Le reti neurali e la logica fuzzy sono entrambi solitamente sistemi software progettati per riconoscere modelli in dati o eventi e simulare reazioni umane naturali e processi decisionali. Mentre i modelli computazionali tradizionali utilizzano calcoli discreti per l’output dall’inizio dell’accensione del sistema, le reti neurali e la logica fuzzy richiedono un periodo di addestramento o apprendimento per produrre risultati significativi. Concettualmente, l’antitesi alle reti neurali e alla logica fuzzy nei sistemi informatici avanzati è l’applicazione di sistemi esperti, che sono archivi di dati preimpostati o basi di conoscenza che sono raccolte di conoscenze precedentemente stabilite da una varietà di esperti in un campo.
Sia il vantaggio intrinseco che il difetto nei sistemi adattivi che impiegano reti neurali e logica fuzzy sono la loro capacità predittiva. Sono strumenti di modellazione dei dati statistici non lineari, il che significa che possono arrivare a conclusioni diverse sullo stesso problema a seconda del percorso intrapreso per analizzare il problema. Laddove un sistema esperto basato su costrutti di programmazione standard deciderebbe se un individuo fosse considerato alto in base a un chiaro punto di separazione, ad esempio 6 piedi (1.83 metri) o più definisce alto, dove 5 piedi e 11 pollici (1.8 metri) no, le reti neurali e la logica fuzzy prendono la decisione in base all’analisi dei dati di supporto, al numero di individui in un gruppo e all’altezza di ciascuno, in che modo le altezze medie per i sottogruppi all’interno del gruppo influiscono sulla percezione complessiva di ciò che è alto e così via. Questa capacità negli esseri umani è indicata come intuizione, o la natura di guardare il mondo in modo non lineare e tenere conto delle eccezioni alla regola nel prendere decisioni.
Altri termini usati per le reti neurali e i sistemi di logica fuzzy includono ragionamento basato su casi, algoritmi genetici, studi sulla teoria del caos applicata al software e intelligenza artificiale in generale. I due sistemi tendono a differire nel loro approccio alla risoluzione di problemi soggettivi. Le reti neurali sono un tentativo diretto di modellare il modo in cui i neuroni funzionano nel cervello umano, attraverso un ciclo di crescita di una rete neurale artificiale che analizza i problemi quando li incontra. La logica fuzzy, d’altra parte, è un costrutto software che tenta di codificare per l’analisi di tutte le aree grigie nel mondo naturale, matematicamente in anticipo, e va oltre la logica booleana binaria 0/1 per includere verità parziali che vengono pesate l’una contro l’altra per arrivare a una conclusione. Questo imita lo spettro dei giudizi di valore che gli esseri umani fanno continuamente quando una semplice risposta sì o no alle condizioni è inadeguata.