Wat zijn fuzzy neurale netwerken?
Fuzzy neurale netwerken zijn softwaresystemen die proberen de werking van het menselijk brein te benaderen. Ze doen dit door gebruik te maken van twee belangrijke onderzoeksgebieden in de informatica-technologie: ontwikkeling van fuzzy logic software en architectuur voor de verwerking van neurale netwerken. Fuzzy logic-software probeert rekening te houden met realistische grijze gebieden in de besluitvormingsstructuur van computersoftwareprogramma's die verder gaan dan eenvoudige ja of nee-keuzes. Kunstmatig neuraal netwerkontwerp creëert softwareknooppunten die de functionaliteit en complexiteit van de interactie van neuronen in het menselijk brein imiteren. Fuzzy logic en neuraal netwerkontwerp creëren samen een neuro fuzzy-systeem dat onderzoekers gebruiken voor experimenten met complexe problemen zoals klimaatverandering of om kunstmatige intelligentie-robotica te ontwikkelen.
De gemiddelde microcomputer vanaf 2011 voert berekeningen uit met een ongelooflijke snelheid van miljarden instructies per seconde. Dit vertegenwoordigt een exponentiële toename van de verwerkingssnelheid vanaf de vroege dagen van computerontwikkeling, hoewel een dergelijke groei geen vermogen tot redeneren heeft aangetoond op de complexe manieren die zelfs eenvoudige biologische organismen doen. Dit is deels te wijten aan basisbeperkingen waarmee computerverwerking nog steeds wordt geconfronteerd, en fuzzy neurale netwerken zijn een poging om deze beperkingen te omzeilen.
Geschat wordt dat het gemiddelde menselijke brein elke seconde 100.000.000.000.000 instructies uitvoert met behulp van zijn neurale structuur die analoog is aan hoe microprocessoren werken. Daarentegen was een gemiddeld computersysteem vanaf 1999 24.000 keer langzamer dan dit, en een vroeg model vanaf 1981 was 3.500.000 keer langzamer dan het menselijk brein bij het uitvoeren van berekeningen. Er zouden 8.000 personal computers op een complexe manier samen met 2.1 gigahertz-processors op de markt van 2011 nodig zijn om de snelheid van een gemiddeld menselijk brein te benaderen. Een supercomputer die in staat is om berekeningen zo snel uit te voeren als het menselijk brein, zou echter niet hetzelfde zijn als redeneervermogen voor het analyseren van conflicterende gegevens uit de echte wereld, waar vage neurale netwerken een rol spelen.
De belangrijkste elementen die fuzzy neurale netwerken uniek maken van andere soorten computerverwerking zijn hun vermogen tot patroonherkenning bij onvoldoende gegevens om definitieve conclusies te trekken en het vermogen om zich aan te passen aan de omgeving. Fuzzy neurale netwerken maken gebruik van neurale algoritmen die zijn ontworpen om te veranderen en te groeien wanneer ze nieuwe te verwerken gegevenssets tegenkomen. Ze doen dit door problemen vanuit twee verschillende invalshoeken te benaderen en de resultaten te combineren tot zinvolle oplossingen voor problemen.
Fuzzy-software is gebaseerd op programmeerregels die het mogelijk maken om waarheidsniveaus te schatten wanneer er tegenstrijdigheden optreden in gegevens die duidelijk zijn vanuit een menselijk perspectief. Bepalen wie 'lang' is versus wie 'kort' is in een groep mensen, bijvoorbeeld met behulp van traditionele computerverwerking, zou een definitieve lijn creëren waar beide groepen van elkaar werden gescheiden en er geen tussenbereik was. Iemand 1,83 meter hoog zou worden gecategoriseerd als kort als de ondergemiddelde hoogte, terwijl iemand 6 voet en 1 inch (1,85 meter) hoog zou worden gecategoriseerd als lang. Met fuzzy processing zou het bereik van wat als hoog versus kort wordt beschouwd voortdurend veranderen naarmate de groep veranderde en beslissingen zouden worden genomen volgens een redelijker verloop.
Neurale netwerken hebben daarentegen geen vooraf gedefinieerde regels om te opereren en trekken al hun conclusies op basis van observatie. Werken zonder vooraf gedefinieerde regels kan unieke inzichten over gegevens opleveren die anders niet duidelijk zijn wanneer eerdere veronderstellingen zijn gemaakt in fuzzy-programmering of traditionele programmeringsregelsets. De resultaten van fuzzy software en gegevensverwerking van neurale netwerken worden gecombineerd in fuzzy neurale systemen op een manier die benadert hoe biologische organismen leren en zich aanpassen in hun omgeving. Naarmate het systeem zich aanpast aan de gegevens die het verzamelt, verandert het de manier waarop het die gegevens verwerkt om efficiënter problemen in de toekomst op te lossen.
Neurale verwerking, of het nu gaat om neurale programmering in een computer of een biologisch brein, is een methode waarbij op basis van waarnemingsresultaten extra gewicht wordt gegeven aan bepaalde datapunten. Het fuzzy-element van fuzzy neurale netwerken dient om nauwkeuriger reële omstandigheden te modelleren dan in het verleden mogelijk was met traditionele computerprocessors, hoewel dit fijne niveau van modellering vaak niet leidt tot significante prestatieverbeteringen waarbij fuzzy logic wordt gebruikt als controle over conventionele computer controles. Het ultieme voordeel van fuzzy neurale netwerken is dat ze het potentieel hebben om een niveau van rudimentair onafhankelijk denken en besluitvorming te ontwikkelen dat zich aanpast naarmate hun omgeving om hen heen verandert.