Computação cognitiva

A computação cognitiva (CC) é a utilização da inteligência computacional (IC) para auxiliar na tomada de decisão humana, caracterizada por capacidades não-supervisionadas de aprendizado e interação em tempo real. Calcada na IA e no processamento de sinais, os sistemas de CC abrangem aprendizado de máquina, inferência automatizada, processamento de linguagem natural, reconhecimento de fala, visão computacional (e.g. reconhecimento de objetos), e HCI.

Características gerais

Há dissenso na definição de CC, seja na academia ou na indústria, mas em geral o termo se refere à hardware ou software inspirado no cérebro ou mente humana (um traço de computação natural característico da IC) para suporte à tomada de decisão realizada por humanos. Neste sentido, a CC se aproxima especialmente da cognição humana, sendo modelada pelo e modelando o comportamento humano através de estimulos potencialmente também utilizados por humanos (e.g. processamento de espectro audível e visível). As aplicações reunem análise de dados com interfaces adaptativas de usuário (adaptive user interface, AUI) para especialização em audiências e contextos e buscam afetividade e influência por projeto (design). (2004) e ajudam a aperfeiçoar a tomada de decisão humana.

Algumas características de CCs:

• Adaptação: aprendizado online com dados (e.g. de sensores) e modelos (objetivo, requisitos), potencialmente em tempo real.
• Interatividade: coforto e facilidade para o usuário. Podem interagir com sensores e outros dispositivos (veja IoT), serviços em nuvem e outras pessoas.
• Iteratividade e persistência: podem iterativamente realizar buscas perante interação com o usuário ou outro sistema.
• Considera contexto: potencialmente identificam e extraem elementos contextuais tais como significado, sintáxe, tempo, localização, etc., potencialmente via dados ligados na web semância. Podendo recorrer a múltiplas fontes de informação, incluindo estruturada (e.g. RDF) e não estruturada (e.g. input visual/luz e auditivo/som, texto e hipertexto).

Analítica cognitiva

Plataformas de CC são tipicamente especializadas em big data, i.e. na análise/mineração de grandes quantidades de dados não estruturados. É característica da IC o aprendizado não-supervisionado (i.e. ou com ênfase em, ou semi-estruturado), permitindo que documentos de texto, áudio, imagem, video, muitas vezes formando estruturas de dados elaboradas como na análise de redes sociais, sejam utilizados sem etiquetação prévia. Esta não-necessidade de etiquetação é apontada como a principal vantagem da Analítica Cognitiva (AC) sobre métodos tradicionais de big data.

Outras características da AC incluem:

• Adaptação: a diferentes contextos, com supervisão humana minimizada, via inteligência computacional.
• Interatividade de língua natural: realizada através de um bot, paradigmaticamente.

A analítica cognitiva pode interfacear com o usuário através da analítica audiovisual para saída (entrada para o sistema-usuário), processamento de sinais para entrada (saída para o sistema-usuário), e inteligência computacional (IC) para análise e tomada de decisão.

Complexidade

A lida com sistemas reais usualmente implica na lida com sistemas complexos, i.e. constituídos de diversas partes que, em conjunto, apresentam comportamento emergente. Sistemas complexos, em especial as redes complexas, tendem a apresentar distribuições sem escala (também 'livres de escala' ou 'de escala livre'). Há muitas outras não-linearidades, transições de fase, e clusterizaçòes pouco intuitivas, fractalidades, propriedades caóticas, em sistemas complexos, sejam eles livres ou não de escala (i.e. apresentando ou não uma lei de potência na distribuição de conectividade).

A teoria promovida pelo SFI (o Santa Fe Institute promove a pesquisa em complexidade desde a década de 1980) assume que um sistema complexo possui definições não consensuais. Que, são constituídos de diversas partes e apresentam comportamento emergente, e possuem uma combinação destas características: comportamento adaptativo, processam informação, podem se reproduzir, são integrados a outros sistemas complexos, é integrado em si. Veja a nota lúdica sobre IC para uma reflexão tecnológica e filosófica. Neste sentido, no contexto atual (março, 2018), o big data encontra a computação cognitiva, e chega ao nosso cotidiano via a IoT, de forma a evidenciar, reforçar, erigir, ou destruir sistemas complexos.

