Когнитивные вычисления (cognitive computing) — тренд последних нескольких лет. Это технологии, которые силами многих специалистов развиваются очень быстрыми темпами и помогают человеку справляться с огромным потоком информации. Причем поток этот очень глубокий и широкий, образно говоря, это весь поток информации, генерируемый человечеством. Мозг человека — мощнейшая система, способная анализировать неструктурированные массивы данных, обрабатывать их и «раскладывать по полочкам». Но даже этот инструмент не справляется с информационными потоками современности, поэтому на службу себе человек поставил компьютеры, как обычные персональные, так и сверхпроизводительные системы. Но тут возникла проблема уже иного характера, а именно — необходимость структурирования данных, которые обрабатываются. Каждый день человечество генерирует около 2,5 квинтиллионов байтов данных, и 80% из них являются неструктурированными. А это означает, что эти 80% невидимы для современных компьютерных систем, созданных по обычной технологии.

На помощь приходят когнитивные вычисления, технологии, которые частично повторяют особенности работы мозга человека и способные работать во много крат эффективнее своего органического предтечи. Здесь стоит оговориться, что речь идет лишь о малой части функций мозга, ответственных за обработку и анализ поступающей извне информации. Также можно говорить и о самообучении системы, с определенными допущениями. Но, тем не менее, когнитивные технологии способны на многое, упрощая жизнь как отдельно взятому человеку, так и бизнес-структурам.



Использовать такие системы можно в огромном множестве различных сфер и направлений, включая банки, материаловедение, оптимизацию бизнеса, управление инфраструктурой городов, оценку состояния окружающей среды, исследования в различных областях науки и в медицине. Основная задача когнитивных технологий — дать человеку возможность работать с неструктурированными данными удобным ему способом.
При этом постепенно создаются системы нового типа, которые не просто следуют заданному алгоритму, а способны учитывать множество сторонних факторов во время работы, самообучаться, использовать результаты прошлых вычислений и сторонние ресурсы (Интернет, в качестве примера). Архитектура новых систем будет отличаться от архитектуры фон Неймана.


Джон фон Нейман

Как известно, принципы фон Неймана гласят следующее:

Принцип однородности памяти. Команды и данные хранятся в одной и той же памяти и внешне в памяти неразличимы. Распознать их можно только по способу использования; то есть одно и то же значение в ячейке памяти может использоваться и как данные, и как команда, и как адрес в зависимости лишь от способа обращения к нему. Это позволяет производить над командами те же операции, что и над числами, и, соответственно, открывает ряд возможностей. Так, циклически изменяя адресную часть команды, можно обеспечить обращение к последовательным элементам массива данных. Такой прием носит название модификации команд и с позиций современного программирования не приветствуется. Более полезным является другое следствие принципа однородности, когда команды одной программы могут быть получены как результат исполнения другой программы. Эта возможность лежит в основе трансляции — перевода текста программы с языка высокого уровня на язык конкретной вычислительной машины.

Принцип адресности . Структурно основная память состоит из пронумерованных ячеек, причем процессору в произвольный момент доступна любая ячейка. Двоичные коды команд и данных разделяются на единицы информации, называемые словами, и хранятся в ячейках памяти, а для доступа к ним используются номера соответствующих ячеек — адреса.

Принцип программного управления. Все вычисления, предусмотренные алгоритмом решения задачи, должны быть представлены в виде программы, состоящей из последовательности управляющих слов — команд. Каждая из которых предписывает некоторую операцию из набора операций, реализуемых вычислительной машиной. Команды программы хранятся в последовательных ячейках памяти вычислительной машины и выполняются в естественной последовательности, то есть в порядке их положения в программе. При необходимости с помощью специальных команд эта последовательность может быть изменена. Решение об изменении порядка выполнения команд программы принимается либо на основании анализа результатов предшествующих вычислений, либо безусловно.

Принцип двоичного кодирования. Согласно этому принципу вся информация, как данные, так и команды, кодируются двоичными цифрами 0 и 1. Каждый тип информации представляется двоичной последовательностью и имеет свой формат. Последовательность битов в формате, имеющая определенный смысл, называется полем. В числовой информации обычно выделяют поле знака и поле значащих разрядов. В формате команды можно выделить два поля: поле кода операции и поле адресов.

