رایانش شناختی: مبانی و کاربردها

رایانش شناختی، عبارتی نسبتا جدید است که اغلب به عنوان جایگزینی برای هوش مصنوعی به‌کار می‌رود. بر‌خلاف سیستم‌های کامپیوتری سنتی، که توسط افراد برنامه‌ریزی می‌شوند تا وظایف خاصی را انجام دهند، سیستم‌های شناختی این قابلیت را دارند که از طریق تعاملات خود با انسان‌ها و داده‌ها، به طور مداوم یاد بگیرند و هوشمندتر شوند.

رایانش شناختی در حال ظهور به عنوان یک فرصت و تهدید واقعی برای بسیاری از کسب‌وکارهاست. این فناوری، جزئی از یک روند گسترده‌تر حول کلان‌داده‌هاست؛ اما به این دلیل دارای اهمیت است که بر حوزه داده‌های غیرساخت‌یافته تمرکز می‌کند که مشخصاً حجم بیشتری از داده‌های ساخت‌یافته دارند.

آی‌بی‌ام تخمین زده است که ۸۰% از داده‌های امروزی، غیرساخت‌یافته هستند (به بیان دیگر، به شکل زبان طبیعی) و ۲۰% باقیمانده، داد‌ه‌های ساخت‌یافته هستند (به بیان دیگر، به شکل ردیف و ستون‌های داده). رایانش شناختی به طور عمده بر داده‌های غیرساخت‌یافته متمرکز است.

ایجاد ماشین‌هایی با هوشی مانند انسان، هدف هوش مصنوعی از زمان شروع حوزه تحقیقاتی آن بوده است. با بلوغ هوش مصنوعی طی دهه‌ها، پیشرفت در قدرت پردازش و ذخیره داده‌ها، استفاده از هوش مصنوعی را برای حل مسائل سازمانی امکان‌پذیر کرده است.

ماشین‌های هوشمند کنونی با قابلیت‌های هوش مصنوعی در حال تغییر نحوه کار کردن انسان‌ها هستند. سه مثال آن عبارتند از:

• ماشین‌هایی که قابلیت‌های انسان را بهبود می‌دهند؛ مانند کارمندی که یک دستگاه رایانشی پوشیدنی به همراه دارد که هر سؤالی را پاسخ بگوید.
• ماشین‌ها و انسان‌هایی که در کنار هم کار می‌کنند؛ مانند یک کارمند انبار که با ربات متحرک برای جابجایی جعبه‌ها کار می‌کند.
• ماشین‌هایی که جایگزین انسان‌ها می‌شوند؛ مانند یک دستیار مجازی شناختی که به عنوان یک نماینده خدمات مشتری خودکار استفاده می‌شود.

مانند هر پیشرفت تکنولوژیکی، قبول اولیه آن فناوری همراه با استراتژی‌های هوشمند و اجرای مؤثر، می‌تواند مزیت‌های رقابتی برای کسب‌وکارها ایجاد کند که سال‌ها باقی بماند.

شرکت دیلویت، مانند گارتنر، معتقد است که «ریسک سرمایه‌گذاری دیرهنگام در ماشین‌های هوشمند به مراتب بیشتر از ریسک سرمایه‌گذاری زودهنگام است.»

شرکت دیلویت، هوش مصنوعی را این‌گونه تعریف می‌کند: «توسعه سیستم‌های کامپیوتری که قادر به انجام وظایفی هستند که به طور عادی نیازمند هوش انسانی است.» مثال‌های آن شامل درک تصویری، شناسایی سخنان، تصمیم‌گیری تحت شرایط عدم اطمینان، یادگیری و ترجمه بین زبان‌ها می‌شود.

