6

Điện toán nhận thức đại diện cho các hệ thống tự học sử dụng các mô hình Machine Learning để mô phỏng cách thức hoạt động của não. Cuối cùng, công nghệ này sẽ tạo điều kiện cho việc tạo ra các mô hình CNTT tự động có khả năng giải quyết vấn đề mà không cần sự trợ giúp của con người. Kết quả là điện toán nhận thức - sự kết hợp giữa khoa học nhận thức và khoa học máy tính. Các mô hình điện toán nhận thức cung cấp một lộ trình thực tế để đạt được Trí tuệ nhân tạo.

Nhận thức đến từ bộ não con người. Vậy bộ não của hệ thống nhận thức là gì?

Điện toán nhận thức đại diện cho kỷ nguyên thứ ba của điện toán. Trong kỷ nguyên đầu tiên (thế kỷ 19), Charles Babbage, còn được gọi là cha đẻ của máy tính, đã đưa ra khái niệm về một máy tính lập trình. Được sử dụng trong tính toán điều hướng, máy tính của ông được thiết kế để lập bảng các hàm đa thức. Kỷ nguyên thứ hai (1950) có kinh nghiệm về các máy tính lập trình kỹ thuật số như ENIAC và mở ra kỷ nguyên của các hệ thống máy tính và lập trình hiện đại. Bây giờ, điều đó đã biến thành điện toán nhận thức, hoạt động trên các thuật toán Deep Learning và phân tích Dữ liệu lớn để cung cấp thông tin chuyên sâu.

Do đó, bộ não của một hệ thống nhận thức là mạng lưới thần kinh, một khái niệm cơ bản đằng sau Deep Learning. Mạng lưới thần kinh là một hệ thống phần cứng và phần mềm được mô phỏng theo hệ thống thần kinh trung ương của con người để ước tính các chức năng phụ thuộc vào số lượng lớn các đầu vào chưa biết.

Các tính năng của một giải pháp điện toán nhận thức

Với tình trạng hiện tại của điện toán nhận thức, các giải pháp cơ bản có thể đóng vai trò tuyệt vời của một trợ lý hoặc cố vấn ảo. Siri, trợ lý Google, Cortana và Alexa là những ví dụ điển hình về trợ lý cá nhân. Để triển khai tính toán nhận thức trong các ứng dụng thương mại và phổ biến, Hiệp hội điện toán nhận thức đã khuyến nghị các tính năng sau cho các hệ thống máy tính.

1. Thích nghi

Họ phải học khi thông tin thay đổi và khi mục tiêu và yêu cầu phát triển. Họ phải giải quyết sự mơ hồ và chịu đựng sự khó lường. Chúng phải được thiết kế để cung cấp dữ liệu động trong thời gian thực hoặc gần thời gian thực.

2. Tương tác

Tương tự như não, giải pháp nhận thức phải tương tác với tất cả các yếu tố trong hệ thống - bộ xử lý, thiết bị, dịch vụ đám mây và người dùng. Hệ thống nhận thức nên tương tác hai chiều. Nó nên hiểu đầu vào của con người và cung cấp kết quả có liên quan bằng cách sử dụng Xử lý ngôn ngữ tự nhiên và học sâu. Một số chatbot thông minh như Mitsuku đã đạt được tính năng này.

3. Lặp đi lặp lại

Họ phải hỗ trợ xác định vấn đề bằng cách đặt câu hỏi hoặc tìm đầu vào nguồn bổ sung nếu tuyên bố vấn đề không rõ ràng hoặc không đầy đủ. Họ phải ghi nhớ các tương tác trước đó trong một quy trình và trả về thông tin phù hợp với ứng dụng cụ thể tại thời điểm đó.

4. Bối cảnh

Họ phải hiểu, xác định và trích xuất các yếu tố theo ngữ cảnh như ý nghĩa, cú pháp, thời gian, địa điểm, tên miền phù hợp, quy định, hồ sơ người dùng, quy trình, nhiệm vụ và mục tiêu. Họ có thể rút ra nhiều nguồn thông tin, bao gồm cả thông tin kỹ thuật số có cấu trúc và không cấu trúc, cũng như các đầu vào cảm giác (thị giác, cử chỉ, thính giác hoặc cung cấp cảm biến).

Điện toán nhận thức chắc chắn là bước tiếp theo trong điện toán bắt đầu bằng tự động hóa. Nó thiết lập một chuẩn mực cho các hệ thống máy tính để đạt đến cấp độ của bộ não con người. Nhưng nó có một số hạn chế vì AI khó áp dụng trong các tình huống có mức độ không chắc chắn cao, thay đổi nhanh chóng hoặc yêu cầu sáng tạo. Sự phức tạp của vấn đề tăng lên với số lượng nguồn dữ liệu. Việc tổng hợp, tích hợp và phân tích dữ liệu phi cấu trúc đó là một thách thức . Một giải pháp nhận thức phức tạp nên có nhiều công nghệ cùng tồn tại để đưa ra những hiểu biết sâu sắc về miền.

|