Computação cognitiva – Wikipédia, a enciclopédia livre
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 | editar código-fonte]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:
- Adaptação: aprendizado online com dados (e.g. de sensores) e modelos (objetivo, requisitos), potencialmente em tempo real.[12]
- Interatividade: coforto e facilidade para o usuário. Podem interagir com sensores e outros dispositivos (veja IoT), serviços em nuvem e outras pessoas.
- Iteratividade e persistência: podem iterativamente realizar buscas perante interação com o usuário ou outro sistema.
- Considera contexto: potencialmente identificam e extraem elementos contextuais tais como significado, sintáxe, tempo, localização, etc., potencialmente via dados ligados na web semância. Podendo recorrer a múltiplas fontes de informação, incluindo estruturada (e.g. RDF) e não estruturada (e.g. input visual/luz e auditivo/som, texto e hipertexto).[13]
Analítica cognitiva
[editar | editar código-fonte]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:
- Adaptação: a diferentes contextos, com supervisão humana minimizada, via inteligência computacional.
- Interatividade de língua natural: realizada através de um bot,[16] paradigmaticamente.
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 | editar código-fonte]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 | editar código-fonte]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 | editar código-fonte]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 | editar código-fonte]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 | editar código-fonte]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 | editar código-fonte]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 | editar código-fonte]- Reconhecimento de fala
- Análise de sentimento
- Detecção de face
- Avaliação de risco
- Detecção de fraude
- Recomendações comportamentais, tais como especificadas via ontologias OWL e vocabulários SKOS na web semântica
Veja também
[editar | editar código-fonte]- Computação afetiva
- Analítica
- Redes neurais artificiais
- Computador cognitivo
- Raciocício cognitivo
- Corporação cognitiva
- Neurociência social
- Inteligência sintética
- Usabilidade
- Inteligência computacional
- Inferência bayesiana
- Computação natural
- Computação evolutiva
- Inteligência de enchame
- IoT
- Big data
- Cidades inteligentes
- Computação macia
- Estruturas de dados
Referências
- ↑ 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
- ↑ Augmented intelligence, helping humans make smarter decisions. Hewlett Packard Enterprise. http://h20195.www2.hpe.com/V2/GetPDF.aspx/4AA6-4478ENW.pdf
- ↑ «IBM Research: Cognitive Computing»
- ↑ «Cognitive Computing»
- ↑ «Hewlett Packard Labs»
- ↑ Terdiman, Daniel (2014) .IBM's TrueNorth processor mimics the human brain.http://www.cnet.com/news/ibms-truenorth-processor-mimics-the-human-brain/
- ↑ Knight, Shawn (2011). IBM unveils cognitive computing chips that mimic human brain TechSpot: August 18, 2011, 12:00 PM
- ↑ Hamill, Jasper (2013). Cognitive computing: IBM unveils software for its brain-like SyNAPSE chips The Register: August 8, 2013
- ↑ Denning. P.J. (2014). «Surfing Toward the Future». Communications of the ACM. 57 (3): 26–29. doi:10.1145/2566967
- ↑ 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
- ↑ «Research at HP Labs»
- ↑ Ferrucci, D. et al. (2010) Building Watson: an overview of the DeepQA Project. Association for the Advancement of Artificial Intelligence, Fall 2010, 59–79.
- ↑ Deanfelis, Stephen (2014). Will 2014 Be the Year You Fall in Love With Cognitive Computing? Wired: 2014-04-21
- ↑ «Cognitive analytics - The three-minute guide» (PDF). 2014. Consultado em 18 de agosto de 2017
- ↑ «What is cognitive analytics? - Quora». www.quora.com (em inglês). Consultado em 18 de agosto de 2017
- ↑ Descrição dos bots utilizados no Laboratório Macambira, 2011, disponível em:
- ↑ AAVO
- ↑ Trabalho de referência sobre HCI e visualização
- ↑ Oppeheim, Signal processing
- ↑ Fabbri, Renato, et al. "Temporal stability in human interaction networks." Physica A: Statistical Mechanics and its Applications 486 (2017): 92-105.
- ↑ Newman, Mark. Networks: an introduction. Oxford university press, 2010.
- ↑ MOOC sobre complexidade, Santa Fe Institute, 2018
- ↑ CASTRO, L. N. Fundamentals of Natural Computing: Basic Concepts, Algorithms, and Applications, CRC Press, 2006.
- ↑ 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.
- ↑ Allemang, D., & Hendler, J. (2011). Semantic web for the working ontologist: effective modeling in RDFS and OWL. Elsevier.
- ↑ https://arxiv.org/abs/1710.09952
- ↑ Wolfram Alpha
- ↑ https://arxiv.org/abs/1711.04612
- ↑ Transparência hacker
- ↑ Futuros imaginários
- ↑ Carta democracia direta digital, versões um, dois, e mínima. Escritas pela sociedade civil e com autoria anônima (e coletiva)