การประมวลผลเชิงปัญญา

การประมวลผลเชิงปัญญาหมายถึงแพลตฟอร์มเทคโนโลยีที่โดยทั่วไปแล้วมีพื้นฐานมาจากสาขาวิทยาศาสตร์ปัญญาประดิษฐ์และการประมวลผลสัญญาณแพลตฟอร์มเหล่านี้ครอบคลุมถึง การเรียนรู้ ของเครื่อง การให้เหตุผลการประมวลผลภาษาธรรมชาติการรู้จำเสียงพูดและการมองเห็น ( การรู้จำวัตถุ ) ปฏิสัมพันธ์ ระหว่างมนุษย์กับคอมพิวเตอร์ การสร้างบทสนทนาและเรื่องเล่าและเทคโนโลยีอื่นๆ^{[ 1 ] [ 2 ]}

ในปัจจุบัน ยังไม่มีคำจำกัดความที่เป็นที่ยอมรับกันอย่างกว้างขวางสำหรับการประมวลผลเชิงปัญญา ทั้งในแวดวงวิชาการและอุตสาหกรรม^{[ 1 ] [ 3 ] [ 4 ]}

โดยทั่วไป คำว่า การประมวลผลเชิงปัญญา (cognitive computing) ถูกใช้เพื่ออ้างถึงฮาร์ดแวร์และ/หรือซอฟต์แวร์ใหม่ที่เลียนแบบการทำงานของสมองมนุษย์^{[ 5 ] [ 6 ] [ 7 ] [ 8 ] [ 9 ]} (2004) ในแง่นี้ การประมวลผลเชิงปัญญาเป็นรูปแบบการประมวลผลแบบใหม่ที่มีเป้าหมายเพื่อสร้างแบบจำลองที่แม่นยำยิ่งขึ้นว่าสมอง/ จิตใจ ของมนุษย์ รับรู้คิดวิเคราะห์และตอบสนองต่อสิ่งเร้าอย่างไร แอปพลิเคชันการประมวลผลเชิงปัญญาเชื่อมโยงการวิเคราะห์ข้อมูลและการแสดงหน้าเว็บแบบปรับเปลี่ยนได้ ( AUI ) เพื่อปรับเนื้อหาให้เหมาะสมกับกลุ่มเป้าหมายเฉพาะ ดังนั้น ฮาร์ดแวร์และแอปพลิเคชันการประมวลผลเชิงปัญญาจึงมุ่งมั่นที่จะมีประสิทธิภาพและมีอิทธิพลมากขึ้นโดยการออกแบบ

คำว่า "ระบบการรับรู้" ยังใช้กับโครงสร้างเทียมใดๆ ที่สามารถดำเนินการกระบวนการรับรู้ได้ โดยที่กระบวนการรับรู้คือการแปลงข้อมูล สารสนเทศ ความรู้ หรือภูมิปัญญาไปสู่ระดับใหม่ในพีระมิด DIKW [ ^{10 ] แม้ว่า}ระบบการรับรู้หลายระบบจะใช้เทคนิคที่มีต้นกำเนิดมาจาก การวิจัย ปัญญาประดิษฐ์แต่ระบบการรับรู้เองอาจไม่ใช่ปัญญาประดิษฐ์ ตัวอย่างเช่น เครือข่ายประสาทเทียมที่ได้รับการฝึกฝนให้จดจำมะเร็งจาก การสแกน MRIอาจมีอัตราความสำเร็จสูงกว่าแพทย์มนุษย์ ระบบนี้เป็นระบบการรับรู้แน่นอน แต่ไม่ใช่ปัญญาประดิษฐ์

ระบบการรับรู้สามารถออกแบบให้รับข้อมูลแบบไดนามิกแบบเรียลไทม์หรือใกล้เคียงเรียลไทม์ได้^{[ 11 ]}และอาจดึงข้อมูลจากหลายแหล่ง รวมถึงข้อมูลดิจิทัลทั้งแบบมีโครงสร้างและไม่มีโครงสร้างตลอดจนข้อมูลป้อนเข้าจากประสาทสัมผัส (ภาพ ท่าทาง การได้ยิน หรือข้อมูลจากเซ็นเซอร์) ^{[ 12 ]}

