Объяснение когнитивной аналитики:ясное и простое руководство

Как это работает?

Когнитивная аналитика — это подход к пересылке данных, который начинается и заканчивается тем, что находится внутри данных. Он использует передовые методы обработки всех данных (всех типов и в любом масштабе), чтобы выявить беспрецедентные и неожиданные идеи. Хотя системы когнитивного анализа могут использовать различные алгоритмы для извлечения полезной информации, их фундаментальная архитектура остается прежней, и все они следуют базовой последовательности процедур:

<сильный>1. Поиск и сбор данных  

Он просматривает всю «базу знаний», чтобы точно определить данные в реальном времени. Эти данные могут поступать непосредственно от датчиков, устройств Интернета вещей, роботов и оборудования. Затем они систематизируются и интегрируются с существующими или историческими данными за предыдущие кварталы.

Некоторые системы когнитивного анализа отображают данные через интуитивно понятные информационные панели, пользовательский интерфейс оборудования и другие представления. Простой для понимания инструмент визуализации данных может значительно сократить время, необходимое для поиска общих закономерностей и проведения ремонта.

<сильный>2. Анализ данных 

Следующий шаг — тщательный анализ текста, аудио и видео, чтобы понять естественный язык и взаимодействие людей. Для этого когнитивная аналитика объединяет методы искусственного интеллекта, машинного обучения, нейронных сетей и семантики.

В первую очередь он опирается на нейронную сеть глубокого обучения, разновидность машинного обучения. Нейронная сеть имитирует работу человеческого мозга. Он состоит из нескольких слоев (входной слой, выходной слой и скрытые слои между ними), которые соединены через узлы, и эти соединения образуют «сеть».

Эти взаимосвязанные узлы функционируют так же, как нейроны в человеческом мозге. Они считывают все поступающие данные и распознают сложные закономерности с помощью алгоритмов. Сеть может кластеризовать и классифицировать необработанные данные, находить корреляции, а также постоянно учиться и совершенствоваться с течением времени.

<сильный>3. Создайте и оцените гипотезу, основанную на фактических данных 

Выявленные закономерности и идеи затем оцениваются, чтобы определить, являются ли они гипотезами, основанными на фактических данных. Если есть конкретные доказательства в поддержку гипотезы, система оценивает ее, чтобы определить ее потенциальную ценность. Это помогает выявить возможные будущие угрозы и возможности для улучшения.

4. Адаптируйтесь и учитесь на выборках и ответах пользователей.

Поскольку когнитивная аналитика использует искусственный интеллект, она может адаптировать свое поведение в соответствии с взаимодействием пользователей. Например, если кто-то постоянно ищет информацию определенного типа, система постепенно научится предоставлять аналогичную информацию, не тратя много вычислительных ресурсов.

Преимущества

Когнитивная аналитика применяется на предприятиях и организациях, чтобы преодолеть разрыв между огромными объемами данных и необходимостью принимать более правильные решения. Подробная информация о бизнесе помогает компаниям улучшать свои продукты, предоставлять клиентам более персонализированные услуги и узнавать, как работают их конкуренты.

Для крупных компаний когнитивная аналитика оказалась очень эффективной в трех областях:

<сильный>1. Взаимодействие с клиентами

Неуловимый обзор поведения клиентов на 360 градусов позволяет компаниям создавать беспрепятственное и беспрепятственное обслуживание клиентов. Кроме того, это позволяет компаниям глубже понять покупательские предпочтения пользователей, предвидеть их потребности и обеспечить лучшую сегментацию пользователей.

<сильный>2. Производительность и эффективность 

Расставляйте приоритеты и решайте проблемы быстрее, используйте важную информацию из разговоров с пользователями, автоматизируйте действия для общих запросов, сокращайте расходы на менее важные ресурсы и дайте членам команды возможность реагировать быстро и динамично. А поскольку когнитивная аналитика объединяет прошлую информацию с текущими данными для постоянного улучшения результатов, вы можете быстро адаптироваться к внешним изменениям и тенденциям рынка.

<сильный>3. Рост бизнеса 

Когнитивная аналитика позволяет предприятиям расширять свой бизнес на новые рынки, находить новые возможности в конкретных местах, извлекать неиспользованные источники данных и внедрять новые продукты и услуги. Это также облегчает аналитикам и исследователям рынка раскрытие ценности больших данных и решение проблем в их бизнес-центрах.

