Definición - ¿Qué significa Computación Cognitiva?
La computación cognitiva describe tecnologías que se basan en los principios científicos detrás de la inteligencia artificial y el procesamiento de señales, que abarcan el autoaprendizaje automático, la interacción persona-computadora, el procesamiento del lenguaje natural, la minería de datos y más. Su objetivo es resolver problemas complejos caracterizados por la incertidumbre y la ambigüedad, lo que en otras palabras significa problemas que solo se resuelven mediante el pensamiento cognitivo humano.
Techinfo explica la informática cognitiva
La computación cognitiva es la rama de la informática que se ocupa de resolver problemas complejos que pueden tener situaciones que cambian dinámicamente y datos ricos en información que tienden a cambiar con frecuencia y, a veces, incluso a entrar en conflicto entre sí. Un ser humano puede lidiar con estos problemas evolucionando las metas y cambiando los objetivos, pero los algoritmos informáticos tradicionales no pueden adaptarse a tal cambio. Para hacer frente a este tipo de problemas, los sistemas de computación cognitiva tienen que sopesar los datos en conflicto y sugerir una respuesta que se adapte mejor a la situación en lugar de lo que es "correcto".
Aunque actualmente no existe una definición acordada de computación cognitiva en la industria o en la academia, el término se usa a menudo para describir una nueva tecnología que imita la forma en que funciona el cerebro humano y cómo aborda la resolución de problemas. Puede verse como un campo que tiene el objetivo de modelar con precisión cómo la mente humana siente, razona y responde a los estímulos que la rodean. Sus mayores aplicaciones serían el análisis de datos y la salida adaptativa, ajustando la salida para adaptarse a una audiencia en particular.
Las propiedades de un sistema de computación cognitiva incluyen:
- Contextual: comprende y extrae elementos contextuales como el significado, el tiempo, la ubicación, el proceso y otros en función de múltiples fuentes de información. Por ejemplo, se puede alimentar con datos como carreteras, ambulancias, lesiones y escombros y generar el contexto de un accidente vehicular.
- Adaptable: esta es la parte de aprendizaje. Se adapta a la nueva información y estímulos para resolver la ambigüedad y tolerar la imprevisibilidad. En relación al contexto, esta característica se encarga de alimentarse de datos dinámicos y luego procesarlos para conformar el contexto eventual y llegar a soluciones o conclusiones.
- Interactivo: el sistema puede interactuar con los usuarios para que los usuarios puedan definir sus necesidades, así como conectarse con otros dispositivos y sistemas.
- Iterativo y con estado: los sistemas deben ayudar en la definición del problema haciendo las preguntas correctas y encontrando fuentes adicionales de información si un problema es incompleto o ambiguo. También deben ser capaces de recordar interacciones y procesos anteriores y volver al estado en puntos anteriores en el tiempo.