گلوگاه دانش

ظاهراً بسیاری از افراد و شرکت‌ها، «محاسبات شناختی» را حوزه‌ای مجزا از تحلیل می‌دانند. امروزه اغلب سازمان‌ها برنامه‌های شناختی گسترده‌ای را آغاز کرده‌اند اما فضای شناختی را یک پروژه علمی غریب می‌دانند. یکی از مدیران به من می‌گفت «ما هیچ علاقه‌ای به گرفتاری در هرج و مرج نداریم»؛ اشاره‌ای به پروژه واتسون آی‌بی‌ام که از سال 2011 آغاز شده است. اما محاسبات شناختی تنها محدود به واتسون نیست و یک پروژه صرفاً علمی نیز محسوب نمی‌شود. در واقع من می‌گویم محاسبات شناختی، توسعه‌ای منطقی از فعالیت‌های تحلیلی است. این بخش قدم بعدی هر سازمانی خواهد بود که به دنبال تحلیل سنتی به معنی مدل‌های تحلیلی مشتق از فرضیات انسانی است. هر سازمانی که به دنبال بهبود سرعت و مقیاس فعالیت‌های تحلیلی خود باشد باید حداقل برخی از توانمندی‌های شناختی‌اش را در حال حاضر بررسی کند. روش‌های شناختی نیز توسعه‌ای مستقیم از روش‌های تحلیلی قبلی‌اند و دلایل بسیاری وجود دارد که چرا در بسیاری از کاربردها، این موارد بهتر هستند. در واقع اغلب روش‌های شناختی مبتنی بر مدل‌های آماری هستند. سازمان ممکن است بدون اینکه بداند فعالیت‌های «شناختی» انجام دهد. مثلاً شاید از شکلی از «یادگیری ماشین» استفاده کنید که به دنبال بهبود خودکار سازگاری مدل‌ها باشد و روش خود برای رسیدن به مجموعه‌ای مناسب‌تر از توضیحات یا پیش‌بینی‌ها را «یاد بگیرد». معمولاً یادگیری ماشین از رگراسیون لجستیک استفاده می‌کند که روشی آماری مربوط به دهه 1930 است. تناسب اتوماتیک تحقیقات به «برداشت» می‌رسد. همین ابداع، آغاز شبکه‌های عصبی نیز بود که بنیان «یادگیری عمیق» مورد استفاده بسیاری از برنامه‌های شناختی امروز را تشکیل می‌دهند. بنابراین تمامی این روش‌های شناختی در روش‌های آماری ریشه دارند که برای اهالی تحلیل بسیار آشناست. از آنجا که ابزارهای شناختی تنها قدمی کوچک در تحلیل سنتی محسوب می‌شوند، تعجبی ندارد که بسیاری این دو را با هم اشتباه می‌گیرند. مثلاً شرکت آی‌بی‌ام به صورت روشن...