Мягкие вычисления или вычислительный интеллект — это область вычислительных технологий на основе искусственного интеллекта, которые позволяют выполнять приближенные и естественные вычисления и предназначены для них. Это здорово, потому что позволяет решать проблемы, требующие частичной правды, неопределенности, неточности и приближения: вещи, которые недостижимы с помощью традиционных вычислительных моделей и алгоритмов. Нечеткая логика, машинное обучение, нейронные сети, вероятностные рассуждения и эволюционные вычисления — все это области программных вычислений, предназначенные для решения сложных и реальных задач.
Начнем с того, что мягкие вычисления были впервые представлены и придуманы математиком Лотфи А. Заде в начале 1990-х годов, и это способ, которым мы продолжили путь к тому, чтобы заставить машины максимально точно воспроизводить человеческий разум. Методы мягких вычислений впервые были вдохновлены способностью человеческого мозга решать реальные проблемы посредством приближения и оценки. Этим он отличается от жестких вычислений, в которых для решения задач используются существующие математические алгоритмы. Жесткие вычисления обеспечивают точные и точные решения, которые не всегда подходят для каждой ситуации. Решения, созданные для сложных задач с использованием программных вычислений, преднамеренно неточны или «нечетки».
Для начала, первая техника, о которой следует упомянуть, — это нечеткая логика. Нечеткая логика — это метод, который отличается от традиционной булевой логики (истина или ложь) и позволяет создавать несколько возможных значений истинности в одной и той же переменной. Это создает способ решения проблем с неточными спектрами данных, который открывает возможность для многочисленных точных выводов. В нечеткой логике все утверждения об истинности являются частичными, и им присваивается значение вероятности от 0 до 1, например 0,4 или 0,7. Это позволяет имитировать реальные жизненные обстоятельства, где стопроцентная правда или ложь встречаются редко. Другой пример мягких вычислений — нейронные сети. Искусственная нейронная сеть (ИНС) эмулирует сети нейронов, составляющих человеческий мозг. Использование слова «нейронный» относится к человеческому мозгу, поскольку слои узлов, из которых состоят нейронные сети, имитируют то, как нейроны передают сигналы друг другу и доставляют информацию. Таким образом, машина или компьютер могут учиться подобно человеческому разуму. Наконец, генетические алгоритмы (ГА) и эволюционные вычисления представляют собой подмножество вычислений, основанное на природе и естественном отборе. Алгоритмы имитируют процессы естественного отбора, когда для размножения отбираются самые сильные особи вида.
Мягкие вычисления — важная область для будущего и развития ИИ. Как уже упоминалось, эти методы и модели необходимы, когда жесткие вычисления не могут решить реальные проблемы. Мягкие вычисления могут отображать человеческий разум, еще больше приближая нас к цели улучшения ИИ. Эти методы необходимы во многих приложениях, включая беспроводную связь, бытовую технику, которая привносит искусственный интеллект в дома, робототехнику, транспорт, здравоохранение и интеллектуальный анализ данных. Мягкие вычисления — замечательная область, и области применения со временем будут только расширяться.
