Las redes neuronales difusas son sistemas de software que intentan aproximarse a la forma en que funciona el cerebro humano. Para ello, utilizan dos áreas de investigación clave en la tecnología informática: el desarrollo de software de lógica difusa y la arquitectura de procesamiento de redes neuronales. El software de lógica difusa intenta dar cuenta de las áreas grises del mundo real en la estructura de toma de decisiones de los programas de software de computadora que van más allá de simples opciones de sí o no. El diseño de redes neuronales artificiales crea nodos de software que imitan la funcionalidad y complejidad de cómo interactúan las neuronas en el cerebro humano. Juntos, la lógica difusa y el diseño de redes neuronales crean un sistema neuro-difuso que los investigadores utilizan para experimentar en problemas complejos como el cambio climático o para desarrollar la robótica de inteligencia artificial.
La microcomputadora promedio a partir de 2011 realiza cálculos a una velocidad increíble de miles de millones de instrucciones por segundo. Esto representa un aumento exponencial en la velocidad de procesamiento desde los primeros días del desarrollo de las computadoras, aunque tal crecimiento no ha mostrado capacidad para razonar de las formas complejas en que lo hacen incluso los organismos biológicos simples. Esto se debe en parte a las limitaciones básicas a las que todavía se enfrenta el procesamiento informático, y las redes neuronales difusas son un intento de evitar estas limitaciones.
Se estima que el cerebro humano promedio lleva a cabo 100,000,000,000,000 de instrucciones cada segundo usando su estructura neuronal que son análogas a cómo funcionan los microprocesadores. Por el contrario, un sistema informático promedio en 1999 era 24,000 veces más lento que este, y un modelo temprano en 1981 era 3,500,000 veces más lento que el cerebro humano para realizar cálculos. Se necesitarían 8,000 ordenadores personales interconectados en red junto con procesadores de 2.1 gigahercios disponibles en el mercado de 2011 para aproximarse a la velocidad de un cerebro humano medio. Sin embargo, una supercomputadora capaz de realizar cálculos tan rápido como el cerebro humano no equivaldría al mismo poder de razonamiento para analizar datos conflictivos del mundo real, que es donde entran en juego las redes neuronales difusas.
Los elementos clave que hacen que las redes neuronales difusas sean únicas de otros tipos de procesamiento informático son su capacidad de reconocimiento de patrones dados datos insuficientes para sacar conclusiones definitivas y la capacidad de adaptarse al entorno. Las redes neuronales difusas utilizan algoritmos neuronales que están diseñados para cambiar y crecer a medida que encuentran nuevos conjuntos de datos para procesar. Lo hacen abordando los problemas desde dos puntos de vista distintos y combinando los resultados en soluciones significativas a los problemas.
El software difuso se basa en reglas de programación que permiten estimar niveles de verdad cuando surgen contradicciones en datos que son obvios desde una perspectiva humana. Determinar quién es «alto» versus quién es «bajo» en un grupo de personas, por ejemplo, utilizando el procesamiento informático tradicional, crearía una línea definitiva en la que ambos grupos estuvieran separados entre sí y no hubiera un rango intermedio. Alguien de 6 pies (1.83 metros) de altura se clasificaría como bajo si está por debajo de la altura promedio, mientras que alguien de 6 pies y 1 pulgada (1.85 metros) de altura se clasificaría como alto. Con el procesamiento difuso, el rango de lo que se considera alto versus bajo cambiaría continuamente a medida que el grupo cambiara y las decisiones se tomarían a lo largo de un gradiente más razonable.
Las redes neuronales, por el contrario, no tienen reglas predefinidas a partir de las cuales operar y extraen todas sus conclusiones basándose en la observación. Operar sin reglas predefinidas puede crear conocimientos únicos sobre los datos que de otro modo no son evidentes cuando se han hecho suposiciones previas en la programación difusa o en los conjuntos de reglas de programación tradicional. Los resultados del software difuso y el procesamiento de datos de redes neuronales se combinan en sistemas neuronales difusos de una manera que se aproxima a cómo los organismos biológicos aprenden y se adaptan a sus entornos. A medida que el sistema se adapta a los datos que recopila, cambia la forma en que procesa esos datos para volverse más eficiente en la resolución de problemas futuros.
El procesamiento neuronal, ya sea a partir de la programación neuronal en una computadora o desde un cerebro biológico, es un método en el que se le da un peso adicional a ciertos puntos de datos basados en resultados de observación. El elemento difuso de las redes neuronales difusas sirve para modelar las condiciones reales con mayor precisión de lo que era posible en el pasado con los procesadores de computadora tradicionales, aunque este nivel fino de modelado a menudo no conduce a mejoras significativas en el rendimiento cuando se utiliza la lógica difusa como control sobre la computadora convencional control S. La ventaja última de las redes neuronales difusas es que tienen el potencial de desarrollar un nivel de pensamiento y toma de decisiones independientes rudimentarios que se adapta a medida que cambia el entorno a su alrededor.