cognitive computing

• Adaptif. Sistem harus cukup fleksibel untuk belajar seiring perubahan informasi dan evolusi tujuan. Mereka harus dapat mencerna data dinamis secara waktu nyata dan menyesuaikan diri seiring perubahan data dan lingkungan.
• Interaktif. Interaksi manusia-komputer adalah komponen penting dalam sistem kognitif. Pengguna harus dapat berinteraksi dengan mesin kognitif dan mendefinisikan kebutuhan mereka yang berubah. Teknologi ini juga harus dapat berinteraksi dengan prosesor, perangkat, dan platform cloud lainnya.
• Iteratif dan stateful. Teknologi cognitive computing dapat mengajukan pertanyaan dan menarik data tambahan untuk mengidentifikasi atau memperjelas masalah. Mereka harus stateful artinya mereka menyimpan informasi tentang situasi serupa yang telah terjadi sebelumnya.
• Kontekstual. Memahami konteks adalah hal yang penting dalam proses berpikir. Sistem kognitif harus memahami, mengidentifikasi, dan menambang data kontekstual, seperti sintaksis, waktu, lokasi, domain, kebutuhan pengguna, profil pengguna, tugas, dan tujuan. Sistem ini dapat menarik informasi dari berbagai sumber, termasuk data terstruktur dan tidak terstruktur serta data visual, auditori, dan sensor.

Contoh dan Aplikasi dari Cognitive Computing

Sistem cognitive computing biasanya digunakan untuk menyelesaikan tugas yang memerlukan pemrosesan sejumlah besar data. Misalnya, dalam ilmu komputer, cognitive computing membantu dalam analisis big data, mengidentifikasi tren dan pola, memahami bahasa manusia, dan berinteraksi dengan pelanggan.
Berikut adalah beberapa contoh penggunaan cognitive computing di berbagai industri:

• Kesehatan. Cognitive computing dapat mengelola dan menganalisis sejumlah besar data kesehatan tidak terstruktur, seperti riwayat pasien, diagnosis, kondisi, dan artikel penelitian jurnal untuk memberikan rekomendasi kepada profesional medis. Tujuannya adalah untuk membantu dokter membuat keputusan pengobatan yang lebih baik, karena teknologi kognitif memperluas kemampuan mereka dan membantu dalam pengambilan keputusan.
• Ritel. Di lingkungan ritel, teknologi kognitif menganalisis informasi dasar tentang pelanggan, bersama dengan detail tentang produk yang dipertimbangkan pelanggan, dan dapat memberikan saran yang dipersonalisasi kepada pelanggan.
• Perbankan dan Keuangan. Cognitive computing di industri perbankan dan keuangan menganalisis data tidak terstruktur dari berbagai sumber untuk memperoleh pengetahuan lebih banyak tentang pelanggan. NLP digunakan untuk membuat chatbot yang berkomunikasi dengan pelanggan untuk membantu meningkatkan efisiensi operasional dan keterlibatan pelanggan.
• Logistik. Cognitive computing membantu dalam bidang seperti manajemen gudang, otomatisasi gudang, jaringan, dan internet of things serta perangkat edge computing lainnya.
• Augmentasi Kognitif Manusia. Bidang interdisipliner ini mengintegrasikan cognitive computing, psikologi, neuroscience, rekayasa, dan disiplin lainnya untuk secara kolaboratif menciptakan aplikasi dan alat inovatif untuk peningkatan kognitif. Teknologi kognitif digunakan untuk melampaui tingkat kemampuan mental rata-rata. Contohnya termasuk bantuan pengingatan memori dan implan otak untuk peningkatan kognitif, yang bisa sangat bermanfaat bagi individu dengan kondisi seperti attention-deficit/hyperactive disorder atau amnesia.
• Layanan Pelanggan. Dengan menggunakan chatbot cerdas dan asisten virtual, cognitive computing dapat meningkatkan pengalaman layanan pelanggan. Sistem canggih ini dapat memahami pertanyaan bahasa alami, memungkinkan interaksi yang disesuaikan dan penyelesaian lebih cepat atas pertanyaan pelanggan.

