O que são redes neurais difusas?
Redes neurais confusas são sistemas de software que tentam aproximar a maneira pela qual o cérebro humano funciona. Eles fazem isso utilizando duas áreas principais de pesquisa em tecnologia da ciência da computação - desenvolvimento de software com lógica difusa e arquitetura de processamento de rede neural. O software de lógica difusa tenta dar conta das áreas cinzentas do mundo real na estrutura de tomada de decisão dos programas de software que vão além das simples opções sim ou não. O design de redes neurais artificiais cria nós de software que imitam a funcionalidade e a complexidade de como os neurônios interagem no cérebro humano. Juntos, a lógica fuzzy e o design de redes neurais criam um sistema neuro-fuzzy que os pesquisadores usam para experimentar problemas complexos, como mudanças climáticas, ou para desenvolver robótica de inteligência artificial.
O microcomputador médio a partir de 2011 realiza cálculos a uma taxa incrível de bilhões de instruções por segundo. Isso representa um aumento exponencial na velocidade de processamento desde os primeiros dias do desenvolvimento do computador, embora esse crescimento não tenha mostrado capacidade de raciocinar das maneiras complexas que até os organismos biológicos simples. Isso se deve em parte às limitações básicas que o processamento do computador ainda enfrenta, e as redes neurais difusas são uma tentativa de contornar essas limitações.
Estima-se que o cérebro humano médio execute 100.000.000.000.000 de instruções a cada segundo, usando sua estrutura neural que é análoga a como os microprocessadores funcionam. Em contraste, um sistema de computador médio em 1999 era 24.000 vezes mais lento que isso, e um modelo inicial em 1981 era 3.500.000 vezes mais lento que o cérebro humano na realização de cálculos. Seriam necessários 8.000 computadores pessoais conectados em rede, em conjunto com processadores de 2,1 gigahertz disponíveis no mercado de 2011, para se aproximar da velocidade de um cérebro humano comum. Um supercomputador capaz de executar cálculos tão rápido quanto o cérebro humano, no entanto, não equivaleria ao mesmo poder de raciocínio para analisar dados conflitantes do mundo real, que é onde as redes neurais difusas entram em cena.
Os principais elementos que diferenciam as redes neurais difusas de outros tipos de processamento de computadores são a capacidade de reconhecimento de padrões, dados insuficientes para tirar conclusões definitivas e a capacidade de se adaptar ao ambiente. As redes neurais nebulosas utilizam algoritmos neurais projetados para mudar e crescer à medida que encontram novos conjuntos de dados para processar. Eles fazem isso abordando os problemas de dois pontos de vista distintos e combinando os resultados em soluções significativas para os problemas.
O software difuso é baseado em regras de programação que permitem estimar níveis de verdade quando surgem contradições em dados que são óbvios da perspectiva humana. Determinar quem é “alto” versus quem é “baixo” em um grupo de pessoas, por exemplo, usando o processamento tradicional de computadores, criaria uma linha definitiva na qual os dois grupos seriam separados um do outro e não haveria intervalo intermediário. Alguém com 1,83 metro de altura seria classificado como baixo se abaixo da média, enquanto alguém com 1,85 metro de altura seria classificado como alto. Com o processamento difuso, o alcance do que é considerado alto versus baixo mudaria continuamente à medida que o grupo mudava e as decisões seriam tomadas ao longo de um gradiente mais razoável.
As redes neurais, por outro lado, não possuem regras predefinidas para operar e tiram todas as suas conclusões com base na observação. Operar sem regras predefinidas pode criar percepções únicas sobre dados que, de outra forma, não seriam aparentes quando suposições anteriores foram feitas na programação difusa ou nos conjuntos de regras de programação tradicionais. Os resultados do software difuso e do processamento de dados de redes neurais são combinados em sistemas neurais difusos de maneira a aproximar a forma como os organismos biológicos aprendem e se adaptam em seus ambientes. À medida que o sistema se adapta aos dados coletados, ele altera a maneira como processa esses dados para se tornar mais eficiente na solução de problemas futuros.
O processamento neural, seja da programação neural em um computador ou de um cérebro biológico, é um método em que um peso adicional é atribuído a determinados pontos de dados com base em resultados observacionais. O elemento nebuloso das redes neurais nebulosas serve para modelar com mais precisão as condições reais do que era possível no passado com os processadores de computador tradicionais, embora esse nível fino de modelagem muitas vezes não leve a melhorias significativas de desempenho, onde a lógica nebulosa é usada como controle sobre o computador convencional controles. A vantagem final das redes neurais nebulosas é que elas têm o potencial de desenvolver um nível de pensamento independente rudimentar e de tomada de decisão que se adapta conforme o ambiente muda ao seu redor.