Sebelum memahami komputasi lunak dan komputasi keras, kita harus memahami, apa itu komputasi? Komputasi dalam hal teknologi komputer adalah proses menyelesaikan tugas tertentu dengan bantuan komputer atau perangkat komputasi. Ada beberapa karakteristik komputasi seperti itu harus memberikan solusi yang tepat, tindakan kontrol yang akurat dan jelas, memfasilitasi solusi dari masalah yang dapat diselesaikan secara matematis.
Metode komputasi tradisional, komputasi keras cocok untuk masalah matematika, meskipun mungkin digunakan untuk memecahkan masalah dunia nyata, tetapi demerit terkait utama adalah bahwa ia menghabiskan sejumlah besar waktu dan biaya perhitungan. Inilah alasan mengapa komputasi lunak adalah alternatif yang lebih baik untuk memecahkan masalah dunia nyata.
Grafik perbandingan
| Dasar untuk perbandingan | Komputasi lunak | Komputasi sulit |
|---|---|---|
| Dasar | Toleransi terhadap ketidaktepatan, ketidakpastian, kebenaran parsial, dan perkiraan. | Menggunakan model analitik yang dinyatakan dengan tepat. |
| Berdasarkan | Logika fuzzy dan penalaran probabilistik | Logika biner dan sistem renyah |
| fitur | Perkiraan dan disposisionalitas | Presisi dan kategorisasi |
| Alam | Stochastic | Deterministik |
| Bekerja | Data ambigu dan berisik | Input data yang tepat |
| Komputasi | Dapat melakukan komputasi paralel | Sekuensial |
| Hasil | Perkiraan | Menghasilkan hasil yang tepat. |
Definisi komputasi lunak
Soft computing adalah model komputasi yang dikembangkan untuk memecahkan masalah non-linear yang melibatkan solusi yang tidak pasti, tidak tepat, dan mendekati masalah. Jenis masalah ini dianggap sebagai masalah kehidupan nyata di mana kecerdasan seperti manusia diperlukan untuk menyelesaikannya. Istilah komputasi lunak diciptakan oleh Dr Lotfi Zadeh, menurutnya, komputasi lunak adalah pendekatan yang meniru akal budi manusia untuk berpikir dan belajar di lingkungan yang penuh ketidakpastian dan kesan.
Ini dibuat melalui dua elemen adaptasi dan pengetahuan dan memiliki seperangkat alat seperti logika fuzzy, jaringan saraf, algoritma genetika, dan sebagainya. Model komputasi lunak berbeda dari model sebelumnya yang dikenal sebagai model komputasi keras karena tidak bekerja pada model matematika pemecahan masalah.
Sekarang, mari kita bahas beberapa metodologi komputasi lunak dengan contoh-contoh.
1. Logika fuzzy berkaitan dengan pengambilan keputusan dan masalah sistem kontrol yang tidak dapat dikonversi menjadi formula matematika yang sulit. Ini pada dasarnya memetakan input ke output secara logis dalam cara non-linear, cara manusia melakukannya. Logika fuzzy digunakan dalam subsistem mobil, AC, kamera, dan sebagainya.
2. Jaringan saraf tiruan melakukan klasifikasi, penggalian data, dan proses prediksi dan dengan mudah mengelola data input berisik dengan mengelompokkannya ke dalam kelompok atau memetakan ke output yang diharapkan. Misalnya, digunakan dalam pengenalan gambar dan karakter, peramalan bisnis di mana pola dipelajari dari set data dan model dibuat untuk mengenali pola-pola ini.
3. Algoritma genetika dan teknik evolusi digunakan untuk menyelesaikan optimasi dan mendesain masalah terkait di mana solusi optimal dapat dikenali tetapi tidak ada jawaban yang benar yang telah ditentukan akan diberikan. Aplikasi nyata dari algoritma genetika yang menggunakan teknik pencarian heuristik adalah robotika, desain otomotif, perutean telekomunikasi yang dioptimalkan, penemuan biomimetik, dan sebagainya.
Definisi komputasi keras
Hard computing adalah pendekatan tradisional yang digunakan dalam komputasi yang membutuhkan model analitik yang dinyatakan secara akurat. Itu juga diusulkan oleh Dr Lotfi Zadeh sebelum komputasi lunak. Pendekatan komputasi keras menghasilkan hasil yang dijamin, deterministik, akurat dan mendefinisikan tindakan kontrol yang pasti menggunakan model atau algoritma matematika. Ini berkaitan dengan logika biner dan renyah yang membutuhkan input data yang tepat secara berurutan. Namun, komputasi keras tidak mampu memecahkan masalah dunia nyata yang perilakunya sangat tidak tepat dan di mana informasi berubah secara konsisten.
Mari kita ambil contoh jika kita perlu mencari tahu apakah akan turun hujan hari ini atau tidak? Jawabannya bisa ya atau tidak, yang berarti dalam dua kemungkinan cara deterministik kita dapat menjawab pertanyaan atau dengan kata lain, jawabannya berisi solusi renyah atau biner.
Perbedaan Kunci Antara Soft computing dan Hard computing
- Model komputasi lunak adalah toleran terhadap ketidaktepatan, kebenaran sebagian, perkiraan. Di sisi lain, komputasi keras tidak bekerja pada prinsip-prinsip yang diberikan di atas; ini sangat akurat dan pasti.
- Komputasi lunak menggunakan logika fuzzy dan penalaran probabilistik sementara komputasi keras didasarkan pada sistem biner atau renyah.
- Komputasi keras memiliki fitur seperti ketepatan dan kategorisasi. Sebaliknya, pendekatan dan disposisi adalah karakteristik dari komputasi lunak.
- Pendekatan komputasi lunak bersifat probabilistik sedangkan komputasi keras bersifat deterministik.
- Komputasi lunak dapat dengan mudah dioperasikan pada data yang bising dan ambigu. Sebaliknya, komputasi keras hanya dapat bekerja pada data input yang tepat.
- Komputasi paralel dapat dilakukan dalam komputasi lunak. Sebaliknya, dalam komputasi komputasi komputasi berurutan dilakukan pada data.
- Komputasi lunak dapat menghasilkan hasil perkiraan sementara komputasi keras menghasilkan hasil yang tepat.
Kesimpulan
Pendekatan komputasi konvensional hard computing efektif ketika datang untuk memecahkan masalah deterministik, tetapi ketika masalah tumbuh dalam ukuran dan kompleksitas, ruang pencarian desain juga meningkat. Ini membuat sulit untuk memecahkan masalah yang tidak pasti dan tidak tepat dengan komputasi keras. Jadi, komputasi lunak telah muncul sebagai solusi untuk komputasi keras yang juga memberikan banyak manfaat seperti komputasi cepat, biaya rendah, penghapusan perangkat lunak yang telah ditentukan, dan sebagainya.