Далее представлены основные элементы когнитивной вычислительной системы (Redbook ИБМ — Роб Хай – «Эпоха когнитивных систем»):



Для того, чтобы соответствовать своему предназначению (упрощение работы человека со своим информационным окружением), когнитивные системы должны быть:

• Адаптивными. Необходимо изучать изменения информационного окружения, включая изменяющиеся цели и задачи. Также при анализе информации требуется учитывать непредсказуемые факторы. Когнитивные системы должны уметь обрабатывать динамические данные и предоставлять результат в режиме реального времени или близко к этому.
• Интерактивными. Они должны взаимодействовать с пользователем таким образом, чтобы он, пользователь, чувствовал себя комфортно, получая нужный результат. Также подобные системы должны уметь работать с другими системами, устройствами, облачными сервисами и людьми.
• Самообучаемыми. Работа когнитивных систем должна основываться не только на новых данных, но и на результатах своей работы в прошлом. Они должны «запоминать» предыдущие итерации и обращаться к этой информации при необходимости.
• Контекстуальными. Они должны понимать, идентифицировать и выделять контекстуальные элементы, такие как значение, время, местоположение, профиль пользователя, цель, процесс и задачу. Уметь обращаться к нескольким источникам информации, включая структурированные и неструктурированные данные, а также к устройствам ввода.

Также когнитивные системы могут быть интегрированы или использовать существующие информационные системы (включая системы с архитектурой фон Неймана), уметь работать с различными интерфейсами и инструментами.

Сфера применения когнитивных систем весьма обширна:

В бизнесе когнитивные системы позволяют обнаруживать проблемные места в инфраструктуре, распорядке дня предприятия и прочих элементах. В результате ликвидации «узких мест» увеличивается производительность труда работников, эффективность труда целых отделов. Экономятся значительные средства и время сотрудников, а также машинное время.

Когнитивные технологии могут пригодиться в бизнесе во многих случаях, включая перечисленные ниже:

• Вовлечение: понимая аспекты каждого конкретного человека, когнитивная система может осуществлять индивидуальное взаимодействие с пользователями, покупателями.
• Экспертиза: когнитивная система может использоваться для аудита деятельности предприятия, включая финансовый вопрос. В результате компания осуществляет индивидуальный подход к клиенту.
• Продукты и сервисы: те же системы помогают постоянно совершенствовать сервисы некоторых компаний, показывая слабые места, которые можно было бы улучшить и усовершенствовать.
• Открытия: да, в научных исследованиях, которые проводят корпорации или отдельные ученые, когнитивные технологии могут принести много пользы, поскольку самые неявные данные могут быть вынуты на поверхность, изучены и зафиксированы.
• Принятие решений: выявляя все большее количество зависимостей в какой-либо информации, работая с этими данными, система может улучшить принятие решений в отдельно взятой компании или ее подразделении.

Прикладное применение возможностей когнитивной системы IBM Watson — изучение трендов

В здравоохранении когнитивные системы помогают постепенно двигаться к такой цели, как индивидуальный подход к лечению пациента. Особенно это актуально в сложных случаях, например, при раковых заболеваниях. Анализ ДНК человека и сопоставление дополнительных факторов (место проживания, нагрузки и т.п.) помогает лечить гораздо более эффективно, чем ранее. Изучая генотип и особенности организма конкретного человека, врачи могут назначать наиболее эффективные в том или случае лекарства и процедуры.

В кулинарии когнитивные системы могут предложить нечто совсем неожиданное, открыть новую сферу, добавить новые сочетания продуктов. Уже сейчас некоторые когнитивные системы (например, Watson) могут составлять рецепты различных блюд, исходя из заранее заданного списка продуктов.

В спорте когнитивные вычисления помогают в режиме реального времени проводить оценку тренировки различных спортсменов, а также набирать команды игроков с необходимыми тренеру характеристиками.

И это все — лишь малая толика того, на что способны когнитивные системы. Более подробно по этой тематике мы поговорим в одной из следующих статей.

Над созданием когнитивных систем работают многие организации и правительства разных стран. Но на данный момент наиболее совершенной и целостной когнитивной системой, включающей огромное число подсистем и элементов, является IBM Watson. В блоге IBM об этой системе писали уже не раз, и мы планируем продолжать рассказывать о ней, ведь каждый день система развивается и совершенствуется. Это попытка оперировать категориями будущего, не просто думать, а думать на опережение.

Источник: материалы IBM.