Confuzia dumneavoastră este de înțeles; termenul „logică neclară” este acum la fel de probabil să apară în texte publicitare ca și în reviste tehnice. O serie de lucrători ne-au scris pentru a ne împărtăși percepția lor asupra acestui domeniu dinamic de cercetare.
Charles Elkan, profesor asistent de informatică și inginerie la University ofCalifornia at San Diego, oferă următoarea definiție:
„Logica fuzzy este o generalizare a logicii standard, în care un concept poate poseda un grad de adevăr oriunde între 0,0 și 1,0. Logica standardse aplică doar conceptelor care sunt complet adevărate (având gradul de adevăr 1.0)sau complet false (având gradul de adevăr 0.0). Logica fuzzy este presupusă a fi utilizată pentru a raționa asupra unor concepte inerent vagi, cum ar fi „înălțimea”. De exemplu, am putea spune că „Președintele Clinton este înalt”, cu un grad de adevăr de 0,9.
„Se pare că aplicațiile utile ale logicii fuzzy nu sunt în inteligența artificială de nivel înalt, ci mai degrabă în controlul mașinilor de nivel inferior, în special în produsele de consum. De obicei, controlerele fuzzy suntimplementate ca software care rulează pe microprocesoare standard. Au fost construite câteva microprocesoare cu destinație specială care efectuează operații fuzzy direct în hardware, dar chiar și acestea utilizează semnale digitale binare (0 sau 1) la cel mai scăzut nivel hardware. Există câteva prototipuri de cercetare a unor cipuri de calculator care folosesc semnale analogice la cel mai scăzut nivel hardware, dar aceste cipuri simulează mai degrabă funcționarea neuronilor decât logica fuzzy.”
ShlomoZilberstein, profesor asistent în cadrul departamentului de informatică de la Universityof Massachusettsat Amherst, oferă informații suplimentare și mai multe analize fuzzy ale președintelui SUA:
„Logica fuzzy este o tehnică de reprezentare și manipulare a informațiilor incerte. În logica propozițională mai tradițională, fiecare fapt sau propoziție, cum ar fi „va ploua mâine”, trebuie să fie fie adevărat sau fals.Cu toate acestea, o mare parte din informațiile pe care oamenii le folosesc despre lume implică un anumit grad de incertitudine. Ca și teoria probabilităților, logica fuzzy atribuie valori numerice între 0 și 1 fiecărei propoziții pentru a reprezenta incertitudinea. Dar, în timp ce teoria probabilităților măsoară cât de probabilă este probabilitatea ca propoziția să fie corectă, logica fuzzy măsoară gradul în care propoziția este corectă. De exemplu, propoziția „PreședinteleClinton este tânăr” poate avea un grad de corectitudine de 0,8.
„Distincția importantă între informația probabilistică și logica fuzzy este că nu există incertitudine cu privire la vârsta președintelui, ci mai degrabă cu privire la gradul în care acesta corespunde categoriei „tânăr”. Mulțitermeni, cum ar fi ‘înalt’, ‘bogat’, ‘faimos’ sau ‘brunet’, sunt valabili doar până la un anumit grad atunci când sunt aplicați la un anumit individ sau situație. Logica fuzzy încearcă să măsoare acest grad și să permită computerelor să manipuleze astfel de informații.
„Logica fuzzy a fost formulată de LotfiZadeh de la Universitatea din California la Berkeley la mijlocul anilor 1960, pe baza unor lucrări anterioare în domeniul teoriei seturilor fuzzy. Zadeh a formulat, de asemenea, noțiunea de fuzzycontrol care permite utilizarea unui mic set de „reguli intuitive” pentru a controla funcționarea dispozitivelor electronice. În anii 1980, controlul fuzzy a devenit o industrie uriașă în Japonia și în alte țări, unde a fost integrat în aparatele electrocasnice, cum ar fi aspiratoarele, cuptoarele cu microunde și camerele video. Astfel de aparate se puteau adapta automat la diferite condiții; de exemplu, un aspirator putea aplica mai multă aspirație într-o zonă deosebit de murdară. Unul dintre avantajele controlului fuzzy este că poate fi implementat cu ușurință pe un calculator standard.
„În ciuda succesului său comercial, logica fuzzy rămâne o idee controversată în cadrul comunității de inteligență artificială. Mulți cercetători pun sub semnul întrebării consistența și validitatea metodelor folosite pentru a „raționa” cu logica fuzzy.
Jacoby Carter de la National Biological Service’s NationalWetlandsResearch Center din Lafayette, La.., clarifică diferența dintre logica fuzzy și logica tradițională; el oferă, de asemenea, o evaluare mai optimistă a potențialului logicii fuzzy pentru inteligența artificială (AI):
„Teoria logicii tradiționale, numită uneori „logică clară”, utilizează trei operații logice – ȘI, OR și NOT – și returnează fie un 0, fie un 1.În mod similar, teoria tradițională a seturilor, sau „crisp set theory”, atribuie obiectelor fie apartenența, fie neapartenența la o clasă sau un grup căruia i-au fost atribuite limite matematice stricte, astfel încât, de exemplu, 80 de grade Fahrenheit este cald și 81 de grade F este cald. În logica fuzzy, cele trei operații AND,OR și NOT returnează un grad de apartenență care este un numărîntre 0 și 1.
