الگوی شناخت هوش مصنوعی یکی از هفت الگوی AI است که بیانگر روش های اجــرای ایـــن سیستم ها می باشد

ایــده اصلی الـــگوی تـــشخیـــص هوش مصنوعی این است که ما از فناوری یادگیری ماشینی و شناختی برای کمک

به شناسایی و طبقه بندی داده های غیرساختاری در طبقه بندی های خاص استفاده می کنیم.این داده های بدون ساختار

مـــی تــوانــند شـــامل تصـــاویر، فیلــــم، متـــن یا حتــی داده های کمی باشند.قدرت این الگو این است که دستگاه ها

قادر به انجام کارهایی می شوند که در مغز ما به راحتی انجام می دهد. مانند شناسایی محیط پیرامون

الگوی شناخت هوش مصنوعی از کجا شروع شد

الگوی شناخت از جایی مورد توجه قرار گــرفت کــه در درجه اول تلاش برای حل چالشهای تشخیص تصویر بود که

باعث افزایش علاقه به رویکردهای یادگیری عمیق برای هوش مصنوعی و کمک به شروع این موج جدید از سرمایه

گذاری و علاقه به AI شــد. بـــا ایـــن وجــود ، الــگوی شنـــاخت گسترده تر از فقط تشخیص تصویر است. می توانیم

از یادگیــری ماشینـــی برای تشخیـــص و درک تصاویر ، صدا ، دست نویس ، اشیا ، صورت و حرکات استفاده کنیم.

هـــدف ایـــن الـــگوی ایـــن اســت که ماشیـــن ها داده های بدون ساختار را شناسایی کنند. این الگوی هوش مصنوعی

به دلیل طیـــف گستـــرده ای از کـــاربـــردهای آن ، جزء عظیمی از راه حل ها AI است. تفاوت بین داده ساختار یافته

و بـــدون ســـاختـــار درایـــن اســــت کـــه داده هـــای ســــاختــــاری از قبــــل دارای بــــرچسب و قابل تفسیر هستند.

بـــا ایـــن حـــال داده هـــای بدون ساختار چالشـــی هستند که اکثرا با آن رو به رو هستـــیم. حداکثر 90٪ از اطلاعات

سازمــان، داده های بدون ساختــار است. ضروری است کـه مشاغل بتوانند این داده ها را درک و تفسیر کنند و در این

مرحــله است که هوش مصنوعی وارد مـــی شود. از آنـــجا که می توانیـــم از فناوری جستجوی موجود و سیستم های

انفورماتیـــک موجود برای جمع آوری ارزش تحلیلی از داده های ساختار یافته استفاده کنیم ، استفاده از این رویکردها

با داده های غیرساختاری تقریباً غیرممکن است.  این همان مشکلی است که یادگیری ماشین نیز با آن مواجه است.