Cosa sono le reti neurali fuzzy?
Le reti neurali fuzzy sono sistemi software che tentano di approssimare il modo in cui funziona il cervello umano. Lo fanno utilizzando due aree di ricerca chiave nella tecnologia informatica: lo sviluppo di software a logica fuzzy e l'architettura di elaborazione della rete neurale. Il software di logica fuzzy tenta di tenere conto delle aree grigie del mondo reale nella struttura decisionale dei programmi software per computer che vanno oltre le semplici scelte sì o no. La progettazione di reti neurali artificiali crea nodi software che imitano la funzionalità e la complessità di come i neuroni interagiscono nel cervello umano. Insieme, la logica fuzzy e il design della rete neurale creano un sistema neuro-fuzzy che i ricercatori usano per la sperimentazione su problemi complessi come i cambiamenti climatici o per sviluppare la robotica dell'intelligenza artificiale.
Il microcomputer medio a partire dal 2011 esegue calcoli a una velocità incredibile di miliardi di istruzioni al secondo. Ciò rappresenta un aumento esponenziale della velocità di elaborazione sin dai primi giorni dello sviluppo del computer, sebbene tale crescita non abbia mostrato alcuna capacità di ragionamento nei modi complessi che fanno anche i semplici organismi biologici. Ciò è in parte dovuto alle limitazioni di base che l'elaborazione del computer deve ancora affrontare e le reti neurali fuzzy sono un tentativo di aggirare queste limitazioni.
Si stima che il cervello umano medio esegua 100.000.000.000.000 di istruzioni ogni secondo usando la sua struttura neurale analoga a come funzionano i microprocessori. Al contrario, un sistema informatico medio a partire dal 1999 era 24.000 volte più lento di questo e un modello iniziale a partire dal 1981 era 3.500.000 volte più lento del cervello umano nell'esecuzione dei calcoli. Ci vorrebbero 8.000 personal computer collegati in rete con processori 2.1 gigahertz disponibili sul mercato 2011 per approssimare la velocità di un cervello umano medio. Un supercomputer in grado di eseguire calcoli più velocemente del cervello umano, tuttavia, non equivarrebbe allo stesso potere di ragionamento per l'analisi dei dati del mondo reale in conflitto, che è dove entrano in gioco le reti neurali fuzzy.
Gli elementi chiave che rendono le reti neurali fuzzy uniche rispetto ad altri tipi di elaborazione informatica sono la loro capacità di riconoscimento di schemi dati dati insufficienti per trarre conclusioni definitive e la capacità di adattarsi all'ambiente. Le reti neurali fuzzy utilizzano algoritmi neurali progettati per cambiare e crescere man mano che incontrano nuovi set di dati da elaborare. Lo fanno affrontando i problemi da due punti di vista distinti e combinando i risultati in soluzioni significative ai problemi.
Il software Fuzzy si basa su regole di programmazione che consentono di stimare i livelli di verità quando sorgono contraddizioni nei dati che sono ovvi dal punto di vista umano. Determinare chi è "alto" rispetto a chi è "basso" in un gruppo di persone, ad esempio, utilizzando l'elaborazione computerizzata tradizionale, creerebbe una linea definitiva in cui entrambi i gruppi erano separati l'uno dall'altro e non esisteva un intervallo intermedio. Qualcuno di 6 piedi (1,83 metri) di altezza sarebbe classificato come corto se sotto l'altezza media, mentre qualcuno di 6 piedi e 1 pollice (1,85 metri) di altezza sarebbe classificato come alto. Con l'elaborazione fuzzy, la gamma di ciò che è considerato alto rispetto a breve cambierebbe continuamente man mano che il gruppo cambiava e le decisioni venivano prese secondo un gradiente più ragionevole.
Le reti neurali, al contrario, non hanno regole predefinite da cui operare e traggono tutte le loro conclusioni basate sull'osservazione. Operare senza regole predefinite può creare intuizioni uniche sui dati che non sarebbero altrimenti evidenti quando sono state fatte ipotesi precedenti nella programmazione fuzzy o in set di regole di programmazione tradizionali. I risultati del software fuzzy e l'elaborazione dei dati della rete neurale sono combinati in sistemi neurali fuzzy in un modo che si avvicina al modo in cui gli organismi biologici apprendono e si adattano all'interno dei loro ambienti. Man mano che il sistema si adatta ai dati raccolti, cambia il modo in cui elabora tali dati per diventare più efficienti nel risolvere i problemi futuri.
L'elaborazione neurale, sia dalla programmazione neurale in un computer che da un cervello biologico, è un metodo in cui viene dato peso aggiunto a determinati punti di dati sulla base di risultati osservativi. L'elemento fuzzy delle reti neurali fuzzy serve a modellare in modo più accurato le condizioni reali di quanto non fosse possibile in passato con i processori di computer tradizionali, sebbene questo livello di modellazione sottile spesso non porti a significativi miglioramenti delle prestazioni in cui la logica fuzzy viene utilizzata come controllo sul computer convenzionale controlli. Il vantaggio finale delle reti neurali fuzzy è che hanno il potenziale per sviluppare un livello di pensiero e un processo decisionale indipendenti rudimentali che si adattano mentre il loro ambiente cambia intorno a loro.