Computação natural

A computação natural contribui para a CC principalmente com os algoritmos bioinspirados capazes de aprendizado e predição superior ou complementar à inferência bayesiana, Possuem uma valoração (de mercado, conceitual, acadêmica, artística) inerente à transdisciplinaridade e trato de conceitos como vida e inteligência.

Inferência bayesiana (IB)

A IB fornece baselines informativas e com resultados competitítveis para o reconhecimento de padrões e para a IC em geral (inclusive de computação natural. Ou seja, são fundamentais para referência na interpretação da IC aplicada na CC, e são utilizadas na prática para aprendizado e tarefas como classificação e regressão, em casos supervisionados e não-supervisionados. A IB é canônica na análise de dados (observação de fenômenos reais) e na tomada de decisão subsequente e apropriada. Complementam, monitoram, dão suporte, à computação natural na otimização

Web semântica

Fornece os protocolos, emitidos como recomendações pela W3C, para dados ligados (RDF), com ontologias (OWL) e vocabularios (SKOS):

• permitem a utilização de diversas fontes (interoperatividade de protocolo através de namespaces e RDF), fornecendo contexto de big data.
• bancos de conhecimento ligado humano são usados para obter contexto por muitos aplicativos de CC.
• Os conceitos são mal definidos, e imprecisão semântica é canonicamente tratada com lógica difusa na inteligência computacional.

Transparência pessoal e coletiva

A transparência pessoal advoca a abertura de nossos sensores (e.g. dos celulares) para acesso público, e que a privacidade seja alocada para ocasiões específicas, não para o modus operandi padrão. Por exemplo, pode-se deixar o áudio, capturado por um microfone arbitrário, em streaming 100% do tempo para audição via Webrádio gratuita online. Faz-se necessária a identificação de eventos de interesse dada a quantidade de dados pouco informativos. É também possível a localização dos eventos, especialmente se houver dois ou mais microfones em um mesmo sistema. Estes paradigmas de transparência pessoal foram sugeridos para cargos de responsabilidade, como políticos, e tem encontrado também respaldo na sociedade civil para compartilhar e documentar processos, de forma a monitorar os próprios esforços, trabalhar em equipe de forma assíncrona e distribuída geograficamente, comprovar dedicações para academia e indústria. Outras aplicações da transparência pessoal já pode ser compreendida como transparência coletiva: câmeras e microfones abertos e publicamente acessíveis online, ao vivo e por histórico, nas instâncias publicas, principalmente as de maior responsabilidade. A segurança é um dos principais argumentos para a transparência pessoal e transparência coletiva, já que desencoraja ameaças e achocamento. A CC é crucial para tais transparências para permitir análise ou mesmo a navegação do big data resultante.

Cidades inteligentes

A CC é componente das cidades inteligentes, fornecendo análítica cognitiva e tomada de decisão com aspectos não-supervisionados e em tempo real, com resultados experimentais ou de indicadores sociais na distribuição e economia de recursors e na qualidade de vida em geral.

Técnicas

• Reconhecimento de fala
• Análise de sentimento
• Detecção de face
• Avaliação de risco
• Detecção de fraude
• Recomendações comportamentais, tais como especificadas via ontologias OWL e vocabulários SKOS na web semântica

Veja também

• Computação afetiva
• Analítica
• Redes neurais artificiais
• Computador cognitivo
• Raciocício cognitivo
• Corporação cognitiva
• Neurociência social
• Inteligência sintética
• Usabilidade
• Inteligência computacional
• Inferência bayesiana
• Computação natural
• Computação evolutiva
• Inteligência de enchame
• IoT
• Big data
• Cidades inteligentes
• Computação macia
• Estruturas de dados