در دهه ۲۰۰۰ میلادی، عواملی به پیشرفت بیشتر هوش مصنوعی، به خصوص در چند فناوری کلیدی کمک نمودند. این عوامل عبارتند از:

• قانون مور. افزایش قدرت کامپیوترها که در اندازه و قیمت خاصی در دسترس هستند، با نام قانون مور شناخته می‌شود. تمام انواع رایانش، به خصوص انواعی که محققان هوش مصنوعی استفاده می‌کنند، از این امر بهره برده‌اند. بسیاری از طراحی‌های پیشرفته کامپیوتری در سال‌های گذشته به دلیل نیاز به قدرت کامپیوتری که یا هزینه بسیار بالا داشته و یا وجود نداشت، انجام نمی‌شد. امروزه قدرت مورد نیاز برای پیاده‌سازی این طراحی‌ها موجود و قابل استفاده است.
• کلان‌داده. با وجود اینترنت، رسانه‌های اجتماعی، دستگاه‌های موبایل و حسگرهای با هزینه پایین، حجم داده در دنیا سریعا در حال افزایش است. با درک ارزش بالقوه این داده‌ها، تکنیک‌های جدیدی برای مدیریت و تحلیل مجموعه داده‌های بسیار بزرگ ایجاد شد. از آن‌جایی که برخی از تکنیک‌های هوش مصنوعی از مدل‌های آماری استفاده می‌کنند، می‌توانند با توجه به ویژگی یادگیرنده بودن خود، با استفاده از مجموعه عظیم داده‌ها بهبود پیدا کنند. از این رو کلان‌داده می‌تواند به پیشرفت هوش مصنوعی کمک نماید.
• اینترنت و ابر. همانند کلان‌داده، اینترنت و رایانش ابری به دو دلیل به پیشرفت هوش مصنوعی کمک می‌کنند: اول آن‌که حجم گسترده‌ای از داده و اطلاعات را برای هر دستگاه کامپیوتری متصل به اینترنت فراهم می‌آورند. دوم آن‌که روشی برای انسان‌ها فراهم آورده‌اند تا در کمک به آموزش سیستم‌های هوش مصنوعی همکاری داشته باشند. برای مثال مترجم گوگل، بازخورد افراد را تحلیل کرده و از اصلاحات آن‌ها به منظور بهبود کیفیت ترجمه خودکار خود استفاده می‌نماید.

 کاربردهای فناوری‌های شناختی

دیلویت بیان می‌دارد که تا سال ۲۰۲۰ اثر فناوری‌های شناختی بر سازمان‌ها رشد قابل ملاحظه‌ای خواهد داشت. رهبران سازمان‌ها در تمامی بخش‌ها باید بدانند که آیا در به‌کارگیری فناوری‌های شناختی سرمایه‌گذاری کنند یا خیر و چگونه و کجا این کار را انجام دهند.

به منظور درک چگونگی استفاده از فناوری‌های شناختی در سازمان‌ها، بیش از ۱۰۰ سازمان که اقدام به پیاده‌سازی و یا پایلوت کاربرد فناوری‌های شناختی کرده بودند، بررسی شدند.

در نتیجه این بررسی مشخص گردید که کاربردهای فناوری‌های شناختی در سه دسته اصلی محصول، فرآیند و یا بینش قرار می‌گیرند. کاربردها در محصول، فناوری را در یک محصول یا خدمت نهادینه می‌کنند تا منافع مشتری نهایی فراهم گردد. کاربردها در فرآیندها، فناوری را در جریان کار سازمان نهادینه کرده تا عملیات را خودکار کرده و یا بهبود دهند. کاربردها در بینش‌سازی نیز از فناوری‌های شناختی، به خصوص قابلیت‌های پیشرفته تحلیلی مانند یادگیری ماشینی استفاده کرده تا بینش‌هایی برای اتخاذ تصمیم‌های عملیاتی و استراتژیک در سراسر سازمان به دست دهد. در ادامه هر سه دسته از کاربردها معرفی می‌گردد:

• محصولات: محصولات و خدمات با فناوری‌های شناختیِ نهادینه شده

سازمان‌ها می‌توانند فناوری‌های شناختی را به منظور افزایش ارزش محصولات یا خدماتشان به کار گیرند و آن‌ها را اثربخش‌تر، ایمن‌تر، سریع‌تر، متمایز و ارزشمند نمایند. مثالی از این مورد در کسب‌وکار اینترنتی، شرکت ای‌بی است که به منظور توانمندسازی کاربران روس‌زبان در پیدا کردن لیست مشابه در زبان انگلیسی، ترجمه ماشینی را به کار می‌برد.

