Hva er myk databehandling?

Tradisjonelle elektroniske beregninger har en tendens til å være svart-hvitt. Når du jobber i binær kode, med sekvenser av nuller og en, er det ingen sjanse for noe annet enn enkle "ja eller nei" svar. Selv om det kan være en adekvat måte å beregne for mange oppgaver, tar myk databehandling en annen tilnærming. Kort sagt, myk databehandling gjør at datamaskinen kan påta seg et visst nivå av upresisitet i arbeidet sitt. Noen kan likestille dette med kunstig intelligens, ved at det ligner på måten den menneskelige hjernen fungerer på.

Fra et menneskelig perspektiv introduserer myk databehandling kompromisser i datamaskinens prosessering, som ikke er til stede i hard databehandling. Det er tider hvor svaret på et spørsmål kan være ja eller nei, men det er foreløpig ikke nok informasjon til å beregne definitivt hva svaret er. Tradisjonelle datamaskiner som står overfor denne situasjonen vil ganske enkelt stoppe og vente til det er nok informasjon til å trekke en presis konklusjon. Myk databehandling er i hovedsak datamaskinens evne til å gi et svar på kanskje, eller til og med å lage et utdannet gjetning om hva svaret kan være til mer informasjon blir tilgjengelig.

For å bruke et matematisk eksempel er det enkelt å si summen av to pluss to er fire. Det er også riktig å si at summen av to pluss to ligger et sted mellom tre og fem. Målet er selvfølgelig å komme med et mest mulig presist svar. Mens en datamaskin kan bli fristet til å se bort fra det andre alternativet, vil myk databehandling, hvis det gjøres riktig, se dette svaret som et potensielt alternativ. Selv om datamaskinen fortsatt alltid vil velge det mest presise svaret som er tilgjengelig, vil den vurdere å lage et estimat, hvis ikke alle tallene er kjent med sikkerhet.

For å komme med svarene, eller vurderingen av svarene, vil datamaskinen bruke mange forskjellige fagområder. Blant de fem mest kjente er "uklare" systemer, evolusjonell beregning, sannsynlighetsresonnement, maskinlæring og nevrale nettverk. Ved å bruke mange forskjellige beregningsmetoder for å analysere et problem, kan datamaskinen etter hvert komme med et presist svar på et spørsmål som hadde et upresist svar innledningsvis.

Faktisk har datamaskinen kommet med et svar som ikke var forhåndsprogrammert i den. Fra et informasjonsvitenskapelig perspektiv, og muligens fra et biologisk perspektiv, kan dette betraktes som læring, eller kunstig intelligens. Noen vil kanskje argumentere for at veien til svaret ble forhåndsprogrammert, enten svaret var eller ikke, og dermed ikke utgjorde reell intelligens. Spørsmålet om dette utgjør faktisk intelligens er en filosofisk sak, som sannsynligvis i stor grad avhenger av ens eget perspektiv.

Datavitenskapens felt er generelt begeistret for muligheten for myk databehandling og dens potensielle fordeler. Det kan revolusjonere robotikk, kanskje lage mer livslignende proteser som er enklere å bruke, og som beveger seg mer naturlig. Myk databehandling kan også brukes i mange andre felt, for eksempel medisin, ingeniørfag og fysikk.