Fuzzy neuronale Netze sind Softwaresysteme, die versuchen, die Funktionsweise des menschlichen Gehirns anzunähern. Sie tun dies, indem sie zwei Schlüsselforschungsbereiche in der Informatiktechnologie nutzen – die Entwicklung von Fuzzy-Logik-Software und die Architektur der neuronalen Netzwerkverarbeitung. Fuzzy-Logik-Software versucht, reale Grauzonen in der Entscheidungsfindungsstruktur von Computersoftwareprogrammen zu berücksichtigen, die über einfache Ja- oder Nein-Entscheidungen hinausgehen. Das Design künstlicher neuronaler Netze erstellt Softwareknoten, die die Funktionalität und Komplexität der Interaktion von Neuronen im menschlichen Gehirn imitieren. Zusammen schaffen Fuzzy-Logik und neuronales Netzdesign ein Neuro-Fuzzy-System, das Forscher für Experimente zu komplexen Problemen wie dem Klimawandel oder zur Entwicklung von Robotern mit künstlicher Intelligenz verwenden.
Ein durchschnittlicher Mikrocomputer (Stand 2011) führt Berechnungen mit einer unglaublichen Geschwindigkeit von Milliarden von Anweisungen pro Sekunde durch. Dies stellt einen exponentiellen Anstieg der Verarbeitungsgeschwindigkeit seit den frühen Tagen der Computerentwicklung dar, obwohl ein solches Wachstum keine Fähigkeit gezeigt hat, auf die komplexe Weise zu argumentieren, die selbst einfache biologische Organismen tun. Dies ist teilweise auf grundlegende Einschränkungen zurückzuführen, denen die Computerverarbeitung immer noch ausgesetzt ist, und Fuzzy-Neuralnetzwerke sind ein Versuch, diese Einschränkungen zu umgehen.
Es wird geschätzt, dass das durchschnittliche menschliche Gehirn mit seiner neuronalen Struktur jede Sekunde 100,000,000,000,000 Anweisungen ausführt, die der Funktionsweise von Mikroprozessoren entsprechen. Im Gegensatz dazu war ein durchschnittliches Computersystem von 1999 24,000 Mal langsamer als dieses, und ein frühes Modell von 1981 war 3,500,000 Mal langsamer als das menschliche Gehirn bei der Durchführung von Berechnungen. Um die Geschwindigkeit eines durchschnittlichen menschlichen Gehirns zu erreichen, wären 8,000 PCs erforderlich, die mit 2.1 Gigahertz-Prozessoren, die auf dem Markt erhältlich sind, eng vernetzt sind. Ein Supercomputer, der Berechnungen so schnell durchführen kann wie das menschliche Gehirn, würde jedoch nicht die gleiche Argumentationsfähigkeit für die Analyse widersprüchlicher Daten aus der realen Welt aufweisen, wo Fuzzy-Neuralnetzwerke ins Spiel kommen.
Die Schlüsselelemente, die unscharfe neuronale Netze gegenüber anderen Arten der Computerverarbeitung einzigartig machen, sind ihre Fähigkeit zur Mustererkennung bei unzureichenden Daten, um definitive Schlussfolgerungen zu ziehen, und die Fähigkeit, sich an die Umgebung anzupassen. Fuzzy neuronale Netze verwenden neuronale Algorithmen, die sich ändern und wachsen, wenn sie auf neue zu verarbeitende Datensätze treffen. Sie tun dies, indem sie Probleme aus zwei unterschiedlichen Blickwinkeln angehen und die Ergebnisse zu sinnvollen Problemlösungen kombinieren.
Fuzzy-Software basiert auf Programmierregeln, die es ermöglichen, den Wahrheitsgrad abzuschätzen, wenn Widersprüche in Daten auftreten, die aus menschlicher Sicht offensichtlich sind. Die Bestimmung, wer in einer Gruppe von Personen „groß“ oder „klein“ ist, beispielsweise mit Hilfe der traditionellen Computerverarbeitung, würde eine definitive Linie schaffen, bei der beide Gruppen voneinander getrennt sind und es keine Zwischenreichweite gibt. Jemand mit einer Körpergröße von 6 m wird als klein eingestuft, wenn er unterdurchschnittlich groß ist, während jemand mit einer Körpergröße von 1.83 m als groß eingestuft wird. Bei der Fuzzy-Verarbeitung würde sich der Bereich, der als groß und klein angesehen wird, ständig ändern, wenn sich die Gruppe ändert und Entscheidungen entlang eines vernünftigeren Gradienten getroffen werden.
Im Gegensatz dazu haben neuronale Netze keine vordefinierten Regeln, nach denen sie arbeiten sollen, und ziehen alle ihre Schlussfolgerungen basierend auf Beobachtungen. Der Betrieb ohne vordefinierte Regeln kann einzigartige Einblicke in Daten schaffen, die ansonsten nicht offensichtlich sind, wenn vorherige Annahmen in der Fuzzy-Programmierung oder in herkömmlichen Programmierregelsätzen getroffen wurden. Die Ergebnisse von Fuzzy-Software und neuronaler Netzdatenverarbeitung werden in Fuzzy-Neuralsystemen auf eine Weise kombiniert, die dem Lernen und Anpassen biologischer Organismen in ihrer Umgebung nahe kommt. Da sich das System an die gesammelten Daten anpasst, ändert es die Art und Weise, wie es diese Daten verarbeitet, um bei der Lösung zukünftiger Probleme effizienter zu werden.
Neuronale Verarbeitung, sei es durch neuronale Programmierung in einem Computer oder durch ein biologisches Gehirn, ist eine Methode, bei der bestimmten Datenpunkten basierend auf Beobachtungsergebnissen zusätzliches Gewicht gegeben wird. Das Fuzzy-Element von Fuzzy-Neuralnetzen dient dazu, reale Bedingungen genauer zu modellieren, als dies in der Vergangenheit mit herkömmlichen Computerprozessoren möglich war, obwohl diese feine Modellierung oft nicht zu signifikanten Leistungsverbesserungen führt, wenn Fuzzy-Logik als Kontrolle über konventionelle Computer verwendet wird kontrolliert. Der ultimative Vorteil von Fuzzy Neural Networks besteht darin, dass sie das Potenzial haben, ein rudimentäres unabhängiges Denken und Entscheidungsfindung zu entwickeln, das sich an die Veränderungen ihrer Umgebung anpasst.