Fabbri, Renato, et al. "Temporal stability in human interaction networks." Physica A: Statistical Mechanics and its Applications 486 (2017): 92-105.
  21. ↑ Newman, Mark. Networks: an introduction. Oxford university press, 2010.
  22. ↑ MOOC sobre complexidade, Santa Fe Institute, 2018
  23. ↑ CASTRO, L. N. Fundamentals of Natural Computing: Basic Concepts, Algorithms, and Applications, CRC Press, 2006.
  24. ↑ Tom Heath and Christian Bizer (2011) Linked Data: Evolving the Web into a Global Data Space (1st edition). Synthesis Lectures on the Semantic Web: Theory and Technology, 1:1, 1-136. Morgan & Claypool.
  25. ↑ Allemang, D., & Hendler, J. (2011). Semantic web for the working ontologist: effective modeling in RDFS and OWL. Elsevier.
  26. ↑ https://arxiv.org/abs/1710.09952
  27. ↑ Wolfram Alpha
  28. ↑ https://arxiv.org/abs/1711.04612
  29. ↑ Transparência hacker
  30. ↑ Futuros imaginários
  31. ↑ Carta democracia direta digital, versões um, dois, e mínima. Escritas pela sociedade civil e com autoria anônima (e coletiva)
Obtida de "https://pt.wikipedia.org/w/index.php?title=Computação_cognitiva&oldid=60470032"