Kognitiv beräkning

Författare: Lewis Jackson
Skapelsedatum: 11 Maj 2021
Uppdatera Datum: 25 Juni 2024
Anonim
Kognitiv beräkning - Teknologi
Kognitiv beräkning - Teknologi

Innehåll

Definition - Vad betyder kognitiv datoranvändning?

Kognitiv beräkning beskriver teknologier som är baserade på de vetenskapliga principerna bakom artificiell intelligens och signalbehandling, som omfattar självlärande av maskiner, interaktion mellan människor och datorer, naturlig språkbearbetning, data mining och mer. Syftet är att lösa komplexa problem som kännetecknas av osäkerhet och tvetydighet, vilket med andra ord betyder problem som bara löses av människans kognitiva tankar.


En introduktion till Microsoft Azure och Microsoft Cloud | I hela denna guide kommer du att lära dig vad cloud computing handlar om och hur Microsoft Azure kan hjälpa dig att migrera och driva ditt företag från molnet.

Techopedia förklarar kognitiv datoranvändning

Kognitiv datoranvändning är datavetenskapens gren som arbetar med att lösa komplexa problem som kan ha dynamiskt skiftande situationer och informationsrik information som ofta förändras och ibland till och med konflikter med varandra. En människa kan hantera sådana problem genom att utveckla mål och ändra mål, men traditionella datoralgoritmer kan inte anpassa sig till sådana förändringar. För att hantera sådana problem måste kognitiva datorsystem väga motstridiga data och föreslå ett svar som bäst passar situationen snarare än vad som är "rätt".


Även om det för närvarande inte finns någon överenskommen definition av kognitiv datoranvändning i branschen eller akademet, används termen ofta för att beskriva ny teknik som härmar hur människors hjärna fungerar och hur den närmar sig problemlösning. Det kan ses som ett fält som har ett mål att noggrant modellera hur det mänskliga sinnet känner, resonerar och svarar på stimuli runt det. Dess största tillämpningar skulle vara i dataanalys och adaptiv produktion, anpassa output för att passa en viss publik.

Egenskaper för ett kognitivt datorsystem inkluderar:

  • Conual - Förstår och extraherar koniska element som betydelse, tid, plats, process och andra baserat på flera informationskällor. Till exempel kan den matas med data som väg, ambulans, skada och vrak och komma med svårigheterna med en bilolycka.
  • Adaptiv - Det här är lärandedelen. Den anpassar sig till ny information och stimuli för att lösa tvetydighet och tolerera oförutsägbarhet. I förhållande till con, tar denna egenskap hand om att mata på dynamiska data och sedan bearbeta dem för att bilda eventuellt con och komma med lösningar eller slutsatser.
  • Interaktivt - Systemet kan interagera med användare så att användarna kan definiera sina behov, samt ansluta till andra enheter och system.
  • Iterativ och tillförlitlig - Systemen måste hjälpa till att definiera problemet genom att ställa rätt frågor och hitta ytterligare informationskällor om ett problem är ofullständigt eller tvetydigt. De måste också kunna komma ihåg tidigare interaktioner och processer och återgå till staten vid tidigare tidpunkter.