Światowy Dzień Logiki: Zrozumienie logiki rozmytej i jej roli w sztucznej inteligencji

W naszym codziennym życiu nie zawsze możemy wybrać między „tak” a „nie”. Dzieje się tak, ponieważ możesz napotkać sytuacje, w których brakuje ci informacji niezbędnych do podjęcia decyzji. Alternatywnie, sam możesz być zakłopotany.

Na przykład, jeśli ktoś zapyta, czy będziesz tam pewnego dnia w przyszłym miesiącu, prawdopodobnie nie odpowiesz od razu Tak lub Nie. Ponieważ nie możesz zagwarantować, że będziesz dostępny w ten dzień w następnym miesiącu.

Nie proste, prawda?

Termin rozmyty odnosi się do czegoś, co jest niejasne. Gdy sytuacja jest niejasna, komputer, podobnie jak ludzie, może nie być w stanie udzielić decyzji Prawda lub Fałsz. 1 symbolizuje Prawdę w logice boolowskiej, podczas gdy 0 oznacza Fałsz.

W przeciwieństwie do tego, logika rozmyta bierze pod uwagę wszystkie niejasności problemu, w których mogą istnieć dodatkowe alternatywne wartości poza binarną Prawdą i Fałszem. Jest to niezwykle przydatne w sztucznej inteligencji, która musi być bardziej intuicyjna, adaptacyjna i podobna do człowieka niż tradycyjne operacje maszynowe. Z okazji Światowego Dnia Logiki (14 stycznia) ^rozwińmy tę istotną koncepcję.

Jak działa logika rozmyta?

Logika rozmyta uważa ludzkie poznanie za najbardziej krytyczną formę danych do wyciągania dokładnych wniosków. Logika ta została opracowana w 1965 roku na Uniwersytecie Kalifornijskim w Berkeley przez Lotfiego Zadeha, który ukuł termin „rozmyty”. Twierdził, że tradycyjna logika komputerowa nie jest w stanie obsłużyć niejasnych lub nieprecyzyjnych informacji.

Podobnie jak ludzie, komputery są w stanie zintegrować szeroki zakres wartości, które istnieją między Prawdą a Fałszem. Mogą to być zdecydowanie tak, być może tak, nie mogę powiedzieć, być może nie, a także zdecydowanie nie.

Sprawdź ten prosty przykład logiki rozmytej, aby zrozumieć, jak to działa:

Pytanie problemowe: Czy na zewnątrz jest dziś słonecznie?

Rozwiązanie logiczne: Tak (1) lub Nie (0).

Zgodnie z normalną algebrą Boole'a, algorytm otrzyma określone dane wejściowe i poda jako wynik Tak lub Nie. Jest to reprezentowane odpowiednio przez 1 i 0. Jednak gdy używana jest logika rozmyta, pojawiają się inne możliwości.

Rozwiązanie z logiką rozmytą:

• Bardzo słonecznie z rzadkimi chmurami (0,95)
• Umiarkowanie słonecznie (0,75)
• Częściowo słonecznie i częściowo pochmurno (0,5)
• Trochę słonecznie, ale przeważnie pochmurno (0,3)
• Bardzo pochmurno z rzadkimi okresami słonecznymi (0,1)

Logika rozmyta umożliwia szerszy zakres wyników, w tym ekstremalnie, nieco i wcale, jak pokazano na rysunku. Te liczby całkowite od 0 do 1 pokazują zakres możliwych wyników.

Podejście oparte na logice rozmytej wykorzystuje wszystkie istotne dane do rozwiązania problemu. Następnie generuje optymalną decyzję na podstawie dostępnych danych wejściowych. W okolicznościach, w których nie można podać jasnego uzasadnienia, stanowi akceptowalny substytut.

Zrozumienie architektury technicznej Fuzzy Logic

Ponieważ jest Światowy Dzień Logiki, przyjrzyjmy się bliżej architekturze technicznej, która składa się na rozwiązanie oparte na logice rozmytej. Będzie obejmował:

• Centralny moduł do fuzyfikacji : przekształca dane wejściowe, które składają się z niepewnych liczb, w rozmyte podzbiory wartości liczbowych, które są logicznie oddzielone zgodnie z ustalonym zestawem kryteriów.
• Licznik reguł : Przechowuje JEŻELI-TO-INNE-TAK-NIE — tj. typy reguł warunkowych zdefiniowanych przez człowieka.
• Moduł inteligencji : replikuje logikę ludzkiego rozumowania, tworząc rozmyte wnioskowanie przy użyciu danych wejściowych z modułów rozmytych i z góry określonych reguł.
• Moduł defuzyfikacji : przekształca rozmyte wyjście z jednostki wywiadowczej w wyjście o wyraźnej wartości.

Logika rozmyta doskonale nadaje się do modelowania skomplikowanych sytuacji z niejasnymi lub wypaczonymi danymi wejściowymi (takimi jak wyzwania AI) ze względu na podobieństwo do podejmowania decyzji przez ludzi. Programy z logiką rozmytą są prostsze w tworzeniu niż konwencjonalne programy z logiką i używają mniej instrukcji, co zmniejsza ilość pamięci wymaganej do wykonywania systemów AI.

Rola logiki rozmytej w sztucznej inteligencji

Wielu złożonych problemów organizacyjnych nie można rozwiązać za pomocą odpowiedzi programowych typu tak/nie lub czarno-białych. W sytuacjach, w których odpowiedzi są czasami niejednoznaczne, korzystna jest logika rozmyta. Logika rozmyta zarządza nieprecyzyjnością lub niejednoznacznością poprzez powiązanie wielu metryk wiarygodności zdań.

