Plataforma Wipro é opção para computação cognitiva no Brasil

O objetivo da computação cognitiva é permitir o uso de dados e transformá-los em informação e conhecimento, além de auxiliar na tomada de decisões. Para chegar a esse nível, as empresas precisarão estar preparadas para adquirir e processar dados de todos os tipos, coletados de variadas fontes e em diferentes formatos, e usar algoritmos capazes de identificar padrões de comportamento, e através destes padrões, orientar as decisões e as ações após esses dados serem processados. pensando nisso, a Wipro anuncia a disponibilidade, no Brasil, da plataforma de Computação Cogntiva Holmes.

A plataforma é um conjunto de APIs focadas no desenvolvimento de agentes virtuais digitais, sistemas preditivos, automação de processos cognitivos, aplicativos de computação visual e a virtualização de conhecimento. Segundo a empresa, a plataforma é capaz de aprender certas atividades e as executar de maneira natural. Sua capacidade de otimização de mão de obra pode chegar a 1.5x a força de trabalho de uma pessoa.

Em relação à divisão das classes da inteligência artificial, é uma sistema Classe 1, mas a Wipro tem investido para evoluir o Holmes para um sistema Classe 2, em que depois de programada para suas atividades, a solução capta os dados gerados, analisa possíveis desvios, reconhece as ações a serem tomadas e interage com o analista – humano – para, a partir desses insights, colocar tudo em prática.

Hoje, a plataforma Holmes abrange cinco grandes áreas para aplicação de inteligência artificial e capacidades cognitivas:

1. Interação Natural Humana: através do uso de tecnologias de reconhecimento visual para interagir/conversar com os seres humanos, a solução é orientada a diálogos, e por meio do aproveitamento de interfaces da linguagem natural do usuário e da combinação da realidade para imitar a interação humana.

2. Interpretação do Conhecimento e Significado: o sistema cresce conforme a inclusão de informações e a interpretação desse conhecimento. Aplica mapeamento semântico para criar estudos automatizados, a fim de automatizar o conhecimento construção do modelo. Mais importante, o sistema pode identificar e ligação a fontes de dados internas e externas relacionadas.

3. Geração de inteligência e hipótese algorítmica: Por meio de algoritmos de reconhecimento de padrões, cálculos de estudos da evolução de fenômenos e modelos probabilísticos, o sistema leva o trabalho pesado para fora da ciência de dados para gerar automaticamente hipóteses e validar soluções potenciais. O resultado – simulações de cenários ricos e modelos de antecipação que podem ser refinados ao longo do tempo com os dados históricos. As técnicas incluem a aprendizagem de máquina – machine learning, classificação e pontuação, filtragem suave e estatística.

4. A aprendizagem contínua e adaptativas: Usando machine learning aplicado, machine learning interativo e redes neurais, o HOLMES pode identificar novas fontes de informação relevantes e expandir o seu corpo de conhecimento.

5. Raciocínio: O senso comum prevê a capacidade de simular o raciocínio formal. Extraindo o gráfico de conhecimento através de passagem e de inferência profunda atua como nos primórdios do raciocínio baseado em ontologia.