„Teoria seturilor fuzzy a fost utilizată în aplicații comerciale de sisteme de expertiză și dispozitive de control pentru trenuri și lifturi; de asemenea, a fost combinată cu rețele neuronale pentru a controla fabricarea semiconductorilor. Prinincorporarea logicii fuzzy și a seturilor fuzzy în sistemele de producție, au fost obținute îmbunătățiri semnificative în multe sisteme de inteligență artificială. Această abordare a fost deosebit de reușită în special în cazul seturilor de date ambigue sau atunci când regulile sunt perfect cunoscute.”
Heidar A.Malki, profesor asistent în cadrul Colegiului de Tehnologie al Universității din Houston, a oferit o perspectivă suplimentară asupra aplicațiilor probabile ale logicii fuzzy:
„Din ce în ce mai mulți oameni din industrie și din mediul academic explorează avantajele logicii fuzzy și ale tehnologiilor sale conexe. Logica fuzzy poate fi utilizată pentru situații în care tehnologiile logice convenționale nu sunt eficiente, cum ar fi sistemele și dispozitivele care nu pot fi descrise cu precizie prin modele matematice, cele care au incertitudini semnificative sau condiții contradictorii, precum și dispozitivele sau sistemele controlate lingvistic. După cum a afirmat odată LotfiZadeh, logica fuzzy nu va înlocui logica convențională (calculatoare) sau metodologiile convenționale, ci le va completa în situațiile în care abordările convenționale nu reușesc să rezolve o problemă în mod eficient.
„În ultimii ani, a existat un interes crescând pentru logica fuzzy, atât în industrie, cât și în mediul academic. Aplicațiile actuale includ modelarea,evaluarea,optimizarea, luarea deciziilor, controlul, diagnosticarea șiinformarea. Înparticular, logica fuzzy este cea mai potrivită pentru domeniile sistemelor de control. De exemplu, logica fuzzy a fost aplicată în domenii cum ar fi previzionarea defecțiunilor reactoarelor nucleare în Europa, prognozarea cutremurelor în China și controlul metroului în Japonia.
„O aplicație proeminentă a logicii fuzzy este sistemul de antiblocare a frânelor care se găsește în multe automobile moderne. Regulile de control care descriu un sistem de frânare antiblocare pot fi formate din parametri precum viteza mașinii, presiunea de frânare, temperatura frânelor, intervalul dintre aplicările frânelor și unghiul mișcării laterale a mașinii față de mișcarea sa frontală. Gama de valori a acestor parametri este continuă și poate fi interpretată de un inginer proiectant. O astfel de regulă într-un sistem de frânare antiblocare ar putea fi:
IF brake temperature is 'warm' AND speed is 'not veryfast,' then brakepressure is 'slightly decreased.'
„Temperatura ar putea avea o gamă de stări cum ar fi rece, rece, caldă și caldă; intervalul acestor termeni lingvistici poate fi determinat cu precizie prindefinirea funcțiilor de apartenență de către un expert.
„Există multe produse de consum care folosesc logica fuzzy îniroperare.Există, de asemenea, multe cipuri (procesoare) cu logică fuzzy care sunt construite pentru a îndeplini sarcini speciale fără a utiliza calculatoare convenționale. Perspectivele pentru logica fuzzy sunt, prin urmare, foarte promițătoare.”
Nu toată lumea poate ignora potențialul umoristic al unui concept ca fuzzylogic. Jim Diederich, profesor de matematică laUniversity ofCalifornia at Davis, lucrează la aplicațiile fuzzylogicului în sistemele biologice. El a încercat recent tehnicile logicii fuzzy pe un set specializat de sisteme biologice – studenții săi – când a propus următoarele reguli pentru unul dintre cursurile sale
SpecialTopics in Mathematics Math 180-01
Fuzzy Sets, Numbers and Logic
Informații despre curs
- Se va da un examen intermediar în jurul jumătății semestrului.
- Studiul final va fi dat în jurul datei finale.
- Terele de casă vor fi atribuite destul de regulat.
- În mod normal, fiecare dintre cele două examene de mijloc și final va conta ca parte substanțială a notei.
- Terele de casă nu vor fi nesemnificative în a conta ca parte a notei.
- Un final excelent va avea ca rezultat o notă oarecum excelentă.
- O lucrare solidă în două dintre cele trei domenii, examenul intermediar, final și temele pentru acasă, va avea ca rezultat o notă solidă.
- O temă bună pentru acasă va compensa oarecum examenele slabe.
- Nota ta va fi o valoare terminologică birocratică lingvistică fuzzificată.
- Dacă nu înțelegi acest lucru până la sfârșitul trimestrului, nota ta va reflecta acest lucru.
La temele pentru acasă pentru această clasă, Diederich raportează că a notat în termeni fuzzy: bun, oarecum bun, foarte bun. Elevii săi l-au făcut să promită că va oferi o notă numerică la examenul intermediar.