A sua confusão é compreensível; o termo “lógica difusa” é agora tão provável que apareça na cópia publicitária como nas revistas técnicas. Um certo número de trabalhadores escreveu para compartilhar sua percepção desta área dinâmica de pesquisa.
Charles Elkan, professor assistente de ciência da computação e engenharia na Universidade da Califórnia em San Diego, oferece a seguinte definição:
“Lógica Fuzzy é uma generalização da lógica padrão, na qual a aceitação pode apresentar um grau de verdade em qualquer lugar entre 0.0 e 1.0. A lógica padrão só se aplica a conceitos que são completamente verdadeiros (tendo grau de verdade 1.0)ou completamente falsos (tendo grau de verdade 0.0). A lógica fuzzy é suposta ser usada para raciocinar sobre conceitos inerentemente vagos, tais como ‘tallness’. Por exemplo, podemos dizer que ‘Presidente Clinton é alto’, retiro de verdade de 0.9.
“Acontece que as aplicações úteis da lógica fuzzy não são inteligência artificial de nível inalcançável, mas sim de nível inferior de controlo da máquina, especialmente em produtos de consumo. Normalmente, os controladores fuzzycontrollers são implementados como software rodando em microprocessadores padrão. Microprocessadores de propósito especial foram construídos que fazem fuzzyoperations diretamente em hardware, mas mesmo estes usam sinais digitais binários (0 ou 1) no nível mais baixo de hardware. Há alguns protótipos de pesquisa de chips de computador que usam sinais analógicos no nível mais baixo, mas esses chips simulam o funcionamento dos neurônios ao invés da lógica fuzzy”
ShlomoZilberstein, um assistente-professor no departamento de ciência da computação da Universidade de Massachusetts em Amherst, fornece informações adicionais e mais análise fuzzy do presidente dos EUA:
“A lógica fuzzy é uma técnica para representar e manipular a informação fuzzy. Na lógica proposicional mais tradicional, cada fato ou proposição, como “choverá amanhã”, deve ser verdadeiro ou falso. No entanto, muitas das informações que as pessoas usam sobre o mundo envolvem um certo grau de incerteza. Como a teoria da probabilidade, a lógica difusa associa valores numéricos entre 0 e 1 a cada proposição, a fim de representar a incerteza. Mas enquanto a teoria da probabilidade mede a probabilidade de a posição estar correta, a lógica difusa mede o grau em que a posição está correta. Por exemplo, a proposta ‘PresidentClinton isyoung’ pode ter um grau de correção 0.8.
“A importante distinção entre informação probabilística e lógica fuzzy é que não há incerteza sobre a idade do presidente, mas sim sobre o grau em que ele corresponde à categoria ‘jovem’. Muitos termos, como ‘alto’, ‘rico’, ‘famoso’ ou ‘escuro’, são válidos apenas até um certo grau quando aplicados a um determinado indivíduo ou situação. A lógica Fuzzy logictries toma esse grau e permite que os computadores manipulem essa informação.
“A lógica Fuzzy foi formulada por LotfiZadeh da Universidade da Califórnia em Berkeley em meados dos anos 60, baseada em trabalhos mais antigos na área da teoria fuzzy set. Zadeh também formulou a entãootion de fuzzycontrol que permite que um pequeno conjunto de ‘regras intuitivas’ seja usado em ordem para controlar o funcionamento de dispositivos eletrônicos. Nos anos 80 o fuzzycontrolbecam uma grande indústria no Japão e em outros países onde foi integrado em aparelhos domésticos como aspiradores, fornos microondas e videocâmeras. Tais aparelhos poderiam se adaptar automaticamente a diferentes condições; por exemplo, um aspirador aplicaria mais sucção em uma área especialmente suja. Um dos benefícios do controle fuzzy é que ele pode ser facilmente implementado em um computador padrão.
“Apesar de seu sucesso comercial, a lógica fuzzy continua a ser acontroversa na comunidade de inteligência artificial. Muitos pesquisadores questionam a consistência e validade dos métodos usados para ‘raciocinar’ com lógica fuzzy.
Jacoby Carter do NationalWetlandsResearch Center do Serviço Biológico Nacional em Lafayette, La.., clarifica a diferença entre lógica fuzzy e tradicional; também oferece uma avaliação mais optimista do potencial da lógica fuzzy para inteligência artificial (IA):
“A teoria da lógica tradicional, por vezes chamada ‘lógica fuzzy’, usa três operações lógicas – E, OU e NÃO – e retorna um 0 ou 1.Da mesma forma, a teoria tradicional de conjuntos, ou ‘teoria de conjuntos nítidos’, atribui a objetos de membros ou não membros de uma classe ou grupo que foi atribuído limites matemáticos rigorosos de modo que, por exemplo, 80 graus Fahrenheitis quente e 81 graus F é quente. Na lógica fuzzy, as três operações AND,OR e NOT retornam um grau de associação que é um número entre 0 e 1.
