Was sind Fuzzy-Neuronale Netze?
Fuzzy-Neuronale Netze sind Softwaresysteme, die versuchen, die Funktionsweise des menschlichen Gehirns zu approximieren. Dazu nutzen sie zwei Forschungsschwerpunkte in der Informatik: die Entwicklung von Fuzzy-Logik-Software und die Architektur für die Verarbeitung neuronaler Netzwerke. Fuzzy-Logik-Software versucht, reale Grauzonen in der Entscheidungsstruktur von Computer-Software-Programmen zu berücksichtigen, die über einfache Ja- oder Nein-Entscheidungen hinausgehen. Das künstliche neuronale Netzwerkdesign erstellt Softwareknoten, die die Funktionalität und Komplexität der Interaktion von Neuronen im menschlichen Gehirn imitieren. Zusammen bilden Fuzzy-Logik und neuronales Netzwerkdesign ein Neuro-Fuzzy-System, mit dem Forscher an komplexen Problemen wie dem Klimawandel experimentieren oder Robotik mit künstlicher Intelligenz entwickeln können.
Der durchschnittliche Mikrocomputer von 2011 führt Berechnungen mit einer unglaublichen Rate von Milliarden von Anweisungen pro Sekunde durch. Dies stellt einen exponentiellen Anstieg der Verarbeitungsgeschwindigkeit seit den Anfängen der Computerentwicklung dar, obwohl ein derartiges Wachstum keine Fähigkeit zum logischen Denken in der komplexen Weise gezeigt hat, wie dies selbst einfache biologische Organismen tun. Dies ist zum Teil auf grundlegende Einschränkungen zurückzuführen, mit denen die Computerverarbeitung noch konfrontiert ist, und Fuzzy-Neuronale Netze sind ein Versuch, diese Einschränkungen zu umgehen.
Es wird geschätzt, dass das durchschnittliche menschliche Gehirn 100.000.000.000.000 Anweisungen pro Sekunde unter Verwendung seiner neuronalen Struktur ausführt, die der Funktionsweise von Mikroprozessoren entspricht. Im Gegensatz dazu war ein durchschnittliches Computersystem ab 1999 24.000-mal langsamer als dieses und ein frühes Modell ab 1981 3.500.000-mal langsamer als das menschliche Gehirn bei der Durchführung von Berechnungen. Um die Geschwindigkeit eines durchschnittlichen menschlichen Gehirns zu erreichen, wären 8.000 PCs erforderlich, die mit 2,1-Gigahertz-Prozessoren, die auf dem Markt 2011 erhältlich sind, eng vernetzt sind. Ein Supercomputer, der in der Lage ist, Berechnungen so schnell wie das menschliche Gehirn durchzuführen, würde jedoch nicht der gleichen Argumentationskraft für die Analyse widersprüchlicher Daten der realen Welt entsprechen, in der Fuzzy-Neuronale Netze ins Spiel kommen.
Die Schlüsselelemente, die Fuzzy-Neuronale Netze von anderen Arten der Computerverarbeitung einzigartig machen, sind ihre Fähigkeit zur Mustererkennung bei unzureichenden Daten, um endgültige Schlussfolgerungen zu ziehen, und die Fähigkeit, sich an die Umgebung anzupassen. Fuzzy-Neuronale Netze verwenden neuronale Algorithmen, die sich ändern und wachsen, wenn sie auf neue zu verarbeitende Datensätze stoßen. Sie tun dies, indem sie Probleme aus zwei unterschiedlichen Blickwinkeln betrachten und die Ergebnisse zu sinnvollen Problemlösungen zusammenfassen.
Fuzzy-Software basiert auf Programmierregeln, die es ermöglichen, die Wahrheitsgrade zu schätzen, wenn Widersprüche in Daten auftreten, die aus menschlicher Sicht offensichtlich sind. Die Bestimmung, wer in einer Gruppe von Menschen „groß“ ist, im Vergleich zu „klein“, würde beispielsweise mit herkömmlicher Computerverarbeitung eine endgültige Linie ergeben, in der beide Gruppen voneinander getrennt waren und es keinen Zwischenbereich gab. Jemand mit einer Höhe von 1,83 Metern (6 Fuß) wird als kurz eingestuft, wenn er unter der durchschnittlichen Höhe liegt, während jemand mit einer Höhe von 1,85 Metern (6 Fuß) als groß eingestuft wird. Bei der Fuzzy-Verarbeitung würde sich der Bereich zwischen "groß" und "kurz" kontinuierlich ändern, wenn sich die Gruppe ändert und Entscheidungen in einem angemesseneren Verlauf getroffen werden.
Neuronale Netze hingegen haben keine vordefinierten Regeln für den Betrieb und ziehen alle ihre Schlussfolgerungen auf der Grundlage von Beobachtungen. Der Betrieb ohne vordefinierte Regeln kann eindeutige Erkenntnisse über Daten liefern, die ansonsten nicht ersichtlich sind, wenn vorherige Annahmen in der Fuzzy-Programmierung oder in herkömmlichen Programmierregelsätzen getroffen wurden. Die Ergebnisse der Fuzzy-Software und der Datenverarbeitung in neuronalen Netzen werden in Fuzzy-Neuronalsystemen so kombiniert, dass in etwa erreicht wird, wie biologische Organismen in ihrer Umgebung lernen und sich anpassen. Während sich das System an die gesammelten Daten anpasst, ändert es die Art und Weise, wie es diese Daten verarbeitet, um zukünftige Probleme effizienter zu lösen.
Die neuronale Verarbeitung, sei es durch neuronale Programmierung in einem Computer oder durch ein biologisches Gehirn, ist eine Methode, bei der bestimmten Datenpunkten basierend auf Beobachtungsergebnissen ein zusätzliches Gewicht beigemessen wird. Das Fuzzy-Element von Fuzzy-Neuronalen Netzen dient dazu, die realen Bedingungen genauer zu modellieren, als dies in der Vergangenheit mit herkömmlichen Computerprozessoren möglich war, obwohl dieses feine Modellierungsniveau häufig nicht zu signifikanten Leistungsverbesserungen führt, wenn Fuzzy-Logik als Steuerung gegenüber herkömmlichen Computern verwendet wird Kontrollen. Der ultimative Vorteil von Fuzzy-Neuronalen Netzen besteht darin, dass sie das Potenzial haben, eine Ebene rudimentären unabhängigen Denkens und Entscheidens zu entwickeln, die sich an die Veränderungen ihrer Umgebung anpasst.