Раннее внедрение

За последнее десятилетие несколько технологических гигантов и стартапов инвестировали сотни миллионов долларов в развивающуюся область когнитивных технологий. Google, Microsoft, IBM, Amazon, Cisco, HPE, SparkCognition и DataRobot входят в число крупнейших участников.

Согласно исследованию, проведенному IBM, первые пользователи уже увидели положительные результаты своих когнитивных инициатив — от лучшего взаимодействия с клиентами до инноваций в продуктах и роста бизнеса.

Эти ранние пользователи используют различные когнитивные возможности, начиная от машинного обучения и обработки естественного языка и заканчивая получением значений из различных источников данных, как структурированных, так и неструктурированных. Некоторые компании разрабатывают собственные платформы, а другие используют API для внедрения когнитивных технологий в свои системы.

IBM исследовала более 600 первых пользователей, которые использовали когнитивные технологии. Их отчет показывает, что когнитивные способности играют важную роль в росте компании. Около 65 % первых пользователей считают, что когнитивные технологии имеют решающее значение для их бизнес-стратегии и успеха, а 58 % говорят, что они являются важной частью цифровой трансформации их компании.

Новая эра аналитики

По мере того, как мы приближаемся к миру, где почти все взаимосвязано, компании будут все больше полагаться на когнитивную аналитику и связанные с ней инструменты для роста и адаптации к меняющимся потребностям клиентов.

В частности, когнитивные инструменты могут помочь компаниям по-настоящему понять модели поведения клиентов, выявить коренные причины неудовлетворенности клиентов и найти инновационные способы улучшения качества обслуживания клиентов. Когнитивная аналитика также может помочь оптимизировать эксплуатационные расходы, повысить удержание клиентов и значительно сократить время решения проблем.

Реальные примеры когнитивной аналитики

Когнитивная аналитика сейчас используется практически во всех отраслях для выявления закономерностей, потенциальных угроз и возможностей для улучшения. Например,

Банковское дело и финансы

Когнитивные вычисления могут радикально изменить банковский и финансовый сектор. В отличие от традиционных систем, которые моделируют поведение клиентов на основе прошлых действий и относятся ко всем клиентам одинаково, когнитивные системы проводят более точный и своевременный анализ людей на основе их возраста, дохода и транзакций.

Когнитивная аналитика может помочь банкам адаптировать продукты и услуги для каждого клиента, разумно ориентироваться на состоятельных людей, предлагать более эффективные инвестиционные планы и применять профессиональные знания для быстрого решения проблем.

В целом, эту новую вычислительную парадигму можно применять в трех областях:

• Обслуживание клиентов. Поскольку когнитивная система понимает проблему, она может предложить точные решения, не перенаправляя клиентов в разные отделы, и тем самым экономя время каждого.
• Принятие решений и консультирование. Это может улучшить процесс андеррайтинга кредитов, который требует более глубокого понимания бизнеса для принятия решений на основе данных.
• Инвестиционный консалтинг. Когнитивные системы позволяют банкам и небанковским финансовым секторам быстро просматривать источники инвестиций, изучать последние тенденции рынка, оценивать риски и предоставлять актуальные советы клиентам.

Кибербезопасность

Искусственный интеллект и глубокие нейронные сети упрощают когнитивным системам непрерывное извлечение данных из различных источников и получение знаний с помощью расширенной аналитики. Нейронная сеть совершенствуется с каждой итерацией, позволяя системе научиться прогнозировать угрозы и создавать упреждающие решения.

В условиях роста кибератак и нехватки квалифицированных специалистов по кибербезопасности такой инструмент, как когнитивный анализ, творит чудеса. Он может обрабатывать и анализировать огромные объемы структурированных и неструктурированных данных (для выявления различных типов угроз и рисков), что практически невозможно для традиционной аналитической системы.

Здравоохранение

Информацию, связанную со здравоохранением (например, радиологические изображения, результаты лабораторных исследований, отчеты о патологиях, электронные медицинские записи, клинические исследования и т. д.), сложно анализировать и обмениваться, поскольку она фрагментирована. Здесь на помощь приходят когнитивные системы. Они могут разумно и быстро анализировать различные типы информации, помогая медицинским работникам.

