سایبرپژوه محققان دانشگاه MIT توانسته اند نوعی از شبکه های عصبی سیال از نوع سازگار را اختراع کنند که می‌تواند تصمیم‌گیری و هدایت در خودرو های اتوماتیک و تشخیص پزشکی را بهبود بخشد. ربات هایی که معماری سیستم کنترلشان از قوائد این شبکه ها پیروی می‌کند، قادر خواهند بود خود را بر اساس شرایط مختلف، تغیر دهند.
شبکه عصبی سیال سازگار پلتفرمی که خود را ارتقاء می‌دهد
یک شبکه عصبی سیال سازگار می‌تواند هنگام دریافت داده های جدید و تغیر شرایط، الگوریتم و معادلات اساسی خودش را تغیر داده و با تغییراتی که سیستم های دنیای واقعی تجربه می‌کنند منطبق شود. رامین حسنی که یکی از پژوهشگران در این عرصه است، در مصاحبه با یک خبرگزاری گفت: «این دست‌آورد، جدیدترین ابزار برای پیشرفت در کنترل ربات، پردازش زبان طبیعی و داده‌کاوی ویدئویی، با هر سری زمانی است. ظرفیت عملکردی آن نیز در سطح فوق‌العاده‌ای قرار دارد.» وی همچنین افزود:«این شبکه های عصبی از یک الگوی خاص موسوم به tiny worm پیروی می‌کنند» این سیستم فقط ۳۰۲ نورون در سیستم عصبی خود دارد اما می تواند پویایی پیچیده و غیرمنتظره ای ایجاد کند. کد ها و نشانه‌های اساسی این پلت‌فرم، تحت تأثیر نحوه فعال سازی و برقراری ارتباط این نورون‌ها با یکدیگر از طریق تکانه های الکتریکی عمل می‌کنند. دانشمندان با به چالش کشیدن شبکه عصبی خود، تلاش کرده اند تا پارامترهای آن را به گونه‌ای ارتقاء دهند که بر اساس نتایج عملکردی، یک مجموعه تو در تو از معادلات دیفرانسیل در طول زمان تغییر کرده و به این طریق، انعطاف حاکم بر سیستم، موجب پیشرفته‌تر شدن دائمی آن شود.
ویژگی ها؛ کارکرد شبکه عصبی سیال سازگار
خودآموزی یا توانایی ادامه‌ی فرآیند یادگیری بعد از برنامه‌ریزی های اولیه، مشخصه مهم یک شبکه عصبی سیال از نوع سازگار است. این مولفه، مخصوصا در شرایط غیرمنظره و آسیب هایی که قابل پیش‌بینی نبوده‌اند، کارآیی خود را نشان خواهند داد. محققان تلاش خود را معطوف به این مسئله نموده‌اند که توانایی های اساسی یک شبکه عصبی نظیر «تفسیر اطلاعات و تصمیم‌گیری» را ضمن به حداقل رساندن تعداد سلول های سیال، در حد بالایی حفظ کنند. با استناد به گفته های دکتر حسنی، به وسیله‌ی بازنمایی یک نورون، می‌شود به درجاتی از پیچیدگی سیستماتیک دست یافت که پاسخگویی و حل مسائل در آن سطح، عملا تاکنون ناممکن بوده است. دانشمندان بعد از آزمایشات بسیار، امیدوارند که این توانایی های شبکه‌ی عصبی سیال در پیش‌بینی و آنالیز اطلاعات در طیف وسیعی از علوم، از شیمی آلی گرفته تا الگو های ترافیک شهری، بهره ببرند. کاهش هزینه‌ی انجام محاسبات توسط آن، یکی از جذابیت های غیرقابل انکار است و باعث شده است که پیش از عرضه‌ی عمومی، تقاضای زیادی برایش ایجاد شود. پیش‌بینی می‌شود که این سیستم، یکی از ارکان اساسی ساختار های اطلاعاتی کشورها خواهد شد.
