هوش مصنوعی در مقابل رایانش شناختی

منتشر شده در analyticsinsigh به تاریخ ۱۱ ژانویه ۲۰۲۲
لینک منبع AI vs Cognitive Computing: What are the Key Differences?

در سال‌های اخیر، دامنه و گستره هوش مصنوعی و حوزه‌های مرتبط با آن افزایش‌یافته است. همانطور که محبوبیت هوش مصنوعی توسعه می‌یابد، انتقادات قابل‌توجهی در مورد اصطلاحات فنی که آن را احاطه کرده‌اند وجود داشته‌است. یادگیری عمیق، یادگیری عمیق، تشخیص صدا، تجزیه و تحلیل متن، رایانش شناختی، و شبکه‌های عصبی تنها چند اصطلاح هستند که به ذهن می‌آیند.

اگرچه این عبارات اغلب به جای یکدیگر مورد استفاده قرار می‌گیرند، اما تفاوت قابل‌توجهی در تکنیک‌ها و اهداف آن‌ها وجود دارد. رایانش شناختی یکی از این فن‌آوری‌ها است که گاهی اوقات با تکنولوژی AI اشتباه گرفته می‌شود اما در واقع کاملا متمایز است. با این حال، هر دو فناوری نشان‌دهنده چیز بزرگ بعدی در ابررایانه‌ها هستند، در صورت استفاده عملی، معانی متفاوتی دارند.

اکنون، بیایید به موضوع اصلی بپردازیم: رایانش شناختی در مقابل AI.

هوش مصنوعی چیست؟

هوش مصنوعی متشکل از الگوریتم‌هایی است که برای تعیین راه بهینه برای تکمیل یک کار یا تصمیم‌گیری با توجه به مجموعه‌ای از محدودیت‌ها آموزش‌دیده‌اند و سپس اقدام لازم را براساس یافته‌های آن‌ها انجام می‌دهند. هوش مصنوعی، مانند هوش انسان، از محیط اطراف خود یاد می‌گیرد و آنچه را که برای تعیین مسیر بهینه عمل، پاسخ به یک مشکل، یا روش انجام یک کار مانند شناسایی یا تشخیص صدا یاد می‌گیرد، تجزیه و تحلیل می‌کند. به عنوان یک ربات یا دستیار دیجیتال، سیستم‌های AI وظایفی را انجام می‌دهند که به طور معمول به هوش انسان نیاز دارند.

رایانش شناختی چیست؟

سیستم‌های رایانش شناختی اساسا ابزارهای هوشمند تصمیم‌گیری هستند. آن‌ها قرار است داده‌هایی را به تصمیم گیرندگان بدهند که باید قضاوت مبتنی بر داده بهتری داشته باشند. سیستم‌های رایانش شناختی می‌توانند حجم عظیمی از داده‌ها (که مردم نمی‌توانند) و تحلیل‌های تکراری گسترده را در حین اصلاح نتایج خود به عنوان داده‌های جدید که به سیستم برخورد می‌کنند، مدیریت کنند.

برای حل مشکلات پیچیده، سیستم‌های رایانش شناختی از الگوریتم‌های خودآموزی استفاده می‌کنند که بر فن‌آوری‌های هوش مصنوعی مانند داده کاوی، تشخیص تصویر، تشخیص صدا و پردازش زبان طبیعی (NLP) متکی هستند. گویی آن‌ها انسان هستند، این سیستم‌ها می‌توانند یاد بگیرند، فکر کنند و با انسان‌ها ارتباط برقرار کنند. آن‌ها می‌توانند با نمادها و مفاهیم به همان شیوه‌ای برخورد کنند که انسان‌ها می‌توانند.

رایانش شناختی در مقابل هوش مصنوعی

تعامل با انسان‌ها

سیستم‌های رایانش شناختی سیستم‌های استدلال، تحلیل و حفظ هستند که با انسان‌ها هم‌کاری می‌کنند تا به آن‌ها کمک کنند تصمیمات بهتری بگیرند. قرار است یافته‌های آن توسط انسان مصرف شود. هدف AI تولید دقیق‌ترین نتیجه یا عمل با استفاده از بهترین الگوریتم است.