Информация, предлагаемая когнитивной аналитикой, позволяет медицинским работникам лучше понимать состояние здоровья отдельных пациентов, принимать обоснованные решения и предоставлять более персонализированный уход.

Сегодня когнитивные вычисления используются во многих онкологических центрах по всему миру. Например, в Онкологическом центре имени доктора Андерсона и Мемориальном онкологическом центре Слоана-Кеттеринга когнитивная аналитика помогает врачам анализировать петабайты медицинских данных (включая клинические исследования, результаты испытаний и рекомендации по передовой практике) для принятия решений о диагностике и лечении.

Сила и энергия

Нефтегазовая отрасль постоянно сталкивается с проблемами в поиске, переработке и распределении сырой нефти и ее побочных продуктов. С помощью когнитивной аналитики инженеры и технические эксперты могут принимать важные решения, например, где искать нефть, как распределять ресурсы, какой продукции уделять приоритетное внимание и как повысить эффективность существующих объектов.

Когнитивные платформы уже используются многими коммунальными компаниями в США, включая Mega Energy, Arizona Public Service Electric, Gexa Energy, Portland General Electric и Avangrid. Эти системы предоставляют ряд преимуществ:от прогнозирования нагрузок до сопоставления структуры тарифов с отдельными моделями затрат.

Логистика и розничная торговля

Когнитивная аналитика полезна на каждом этапе цепочки логистики и поставок:от управления складом и автоматизации до упаковки и паллетирования. Он анализирует данные как из внутренних (инвентарь, точки продаж), так и из внешних (рыночные тенденции, погода) экосистем. Цель – повысить эффективность цепочки поставок, минимизировать затраты и предоставить предприятиям ценную информацию, чтобы они могли быстро реагировать на динамично меняющиеся сценарии.

Когнитивная аналитика также играет решающую роль в розничной торговле. Его можно интегрировать с платформами электронной коммерции для получения данных о клиентах и ​​их покупательском поведении. Когнитивные системы могут помочь офлайн-магазинам оптимизировать запасы и предлагать более персонализированные товары по привлекательным ценам.

Образование и обучение

Когнитивные вычисления могут дать лучшие результаты для студентов и преподавателей. Он может выявлять неэффективные школы и учителей, прогнозировать успеваемость учащихся по конкретным дисциплинам и предоставлять персонализированные учебные материалы. 

В 2003 году государственные школы округа Майами-Дейд во Флориде внедрили программное обеспечение Cognitive Tutor, позволяющее учащимся получать обратную связь по мере того, как они решают проблемы. Было обнаружено, что это программное обеспечение гораздо более эффективно, чем обычная учебная программа.

Известные инструменты когнитивной аналитики

Теперь, когда вы знаете реальные применения когнитивной аналитики, давайте рассмотрим различные виды когнитивных инструментов, используемых в различных областях.

1. OpenSMILE

OpenSMILE (интерпретация речи и музыки с открытым исходным кодом путем извлечения большого пространства) автоматически извлекает характеристики из аудиосигналов и классифицирует речевые и музыкальные сигналы. Он широко используется для распознавания речи, распознавания эмоций, идентификации говорящего, обнаружения аккордов и отслеживания ритма. Он также может определять состояния говорящего, такие как опьянение, депрессия или голосовые патологические расстройства.

Поскольку программа в основном написана на C++, она без проблем работает на всех платформах, включая встроенные платформы, такие как macOS, iOS, Windows, Android, Linux и Raspberry Pi.

2. IBM Ватсон

IBM Watson использует более 100 различных методов для анализа естественного языка, поиска соответствующих источников, генерации гипотез, оценки доказательств и ранжирования наилучших возможных ответов. По сути, он применяет расширенную обработку естественного языка, расширенное рассуждение, представление знаний и алгоритмы машинного обучения в области ответов на вопросы открытой области.

Благодаря Watson компании получают доступ к полному набору возможностей искусственного интеллекта, будь то инструменты для выявления новых тенденций или разработки приложений для клиентов. Это экономит время и автоматизирует больше процессов, поэтому сотрудники могут сосредоточиться на росте и новых возможностях.

3. НуПИК

NuPIC (Numenta Platform for Intelligent Computing) — это платформа искусственного интеллекта с открытым исходным кодом, реализующая алгоритмы обучения HTM (иерархическая временная память). Он подходит для широкого спектра задач, особенно для обнаружения аномалий и прогнозирования источников потоковых данных.