فناوری‌های شناختی نه تنها در بهبود محصولات و خدمات بلکه در ایجاد سری کاملا جدید آن‌ها که بازارهای جدید ایجاد کرده و عایدات زیادی نصیب مخترعین می‌کنند، استفاده می‌شوند.

• فرآیند: خودکارسازی فرآیندهای داخلی با استفاده از فناوری‌های شناختی

دسته دیگری از کاربرد فناوری‌های شناختی، خودکارسازی است. منظور از خودکارسازی، استفاده از سیستم‌های کامپیوتری برای انجام کارهایی است که انسان‌ها انجام می‌داده‌اند. نتیجه این امر، انجام سریع‌تر، ارزان‌تر و بهتر کارهاست. خودکارسازی معمولاً متمرکز بر داخل است؛ سازمانی که آن را پیاده‌سازی می‌کند و نه مشتریان، از طریق صرفه‌جویی در هزینه‌ها و یا استفاده کارآمد از منابع، نفع‌برندگان اولیه هستند.

فناوری‌های شناختی به دو صورت کلی می‌توانند کارها را خودکار نمایند: از طریق تقویت کردن کارکنان و یا با جایگزین شدن آنها. تقویت کردن به معنی کمک به یک کارمند برای انجام بهتر یا سریع‌تر کارش است. سیستم‌های پشتیبانی از تصمیم پزشکی که در تشخیص، پیشنهاد درمان و غیره استفاده می‌شوند، مثال‌هایی از این امر هستند.

برخی کاربردهای فناوری‌های شناختی، با قبول تمام مسئولیت‌های یک کارمند، شغل‌ها را حذف می‌نمایند. سیستم‌های پاسخگوی صوتی خودکار که جایگزین کارکنان خدمات مشتریان می‌شوند، امروزه کاملاً جا افتاده‌اند.

یک کاربرد خودکارسازی مهم برای فناوری‌های شناختی، اجرای وظایف در سطحی است که با روش‌های سنتی غیراجرایی است. انتظار می‌رود تمامی انواع سازمان‌ها به منظور افزایش سرعت و کاهش هزینه‌های عملیات، فناوری‌های شناختی را پیاده‌سازی کنند تا فرآیندهایی را که بدون آنها قابلیت خودکار شدن نداشت، خودکار نمایند.

• بینش: فناوری‌های شناختی یادگیرنده از اطلاعات

دسته سوم از کاربردهای فناوری‌های شناختی، خلق بینش است. یادگیری ماشینی می‌تواند از مجموعه داده‌های عظیم و پیچیده نتیجه‌گیری کرده و از داده‌های عملیاتی پیش‌بینی‌های باکیفیت ارائه دهد. بسیاری شرکت‌ها در حال استفاده از فناوری‌های شناختی هستند تا بینش‌هایی ایجاد کنند که به کاهش هزینه‌ها، بهبود بهره‌وری، افزایش درآمدها، بهبود کارایی و یا ارتقاء خدمات مشتریان کمک نماید.

به منظور بهبود بازاریابی و خدمات مشتریان، بانک بی‌بی‌وی‌ای کامپس از ابزار پایش احساسات در رسانه‌های اجتماعی استفاده کرده تا نظر مصرف‌کنندگان درباره بانک و رقبای آن را ردیابی و درک کنند. این ابزار که فناوری پردازش زبان طبیعی را به کار می‌گیرد، به‌طور خودکار موضوع صحبت مصرف‌کنندگان و احساس آن‌ها درباره آن موضوع را شناسایی می‌کند. این بینش‌ها تصمیمات بانک در مورد تعیین قیمت‌ها و ارائه پیشنهادات به مشتریان و چگونگی پاسخ نمایندگان خدمات مشتریان را تحت تأثیر قرار می‌دهد.