Bevezetés a neurális és minősítő számítástechnikába

A "bizonytalanság" az emberi élet minden területén jelen van: nem kell bizonygatni, hogy a nagyon fontos igen/nem döntések mellett sokszor számtalan válasz, döntés és lehetőség kínálkozik. Ez különösen akkor igaz, amikor a humán tényezők közvetlenül és aktívan hatnak (bonyolult szabályozások, társadalmi-, gazdasági kérdések, stb.). A bizonytalansági problémák klasszikus (determinisztikus) matematikai módszerekkel történő megoldása "zsákutcákba" vezethet. Általában a mechanisztikus rendszerek kvantitatív elemzéssel kezelhetők, míg a humanisztikusak minősítést kívánnak. A neurális hálózatok és a minősítő (fuzzy) halmazelmélet napjainkban elérte azt a fejlettségi fokot, hogy érdemes vele foglalkozni. Csak az a kérdés, hogy vajon ezek szolgáltatnak-e olyan eredményeket, amelyek a klasszikus módszerekkel nem lennének elérhetők? A több mint 20 000 publikáció - szétszóródva a mesterséges intelligencia-, az operációkutatás- a számítógép-tudomány- a gazdasági alkalmazások- az irányításelmélet- az alakfelismerés- a döntéselmélet- a robotika- a logika- a biológia és orvoslás- és általában a mérnöki alkalmazások területére - igenlő választ ad erre a kérdésre. Míg a neurális számítástechnika különösen az alakfelismerés területén különösen szép eredményeket könyvelhet el, a minősítő irányítástechnika első gyakorlati alkalmazását valósította meg a londoni Queen Mary College-ben egy gőzgép-vezérléssel és bebizonyította, hogy a nyelvi modellezés logikai konstrukciói képezik az emberi kiszolgálószemélyzet tapasztalatainak is az alapját. az ember képes nagyjából helyesen gondolkodni, egy gépet pedig semmi sem óvja meg attól, hogy esetenként kapitális szamárságokat produkáljon, de azt aztán többtizedesnyi pontossággal!