4. Ирис от Apixio

Соединенные Штаты ежегодно выпускают более 1,3 миллиарда документов о клинической помощи; около 80% этих данных неструктурированы и труднодоступны. Вот тут-то и пригодится Ирис. Это платформа когнитивных вычислений, которая извлекает ценную информацию из огромных объемов клинических данных и другой информации в системе здравоохранения.

Аналитическая система Iris использует технологии машинного обучения и обработки естественного языка для создания профилей пациентов и оценки рисков. Он может группировать похожих пациентов и случаи для предоставления научно обоснованных данных о пациентах. А поскольку данные со временем меняются, платформа постоянно отслеживает информацию пациентов, чтобы сообщать медицинским работникам, что работает, а что нет.

5. Айла от Enterra Solutions

Айла сочетает в себе передовую математику и искусственный интеллект, чтобы рассуждать и решать проблемы так же, как это делают люди. Он может анализировать внутренние и внешние данные компании, делать выводы и предоставлять ценную информацию по запросу. В отличие от традиционной бизнес-аналитики, Aila может обрабатывать большие объемы многомерных больших данных.

Он может ответить на некоторые из самых сложных вопросов —

• Есть ли возможность перераспределить расходы в следующем году внутри сегментов рынка для повышения рентабельности инвестиций?
• Находятся ли под угрозой какие-либо цели уровня обслуживания наших клиентов? Если да, то как я могу снизить этот риск?

6. Игнио Гепард от TCS

Ignio Cheetah — это пакет продуктов когнитивной автоматизации для ИТ-операций и управления рабочей нагрузкой. Оно может мгновенно обнаруживать и прогнозировать аномальные ИТ-состояния, требующие внимания, уменьшать количество ложных оповещений, собирать похожие или коррелированные события и расставлять приоритеты оповещений с учетом влияния на бизнес. А поскольку система учится на собственном опыте, со временем она становится лучше.

Ignio уже используется многими крупными корпорациями, в том числе компаниями из списка Fortune 500 и Global 2000, которые являются новаторами и лидерами в своих областях. Платформа автономно управляет более чем 1,5 миллионами технологических ресурсов для более чем 50 клиентов.

7. Кортекс Сертифай

Cortex Certifai гарантирует, что модели машинного обучения не содержат алгоритмических ошибок, что позволяет уменьшить искажения при принятии решений и рассуждениях. Он генерирует составной показатель доверия, называемый индексом доверия AI, который измеряет автоматизированные модели на основе качества данных, производительности, надежности, справедливости, объяснимости и соответствия требованиям.

Этот индекс доверия помогает предприятиям оценить компромиссы и обычные разногласия между производительностью и риском. Заинтересованные стороны могут изучить каждый параметр оценки, чтобы найти потенциальные улучшения. Его можно применить к любой модели черного ящика, включая статистические модели, прогнозные модели и модели машинного обучения.

8. SparkCognition EPP

SparkCognition EPP использует собственные алгоритмы искусственного интеллекта и машинного обучения, чтобы предотвратить нарушение бизнес-операций невиданными ранее кибератаками и выявлять фишинговые угрозы из PDF-файлов, документов и атак PowerShell с прямой передачей данных в память. Его легкий когнитивный агент изучает типичные модели поведения всех конечных точек в компании и предупреждает команду безопасности о потенциальных атаках.

Система хорошо интегрируется в существующую архитектуру безопасности, обеспечивая бесперебойную работу в фоновом режиме для до 100 000 управляемых конечных точек под управлением macOS, Linux или Windows. Доказано, что он превосходит традиционные поставщики средств защиты конечных точек и системы нового поколения.

Недавние исследования

За последнее десятилетие когнитивные вычисления привлекли множество ученых и исследователей данных. Недавние исследования включают в себя:

Выявление психофизиологических параметров когнитивно-эмоционального конфликта

Российские исследователи разработали платформу для выявления параметров дистанционной диагностики (с помощью инструментов видеосообщений, таких как Skype), которая позволяет объективно показать наличие когнитивно-эмоционального конфликта во время диалога. Эта платформа использует нейронные сети, чтобы автоматически отмечать эмоциональные реакции людей в видеоданных.

