Din förvirring är förståelig; termen ”luddig logik” förekommer numera lika ofta i reklamtexter som i tekniska tidskrifter. Ett antal medarbetare skrev till oss för att dela med sig av sin uppfattning om detta dynamiska forskningsområde.
Charles Elkan, biträdande professor i datavetenskap och datateknik vid University of California i San Diego, ger följande definition:
”Fuzzy logic is a generalization of standard logic, in which aconcept canpossess a degree of truth anywhere between 0.0 and 1.0. Standardlogiken tillämpas endast på begrepp som är helt sanna (sanningsgrad 1,0) eller helt falska (sanningsgrad 0,0). Fuzzy logic är tänkt att användas för att resonera om vaga begrepp som till exempel ”längd”. Vi kan till exempel säga att ”president Clinton är lång”, med en sanningsgrad på 0,9.
”Det visar sig att de användbara tillämpningarna av fuzzy logic inte finns inom artificiell intelligens på hög nivå, utan snarare inom maskinstyrning på lägre nivå, särskilt i konsumentprodukter. Vanligtvis implementeras fuzzycontrollers som mjukvara som körs på vanliga mikroprocessorer. Ett fåtal mikroprocessorer för särskilda ändamål har byggts som utför fuzzyoperationer direkt i hårdvara, men även dessa använder digitala binära (0 eller 1) signaler på lägsta hårdvarunivå. Det finns några forskningsprototyper av datorchip som använder analoga signaler på lägsta nivå, men dessa chip simulerar neuronernas funktion snarare än fuzzy logik.”
Shlomo Silberstein, biträdande professor vid datavetenskapliga institutionen vid University of Massachusetts i Amherst, ger ytterligare information och mer fuzzy-analys av USA:s president:
”Fuzzy logik är en teknik för att representera och manipulera osäker information. I den mer traditionella påståendelogiken måste varje fakta eller förslag, till exempel ’det kommer att regna i morgon’, vara antingen sant eller falskt, men mycket av den information som människor använder om världen innehåller en viss grad av osäkerhet. I likhet med sannolikhetsteorin tilldelar fuzzy logic varje sats numeriska värden mellan 0 och 1 för att representera osäkerheten. Men medan sannolikhetsteorin mäter hur sannolikt det är att påståendet är korrekt, mäter fuzzy logic i vilken grad påståendet är korrekt. Till exempel kan påståendet ”President Clinton är ung” ha en korrekthetsgrad på 0,8.
”Den viktiga skillnaden mellan sannolikhetsinformation och fuzzy logic är att det inte finns någon osäkerhet om presidentens ålder, utan snarare om i vilken grad han motsvarar kategorin ”ung”. Många termer, såsom ”lång”, ”rik”, ”berömd” eller ”mörk”, är giltiga endast till en viss grad när de tillämpas på en viss individ eller situation. Fuzzy logic försöker mäta denna grad och göra det möjligt för datorer att manipulera sådan information.
”Fuzzy logic formulerades av LotfiZadeh vid University of California i Berkeley i mitten av 1960-talet, baserat på tidigare arbete inom området fuzzy set theory. Zadeh formulerade också en fuzzy control-princip som gör det möjligt att använda en liten uppsättning ”intuitiva regler” för att styra driften av elektroniska apparater. På 1980-talet blev fuzzy control en stor industri i Japan och andra länder där den integrerades i hushållsapparater som dammsugare, mikrovågsugnar och videokameror. Sådana apparater kan anpassa sig automatiskt till olika förhållanden, t.ex. kan en dammsugare suga mer på ett särskilt smutsigt område. En av fördelarna med fuzzy control är att den lätt kan implementeras på en vanlig dator.
”Trots sin kommersiella framgång är fuzzy logic fortfarande en kontroversiell idé i samhället för artificiell intelligens. Många forskare ifrågasätter konsekvensen och giltigheten hos de metoder som används för att ”resonera” med fuzzy logic.
Jacoby Carter från National Biological Service’s National Wetlands Research Center i Lafayette, La.., Han ger också en mer positiv bedömning av fuzzy logics potential för artificiell intelligens (AI):
”Traditionell logikteori, som ibland kallas ’krispig logik’, använder tre logiska operationer – AND, OR och NOT – och returnerar antingen 0 eller 1.På samma sätt tilldelar traditionell mängdteori, eller ’crisp set theory’, objekt antingen medlemskap eller icke-medlemskap i en klass eller grupp som har tilldelats strikta matematiska gränser så att till exempel 80 grader Fahrenheitis är varmt och 81 grader F är varmt. I fuzzy logik ger de tre operationerna AND, OR och NOT en grad av tillhörighet som är ett tal mellan 0 och 1.
