Le reti neurali fuzzy sono sistemi software che tentano di approssimare il modo in cui funziona il cervello umano. Lo fanno utilizzando due aree di ricerca chiave nella tecnologia informatica: lo sviluppo di software di logica fuzzy e l’architettura di elaborazione della rete neurale. Il software a logica fuzzy tenta di spiegare le aree grigie del mondo reale nella struttura decisionale dei programmi software per computer che vanno oltre le semplici scelte sì o no. La progettazione di reti neurali artificiali crea nodi software che imitano la funzionalità e la complessità del modo in cui i neuroni interagiscono nel cervello umano. Insieme, la logica fuzzy e la progettazione della rete neurale creano un sistema neuro-fuzzy che i ricercatori utilizzano per la sperimentazione su problemi complessi come il cambiamento climatico o per sviluppare la robotica dell’intelligenza artificiale.
Il microcomputer medio del 2011 esegue calcoli a una velocità incredibile di miliardi di istruzioni al secondo. Ciò rappresenta un aumento esponenziale della velocità di elaborazione dai primi giorni dello sviluppo dei computer, sebbene tale crescita non abbia mostrato alcuna capacità di ragionare nei modi complessi che fanno anche i semplici organismi biologici. Ciò è in parte dovuto alle limitazioni di base che l’elaborazione del computer deve ancora affrontare e le reti neurali sfocate sono un tentativo di aggirare queste limitazioni.
Si stima che il cervello umano medio esegua 100,000,000,000,000 di istruzioni ogni secondo utilizzando la sua struttura neurale che sono analoghe a come funzionano i microprocessori. Al contrario, un sistema informatico medio nel 1999 era 24,000 volte più lento di questo, e un primo modello del 1981 era 3,500,000 volte più lento del cervello umano nell’esecuzione dei calcoli. Ci vorrebbero 8,000 personal computer collegati in rete in modo complesso con processori da 2.1 gigahertz disponibili sul mercato del 2011 per approssimare la velocità di un cervello umano medio. Un supercomputer in grado di eseguire calcoli alla velocità del cervello umano, tuttavia, non equivarrebbe allo stesso potere di ragionamento per analizzare i dati del mondo reale in conflitto, ed è qui che entrano in gioco le reti neurali sfocate.
Gli elementi chiave che rendono le reti neurali sfocate uniche rispetto ad altri tipi di elaborazione informatica sono la loro capacità di riconoscere i modelli dati i dati insufficienti per trarre conclusioni definitive e la capacità di adattarsi all’ambiente. Le reti neurali fuzzy utilizzano algoritmi neurali progettati per cambiare e crescere quando incontrano nuovi set di dati da elaborare. Lo fanno affrontando i problemi da due punti di vista distinti e combinando i risultati in soluzioni significative ai problemi.
Il software fuzzy si basa su regole di programmazione che consentono di stimare i livelli di verità quando sorgono contraddizioni nei dati che sono ovvie dal punto di vista umano. Determinare chi è “alto” rispetto a chi è “basso” in un gruppo di persone, ad esempio, utilizzando l’elaborazione tradizionale del computer, creerebbe una linea definitiva in cui entrambi i gruppi erano separati l’uno dall’altro e non c’era un intervallo intermedio. Qualcuno di 6 piedi (1.83 metri) di altezza sarebbe classificato come basso se al di sotto dell’altezza media, mentre qualcuno di 6 piedi e 1 pollice (1.85 metri) di altezza sarebbe classificato come alto. Con l’elaborazione fuzzy, l’intervallo di ciò che è considerato alto rispetto a quello basso cambierebbe continuamente man mano che il gruppo cambiava e le decisioni sarebbero prese lungo un gradiente più ragionevole.
Le reti neurali, al contrario, non hanno regole predefinite da cui operare e traggono tutte le loro conclusioni basandosi sull’osservazione. Operare senza regole predefinite può creare informazioni univoche sui dati che non sono altrimenti evidenti quando sono state fatte ipotesi precedenti nella programmazione fuzzy o nei tradizionali set di regole di programmazione. I risultati del software fuzzy e dell’elaborazione dei dati della rete neurale sono combinati in sistemi neurali fuzzy in un modo che si avvicina al modo in cui gli organismi biologici apprendono e si adattano all’interno dei loro ambienti. Man mano che il sistema si adatta ai dati che raccoglie, cambia il modo in cui elabora tali dati per diventare più efficiente nel risolvere problemi futuri.
L’elaborazione neurale, sia dalla programmazione neurale in un computer che da un cervello biologico, è un metodo in cui viene dato peso aggiunto a determinati punti dati in base ai risultati osservativi. L’elemento fuzzy delle reti neurali fuzzy serve a modellare le condizioni reali in modo più accurato di quanto fosse possibile in passato con i processori di computer tradizionali, sebbene questo livello di modellazione fine spesso non porti a miglioramenti significativi delle prestazioni in cui la logica fuzzy viene utilizzata come controllo su computer convenzionale controlli. Il vantaggio finale delle reti neurali fuzzy è che hanno il potenziale per sviluppare un livello rudimentale di pensiero indipendente e processo decisionale che si adatta al cambiamento dell’ambiente circostante.