Rețelele neuronale neclare sunt sisteme software care încearcă să aproximeze modul în care funcționează creierul uman. Ei fac acest lucru utilizând două domenii cheie de cercetare în tehnologia informatică – dezvoltarea software-ului cu logică neclară și arhitectura de procesare a rețelei neuronale. Software-ul cu logică neclară încearcă să țină seama de zonele gri din lumea reală în structura de luare a deciziilor a programelor software pentru computer, care depășesc simplele alegeri da sau nu. Proiectarea rețelelor neuronale artificiale creează noduri software care imită funcționalitatea și complexitatea modului în care neuronii interacționează în creierul uman. Împreună, logica fuzzy și designul rețelei neuronale creează un sistem neuro-fuzzy pe care cercetătorii îl folosesc pentru experimentarea unor probleme complexe precum schimbările climatice sau pentru a dezvolta robotica cu inteligență artificială.
Microcalculatorul mediu din 2011 efectuează calcule la o rată incredibilă de miliarde de instrucțiuni pe secundă. Aceasta reprezintă o creștere exponențială a vitezei de procesare din primele zile ale dezvoltării computerelor, deși o astfel de creștere nu a demonstrat nicio capacitate de a raționa în modurile complexe pe care chiar și organismele biologice simple le fac. Acest lucru se datorează parțial limitărilor de bază cu care se confruntă încă procesarea computerelor, iar rețelele neuronale neclare sunt o încercare de a rezolva aceste limitări.
Se estimează că creierul uman mediu execută 100,000,000,000,000 de instrucțiuni în fiecare secundă folosind structura sa neuronală, care sunt analoge cu modul în care funcționează microprocesoarele. Prin contrast, un sistem informatic mediu din 1999 era de 24,000 de ori mai lent decât acesta, iar un model timpuriu din 1981 era de 3,500,000 de ori mai lent decât creierul uman în efectuarea calculelor. Ar fi nevoie de 8,000 de computere personale conectate în rețea împreună cu procesoare de 2.1 gigaherți disponibile pe piața din 2011 pentru a aproxima viteza unui creier uman mediu. Un supercomputer capabil să efectueze calcule la fel de repede ca creierul uman, totuși, nu ar echivala cu aceeași putere de raționament pentru analiza datelor conflictuale din lumea reală, care este locul în care intervin rețelele neuronale neclare.
Elementele cheie care fac rețelele neuronale fuzzy unice față de alte tipuri de procesare computerizată sunt capacitatea lor de a recunoaște modelele, având în vedere date insuficiente pentru a trage concluzii definitive și capacitatea de a se adapta la mediu. Rețelele neuronale neclare utilizează algoritmi neuronali care sunt proiectați să se schimbe și să crească pe măsură ce întâlnesc noi seturi de date de procesat. Ei fac acest lucru abordând problemele din două puncte de vedere distincte și combinând rezultatele în soluții semnificative la probleme.
Software-ul fuzzy se bazează pe reguli de programare care permit estimarea nivelurilor de adevăr atunci când apar contradicții în datele care sunt evidente din perspectivă umană. Determinarea cine este „înalt” versus cine este „scurt” într-un grup de oameni, de exemplu, folosind procesarea computerizată tradițională, ar crea o linie definitivă în care ambele grupuri au fost separate unul de celălalt și nu a existat un interval intermediar. Cineva cu o înălțime de 6 picioare (1.83 metri) ar fi clasificat drept scund dacă este sub înălțimea medie, în timp ce cineva cu o înălțime de 6 picioare și 1 inch (1.85 metri) ar fi clasificat ca înalt. Cu procesarea neclară, intervalul dintre ceea ce este considerat înalt versus scurt s-ar schimba continuu pe măsură ce grupul se va schimba și deciziile ar fi luate de-a lungul unui gradient mai rezonabil.
Rețelele neuronale, prin contrast, nu au reguli predefinite din care să funcționeze și își trag toate concluziile pe baza observației. Operarea fără reguli predefinite poate crea perspective unice despre date care nu sunt altfel evidente atunci când au fost făcute presupuneri anterioare fie în programarea neclară, fie în seturile de reguli de programare tradiționale. Rezultatele software-ului fuzzy și prelucrării datelor din rețelele neuronale sunt combinate în sistemele neuronale fuzzy într-un mod care aproximează modul în care organismele biologice învață și se adaptează în mediul lor. Pe măsură ce sistemul se adaptează la datele pe care le adună, schimbă modul în care procesează acele date pentru a deveni mai eficient în rezolvarea problemelor viitoare.
Procesarea neuronală, fie din programarea neuronală într-un computer, fie dintr-un creier biologic, este o metodă în care se acordă pondere suplimentară anumitor puncte de date pe baza rezultatelor observaționale. Elementul fuzzy al rețelelor neuronale fuzzy servește la modelarea mai precisă a condițiilor reale decât era posibil în trecut cu procesoarele tradiționale de computer, deși acest nivel fin de modelare poate să nu conducă adesea la îmbunătățiri semnificative ale performanței în care logica fuzzy este utilizată ca control asupra computerului convențional. controale. Avantajul final al rețelelor neuronale fuzzy este că au potențialul de a dezvolta un nivel de gândire independentă rudimentară și de luare a deciziilor care se adaptează pe măsură ce mediul lor se schimbă în jurul lor.