Hva er uklar nevrale nettverk?
Fuzzy nevrale nettverk er programvaresystemer som prøver å tilnærme måten den menneskelige hjernen fungerer på. De gjør dette ved å bruke to viktige forskningsområder innen datavitenskapsteknologi - fuzzy logic software development and neurale nettverksprosesseringsarkitektur. Uklar logikkprogramvare prøver å redegjøre for grå områder i den virkelige verden i beslutningsstrukturen til dataprogrammer som går utover enkle ja eller nei valg. Kunstig nevralt nettverksdesign skaper programvarenoder som etterligner funksjonaliteten og kompleksiteten i hvordan nevroner interagerer i den menneskelige hjernen. Sammen skaper uklar logikk og nevralt nettverksdesign et nevrofuzzy system som forskere bruker til eksperimentering på komplekse problemer som klimaendringer, eller for å utvikle kunstig intelligensrobotikk.
Den gjennomsnittlige mikrodatamaskinen fra og med 2011 utfører beregninger med en utrolig hastighet på milliarder av instruksjoner per sekund. Dette representerer en eksponentiell økning i behandlingshastigheten fra de første dagene av datamaskinutviklingen, selv om en slik vekst ikke har vist noen evne til å resonnere på de komplekse måtene som selv enkle biologiske organismer gjør. Dette skyldes delvis grunnleggende begrensninger som databehandlingen fremdeles står overfor, og uklar nevrale nettverk er et forsøk på å løse disse begrensningene.
Det anslås at den gjennomsnittlige menneskelige hjerne utfører 100.000.000.000.000 instruksjoner hvert sekund ved å bruke sin nevrale struktur som er analog med hvordan mikroprosessorer fungerer. Derimot var et gjennomsnittsdatasystem fra 1999 24.000 ganger saktere enn dette, og en tidlig modell fra 1981 var 3.500.000 ganger saktere enn den menneskelige hjernen i utførelsen av beregninger. Det vil ta 8000 personlige datamaskiner som er koblet nettverk sammen med 2,1 gigahertz-prosessorer tilgjengelig på 2011-markedet for å tilnærme hastigheten til en gjennomsnittlig menneskelig hjerne. En superdatamaskin som er i stand til å utføre beregninger så raskt som den menneskelige hjerne, vil imidlertid ikke likestille den samme resonnementskraften for å analysere motstridende data fra virkeligheten, og det er der uklar nevrale nettverk spiller inn.
De viktigste elementene som gjør uklare nevrale nettverk unike fra andre typer datamaskinbehandling er deres evne til mønstergjenkjenning gitt mangelfulle data til å trekke endelige konklusjoner, og evnen til å tilpasse seg miljøet. Fuzzy nevrale nettverk bruker nevrale algoritmer som er designet for å endre seg og vokse når de møter nye datasett for å behandle. De gjør dette ved å nærme seg problemer fra to distinkte synsvinkler og kombinere resultatene til meningsfulle løsninger på problemer.
Fuzzy programvare er basert på programmeringsregler som gir mulighet for å estimere sannhetsnivåer når motsetninger oppstår i data som er åpenbare fra et menneskelig perspektiv. Å bestemme hvem som er “høy” kontra hvem som er “kort” i en gruppe mennesker, for eksempel ved bruk av tradisjonell datamaskinbehandling, ville skape en definitive linje der begge gruppene ble skilt fra hverandre og det ikke var noe mellomområde. Noen høyde på 1,83 meter ville bli kategorisert som kort hvis under gjennomsnittlig høyde, mens noen 6 meter og 1,8 meter i høyden ville bli kategorisert som høye. Med uklar prosessering vil omfanget av det som regnes som høyt kontra kort, kontinuerlig endre seg etter hvert som gruppen endret seg og beslutninger ville bli tatt langs en mer fornuftig gradient.
Nevrale nettverk derimot har ingen forhåndsdefinerte regler man skal operere fra, og trekker alle konklusjonene sine basert på observasjon. Å operere uten forhåndsdefinerte regler kan skape unik innsikt om data som ellers ikke er synlige når forutgående antakelser er gjort enten i uklar programmering eller tradisjonelle programmeringsregelsett. Resultatene fra uklar programvare og databehandling av nevralt nettverk blir kombinert i uklar nevrale systemer på en måte som tilnærmer seg hvordan biologiske organismer lærer og tilpasser seg i miljøene sine. Når systemet tilpasser seg dataene det samles, endrer det måten det behandler disse dataene til å bli mer effektive til å løse fremtidige problemer.
Nevrell prosessering, enten det er fra nevral programmering i en datamaskin eller fra en biologisk hjerne, er en metode der det tillegges vekt på visse datapunkter basert på observasjonsresultater. Det uklare elementet i uklar nevrale nettverk tjener til å modellere reelle forhold mer nøyaktig enn tidligere var mulig med tradisjonelle datamaskinprosessorer, selv om dette fine nivået på modellering ofte ikke fører til vesentlige ytelsesforbedringer der uklar logikk brukes som kontroll over konvensjonelle datamaskiner kontroller. Den endelige fordelen med uklare nevrale nettverk er at de har potensial til å utvikle et nivå av rudimentær uavhengig tenking og beslutningsprosesser som tilpasser seg etter hvert som omgivelsene endrer seg rundt dem.