رایانش شناختی در حال ظهور به عنوان یک فرصت و تهدید واقعی برای بسیاری از کسب و کارها است. این فناوری به این دلیل دارای اهمیت است که بر حوزه داده های غیر ساخت یافته تمرکز می کند
هوش مصنوعی و به تبع آن فناوری های شناختی به عنوان یکی از روندهای نوآورانه رشد چشمگیری داشته اند. سرمایه گذاری خطرپذیر در شرکت هایی که محصولات و فناوری مرتبط با هوش مصنوعی ارائه می دهند، از سال ۲۰۱۱ از مرز ۲ میلیارد دلار عبور کرده است. سازمان های فناورانه میلیاردها دلار در خرید استارت آپ‌های هوش مصنوعی صرف کرده اند (دیلویت، ۲۰۱۴).
به گزارش دیلویت (۲۰۱۵)، رایانش شناختی در حال ظهور به عنوان یک فرصت و تهدید واقعی برای بسیاری از کسب و کارهاست. این فناوری، جزئی از یک روند گسترده تر حول کلان داده هاست؛ اما به این دلیل دارای اهمیت است که بر حوزه داده های غیر ساخت یافته تمرکز می کند که مشخصاً حجم بیشتری از داده های ساخت یافته دارند. آی بی ام (۲۰۱۶) تخمین زده است که ۸۰% از داده های امروزی، غیر ساخت یافته هستند (به بیان دیگر، به شکل زبان طبیعی) و ۲۰% باقیمانده، داده های ساخت یافته هستند (به بیان دیگر، به شکل ردیف و ستون های داده). رایانش شناختی به طور عمده بر داده های غیر ساخت یافته متمرکز است.
رایانش شناختی، عبارتی نسبتاً جدید است که اغلب به عنوان جایگزینی برای هوش مصنوعی به کار می رود. بر خلاف سیستم های کامپیوتری سنتی، که توسط افراد برنامه ریزی می شوند تا وظایف خاصی را انجام دهند، سیستم های شناختی این قابلیت را دارند که از طریق تعاملات خود با انسان ها و داده ها، به طور مداوم یاد بگیرند و هوشمندتر شوند.
شرکت دیلویت (۲۰۱۴)، هوش مصنوعی را این گونه تعریف می کند: «توسعه سیستم های کامپیوتری که قادر به انجام وظایفی هستند که به طور عادی نیازمند هوش انسانی است.» مثال های آن دربرگیرنده درک تصویری، شناسایی سخنان، تصمیم گیری تحت شرایط عدم اطمینان، یادگیری و ترجمه بین زبان ها است.
فناوری های شناختی
- دید کامپیوتری: دید کامپیوتری به توانایی کامپیوترها در شناسایی اشیا، صحنه ها و فعالیت ها در تصاویر اشاره دارد. به گزارش دیلویت، از آنجایی که کاربردهای دید کامپیوتری در حال گسترش است، شرکت‌های استارت آپی در این زمینه از سال ۲۰۱۱ هزاران میلیون دلار سرمایه خطرپذیر جذب کرده اند.
- یادگیری ماشینی: یادگیری ماشینی به توانایی سیستم های کامپیوتری در بهبود عملکرد خود با استفاده از داده های در دسترس، بدون نیاز به دنبال نمودن دستورالعمل های برنامه ریزی شده اشاره دارد. در اصل، یادگیری ماشینی، فرآیند کشف خودکار الگوها در داده ها است. پس از کشف، این الگوها می توانند به منظور انجام پیش بینی استفاده شوند. بر اساس تحقیقات دیلویت، یادگیری ماشینی یکی از پر جاذبه ترین حوزه ها در فناوری های شناختی بوده و از سال ۲۰۱۱ تا اواسط ۲۰۱۴ حدود یک میلیارد دلار سرمایه خطرپذیر جذب کرده است. شرکت گوگل در سال ۲۰۱۴ حدود ۴۰۰ میلیون دلار در خرید شرکت یادگیری ماشینی دیپ مایند سرمایه گذاری کرده است.
