Qual è la connessione tra reti neurali e logica fuzzy?

Le reti neurali e la logica fuzzy sono di solito entrambi sistemi software progettati per riconoscere modelli di dati o eventi e simulare reazioni umane naturali e processi decisionali. Mentre i modelli computazionali tradizionali utilizzano calcoli discreti per l'output dall'inizio dell'accensione del sistema, le reti neurali e la logica fuzzy richiedono un periodo di addestramento o apprendimento per produrre risultati significativi. Concettualmente, l'antitesi alle reti neurali e la logica fuzzy nei sistemi informatici avanzati è l'applicazione di sistemi esperti, che sono archivi di dati preimpostati o basi di conoscenza che sono raccolte di comprensione precedentemente stabilita da una varietà di esperti in un campo.

Sia il vantaggio intrinseco che il difetto nei sistemi adattivi che impiegano reti neurali e logica fuzzy sono le loro capacità predittive. Sono strumenti di modellazione di dati statistici non lineari, il che significa che possono arrivare a conclusioni diverse sullo stesso problema a seconda del percorso intrapreso per analizzarlo. Laddove un sistema esperto basato su costrutti di programmazione standard deciderebbe se un individuo fosse considerato alto in base a un chiaro punto di interruzione, diciamo che 1,83 metri o 6 piedi definisce più in alto, dove 1,8 piedi (1,8 piedi) non lo fa, reti neurali e la logica fuzzy prende la decisione in base all'analisi dei dati di supporto, al numero di individui in un gruppo e all'altezza di ciascuno, in che modo le altezze medie per i sottogruppi all'interno del gruppo influenzano la percezione generale di ciò che è alto, e così via. Questa capacità nell'uomo viene definita intuizione, ovvero la natura di guardare il mondo in modo non lineare e tenere conto delle eccezioni alla regola nel prendere decisioni.

Altri termini usati per reti neurali e sistemi di logica fuzzy includono ragionamenti basati su casi, algoritmi genetici, studi sulla teoria del caos come si applica al software e intelligenza artificiale, in generale. I due sistemi tendono a differire nel loro approccio alla risoluzione di problemi soggettivi. Le reti neurali sono un tentativo diretto di modellare il modo in cui i neuroni funzionano nel cervello umano, attraverso un ciclo di crescita di una rete neurale artificiale che analizza i problemi mentre li incontra. La logica fuzzy, d'altra parte, è un costrutto software che tenta di codificare per l'analisi di tutte le aree grigie del mondo naturale, matematicamente in anticipo, e va oltre la logica booleana binaria 0/1 per includere verità parziali che vengono valutate una contro l'altra per arrivare a una conclusione. Questo imita lo spettro dei giudizi di valore che gli esseri umani formulano continuamente quando una semplice risposta sì o no alle condizioni è inadeguata.