โดยทั่วไปแล้วแพลตฟอร์มเทคโนโลยีที่ใช้ชื่อแบรนด์การประมวลผลเชิงปัญญาจะเชี่ยวชาญในการประมวลผลและวิเคราะห์ชุดข้อมูลขนาดใหญ่ที่ไม่มีโครงสร้าง^{[ 13 ]}

การศึกษา

แม้ว่าการประมวลผลเชิงปัญญาจะไม่สามารถแทนที่ครูได้ แต่ก็ยังสามารถเป็นแรงผลักดันสำคัญในการศึกษาของนักเรียนได้ การประมวลผลเชิงปัญญาที่ใช้ในห้องเรียนนั้น โดยพื้นฐานแล้วคือการมีผู้ช่วยที่ปรับให้เหมาะกับนักเรียนแต่ละคน ผู้ช่วยเชิงปัญญานี้สามารถลดความเครียดที่ครูต้องเผชิญขณะสอนนักเรียน ในขณะเดียวกันก็ช่วยเพิ่มประสบการณ์การเรียนรู้ของนักเรียนโดยรวม^{[ 14 ]}ครูอาจไม่สามารถให้ความสนใจกับนักเรียนแต่ละคนได้ ซึ่งนี่คือจุดที่คอมพิวเตอร์เชิงปัญญาเข้ามาเติมเต็มช่องว่าง นักเรียนบางคนอาจต้องการความช่วยเหลือเพิ่มเติมในวิชาใดวิชาหนึ่ง สำหรับนักเรียนหลายคน ปฏิสัมพันธ์ระหว่างนักเรียนและครูอาจทำให้เกิดความวิตกกังวลและรู้สึกไม่สบายใจ ด้วยความช่วยเหลือจากผู้ช่วยสอน คอมพิวเตอร์เชิงปัญญา นักเรียนจะไม่ต้องเผชิญกับความไม่สบายใจและสามารถสร้างความมั่นใจในการเรียนรู้และทำได้ดีในห้องเรียน^{[ 15 ]}ในขณะที่นักเรียนอยู่ในชั้นเรียนกับผู้ช่วยส่วนตัว ผู้ช่วยนี้สามารถพัฒนาเทคนิคต่างๆ เช่น การสร้างแผนการสอน เพื่อปรับแต่งและช่วยเหลือให้นักเรียนและตอบสนองความต้องการของพวกเขา

การดูแลสุขภาพ

บริษัทเทคโนโลยีจำนวนมากกำลังพัฒนาเทคโนโลยีที่เกี่ยวข้องกับการประมวลผลเชิงปัญญาซึ่งสามารถนำมาใช้ในด้านการแพทย์ได้ ความสามารถในการจำแนกและระบุเป็นหนึ่งในเป้าหมายหลักของอุปกรณ์เชิงปัญญาเหล่านี้^{[ 16 ]}คุณลักษณะนี้มีประโยชน์อย่างมากในการศึกษาการระบุสารก่อมะเร็งระบบเชิงปัญญาที่สามารถตรวจจับได้นี้จะช่วยให้ผู้ตรวจสอบสามารถตีความเอกสารจำนวนนับไม่ถ้วนได้ในเวลาที่น้อยกว่าหากไม่ได้ใช้เทคโนโลยีการประมวลผลเชิงปัญญา เทคโนโลยีนี้ยังสามารถประเมินข้อมูลเกี่ยวกับผู้ป่วย โดยตรวจสอบบันทึกทางการแพทย์ทุกฉบับอย่างละเอียด ค้นหาสิ่งบ่งชี้ที่อาจเป็นสาเหตุของปัญหาของพวกเขา

พาณิชย์

เมื่อใช้ร่วมกับปัญญาประดิษฐ์ ระบบนี้ถูกนำมาใช้ในระบบจัดการคลังสินค้าเพื่อรวบรวม จัดเก็บ จัดระเบียบ และวิเคราะห์ข้อมูลซัพพลายเออร์ที่เกี่ยวข้องทั้งหมด โดยมีเป้าหมายเพื่อปรับปรุงประสิทธิภาพ ช่วยให้การตัดสินใจรวดเร็วยิ่งขึ้น ตรวจสอบสินค้าคงคลัง และตรวจจับการทุจริต^{[ 17 ]}

