L’avvento di IBM Watson e delle sue incredibili capacità ha dato il via alla cosiddetta era cognitiva.
Detta anche informatica cognitiva (o cognitive computing), in un certo senso, rappresenta la terza era dell’informatica, grazie all’accumulo e all’utilizzo di dati strutturati e non strutturati in continua espansione (i cosiddetti “big data”).
Il computing cognitivo può dare un senso a quei dati apprendendo e ragionando dalle loro interazioni con noi invece di essere programmati esplicitamente. Questo lo rende scalabile con il volume, la complessità e l’imprevedibilità delle informazioni e dei sistemi nel mondo moderno.
Gli assistenti digitali personali come Siri, o Alexa già presenti negli smartphone, si avvicinano al cognitive computing ma non sono veri sistemi cognitivi. Tali sistemi possono rispondere solo a un numero prestabilito di richieste, mentre le vere applicazioni cognitive danno una risposta ponderata, senza essere vincolate a un set di risposte preprogrammato.
In questo articolo vediamo che cosa si intende per cognitive computing e le principali differenze con l’intelligenza artificiale.
Cos’è il Cognitive Computing?
Secondo Wikipedia non esiste ancora oggi una definizione chiara di cognitive computing.
Quello che si può affermare è che il termine è stato creato qualche anno fa, nel 2014, da un gruppo interdisciplinare di esperti tra cui ricercatori Google, Microsoft, Oracle, IBM ecc. (vedi fonte).
Nell’era della programmazione, il periodo di tempo che conosciamo meglio nell’informatica, i sistemi di elaborazione potenti sono diventati ampiamente disponibili e loro stessi potevano essere riprogrammati per risolvere diversi problemi e calcoli aziendali.
Sebbene abbiano completamente cambiato il mondo che ci circonda, le loro capacità sono ancora limitate dai loro operatori umani. Possono solo eseguire ciò che diciamo loro.
Il cognitive computing fa un passo avanti rispetto a questo approccio. Seppur sia un campo emergente, non va a sostituire l’uomo, ma piuttosto estende le loro capacità.
Come abbiamo visto nell’era della programmazione, possiamo pensare in modo profondo, critico e usare la ragione per risolvere problemi complessi.
Tuttavia, ci troviamo in difficoltà quando dobbiamo analizzare ed elaborare enormi set di dati, siano essi strutturati o non strutturati.
Il cognitive computing ci aiuta proprio in questo: rappresenta una fusione degli immensi punti di forza dei computer con le attuali capacità dei loro operatori umani. È una collaborazione tra uomo e macchina per risolvere le sfide della prossima generazione, dal modo in cui comunichiamo, al mondo degli affari, al mondo naturale che ci circonda.
In futuro ci consentirà di interagire con i computer in modo molto più immediato e naturale di oggi, praticamente “parlando” con le macchine e sfruttando la loro capacità di imparare dall’esperienza.
Come lavora un sistema di cognitive computing
I sistemi di elaborazione cognitiva possono sintetizzare i dati provenienti da varie fonti di informazioni, valutando al contempo il contesto e l’evidenza contrastante per suggerire le migliori risposte possibili.
Per raggiungere questo obiettivo, i sistemi cognitivi includono tecnologie di autoapprendimento che utilizzano il data mining, il riconoscimento di schemi e l’elaborazione del linguaggio naturale (PNL) per imitare il modo in cui funziona il cervello umano.
Questo è ciò che fa già IBM Watson, il primo sistema cognitivo vero e proprio che fu introdotto nel febbraio 2011.
Grazie all’intelligenza artificiale, impara continuamente utilizzando tecniche di deep learning e machine learning per risolvere i problemi nei più svariati campi: dal riconoscimento visivo e dalla comprensione di un testo scritto o parlato alla ricerca sulla conoscenza dell’azienda e studi sulla personalità basati sui social media.
Ciò gli garantisce di offrire alle aziende il vantaggio competitivo che stanno cercando, dotandole di importanti capacità di elaborazione in tempo reale.
Whirlpool si affida già a IBM Watson: ottiene un feedback prezioso su come i clienti utilizzano le sue macchine e su come queste macchine rispondono.
Una volta elaborate con il supporto dell’IA, queste stesse informazioni sono quindi in grado di fornire utili panoramiche al fine di adattare i progetti futuri alle esigenze dei clienti e migliorare eventuali problemi critici nel processo di produzione (vedi fonte).
Attributi chiave di un sistema di Cognitive Computing
Secondo il Cognitive Computing Consortium, i sistemi di cognitive computing devono avere cinque attributi chiave. Ossia, deve essere un sistema:
Adattivo: i sistemi cognitivi devono essere abbastanza flessibili da apprendere al variare delle informazioni e all’evoluzione degli obiettivi. I sistemi devono essere in grado di digerire i dati dinamici in tempo reale e apportare modifiche man mano che i dati e l’ambiente cambiano.