- پردازش زبان طبیعی: پردازش زبان طبیعی به توانایی انسان گونه کامپیوترها در کار با متن اشاره دارد. یک سیستم پردازش زبان طبیعی مانند انسان ها متن را درک نمی کند، اما می تواند به روش های پیچیده ای با متن کار نماید؛ برای مثال تمام افراد و مکان های ذکر شده در یک متن را شناسایی کند، عنوان متن را شناسایی کند یا شروط و قوانین موجود در قراردادها را استخراج و جدول‌بندی نماید.
- تشخیص گفتار: تشخیص گفتار بر تبدیل گفتار انسان به متن به طور دقیق و خودکار اشاره دارد. این فناوری علاوه بر چالش های پردازش گفتار طبیعی، بایستی بر دشواری های سروکار داشتن با لهجه های متنوع، تشخیص واژه های هم آوا، صداهای پس زمینه و لزوم حفظ سرعت کار همزمان با گفتار طبیعی غلبه نماید
رایانش شناختی در صنعت بانکداری
به گفته اکسنچر (۲۰۱۷)، فناوری در حال تغییر صنعت بانکداری است. در بانک های سنتی، تراکنش های پایه ای در حال مهاجرت از کانال های فیزیکی به دیجیتالی هستند. این امر، با کوچک کردن شبکه شعب بانک ها، منجر به تغییرات اساسی در ترکیب توزیع می شود. امروزه صنعت بانکداری از روی اجبار شاهد تولدی دوباره است. در عصر دیجیتال، موفقیت وابسته به تحول عظیمی است که یکپارچه سازی تحلیل پیشرفته، هوش مصنوعی، یادگیری ماشینی، رباتیک، زنجیره بلوک (بلاکچین) و غیره را ممکن می سازد.
در این حین، نوع جدیدی از بانک ها تحت عنوان «بانک شناختی» در حال ظهور است. این نوع جدید از بانک، می تواند از قابلیت های رایانش شناختی استفاده کند تا بینش هایی را که قبلاً از حیطه توانایی های کامپیوترهای برنامه نویسی شده خارج بود، کشف کرده و از این بینش ها به منظور ایجاد مدل های جدید کسب و کار استفاده کند. یک بانک شناختی، قدرت رایانش شناختی را به منظور گسترش و ارتقاء تخصص انسانی، به کارگیری داده های پیچیده برای بینش های جدید و اخذ تصمیم های دقیق تر و به موقع تر به کار می گیرد
رایانش شناختی با به کارگیری الگوریتم های یادگیری ماشینی و پردازش زبان طبیعی، تجزیه و تحلیل را به سطح بالاتری برده تا از میزان گسترده داده های غیرساخت یافته، معنی استخراج کند و اکتشافات و تصمیم گیری های مبتنی بر داده را بهبود دهد. با وجود آن‌که مؤسسات مالی هنوز می توانند از راهکارهای تحلیلی برای کسب ارزش استفاده کنند، اضافه شدن قابلیت های شناختی می تواند آنها را به سطوح جدیدی از ارزش برساند.
به عنوان یک تکامل قدرتمند در بانکداری دیجیتال، رایانش شناختی درها را برای این سازمان ها باز می کند تا از ثروت داده ای خود به نحوی استفاده کنند که تازه واردین به بازار مانند فین تک ها نمی توانند به آن دست یابند. قابلیت های شناختی به بانک ها کمک می کنند تا الگوهای بامعنی از داده ها در مورد بازارها، مشتریان، شرکا و کارکنان استخراج کرده و از این اطلاعات به منظور پیش بینی بهتر تغییرات و یا حتی شکل دهی به آینده استفاده کنند.
رایانش شناختی بانک ها را قادر کرده است به اولویت های استراتژیک خود، از راه هایی که قبلاً قابل تصور نبود دست یابند و به بانک ها در سه بعد منفعت می رساند: ارتباطات موضوعی عمیق تر، بینش های تحلیلی جدید و تحول سازمانی.
جهت دریافت فایل کامل این گزارش، روی این لینک کلیک نمایید.
منبع: گروه تحول دیجیتال