การเสริมสร้างศักยภาพทางปัญญาของมนุษย์

ในสถานการณ์ที่มนุษย์ใช้หรือทำงานร่วมกับระบบการรับรู้ ซึ่งเรียกว่ากลุ่มมนุษย์/ระบบการรับรู้ ผลลัพธ์ที่ได้จากกลุ่มนี้จะเหนือกว่าผลลัพธ์ที่ได้จากการทำงานเพียงลำพังของมนุษย์ ดังนั้น มนุษย์จึงได้รับการเสริมศักยภาพด้านการรับรู้^{[ 18 ] [ 19 ] [ 20 ]}ในกรณีที่กลุ่มมนุษย์/ระบบการรับรู้บรรลุผลลัพธ์ที่ระดับเดียวกับหรือเหนือกว่าระดับของผู้เชี่ยวชาญที่เป็นมนุษย์ กลุ่มนี้จะบรรลุความเชี่ยวชาญแบบสังเคราะห์^{[ 21 ]}ในกลุ่มมนุษย์/ระบบการรับรู้ "ระบบการรับรู้" คือระบบการรับรู้ที่ใช้เทคโนโลยีการคำนวณเชิงรับรู้แทบทุกชนิด

กรณีการใช้งานอื่นๆ

• การรู้จำเสียงพูด
• การวิเคราะห์ความรู้สึก
• การตรวจจับใบหน้า
• การประเมินความเสี่ยง
• การตรวจจับการฉ้อโกง
• คำแนะนำด้านพฤติกรรม

การประมวลผลเชิงปัญญาควบคู่กับข้อมูลขนาดใหญ่และอัลกอริธึมที่เข้าใจความต้องการของลูกค้าสามารถสร้างข้อได้เปรียบอย่างมากในการตัดสินใจ ทางเศรษฐกิจ ได้

พลังของการประมวลผลเชิงปัญญาและปัญญาประดิษฐ์มีศักยภาพที่จะส่งผลกระทบต่อเกือบทุกงานที่มนุษย์สามารถทำได้ ซึ่งอาจส่งผลเสียต่อการจ้างงานของมนุษย์ เนื่องจากจะไม่จำเป็นต้องใช้แรงงานมนุษย์อีกต่อไป นอกจากนี้ยังจะทำให้ความเหลื่อมล้ำทางความมั่งคั่ง เพิ่ม มากขึ้น ผู้ที่อยู่ในระดับแนวหน้าของอุตสาหกรรมการประมวลผลเชิงปัญญาจะร่ำรวยขึ้นอย่างมาก ในขณะที่คนงานที่ไม่มีงานที่มั่นคงและเชื่อถือได้จะยากจนลง^{[ 22 ]}

ยิ่งอุตสาหกรรมต่างๆ เริ่มใช้การประมวลผลเชิงปัญญามากขึ้นเท่าไร ก็ยิ่งทำให้มนุษย์แข่งขันได้ยากขึ้นเท่านั้น^{[ 22 ]}การใช้เทคโนโลยีที่เพิ่มขึ้นจะทำให้ปริมาณงานที่หุ่นยนต์และเครื่องจักรที่ขับเคลื่อนด้วย AI สามารถทำได้เพิ่มขึ้นด้วย อิทธิพลของบุคคลที่มีความสามารถในการแข่งขันร่วมกับปัญญาประดิษฐ์/การประมวลผลเชิงปัญญามีศักยภาพที่จะเปลี่ยนแปลงเส้นทางของมนุษยชาติ^{[ 23 ]}

• ระบบอัตโนมัติ
• การประมวลผลทางอารมณ์
• การวิเคราะห์
• ปัญญาประดิษฐ์
• เครือข่ายประสาทเทียม
• อินเทอร์เฟซคอมพิวเตอร์สมอง
• คอมพิวเตอร์เชิงปัญญา
• การให้เหตุผลเชิงปัญญา
• วิทยาศาสตร์ทางปัญญา
• ระบบปัญญาประดิษฐ์ระดับองค์กร
• เว็บเชิงความหมาย
• ประสาทวิทยาสังคม
• ปัญญาประดิษฐ์
• ความสามารถในการใช้งาน
• วิศวกรรมนิวโรโมฟิก
• ตัวเร่งความเร็ว AI

• รัสเซลล์, จอห์น (15 กุมภาพันธ์ 2016). "การวางแผนบทบาทใหม่สำหรับการประมวลผลเชิงปัญญาในวิทยาศาสตร์" . HPCwire . สืบค้นเมื่อ21 เมษายน 2016 .