Table des matières:
Définition - Que signifie l'informatique cognitive?
L'informatique cognitive décrit les technologies qui sont basées sur les principes scientifiques derrière l'intelligence artificielle et le traitement du signal, englobant l'auto-apprentissage de la machine, l'interaction homme-machine, le traitement du langage naturel, l'exploration de données et plus encore. Son objectif est de résoudre des problèmes complexes caractérisés par l'incertitude et l'ambiguïté, ce qui signifie en d'autres termes des problèmes qui ne sont résolus que par la pensée cognitive humaine.
Techopedia explique l'informatique cognitive
L'informatique cognitive est la branche de l'informatique soucieuse de résoudre des problèmes complexes qui peuvent avoir des situations dynamiques et des données riches en informations qui ont tendance à changer fréquemment et parfois même à entrer en conflit les unes avec les autres. Un humain peut faire face à de tels problèmes en faisant évoluer des buts et en changeant d'objectifs, mais les algorithmes informatiques traditionnels ne sont pas capables de s'adapter à un tel changement. Afin de faire face à ce type de problèmes, les systèmes informatiques cognitifs doivent peser les données contradictoires et suggérer une réponse qui correspond le mieux à la situation plutôt que ce qui est «juste».
Bien qu'il n'y ait actuellement aucune définition convenue de l'informatique cognitive dans l'industrie ou le monde universitaire, le terme est souvent utilisé pour décrire une nouvelle technologie qui imite la façon dont le cerveau humain fonctionne et comment il aborde la résolution de problèmes. Il peut être considéré comme un champ qui a pour objectif de modéliser avec précision la façon dont l'esprit humain détecte, raisonne et réagit aux stimuli qui l'entourent. Ses plus grandes applications seraient l'analyse de données et la sortie adaptative, ajustant la sortie pour l'adapter à un public particulier.
Les propriétés d'un système informatique cognitif comprennent:
- Contextuel - Comprend et extrait des éléments contextuels tels que la signification, le temps, l'emplacement, le processus et d'autres en se basant sur de multiples sources d'information. Par exemple, il peut être alimenté avec des données telles que la route, l'ambulance, les blessures et les épaves et proposer le contexte d'un accident de véhicule.
- Adaptatif - Ceci est la partie d'apprentissage. Il s'adapte aux nouvelles informations et stimuli pour résoudre l'ambiguïté et tolérer l'imprévisibilité. Par rapport au contexte, cette caractéristique prend soin de se nourrir de données dynamiques puis de les traiter afin de former le contexte éventuel et de proposer des solutions ou des conclusions.
- Interactif - Le système est capable d'interagir avec les utilisateurs afin que les utilisateurs puissent définir leurs besoins, ainsi que se connecter avec d'autres appareils et systèmes.
- Itératif et dynamique - Les systèmes doivent aider à la définition du problème en posant les bonnes questions et en trouvant des sources d'informations supplémentaires si un problème est incomplet ou ambigu. Ils doivent également être capables de se souvenir des interactions et des processus antérieurs et de revenir à l'état à des moments antérieurs.