Вычислительная когнитивная модель ACT-R

Хотя способность к мысленному вращению является важнейшим навыком пространственного мышления в человеческом познании, очень мало известно о том, как она работает при игре в видеоигры. Итальянские исследователи смоделировали умственное вращение (с помощью когнитивной модели на основе ACT-R), чтобы проанализировать, используется ли такая способность и при каких условиях в игре TetrisTM. Результаты показывают значительную информацию об активации умственного вращения во время игровой динамики.

Когнитивная аналитика для обнаружения аномалий 

Ученые Центра исследований и технологий Эллады, одного из крупнейших исследовательских центров Греции, разработали платформу когнитивного анализа, которая может обрабатывать, анализировать и использовать ресурсные машинные данные для удовлетворения растущих потребностей обрабатывающей промышленности. Он способен отслеживать сложные аномалии и обрабатывать непредвиденные ситуации. Кроме того, в его пользовательском интерфейсе используются передовые методы визуализации для эффективного представления информации.

Какое будущее у когнитивной аналитики?

Согласно отчету Research and Markets, к 2030 году объем рынка когнитивной аналитики достигнет 40,8 миллиарда долларов США, а совокупный годовой темп роста (CAGR) составит 38 %.

Ожидается, что к 2030 году объем рынка Китая достигнет 6 миллиардов долларов. Другие важные рынки включают Японию, Канаду и Германию, рост которых, по прогнозам, составит 33%, 32% и 25% соответственно в течение прогнозируемого периода.

Основными драйверами роста рынка являются внедрение технологий больших данных и облачных вычислений, а также внедрение сложных методов аналитики, которые повышают спрос на эффективные решения когнитивной аналитики.

Читайте: Искусственный интеллект против машинного обучения против глубокого обучения | Разница

Часто задаваемые вопросы

Сколько существует видов аналитики?

Современный анализ данных можно разделить на пять категорий:

• Описательная аналитика:это простейшая форма аналитики, описывающая то, что произошло и что происходит в настоящее время.
• Диагностическая аналитика:делает еще один шаг вперед, отвечая на вопрос, почему это произошло. Он сравнивает сосуществующие тенденции и определяет взаимосвязь между переменными, где это возможно.
• Прогнозная аналитика:прогнозирует будущие тенденции и дает ответы на то, что может произойти в ближайшем будущем. Он анализирует прошлые и текущие данные, чтобы прогнозировать будущие тенденции.
• Предписывающая аналитика:учитывает различные факторы и предлагает практические выводы. Это помогает пользователям принимать решения на основе данных.
• Когнитивная аналитика:сочетает в себе возможности статистики, искусственного интеллекта и машинного обучения для обработки огромных объемов данных и понимания контекста. Он открывает новые возможности для исследования неиспользованных источников данных, выявления сложных закономерностей и предоставления персонализированных услуг.

Зачем рыночным аналитикам использовать когнитивную аналитику?

Поскольку все больше и больше устройств генерируют данные каждую секунду, становится все сложнее собирать, обрабатывать и анализировать всю информацию, хранящуюся на серверах и за их пределами.

Когнитивная аналитика решает эти проблемы:она использует передовую статистику и модели искусственного интеллекта для выявления скрытых закономерностей в огромных объемах разнообразных данных. В отличие от традиционной аналитики, которая извлекает информацию из структурированных данных в конкретных областях, когнитивная аналитика использует более широкий и гибкий подход к обнаружению данных. Он действует так же, как и люди, интерпретируя данные, понимая их контекст и выявляя закономерности и тенденции.

В чем разница между когнитивными вычислениями и искусственным интеллектом?

Искусственный интеллект состоит из алгоритмов, обученных выдавать точные результаты. Эти алгоритмы учатся на постоянно меняющихся данных и методах самокоррекции, чтобы принимать разумные решения.

Когнитивные вычисления имитируют человеческое мышление и адаптируются к человеческому рассуждению. Его цель — решать сложные проблемы так же, как к ним подходят люди. Напротив, модели ИИ направлены на поиск новых и, возможно, более эффективных способов решения проблем, иногда даже превосходящих человеческие методы.

Подробнее:

• 13 лучших компаний в мире, занимающихся анализом данных
• 13 лучших программ для прогнозной аналитики
• 12 лучших инструментов машинного обучения