Jaringan saraf kabur adalah sistem perangkat lunak yang mencoba memperkirakan cara kerja otak manusia. Mereka melakukan ini dengan memanfaatkan dua bidang penelitian utama dalam teknologi ilmu komputer — pengembangan perangkat lunak logika fuzzy dan arsitektur pemrosesan jaringan saraf. Perangkat lunak logika fuzzy mencoba menjelaskan area abu-abu dunia nyata dalam struktur pengambilan keputusan program perangkat lunak komputer yang melampaui pilihan sederhana ya atau tidak. Desain jaringan saraf tiruan menciptakan node perangkat lunak yang meniru fungsionalitas dan kompleksitas bagaimana neuron berinteraksi di otak manusia. Bersama-sama, logika fuzzy dan desain jaringan saraf menciptakan sistem neuro-fuzzy yang digunakan peneliti untuk eksperimen pada masalah kompleks seperti perubahan iklim, atau untuk mengembangkan robotika kecerdasan buatan.
Komputer mikro rata-rata pada 2011 melakukan perhitungan pada tingkat yang luar biasa dari miliaran instruksi per detik. Ini merupakan peningkatan eksponensial dalam kecepatan pemrosesan dari hari-hari awal pengembangan komputer, meskipun pertumbuhan tersebut tidak menunjukkan kemampuan menuju penalaran dengan cara yang kompleks yang bahkan organisme biologis sederhana lakukan. Ini sebagian karena keterbatasan dasar yang masih dihadapi oleh pemrosesan komputer, dan jaringan saraf kabur adalah upaya untuk mengatasi keterbatasan ini.
Diperkirakan bahwa rata-rata otak manusia melakukan 100,000,000,000,000 instruksi setiap detik menggunakan struktur sarafnya yang analog dengan cara kerja mikroprosesor. Sebaliknya, sistem komputer rata-rata pada tahun 1999 adalah 24,000 kali lebih lambat dari ini, dan model awal pada tahun 1981 adalah 3,500,000 kali lebih lambat daripada otak manusia dalam melakukan perhitungan. Dibutuhkan 8,000 komputer pribadi yang terhubung secara rumit dengan prosesor 2.1 gigahertz yang tersedia di pasar 2011 untuk mendekati kecepatan rata-rata otak manusia. Sebuah superkomputer yang mampu melakukan perhitungan secepat otak manusia, bagaimanapun, tidak akan sama dengan kekuatan penalaran yang sama untuk menganalisis data dunia nyata yang saling bertentangan, di mana jaringan saraf kabur berperan.
Elemen kunci yang membuat jaringan saraf fuzzy unik dari jenis pemrosesan komputer lainnya adalah kemampuannya dalam pengenalan pola yang diberikan data yang tidak mencukupi untuk menarik kesimpulan yang pasti, dan kemampuan untuk beradaptasi dengan lingkungan. Jaringan saraf fuzzy memanfaatkan algoritma saraf yang dirancang untuk berubah dan tumbuh saat mereka menghadapi kumpulan data baru untuk diproses. Mereka melakukan ini dengan mendekati masalah dari dua sudut pandang yang berbeda dan menggabungkan hasilnya menjadi solusi yang berarti untuk masalah.
Perangkat lunak fuzzy didasarkan pada aturan pemrograman yang memungkinkan untuk memperkirakan tingkat kebenaran ketika kontradiksi muncul dalam data yang jelas dari perspektif manusia. Menentukan siapa yang “tinggi” versus siapa yang “pendek” dalam sekelompok orang, misalnya, menggunakan pemrosesan komputer tradisional, akan membuat garis definitif di mana kedua kelompok dipisahkan satu sama lain dan tidak ada jarak menengah. Seseorang yang tingginya 6 kaki (1.83 meter) akan dikategorikan pendek jika di bawah rata-rata tinggi badan, sedangkan seseorang dengan tinggi 6 kaki dan 1 inci (1.85 meter) akan dikategorikan tinggi. Dengan pemrosesan fuzzy, kisaran dari apa yang dianggap tinggi versus pendek akan terus berubah seiring perubahan grup dan keputusan akan dibuat sepanjang gradien yang lebih masuk akal.
Jaringan saraf, sebaliknya, tidak memiliki aturan yang telah ditetapkan untuk beroperasi, dan menarik semua kesimpulan mereka berdasarkan pengamatan. Beroperasi tanpa aturan yang telah ditentukan sebelumnya dapat menciptakan wawasan unik tentang data yang tidak terlihat ketika asumsi sebelumnya telah dibuat baik dalam pemrograman fuzzy atau set aturan pemrograman tradisional. Hasil dari perangkat lunak fuzzy dan pemrosesan data jaringan saraf digabungkan dalam sistem saraf fuzzy dengan cara yang mendekati bagaimana organisme biologis belajar dan beradaptasi dalam lingkungan mereka. Saat sistem beradaptasi dengan data yang dikumpulkannya, sistem tersebut mengubah cara memproses data tersebut menjadi lebih efisien dalam memecahkan masalah di masa depan.
Pemrosesan saraf, baik dari pemrograman saraf di komputer atau dari otak biologis, adalah metode di mana bobot tambahan diberikan pada titik data tertentu berdasarkan hasil pengamatan. Elemen fuzzy dari jaringan saraf fuzzy berfungsi untuk memodelkan kondisi nyata secara lebih akurat daripada yang mungkin dilakukan di masa lalu dengan prosesor komputer tradisional, meskipun tingkat pemodelan yang bagus ini sering kali tidak mengarah pada peningkatan kinerja yang signifikan di mana logika fuzzy digunakan sebagai kontrol atas komputer konvensional. kontrol. Keuntungan utama dari jaringan saraf fuzzy adalah bahwa mereka memiliki potensi untuk mengembangkan tingkat pemikiran independen yang belum sempurna dan pengambilan keputusan yang beradaptasi ketika lingkungan mereka berubah di sekitar mereka.