”Fuzzy set theory har använts i kommersiella tillämpningar av expertsystem och kontrollanordningar för tåg och hissar; den har också kombinerats med neurala nät för att kontrollera tillverkningen av halvledare. Genom att integrera fuzzy-logik och fuzzy-mängder i produktionssystem har betydande förbättringar uppnåtts i många AI-system. Detta tillvägagångssätt har varit särskilt framgångsrikt när det gäller tvetydiga datamängder eller när reglerna inte är perfekt kända.”
Heidar A. Malki, biträdande professor vid College of Technology vid University of Houston, gav ytterligare perspektiv på de troliga tillämpningarna av fuzzylogik:
”Allt fler inom industrin och den akademiska världen utforskar fördelarna med fuzzylogik och dess relaterade teknik. Fuzzy logic kan användas i situationer där konventionell logikteknik inte är effektiv, t.ex. system och anordningar som inte kan beskrivas exakt med matematiska modeller, som har betydande osäkerheter eller motsägelsefulla villkor och språkligt styrda anordningar eller system. Som LotfiZadeh en gång sade kommer fuzzylogiken inte att ersätta konventionell logik (datorer) eller metoder, utan snarare komplettera dem i situationer där konventionella tillvägagångssätt misslyckas med att lösa ett problem på ett effektivt sätt.
”Under de senaste åren har det funnits ett växande intresse för fuzzylogik, både inom industrin och den akademiska världen. De aktuella tillämpningarna omfattar modellering, utvärdering, optimering, beslutsfattande, kontroll, diagnos och information. Fuzzy-logik lämpar sig särskilt väl för styrsystem. Fuzzy logik har till exempel tillämpats på områden som förutsägelse av haverier i kärnreaktorer i Europa, jordbävningsprognoser i Kina och tunnelbanekontroll i Japan.
”En framträdande tillämpning av fuzzy logik är det låsningsfria bromssystem som finns i många moderna bilar. De kontrollregler som beskriver ett låsningsfritt bromssystem kan bestå av parametrar som bilens hastighet, bromstrycket, bromstemperaturen, intervallet mellan bromsarna och vinkeln mellan bilens sidoförflyttning och dess framåtgående rörelse. Värdeområdena för dessa parametrar är alla kontinuerliga och kan tolkas av en konstruktör. En sådan regel i ett system för låsningsfria bromsar skulle kunna vara:
IF brake temperature is 'warm' AND speed is 'not veryfast,' then brakepressure is 'slightly decreased.'
”Temperaturen kan ha en rad olika tillstånd, t.ex. kallt, svalt, varmt och varmt; dessa språkliga termer kan bestämmas exakt genom att en expert definierar medlemsfunktioner.
”Det finns många konsumentprodukter som använder fuzzy logic i sin drift. det finns också många fuzzy logic-chip (processorer) som är byggda för att utföra särskilda uppgifter utan att använda konventionella datorer. Utsikterna för fuzzylogik är därför mycket lovande.”
Inte alla kan bortse från den humoristiska potentialen i ett begrepp som fuzzylogik. Jim Diederich, professor i matematik vid University of California i Davis, arbetar med tillämpningar av fuzzylogik i biologiska system. Han provade nyligen fuzzy logic-tekniker på en särskild uppsättning biologiska system – hans studenter – när han föreslog följande regler för en av sina kurser
Specialtema i matematik Math 180-01
Fuzzy Sets, Numbers and Logic
Kursinformation
- En halvtidsprov kommer att ges runt mitten av terminen.
- Den slutliga kursen kommer att ges runt sluttiden.
- Läxor kommer att delas ut ganska regelbundet.
- Mellan- och slutkursen kommer normalt att räknas som en väsentlig del av betyget.
- Läxorna kommer inte att vara obetydliga när det gäller att räkna som en del av betyget.
- En utmärkt sluttentamen kommer att resultera i ett ganska utmärkt betyg.
- Solidt arbete på två av de tre områdena, halvtid, sluttentamen och läxor, kommer att resultera i ett gott betyg.
- Goda läxor kommer att uppväga dåliga tentor något.
- Ditt betyg kommer att vara ett oklart språkligt, byråkratiskt, terminologiskt värde.
- Om du inte förstår detta i slutet av kvartalet kommer ditt betyg att återspegla det.
Om läxor för den här klassen rapporterar Diederich att han betygsatte i oklara termer: bra, ganska bra, mycket bra. Studenterna fick honom att lova att han skulle ge ett sifferbetyg på halvtidsprovet.