الحوسبة الإدراكية

يشير الحوسبة الإدراكية إلى محاكاة عمليات التفكير البشري في نموذج محوسب. وهي تتضمن أنظمة التعلم الذاتي التي تستخدم استخراج البيانات، والتعرف على الأنماط، ومعالجة اللغة الطبيعية (NLP) لتقليد طريقة عمل الدماغ البشري. والهدف ليس مجرد معالجة البيانات، بل إنشاء أنظمة آلية قادرة على حل المشكلات دون إشراف بشري مستمر. وعلى عكس الحوسبة البرمجية التقليدية، التي تعتمد على هياكل منطقية صارمة ، فإن أنظمة الحوسبة الإدراكية تعتمد على الاحتمالات؛ فهي تولد فرضيات وحجج منطقية و توصيات من بيانات غير منظمة، مما يساعد البشر على اتخاذ قرارات أفضل في بيئات معقدة.

الحوسبة الإدراكية مقابل الذكاء الاصطناعي العام (AGI)

من المهم التمييز بين الحوسبة الإدراكية والمفاهيم ذات الصلة بالذكاء الاصطناعي لفهم نطاقها المحدد.

• الحوسبة الإدراكية مقابل الذكاء الاصطناعي العام (AGI): في حين أن الحوسبة الإدراكية تحاكي التفكير البشري، إلا أنها عادة ما تكون محددة المجال. لا يمكن لنظام معرفي مدرب على القانون أن يجري عملية جراحية. تشير الذكاء الاصطناعي العام، أو "الذكاء الاصطناعي القوي"، إلى آلة نظرية لديها القدرة على تطبيق الذكاء على أي مشكلة، تمامًا مثل الإنسان. الحوسبة المعرفية هي تطبيق عملي متاح اليوم، في حين أن الذكاء الاصطناعي العام لا يزال هدفًا للبحوث المستقبلية من قبل منظمات مثل OpenAI.
• الحوسبة الإدراكية مقابل الذكاء الاصطناعي الإحصائي: يركز الذكاء الاصطناعي الإحصائي التقليدي على التحسين الرياضي لتحقيق دقة عالية في مهام محددة (مثل التصنيف). تتخذ الحوسبة الإدراكية نهجًا أوسع نطاقًا، حيث تركز على الاستدلال وتوليد الفرضيات و التفسير القائم على الأدلة، وغالبًا ما تدمج الرسوم البيانية المعرفية لرسم خريطة للعلاقات بين المفاهيم.

تنفيذ الإدراك المعرفي باستخدام الذكاء الاصطناعي البصري

غالبًا ما يكون الإدراك البصري هو الخطوة الأولى في مسار الإدراك المعرفي. قبل أن يتمكن النظام من التفكير في بيئة ما، يجب أن يدركها. تعمل نماذج الرؤية الحديثة مثل YOLO26 كطبقة إدخال حسي، حيث تستخرج كائنات منظمة من بيانات فيديو غير منظمة. ثم يتم تمرير هذه البيانات المنظمة إلى محرك التفكير لاتخاذ القرارات.

يوضح المثال التالي كيفية استخدام ultralytics حزمة تعمل كطبقة الإدراك، وتحدد الكائنات التي قد يحتاج النظام الإدراكي إلى track.

from ultralytics import YOLO

# Load the YOLO26 model to serve as the visual perception engine
model = YOLO("yolo26n.pt")

# Perform inference on an image to identify objects in the environment
results = model("https://ultralytics.com/images/bus.jpg")

# Extract detected classes to feed into a cognitive reasoning system
for r in results:
    # Print the class names (e.g., 'person', 'bus') found in the scene
    for c in r.boxes.cls:
        print(model.names[int(c)])

التقنيات التي تمكّن الذكاء الإدراكي

يتطلب بناء نظام بيئي معرفي مجموعة من التقنيات المتقدمة التي تعمل في انسجام تام.

• التعلم العميق (DL): توفر الشبكات العصبية قدرات التعرف على الأنماط اللازمة لمعالجة البيانات غير المنظمة مثل الصور والصوت .
• تحليل البيانات الضخمة: تعد القدرة على معالجة تدفقات البيانات عالية الحجم والسرعة أمرًا بالغ الأهمية. غالبًا ما تُستخدم أدوات مثل Apache Spark لإدارة خطوط أنابيب البيانات التي تغذي النماذج المعرفية .
• البنية التحتية السحابية: توفر منصات مثل Google AI و Microsoft Cognitive Services القدرة الحاسوبية القابلة للتوسع اللازمة لتشغيل هذه الأحمال العملية المكثفة.
• محركات الاستدلال: تتجاوز هذه المكونات التصنيف البسيط، وتطبق قواعد منطقية و استدلال احتمالي على البيانات. وغالبًا ما ينطوي ذلك على تقنيات الذكاء الاصطناعي الرمزية لشرح سبب اتخاذ القرار.

تطبيقات واقعية

تقوم الحوسبة الإدراكية بتحويل الصناعات من خلال تعزيز الخبرة البشرية بسرعة الآلة وحجمها.

1. التشخيصات الطبية: في تحليل الصور الطبية، تستوعب الأنظمة المعرفية سجلات المرضى والمجلات الطبية والصور التشخيصية. من خلال معالجة هذه الكمية الهائلة من بيانات التعلم متعددة الوسائط ، يمكن للنظام وضع فرضيات للتشخيصات المحتملة واقتراح خطط العلاج لأطباء الأورام، مما يقلل من الأخطاء التشخيصية ويؤدي إلى تخصيص الرعاية.
2. الزراعة الذكية: تعمل الأنظمة المعرفية على دفع الزراعة الدقيقة من خلال تحليل صور الأقمار الصناعية، وأنماط الطقس، وبيانات أجهزة استشعار التربة. يمكن للحلول التي تستخدم الذكاء الاصطناعي في الزراعة أن تقيّم صحة المحاصيل ، وتتنبأ بانتشار الأمراض قبل أن تنتشر، وتضبط أنظمة الري تلقائيًا لتحسين المحصول مع الحفاظ على المياه.

من خلال دمج المدخلات الحسية من نماذج مثل Ultralytics مع قدرات الاستدلال المتقدمة، تمهد الحوسبة الإدراكية الطريق لآلات لا تقوم بالحساب فحسب، بل تفهم أيضًا. تتم إدارة دورة حياة هذه النماذج المعقدة بشكل مبسط من خلال Ultralytics التي تسهل التدريب والتعليق التوضيحي والنشر عبر بيئات متنوعة.