¿Qué son las redes neuronales difusas?
Las redes neuronales difusas son sistemas de software que intentan aproximar la forma en que funciona el cerebro humano. Lo hacen utilizando dos áreas de investigación clave en tecnología de informática: desarrollo de software lógico difuso y arquitectura de procesamiento de redes neuronales. El software Logic Fuzzy intenta tener en cuenta las áreas grises del mundo real en la estructura de toma de decisiones de los programas de software de computadora que van más allá de las simples opciones de sí o no. El diseño de la red neuronal artificial crea nodos de software que imitan la funcionalidad y la complejidad de cómo interactúan las neuronas en el cerebro humano. Juntos, el diseño de redes neuronales y lógicas difusas crea un sistema neuro-fuzzy que los investigadores usan para experimentar problemas complejos como el cambio climático, o para desarrollar robótica de inteligencia artificial.
El microescomputador promedio a partir de 2011 realiza cálculos a una tasa increíble de miles de millones de instrucciones por segundo. Esto representa un aumento exponencial en la velocidad de procesamiento deM Los primeros días del desarrollo informático, aunque dicho crecimiento no ha mostrado capacidad para el razonamiento de las maneras complejas que incluso los organismos biológicos simples. Esto se debe en parte a las limitaciones básicas que el procesamiento de computadoras aún enfrenta, y las redes neuronales difusas son un intento de trabajar en torno a estas limitaciones.
Se estima que el cerebro humano promedio lleva a cabo 100,000,000,000,000 de instrucciones cada segundo usando su estructura neuronal que son análogas a cómo funcionan los microprocesadores. Por el contrario, un sistema informático promedio a partir de 1999 era 24,000 veces más lento que este, y un modelo temprano a 1981 era 3,500,000 veces más lento que el cerebro humano en los cálculos de rendimiento. Se necesitarían 8,000 computadoras personales intrincadamente en red junto con 2.1 procesadores Gigahertz disponibles en el mercado de 2011 para aproximar la velocidad de un cerebro humano promedio. Una supercomputadora capaz de por porSin embargo, formar cálculos tan rápido como el cerebro humano no equivalería al mismo poder de razonamiento para analizar datos en conflicto del mundo real, que es donde entran en juego las redes neuronales difusas.
Los elementos clave que hacen que las redes neuronales difusas sean únicas de otros tipos de procesamiento de computadoras son su capacidad en el reconocimiento de patrones que reciben datos insuficientes para sacar conclusiones definitivas y la capacidad de adaptarse al entorno. Las redes neuronales difusas utilizan algoritmos neurales que están diseñados para cambiar y crecer a medida que encuentran nuevos conjuntos de datos para procesar. Hacen esto abordando problemas desde dos puntos de vista distintos y combinando los resultados en soluciones significativas a los problemas.
El software difuso se basa en reglas de programación que permiten estimar los niveles de verdad cuando surgen contradicciones en los datos que son obvios desde una perspectiva humana. Determinar quién es "alto" versus quién es "corto" en un grupo de personas, por ejemplo, utilizando el proceso de computadora tradicionaling, crearía una línea definitiva donde ambos grupos estaban separados entre sí y no había un rango intermedio. Alguien de 6 pies (1,83 metros) de altura se clasificaría como una altura corta, aunque por debajo del promedio, mientras que alguien de 6 pies y 1 pulgada (1.85 metros) de altura se clasificaría como alto. Con el procesamiento difuso, el rango de lo que se considera alto versus corto cambiaría continuamente a medida que el grupo cambiara y las decisiones se tomarían a lo largo de un gradiente más razonable.
Las redes neuronales, por el contrario, no tienen reglas predefinidas para operar y sacar todas sus conclusiones basadas en la observación. Operar sin reglas predefinidas puede crear ideas únicas sobre los datos que de otro modo no son evidentes cuando se han realizado suposiciones previas en la programación difusa o los conjuntos de reglas de programación tradicionales. Los resultados del software difuso y el procesamiento de datos de redes neuronales se combinan en sistemas neuronales difusos de una manera que se aproxima a cómo los organismos biológicos aprendenn y adaptarse dentro de sus entornos. A medida que el sistema se adapta a los datos que reúne, cambia la forma en que procesa esos datos para ser más eficientes para resolver problemas futuros.
El procesamiento neuronal, ya sea desde la programación neural en una computadora o de un cerebro biológico, es un método donde se da un peso adicional a ciertos puntos de datos basados en resultados de observación. El elemento difuso de las redes neuronales difusas sirve para modelar las condiciones reales con mayor precisión de lo que fue posible en el pasado con los procesadores de computadora tradicionales, aunque este buen nivel de modelado a menudo puede no conducir a mejoras de rendimiento significativas donde la lógica difusa se usa como control sobre los controles de las computadoras convencionales. La mejor ventaja de las redes neuronales difusas es que tienen el potencial de desarrollar un nivel de pensamiento rudimentario independiente y toma de decisiones que se adapte a medida que su entorno cambia a su alrededor.