ההבדל בין מחשוב רך למחשבים קשים
תוֹכֶן
מחשוב רך ומחשוב קשה הן שיטות מחשוב בהן המחשוב הקשיח הוא המתודולוגיה המקובלת נשענת על עקרונות הדיוק, הוודאות והגמישות.לעומת זאת, מחשוב רך הוא גישה מודרנית שמתבססת על רעיון הקירוב, חוסר הוודאות והגמישות.
לפני שנבין מחשוב רך ומחשוב קשה עלינו להבין, מה זה מחשוב? המחשוב מבחינת טכנולוגיית המחשבים הוא תהליך ביצוע המשימה המסוימת בעזרת מחשב או מכשיר מחשוב. ישנם כמה מאפיינים של המחשוב כמו שזה אמור לספק פיתרון מדויק, פעולות בקרה מדויקות וברורות, להקל על פיתרון הבעיות הניתנות לפיתרון מתמטי.
שיטת המחשוב המסורתית, מחשוב קשה מתאימה לבעיות מתמטיות, אם כי היא עשויה לשמש כדי לפתור בעיות בעולם האמיתי, אך הדמרית העיקרית הנלווית לכך היא שהיא צורכת כמות גדולה של זמן ועלות חישוב. זו הסיבה שהמחשוב הרך הוא האלטרנטיבה הטובה יותר לפיתרון בעיות העולם האמיתי.
-
- טבלת השוואה
- הגדרה
- הבדלים עיקריים
- סיכום
טבלת השוואה
| בסיס להשוואה | מחשוב רך | מחשוב קשה |
|---|---|---|
| בסיסי | סובלני לחוסר דיוק, אי וודאות, אמת חלקית וקירוב. | משתמש במודל אנליטי שצוין במדויק. |
| מבוסס על | היגיון מטושטש והנמקה הסתברותית | היגיון בינארי ומערכת פריכה |
| תכונות | קירוב ומדיניות | דיוק וקטגוריות |
| טבע | הסתברותי | דטרמיניסטי |
| עובד על | נתונים דו משמעיים ורועשים | נתוני קלט מדויקים |
| חישוב | יכול לבצע חישובים מקבילים | ברצף |
| תוצאה | משוער | מניב תוצאה מדויקת. |
הגדרת מחשוב רך
מחשוב רך הוא מודל מחשוב שהתפתח כדי לפתור את הבעיות הלא ליניאריות הכרוכות בפתרונות לא בטוחים, לא מדויקים ומוערכים של בעיה. בעיות מסוג זה נחשבות כבעיות בחיים האמיתיים בהן נדרש האינטליגנציה הדומה לאדם לפתור אותה. מונח המחשוב הרך נטבע על ידי ד"ר לוטפי זדה. לדבריו, מחשוב רך הוא גישה שמחקה את המוח האנושי להיגיון ולומד בסביבה של אי וודאות ורושם.
זה נוצר באמצעות שני אלמנטים הסתגלותיות וידע ויש לו מערך כלים כמו לוגיקה מעורפלת, רשתות עצביות, אלגוריתם גנטי וכו '. מודל המחשוב הרך נבדל מהמודל הקודם שלו המכונה מודל מחשוב קשיח מכיוון שהוא לא עובד על המודל המתמטי של פתרון בעיות.
כעת, נדון בכמה מהמתודולוגיות של המחשוב הרך עם דוגמאות.
1. לוגיקה עמומה עוסק בקבלת החלטות ובקרה על בעיות במערכת שלא ניתן להמיר לנוסחאות מתמטיות קשות. זה בעצם ממפה את התשומות לתפוקות באופן הגיוני באופן לא ליניארי, כמו שבני האדם עושים זאת. ההיגיון המטושטש משמש במערכת המשנה לרכב, מזגנים, מצלמות וכו '.
2. רשתות עצביות מלאכותיות לבצע תהליך סיווג, כריית נתונים וחיזוי ולנהל בקלות את נתוני הקלט הרועשים על ידי סיווגם לקבוצות או מיפוי לפלט צפוי. לדוגמה, הוא משמש בזיהוי תמונות ותווים, בחיזוי עסקי בו נלמדים הדפוסים מערכות הנתונים ונוצר מודל להכרה של תבניות אלה.
3. אלגוריתמים גנטיים וטכניקות אבולוציוניות משמשות לפתרון האופטימיזציה ועיצוב בעיות הקשורות בהן ניתן לזהות פיתרון אופטימלי אך לא תינתן תשובה נכונה מוגדרת מראש. היישומים החיים האמיתיים של האלגוריתם הגנטי העושה שימוש בטכניקות חיפוש היוריסטיות הם רובוטיקה, תכנון רכב, ניתוב טלקומוניקציה אופטימלי, המצאה ביומימטית וכן הלאה.
הגדרת מחשוב קשה
מחשוב קשה היא הגישה המסורתית הנהוגה במחשוב הזקוקה למודל אנליטי המוצהר במדויק. זה הוצע גם על ידי ד"ר לוטפי זדה לפני מחשוב רך. גישת מחשוב קשה מייצרת תוצאה מובטחת, דטרמיניסטית, מדויקת ומגדירה פעולות בקרה מוגדרות באמצעות מודל או אלגוריתם מתמטי. הוא עוסק בהיגיון בינארי ופריך הדורשים את נתוני הקלט המדויקים ברצף. עם זאת, מחשוב קשה אינו מסוגל לפתור את הבעיות בעולם האמיתי שהתנהגותן אינה מדויקת ביותר והמידע בהן משתנה בעקביות.
ניקח דוגמא אם עלינו למצוא אם יירד גשם היום או לא? התשובה יכולה להיות כן או לא, מה שאומר בשתי דרך דטרמיניסטיות אפשריות שנוכל לענות על השאלה או במילים אחרות, התשובה מכילה פיתרון פריך או בינארי.
- מודל המחשוב הרך הוא סובלני לדעות, אמת חלקית, קירוב. מצד שני, מחשוב קשה אינו פועל על פי העקרונות שהוזכרו לעיל; זה מאוד מדויק ובטוח.
- מחשוב רך עושה שימוש בהיגיון מטושטש ובהנמקה הסתברותית בעוד המחשוב הקשיח מבוסס על מערכות בינאריות או פריכות.
- למחשוב קשה יש תכונות כמו דיוק וקטגוריות. לעומת זאת, קירוב ומדיניות הם המאפיינים של מחשוב רך.
- גישת מחשוב רכה היא הסתברותית ואילו מחשוב קשה הוא דטרמיניסטי.
- ניתן להפעיל בקלות את המחשוב הרך על הנתונים הרועשים והעמומים. לעומת זאת, מחשוב קשה יכול לעבוד רק על נתוני קלט מדויקים.
- ניתן לבצע חישובים מקבילים במחשוב רך. נהפוך הוא, במחשבים קשים חישוב רצף מתבצע על הנתונים.
- מחשוב רך יכול לייצר תוצאות משוערות בעוד מחשוב קשה מניב תוצאות מדויקות.
סיכום
גישת המחשוב הקונבנציונאלית מחשוב קשה יעיל בכל הקשור לפיתרון בעיה דטרמיניסטית, אך ככל שהבעיה גדלה בגודלה ובמורכבותה, גם שטח החיפוש העיצובי גדל. זה הקשה על פיתרון של בעיה לא בטוחה ולא מדויקת על ידי מחשוב קשה. אז, מחשוב רך התגלה כפתרון למחשוב הקשה המספק גם יתרונות רבים כמו חישוב מהיר, עלות נמוכה, ביטול התוכנה המוגדרת מראש וכו '.