Keuntungan dari Cognitive Computing

Keuntungan dari cognitive computing mencakup hasil positif untuk hal-hal berikut:

• Akurasi analitis. Cognitive computing sangat terampil dalam membandingkan dan memeriksa data terstruktur dan tidak terstruktur dari berbagai sumber, seperti gambar, video, dan teks.
• Efisiensi proses bisnis. Teknologi kognitif dapat mengenali pola saat menganalisis kumpulan data besar.
• Interaksi dan pengalaman pelanggan. Informasi kontekstual dan relevan yang disediakan oleh cognitive computing kepada pelanggan melalui alat seperti chatbot meningkatkan interaksi pelanggan. Kombinasi asisten kognitif, rekomendasi personalisasi, dan prediksi perilaku meningkatkan pengalaman pelanggan.
• Produktivitas karyawan dan kualitas layanan. Sistem kognitif membantu karyawan menganalisis data terstruktur dan tidak terstruktur untuk mengidentifikasi pola dan tren data.
• Penyelesaian masalah dan deteksi kesalahan. Dengan kemampuan untuk melakukan analisis pola dan pelacakan, model cognitive computing sangat efektif dalam mendeteksi kesalahan dalam kode perangkat lunak dan algoritma enkripsi untuk sistem keamanan. Dalam kerangka teknis yang canggih, cognitive computing mendukung penyelesaian masalah yang lebih cepat dan lebih akurat dengan memungkinkan deteksi kesalahan dalam proses bisnis.

Kekurangan dari Sistem Kognitif

Teknologi kognitif juga memiliki kekurangan, termasuk hal-hal berikut:

• Tantangan keamanan. Sistem kognitif membutuhkan sejumlah besar data untuk dipelajari, yang bisa membuatnya lebih rentan terhadap pelanggaran keamanan siber. Organisasi yang menggunakan sistem ini harus melindungi data dengan benar, terutama jika itu adalah data kesehatan, pelanggan, atau jenis informasi pribadi yang dapat diidentifikasi.
• Panjang siklus pengembangan. Sistem ini membutuhkan tim pengembang yang terampil dan waktu yang cukup lama untuk mengembangkan perangkat lunak yang membuatnya berguna. Sistem itu sendiri membutuhkan pelatihan yang ekstensif dan rinci dengan set data besar untuk memahami tugas dan proses yang diberikan. Proses ini mungkin menghalangi perusahaan dengan tim pengembangan lebih kecil untuk mengintegrasikan proses cognitive computing ke dalam aplikasi mereka karena kompleksitas dan tingkat keahlian yang dibutuhkan.
• Adopsi yang lambat. Siklus pengembangan adalah salah satu alasan untuk rendahnya tingkat adopsi. Organisasi kecil mungkin mengantisipasi kesulitan dalam mengimplementasikan sistem kognitif dan oleh karena itu menghindarinya.
• Dampak lingkungan yang negatif. Proses pelatihan sistem kognitif dan jaringan saraf mengonsumsi banyak daya, yang menghasilkan jejak karbon yang besar.

Perbedaan antara Cognitive Computing dan AI

Istilah cognitive computing sering digunakan secara bergantian dengan AI. Namun, ada perbedaan dalam tujuan dan kasus penggunaan dari kedua teknologi ini.

Cognitive computing. Istilah cognitive computing umumnya digunakan untuk menggambarkan sistem AI yang mensimulasikan pemikiran manusia untuk meningkatkan kognisi manusia. Kognisi manusia melibatkan analisis waktu nyata dari lingkungan dunia nyata, konteks, niat, dan banyak variabel lainnya yang mempengaruhi kemampuan seseorang untuk memecahkan masalah.

AI. AI adalah istilah umum untuk teknologi yang bergantung pada data untuk membuat keputusan. Teknologi-teknologi ini mencakup — namun tidak terbatas pada — pembelajaran mesin, jaringan saraf, NLP, dan sistem pembelajaran mendalam. Dengan AI, data dimasukkan ke dalam algoritma selama periode waktu yang lama sehingga sistem dapat mempelajari variabel dan memprediksi hasil. Aplikasi berbasis AI termasuk asisten cerdas, seperti Amazon Alexa dan Apple Siri, serta mobil tanpa pengemudi.

Sejumlah teknologi AI diperlukan untuk sebuah sistem komputer membangun model kognitif. Teknologi-teknologi ini termasuk pembelajaran mesin, pembelajaran mendalam, jaringan saraf, NLP, dan analisis sentimen.

Secara umum, cognitive computing digunakan untuk membantu manusia dalam proses pengambilan keputusan. AI mengandalkan algoritma untuk memecahkan masalah atau mengidentifikasi pola dalam kumpulan data besar. Sistem cognitive computing memiliki tujuan yang lebih tinggi untuk menciptakan algoritma yang meniru proses penalaran otak manusia untuk memecahkan masalah saat data dan masalah tersebut berubah.