Cognitive Computing

Transparenz

Was ist Cognitive Computing?

Cognitive Computing (deutsch: kognitive Datenverarbeitung) bezeichnet Technologien, die auf den wissenschaftlichen Grundlagen der künstlichen Intelligenz und der Signalverarbeitung beruhen und maschinelles Selbstlernen, Mensch-Computer-Interaktion, Verarbeitung natürlicher Sprache, Data Mining und mehr umfassen.

Das Ziel ist die Lösung komplexer Probleme, die durch Ungewissheit und Mehrdeutigkeit gekennzeichnet sind, d. h. Probleme, die nur durch menschliches kognitives Denken gelöst werden können.

Cognitive Computing einfach erklärt

Cognitive Computing ist ein Teilgebiet der Informatik. Es widmet sich der Lösung komplexer Probleme im Zusammenhang mit sich dynamisch verändernden Situationen und informationsreichen Daten, die sich häufig ändern und manchmal sogar im Widerspruch zueinander stehen.

Ein Mensch kann solche Probleme lösen, indem er seine Ziele erweitert und anpasst. Traditionelle Computeralgorithmen sind jedoch nicht in der Lage, mit solchen Veränderungen umzugehen.

Zur Bewältigung dieser Art von Problemen müssen die Systeme des Cognitive Computing die widersprüchlichen Daten abwägen und eine Antwort vorschlagen, die am besten zur Situation passt und nicht die „richtige“ ist.

Obwohl es derzeit in der Industrie und in der Wissenschaft keine einheitliche Definition des Begriffs „Cognitive Computing“ gibt, wird er häufig zur Beschreibung neuer Technologien verwendet, die die Funktionsweise des menschlichen Gehirns und die Art und Weise, wie es an die Problemlösung herangeht, nachahmen. 

Man kann es als einen Bereich betrachten, der darauf abzielt, genau zu modellieren, wie der menschliche Verstand die ihn umgebenden Reize wahrnimmt, begründet und darauf reagiert.

Seine wichtigsten Anwendungen liegen in der Datenanalyse und der adaptiven Ausgabe, d. h. der Anpassung der Ergebnisse an eine bestimmte Zielgruppe.

Cognitive Computing zeichnet sich durch folgende Eigenschaften aus:

  • Kontextbezogen – Versteht und extrahiert kontextbezogene Elemente wie Bedeutung, Zeit, Ort, Prozess und Sonstiges auf der Grundlage mehrerer Informationsquellen. Beispielsweise kann es mit Daten wie Straße, Krankenwagen, Verletzungen und Wrackteilen gefüttert werden und den Kontext eines Verkehrsunfalls ermitteln.
  • Adaptiv – Dies ist der lernende Teil. Es passt sich an neue Informationen und Reize an, um Mehrdeutigkeiten zu beseitigen und Unvorhersehbarkeiten zu tolerieren. In Bezug auf den Kontext sorgt diese Eigenschaft dafür, dass dynamische Daten aufgenommen und verarbeitet werden, um den eventuellen Kontext zu bilden und Lösungen oder Schlussfolgerungen zu finden.
  • Interaktiv – Das System kann mit den Benutzern interagieren, so dass diese ihre Bedürfnisse definieren und sich mit anderen Geräten und Systemen verbinden können.
  • Iterativ und zustandsorientiert – Die Systeme müssen bei der Definition des Problems helfen, indem sie die richtigen Fragen stellen und zusätzliche Informationsquellen finden, wenn ein Problem unvollständig oder mehrdeutig ist. Ferner müssen sie in der Lage sein, sich an frühere Interaktionen und Prozesse zu erinnern und zu dem Zustand zu früheren Zeitpunkten zurückzukehren.

Verwandte Begriffe

Margaret Rouse
Redaktion
Margaret Rouse
Redaktion

Margaret Rouse ist eine preisgekrönte technische Autorin und Dozentin. Sie ist für ihre Fähigkeit bekannt, komplexe technische Themen simpel und nachvollziehbar zu erklären. In den letzten zwanzig Jahren sind ihre Erklärungen auf TechTarget-Websites erschienen und sie wurde in Artikeln der New York Times, des Time Magazine, USA Today, ZDNet, PC Magazine und Discovery Magazine als Quelle und Expertin zitiert. Wenn Sie einen Vorschlag für eine neue Definition haben oder eine technische Erklärung verbessern möchten, schicken Sie einfach Margaret eine E-Mail oder kontaktieren Sie sie auf LinkedIn oder Twitter.