A plataforma holística de inteligência artificial, Wipro HOLMES da Wipro Limited é um conjunto e aplicações (APIs) de computação cognitiva focada no desenvolvimento de agentes virtuais digitais, sistemas preditivos, automação de processos cognitivos, aplicativos de computação visual e a virtualização de conhecimento.
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, as empresas precisarão estar preparadas para adquirir e processar qualquer tipo de dado de variadas fontes e em diferentes formatos, exigindo abordagens diferentes para o processamento. Com os dados preparados, os parâmetros do negócio são aplicados a fim de fornecer o insight escondido nos dados analisados, são aplicados algoritmos que identificam padrões de comportamento, e através destes padrões, orientar as decisões e as ações com os dados processados.
O do Wipro HOLMES é auxiliar a mão de obra humana a desenvolver tarefas que não necessitem de grande conhecimento intelectual, a plataforma aprende certas atividades e as executa de maneira natural; atualmente sua capacidade de otimização de mão de obra pode chegar a 1.5x a força de trabalho de uma pessoa. E dentro da divisão das classes da inteligência artificial, esse é denominado como Classe 1; na Classe 2, 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.
A oferta da Plataforma HOLMES da Wipro abrange cinco grandes áreas para aplicação de inteligência artificial e faz uso de capacidades cognitiva:
1. Interação Natural Humana: HOLMES usa 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 do HOLMES cresce conforme a inclusão de informações e a interpretação desse conhecimento. O sistema 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 resultando nos primórdios do raciocínio baseado em ontologia, ou seja, em estudo.