“A teoria Fuzzy set tem sido usada em aplicações comerciais de sistemas de peritos e dispositivos de controle para trens e elevadores; também tem sido combinada com redes neurais para controlar a fabricação de semicondutores. Ao incorporar a lógicafuzzy e conjuntos fuzzy em sistemas de produção, foram obtidos significantes melhorias em muitos sistemas de IA. Esta abordagem tem sido particularmente bem sucedida com conjuntos de dados ambíguos ou quando as regras são perfeitamente conhecidas”
Heidar A.Malki, um assistente-professor na Faculdade de Tecnologia da Universidade de Houston, forneceu uma perspectiva adicional sobre as prováveis aplicações da fuzzylogic:
“Cada vez mais, as pessoas na indústria e na academia estão explorando os benefícios da lógica fuzzy e suas tecnologias relacionadas. A lógica fuzzy pode ser utilizada para situações em que as tecnologias lógicas convencionais são notáveis, como sistemas e dispositivos que não podem ser descritos com precisão, aqueles que têm incertezas significativas ou condições de conflito, e dispositivos ou sistemas linguisticamente controlados. AsLotfiZadeh uma vez afirmou, a lógica fuzzy não vai substituir a lógica (computadores) ou metodologias convencionais, mas sim complementá-las em circunstâncias onde as abordagens convencionais falham em resolver aproblemeffectively.
“Nos últimos anos, tem havido um interesse crescente em fuzzylogic, tanto na indústria como na academia. As aplicações atuais incluem modelagem, avaliação, otimização, tomada de decisão, controle, diagnóstico e informação. A lógica fuzzy e inputarticular é a mais adequada para os campos de sistemas de controle. A lógica fuzzy tem sido aplicada em áreas como a previsão de quebra de energia de reatores nucleares na Europa, previsão de terremotos na China e controle de metrô no Japão.
“Uma aplicação proeminente da lógica fuzzy está no sistema antibloqueio – encontrado em muitos automóveis modernos. As regras de controlo que descrevem o sistema de travagem antibloqueio podem consistir em parâmetros como a velocidade do automóvel, a pressão de travagem, a temperatura de travagem, o intervalo entre as aplicações dos travões e o ângulo do movimento lateral do automóvel para a frente em movimento. O intervalo de valores destes parâmetros é todo contínuo, aberto à interpretação por um engenheiro de design. Uma dessas regras num sistema de travagem antibloqueio poderia ser:
IF brake temperature is 'warm' AND speed is 'not veryfast,' then brakepressure is 'slightly decreased.'
“A temperatura pode ter uma gama de estados como frio, frio, quente e quente; a gama destes termos linguísticos pode ser determinada com precisão através da definição de funções de membro por um especialista.
“Há muitos produtos de consumo que usam lógica difusa na teiroperação. Há também muitos chips de lógica difusa (processadores) que são construídos para tarefas especiais sem o uso de computadores convencionais. A perspectiva para fuzzylogic é, portanto, muito promissora.”
Ninguém pode ignorar o potencial humorístico de um conceito como o fuzzylogic. Jim Diederich, professor de matemática da Universidade da Califórnia em Davis, está trabalhando nas aplicações de sistemas inbiológicos fuzzylogic. Ele experimentou recentemente técnicas de lógica fuzzy em um conjunto especializado de sistemas biológicos – seus alunos – quando propôs as seguintes regras para um de seus cursos
Topics in Mathematics Math 180-01
Fuzzy Sets, Numbers and Logic
Course Information
- Uma média de um semestre será dada por volta do meio-termo.
- A nota final será dada em torno do tempo final.
- Treino de casa será atribuído com bastante regularidade.
- O termo e a nota final serão normalmente contados como parte substancial da nota.
- O trabalho de casa não será insignificante na contagem como parte da nota.
- Uma excelente nota final resultará numa nota um pouco excelente.
- Trabalhos sólidos em duas das três áreas, a média, a final e o trabalho de casa, resultarão numa nota sólida.
- Bom trabalho de casa compensará um pouco os maus exames.
- Sua nota será um valor burocrático lingüístico muito importante.
- Se você não entender isso até o final do trimestre, sua nota refletirá isso.
Em tarefas de casa para essa classe, Diederich relata que ele classificou em termos infuzzy: bom, um pouco bom, muito bom. Seus alunos prometeram que ele daria uma nota numérica no meio do semestre.