• Logika rozmyta i semantyka : W najbardziej podstawowej formie analiza drzewa decyzyjnego jest wykorzystywana do rozwijania logiki rozmytej. W konsekwencji może służyć jako podstawa systemów sztucznej inteligencji (AI) konstruowanych z wnioskami opartymi na regułach. Zarówno logika rozmyta, jak i semantyka rozmyta (na przykład słowa „słonecznie” i „trochę”, które są niekwantyfikowalne) są kluczowe dla programowania systemów sztucznej inteligencji.
• Godne uwagi zastosowania : technologie i aplikacje sztucznej inteligencji wciąż ewoluują w różnych sektorach, pomimo faktu, że możliwości programowania w logice rozmytej rosną. Watson firmy IBM jest jednym z najbardziej znanych systemów AI wykorzystujących logikę rozmytą lub semantykę rozmytą. W sektorze bankowym raporty inwestycyjne są generowane przy użyciu logiki rozmytej, uczenia maszynowego i podobnych systemów technologicznych.
• Logika rozmyta i uczenie maszynowe : Czasami logika rozmyta i uczenie maszynowe są grupowane razem, jednak nie są tożsame. Uczenie maszynowe odnosi się do systemów komputerowych, które replikują ludzki intelekt poprzez modyfikację algorytmów w celu wielokrotnego rozwiązywania trudnych problemów. Logika rozmyta to zestaw reguł lub procesów, które mogą działać na nieprecyzyjnych zbiorach danych, ale algorytmy nadal muszą być napisane przez ludzi. Obie dziedziny mogą znaleźć zastosowanie w sztucznej inteligencji i rozwiązywaniu trudnych zagadnień.
• Przykłady logiki rozmytej : logika rozmyta może pomóc sieciom neuronowym, eksploracji danych, rozumowaniu opartemu na przypadkach (CBR) i regułom biznesowym. Na przykład logika rozmyta może być używana w CBR do dynamicznego grupowania informacji w kategorie, zwiększając w ten sposób wydajność poprzez zmniejszenie podatności na szum i wartości odstające. Logika rozmyta umożliwia także profesjonalistom zajmującym się regułami biznesowymi komponowanie bardziej efektywnych reguł. Oto przykład zmienionej reguły, która wykorzystuje logikę rozmytą.

Gdy ilość transakcji transgranicznych jest „duża” (wyrażenie o niejednoznacznym znaczeniu), a transakcja odbywa się wieczorem (inny termin o niejednoznacznej semantyce), transfer może być podejrzany.

Czy logika rozmyta to to samo, co teoria prawdopodobieństwa?

Prawdopodobieństwo i logika rozmyta to kluczowe pojęcia dla sztucznej inteligencji, ale ta pierwsza ma więcej wspólnego z analizą predykcyjną. Innymi słowy, prawdopodobieństwo odnosi się do dokładności wnioskowania predykcyjnego dokonanego przy użyciu analizy danych opartej na sztucznej inteligencji.

Chociaż terminy mogą wydawać się równoważne, logika rozmyta lub prawdopodobieństwo nie są wymienne. Logika rozmyta to światopogląd o różnym stopniu prawdziwości. Prawdopodobieństwo koncentruje się na pojęciach i stwierdzeniach, które są albo prawdziwe, albo fałszywe – ideach, które mogą być albo dobre, albo błędne. Prawdopodobieństwo roszczenia jest poziomem wiary w jego zasadność.

Definicje logiki rozmytej i prawdopodobieństwa odróżniają je od siebie. Prawdopodobieństwo jest związane ze zdarzeniami, a nie z faktami, ponieważ zdarzenia albo występują, albo nie występują. Nie ma miejsca na niejasności. Natomiast logika rozmyta stara się uchwycić istotę niepewności. Odnosi się to głównie do poziomu prawdy.

Teorii prawdopodobieństwa nie można używać do rozumowania z pojęciami, których nie można określić jako całkowicie prawdziwe lub fałszywe.

Co jeszcze możesz zrobić z logiką rozmytą?

Logika rozmyta ma zastosowania w większości dziedzin informatyki, które mają związek z operacjami na danych, w tym sztuczną inteligencją, a także eksploracją danych.

Eksploracja danych, dziedzina, która łączy matematykę, uczenie maszynowe i informatykę, to proces odkrywania znaczących relacji w ogromnych zbiorach danych. Logika rozmyta to zestaw reguł, które można zastosować do zbiorów danych rozmytych w celu wyciągnięcia logicznych wniosków. Jest to przydatna technika do odkrywania odpowiednich powiązań w tego typu danych, biorąc pod uwagę, że eksploracja danych często obejmuje nieprecyzyjne pomiary.

Wykorzystując matematykę logiki rozmytej, analitycy mogą generować automatyczne sygnały kupna i sprzedaży w niektórych złożonych systemach transakcyjnych. Technologie te pomagają inwestorom w dostosowaniu się do wielu zmiennych sytuacji rynkowych, które mają wpływ na ich portfele.

Obszary takie jak bankowość, analiza rynku, badania itp. są całkowicie zrewolucjonizowane przez sztuczną inteligencję, dlatego omówiliśmy logikę rozmytą w naszym specjalnym Światowym Dniu Logiki! Masz teraz kopalnię nowych innowacji do odkrycia w zakresie sztucznej inteligencji – na przykład generatywną sztuczną inteligencję, która może tworzyć sztukę z kilku słów lub fraz – co doprowadziło do rosnących inwestycji w fundusze ETF oparte na sztucznej inteligencji i sztucznej inteligencji.