¿Qué son las redes neuronales difusas?

Las redes neuronales difusas son sistemas de software que intentan aproximarse a la forma en que funciona el cerebro humano. Lo hacen utilizando dos áreas clave de investigación en tecnología informática: desarrollo de software de lógica difusa y 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 que van más allá de las simples opciones de sí o no. El diseño de redes neuronales artificiales crea nodos de software que imitan la funcionalidad y la 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 usan para experimentar en problemas complejos como el cambio climático o para desarrollar robótica de inteligencia artificial.

El microordenador 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 la computadora, aunque dicho crecimiento no ha demostrado capacidad para razonar en las formas complejas que incluso los organismos biológicos simples lo hacen. Esto se debe en parte a las limitaciones básicas que el procesamiento informático aún enfrenta, y las redes neuronales difusas son un intento de solucionar estas limitaciones.

Se estima que el cerebro humano promedio lleva a cabo 100,000,000,000,000 de instrucciones cada segundo utilizando su estructura neural que es análoga a cómo funcionan los microprocesadores. Por el contrario, un sistema informático promedio a partir de 1999 fue 24,000 veces más lento que esto, y un modelo inicial a partir de 1981 fue 3,500,000 veces más lento que el cerebro humano al realizar cálculos. Se necesitarían 8,000 computadoras personales intrincadamente conectadas en red con procesadores de 2.1 gigahercios disponibles en el mercado de 2011 para aproximar la velocidad de un cerebro humano promedio. 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 dado que los datos son insuficientes para sacar conclusiones definitivas y la capacidad de adaptarse al entorno. Las redes neuronales difusas utilizan algoritmos neuronales diseñados para cambiar y crecer a medida que se encuentran con nuevos conjuntos de datos para procesar. Lo hacen abordando los problemas desde dos puntos de vista distintos y combinando los resultados en soluciones significativas para los problemas.

El software difuso se basa en reglas de programación que permiten estimar niveles de verdad cuando surgen contradicciones en los datos que son obvios desde la perspectiva humana. Determinar quién es "alto" versus quién es "bajo" en un grupo de personas, por ejemplo, usando el procesamiento tradicional por computadora, crearía una línea definitiva donde ambos grupos se separaron entre sí y no hubo un rango intermedio. Alguien de 6 pies (1,83 metros) de altura se clasificaría como bajo si es inferior a 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 para operar, y extraen todas sus conclusiones basadas en la observación. Operar sin reglas predefinidas puede crear ideas únicas sobre datos que de otra manera no serían aparentes cuando se hayan hecho suposiciones previas en programación difusa o en conjuntos de reglas de programación tradicionales. 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 dentro de sus entornos. A medida que el sistema se adapta a los datos que recopila, cambia la forma en que procesa esos datos para ser más eficiente en la resolución de problemas futuros.

El procesamiento neuronal, ya sea desde la programación neuronal en una computadora o desde un cerebro biológico, es un método en el que se da mayor peso a ciertos puntos de datos en función de los resultados de observación. El elemento difuso de las redes neuronales difusas sirve para modelar con mayor precisión las condiciones reales de lo que era posible en el pasado con los procesadores informáticos tradicionales, aunque este excelente nivel de modelado a menudo puede no conducir a mejoras significativas en el rendimiento donde la lógica difusa se usa como control sobre la computadora convencional controles. La ventaja final de las redes neuronales difusas es que tienen el potencial de desarrollar un nivel de pensamiento rudimentario independiente y toma de decisiones que se adapta a medida que su entorno cambia a su alrededor.