Interattivo: l’interazione uomo-computer è un componente critico nei sistemi cognitivi. Gli utenti devono essere in grado di interagire con le macchine cognitive e definire le loro esigenze man mano che tali esigenze cambiano. Le tecnologie devono inoltre essere in grado di interagire con altri processori, dispositivi e piattaforme cloud.
Iterative e stateful: le tecnologie informatiche cognitive possono anche identificare i problemi ponendo domande o inserendo dati aggiuntivi se un problema dichiarato è vago o incompleto. I sistemi lo fanno mantenendo informazioni su situazioni simili che si sono verificate in precedenza.
Contestuale: comprendere il contesto è fondamentale nei processi di pensiero, quindi i sistemi cognitivi devono anche comprendere, identificare e estrarre dati contestuali, come sintassi, tempo, posizione, dominio, requisiti, profilo di un utente specifico, attività o obiettivi. Possono attingere a più fonti di informazioni, inclusi dati strutturati e non strutturati e dati visivi, uditivi o sensoriali.
Cognitive computing Vs Intelligenza artificiale
A differenza dei sistemi di intelligenza artificiale che si occupano solo di un determinato problema, il computing cognitivo impara studiando modelli e suggerisce a noi persone di agire in modo rilevante in base alla sua comprensione.
Nel caso dell’intelligenza artificiale, il sistema assume il pieno controllo di un processo e adotta misure per completare un’attività o evitare uno scenario utilizzando un algoritmo predefinito.
Al contrario, il cognitive computing è un campo completamente diverso in cui funge da assistente invece di quello che completa l’attività.
In questo modo, riesce ad offrire all’uomo la potenza di un’analisi dei dati più rapida e accurata senza doversi preoccupare delle decisioni sbagliate prese dal sistema di apprendimento automatico.
Il computing cognitivo non mette l’uomo in secondo piano.
Come anticipato in precedenza, l’obiettivo principale dell’informatica cognitiva è assistere gli esseri umani nel processo decisionale. Ciò conferisce all’uomo una precisione di livello superiore nell’analisi, garantendo al contempo che tutto sia sotto il loro controllo.
Per illustrare, prendiamo l’esempio dell’intelligenza artificiale nella progettazione di nuovi prodotti (design).
Un sistema sostenuto dall’intelligenza artificiale prenderebbe tutte le decisioni relative ai materiali da utilizzare e come comporli assieme, mentre il cognitive computing integrerebbe la diagnosi umana con una propria serie di dati e analisi che aiuta a migliorare la qualità della decisione e aggiunge un tocco umano ai processi critici.
Nel video seguente puoi vedere come questo esempio è applicato in realtà su alcuni progetti di un laboratorio statunitense (puoi aggiungere i sottotitoli in italiano):
Miglioramenti futuri
Attualmente, ci sono problemi e limitazioni nei sistemi cognitivi di cui dobbiamo essere consapevoli e capire come risolvere tali problemi.
Con questa tecnologia, esiste un’analisi limitata del rischio che manca nei dati non strutturati. Ciò include fattori socioeconomici, cultura e ambienti politici.
Possiamo prendere l’esempio di un modello predittivo che scopre un luogo per l’esplorazione petrolifera. Il fatto è che se il paese sta subendo un cambiamento nel governo, il modello cognitivo dovrebbe prendere in considerazione questo fattore. Pertanto è necessario l’intervento umano per la completa analisi dei rischi e il processo decisionale finale.
Inoltre, i sistemi cognitivi necessitano di un meticoloso processo di formazione dei dati. Il laborioso processo di formazione dei sistemi cognitivi è probabilmente il motivo della sua lenta adozione. Inoltre, il complesso e costoso processo di utilizzo dei sistemi cognitivi rende ancora peggio.
Un’altra cosa è che i sistemi di cognitive computing sono più efficaci come assistenti che sono più come un aumento dell’intelligenza invece dell’intelligenza artificiale. Completa il pensiero e l’analisi dell’uomo ma dipende proprio da quest’ultimo prendere le decisioni critiche.
Quello che sarà anche una delle principali sfide da affrontare in questo settore riguarda la privacy. L’accesso ai dati è facile e vulnerabile per le organizzazioni, pertanto è necessario adottare misure per salvaguardare il diritto alla privacy.
Quindi il computing cognitivo è sicuramente il prossimo passo nel computing avviato dall’automazione. Stabilisce un punto di riferimento per i sistemi informatici per raggiungere il livello del cervello umano.
Ma al momento presenta alcune limitazioni che rendono difficile applicare l’IA in situazioni con un alto livello di incertezza, rapidi cambiamenti o esigenze creative. La complessità del problema aumenta con il numero di origini dati.
Possiamo dire che il computing cognitivo sarà un grosso problema in quanto è un potente strumento in fase di elaborazione. Tuttavia, gli esseri umani che hanno questo strumento devono decidere come usarlo al meglio e devono conoscere l’arte di incorporarlo.
Se questa tecnologia viene utilizzata correttamente, il potere dell’intelligenza cognitiva e artificiale decollerà verso un’eccellenza insuperabile nei prossimi anni.
