Co to są rozmyte sieci neuronowe?

Rozmyte sieci neuronowe to systemy oprogramowania, które próbują przybliżyć sposób funkcjonowania ludzkiego mózgu. Robią to, wykorzystując dwa kluczowe obszary badawcze w technologii informatycznej - rozwój oprogramowania logiki rozmytej i architekturę przetwarzania sieci neuronowych. Oprogramowanie logiki rozmytej próbuje uwzględnić szare obszary świata rzeczywistego w strukturze decyzyjnej programów komputerowych, które wykraczają poza proste tak lub nie. Sztuczna konstrukcja sieci neuronowej tworzy węzły oprogramowania, które imitują funkcjonalność i złożoność interakcji neuronów w ludzkim mózgu. Razem, logika rozmyta i projektowanie sieci neuronowej tworzy system neuro-rozmyty, którego naukowcy używają do eksperymentowania nad złożonymi problemami, takimi jak zmiany klimatu, lub do opracowania robotyki sztucznej inteligencji.

Przeciętny mikrokomputer na rok 2011 wykonuje obliczenia z niewiarygodną szybkością miliardów instrukcji na sekundę. Stanowi to wykładniczy wzrost prędkości przetwarzania od pierwszych dni rozwoju komputera, chociaż taki wzrost nie wykazał zdolności do rozumowania w złożony sposób, jak robią to nawet proste organizmy biologiczne. Wynika to częściowo z podstawowych ograniczeń, przed którymi wciąż stoi przetwarzanie komputera, a rozmyte sieci neuronowe są próbą obejścia tych ograniczeń.

Szacuje się, że przeciętny ludzki mózg wykonuje 100 000 000 000 000 instrukcji co sekundę, wykorzystując swoją strukturę neuronową, która jest analogiczna do działania mikroprocesorów. Natomiast przeciętny system komputerowy w 1999 r. Był 24 000 razy wolniejszy niż ten, a wczesny model z 1981 r. Był 3500 000 razy wolniejszy niż ludzki mózg w wykonywaniu obliczeń. Potrzeba by 8 000 komputerów osobistych połączonych w sieć razem z 2,1 gigahercowymi procesorami dostępnymi na rynku w 2011 roku, aby zbliżyć się do prędkości przeciętnego ludzkiego mózgu. Superkomputer zdolny do wykonywania obliczeń tak szybko, jak ludzki mózg, nie byłby jednak równy tej samej sile rozumowania do analizy sprzecznych danych ze świata rzeczywistego, czyli tam, gdzie wchodzą w grę rozmyte sieci neuronowe.

Kluczowymi elementami, które sprawiają, że rozmyte sieci neuronowe są wyjątkowe od innych rodzajów przetwarzania komputerowego, jest ich zdolność do rozpoznawania wzorców, biorąc pod uwagę niewystarczającą ilość danych do wyciągnięcia ostatecznych wniosków, oraz zdolność do przystosowania się do środowiska. Rozmyte sieci neuronowe wykorzystują algorytmy neuronowe, których zadaniem jest zmienianie i powiększanie się, gdy napotykają nowe zestawy danych do przetworzenia. Robią to, podchodząc do problemów z dwóch różnych punktów widzenia i łącząc wyniki w sensowne rozwiązania problemów.

Oprogramowanie rozmyte opiera się na regułach programowania, które pozwalają oszacować poziomy prawdy, gdy pojawiają się sprzeczności w danych, które są oczywiste z ludzkiej perspektywy. Ustalenie, kto jest „wysoki”, a kto „niski” w grupie ludzi, na przykład przy użyciu tradycyjnego przetwarzania komputerowego, stworzyłoby ostateczną linię, w której obie grupy byłyby oddzielone od siebie i nie istniał żaden zakres pośredni. Ktoś o wysokości 1,83 metra zostałby sklasyfikowany jako krótki, jeśli byłby poniżej średniej wysokości, natomiast ktoś o wysokości 6 stóp i 1 cala (1,85 metra) zostałby sklasyfikowany jako wysoki. W przypadku przetwarzania rozmytego zakres tego, co uważa się za wysoki w porównaniu z krótkim, zmieniałby się w sposób ciągły wraz ze zmianą grupy i decyzje byłyby podejmowane na bardziej rozsądnym gradiencie.

Natomiast sieci neuronowe nie mają z góry określonych reguł, z których należy korzystać, i wszystkie swoje wnioski wyciągają na podstawie obserwacji. Działanie bez predefiniowanych reguł może dawać unikalne informacje o danych, które nie byłyby widoczne w inny sposób, gdy wcześniej przyjęto założenia dotyczące programowania rozmytego lub tradycyjnych zestawów reguł programowania. Wyniki rozmytego oprogramowania i przetwarzania danych w sieci neuronowej są łączone w rozmytych systemach neuronowych w sposób, który przybliża sposób, w jaki organizmy biologiczne uczą się i dostosowują w swoich środowiskach. Gdy system dostosowuje się do gromadzonych danych, zmienia sposób przetwarzania tych danych, aby stać się bardziej wydajnym w rozwiązywaniu przyszłych problemów.

Przetwarzanie neuronowe, czy to z programowania neuronowego w komputerze, czy z mózgu biologicznego, jest metodą, w której do niektórych punktów danych przypisuje się dodatkową wagę w oparciu o wyniki obserwacji. Rozmyty element rozmytych sieci neuronowych służy do dokładniejszego modelowania rzeczywistych warunków, niż było to możliwe w przeszłości przy tradycyjnych procesorach komputerowych, chociaż ten drobny poziom modelowania może często nie prowadzić do znacznej poprawy wydajności, gdy logika rozmyta jest używana jako kontrola nad konwencjonalnym komputerem sterownica. Ostateczną zaletą rozmytych sieci neuronowych jest to, że mogą one rozwinąć poziom szczątkowego niezależnego myślenia i podejmowania decyzji, który dostosowuje się wraz ze zmianami otoczenia wokół nich.