راه‌حل‌های متنی

اطلاعات متضاد و در حال تغییر که از نظر زمینه با سناریو در دسترس مرتبط هستند را می‌توان توسط رایانش شناختی در نظر گرفت. یافته‌های آن بیشتر مبتنی بر تجزیه و تحلیل پیشگویانه و تجویزی است تا الگوریتم‌های از پیش آموزش‌دیده. برای مثال، اگر یک زن ۶۰ ساله بخواهد بداند که باید از چه برنامه‌ای برای تقویت عضلات استفاده کند، هوش مصنوعی بهترین برنامه موجود را توصیه خواهد کرد. از سوی دیگر، رایانش شناختی در زمان پیشنهاد تغییرات برنامه، سن و استعداد او را در نظر خواهد گرفت. در نهایت، AI مشکلات را با استفاده از الگوریتم‌ها برای رسیدن به یک قضاوت نهایی حل می‌کند؛ رایانش شناختی داده‌های مربوطه را ارائه می‌دهد که به انسان اجازه می‌دهد تا درخواست درستی برای خود داشته باشد.

موارد استفاده از رایانش شناختی

کاربردهای رایانش شناختی عمدتا در کسب و کارهایی یافت می‌شوند که به تحلیل‌های زیادی نیاز دارند. در اینجا چند مثال آمده‌است:

• در زمینه پزشکی، رایانش شناختی به پزشکان در تشخیص دقیق‌تر و شخصی‌سازی تصمیمات درمانی کمک می‌کند. پزشکان اکنون به لطف ظرفیت محاسبات شناختی برای دسترسی به مجموعه داده‌ها در سراسر جهان از طریق ابر، به درمان‌ها و تشخیص‌هایی دسترسی دارند که در غیر این صورت نمی‌توانستند. تکنولوژی‌های شناختی که عکس‌های بیمار را می‌خوانند، جزئیاتی را فاش می‌کنند که رادیولوژیست‌های انسان اغلب از آن‌ها چشم‌پوشی می‌کنند.
• شرکت‌هایی که خدمات مالی ارائه می‌دهند، از قابلیت‌های تحلیلی رایانش شناختی برای یافتن بهترین کالاها برای مشتریان خود استفاده می‌کنند. شرکت‌ها همچنین از این داده‌ها برای تولید خدمات شخصی شده بیشتر استفاده می‌کنند اگر یک محصول شناسایی‌شده توسط سیستم در حال حاضر در دسترس نباشد. رایانش شناختی به سازمان‌های مالی در ارزیابی ریسک سرمایه‌گذاری از طریق ادغام روندهای بازار با داده‌های رفتار مشتری کمک می‌کند.
• خرده فروشان به رایانش شناختی مراجعه می‌کنند تا به مشتریان یک تجربه خرید آنلاین شخصی بدهند که پیدا کردن چیزی که به دنبالش هستند را آسان می‌کند.
• تولید کنندگان از تکنولوژی رایانش شناختی برای نگهداری و تعمیر تجهیزات و ماشین‌آلات خود، کشف اجزای مشکل‌ساز، و کوتاه کردن زمان تولید و بهبود مدیریت قطعات استفاده می‌کنند.

هوش مصنوعی در همه این زمینه‌ها کاربرد دارد، اما خروجی آن به‌جای پشتیبانی از تصمیم‌گیری، رویه‌ها را خودکار می‌کند، همانطور که در چت‌بات‌ها، دستیاران مجازی و مشاوران هوشمند دیده می‌شود. به عنوان مثال، یک دستیار مجازی هوش مصنوعی می‌تواند یک انتخاب درمانی دقیق را برای پزشک فراهم کند، در حالی که رایانش شناختی گزینه‌های درمانی محتمل متعددی را فراهم می‌کند و آن را به پزشک واگذار می‌کند تا بهترین گزینه را برای بیمار انتخاب کند.

این متن با استفاده از ربات ترجمه مقالات هوش مصنوعی ترجمه شده و به صورت محدود مورد بازبینی انسانی قرار گرفته است.در نتیجه می‌تواند دارای برخی اشکالات ترجمه باشد.

مقالات لینک‌شده در این متن می‌توانند به صورت رایگان با استفاده از مقاله‌خوان ترجمیار به فارسی مطالعه شوند.