วันลอจิกโลก: ทำความเข้าใจฟัซซีลอจิกและบทบาทของมันในปัญญาประดิษฐ์

เผยแพร่แล้ว: 2023-01-14

ในชีวิตประจำวันของเรา เราไม่สามารถเลือกระหว่างใช่และไม่ใช่ได้เสมอไป เนื่องจากคุณอาจพบกับสถานการณ์ที่คุณขาดข้อมูลที่จำเป็นในการตัดสินใจ หรือคุณอาจสับสนในตัวเอง

ตัวอย่างเช่น หากมีคนถามว่าคุณจะอยู่ที่นั่นในวันใดของเดือนหน้าหรือไม่ คุณอาจไม่ตอบกลับทันทีว่าใช่หรือไม่ใช่ เพราะคุณไม่สามารถรับประกันได้ว่าจะว่างในวันนั้นในเดือนหน้า

ไม่ง่ายใช่มั้ย

คำว่าคลุมเครือหมายถึงสิ่งที่ไม่ชัดเจน เมื่อสถานการณ์ไม่ชัดเจน คอมพิวเตอร์อาจไม่สามารถระบุการตัดสินใจว่าถูกหรือผิด เช่นเดียวกับมนุษย์ 1 เป็นสัญลักษณ์ของ True ใน Boolean Logic ในขณะที่ 0 แสดงถึง False

ในทางตรงกันข้าม Fuzzy Logic จะพิจารณาความกำกวมทั้งหมดของปัญหา ซึ่งอาจมีค่าทางเลือกเพิ่มเติมนอกเหนือจากค่าไบนารี True และ False สิ่งนี้มีประโยชน์อย่างมากในด้านปัญญาประดิษฐ์ ซึ่งจำเป็นต้องใช้งานง่าย ปรับเปลี่ยนได้ และเหมือนมนุษย์มากกว่าการทำงานของเครื่องจักรแบบดั้งเดิม เนื่องในโอกาสวันลอจิกโลก (14 มกราคม ) เรามาแจกแจงแนวคิดที่สำคัญนี้กัน

Fuzzy Logic ทำงานอย่างไร

ตรรกะคลุมเครือถือว่าความรู้ความเข้าใจของมนุษย์เป็นรูปแบบข้อมูลที่สำคัญที่สุดสำหรับการสรุปผลที่แน่นอน ตรรกะนี้พัฒนาขึ้นในปี 1965 ที่มหาวิทยาลัยแห่งแคลิฟอร์เนีย เบิร์กลีย์ โดย Lotfi Zadeh ผู้บัญญัติคำว่า "คลุมเครือ" เขาโต้แย้งว่าตรรกะของคอมพิวเตอร์แบบดั้งเดิมนั้นไม่สามารถจัดการกับข้อมูลที่ไม่ชัดเจนหรือไม่ชัดเจนได้

เช่นเดียวกับมนุษย์ คอมพิวเตอร์สามารถรวมค่าต่างๆ ที่มีอยู่ระหว่าง True และ False ได้ สิ่งเหล่านี้อาจรวมถึง ใช่แน่นอน อาจจะใช่ พูดไม่ได้ อาจจะไม่ใช่ รวมถึง ไม่แน่นอน

ลองดูตัวอย่างง่ายๆ ของฟัซซี่ลอจิกเพื่อทำความเข้าใจว่ามันทำงานอย่างไร:

คำถามปัญหา: วันนี้ข้างนอกมีแดดไหม

วิธีแก้ปัญหาบูลีน: ใช่ (1) หรือไม่ใช่ (0)

สอดคล้องกับพีชคณิตบูลีนปกติ อัลกอริทึมจะได้รับอินพุตที่ระบุและให้ผลลัพธ์เป็น ใช่ หรือ ไม่ใช่ ซึ่งแทนด้วย 1 และ 0 ตามลำดับ อย่างไรก็ตาม เมื่อใช้ฟัซซีลอจิก มีความเป็นไปได้อื่นๆ ปรากฏขึ้น

โซลูชันฟัซซีลอจิก:

  • แดดจัดและมีเมฆน้อย (0.95)
  • แดดปานกลาง (0.75)
  • มีแดดเป็นบางส่วนและมีเมฆเป็นบางส่วน (0.5)
  • แดดจัดเป็นบางส่วนแต่มีเมฆเป็นส่วนมาก (0.3)
  • มีเมฆมากและมีแดดจัดเป็นระยะ (0.1)

Fuzzy Logic ช่วยให้ได้ผลลัพธ์ที่หลากหลายขึ้น รวมถึงอย่างมาก ค่อนข้างมาก และไม่ได้เลย ดังที่เห็นในรูป จำนวนเต็มตั้งแต่ 0 และ 1 แสดงช่วงของผลลัพธ์ที่เป็นไปได้

วิธีการที่ใช้ตรรกะคลุมเครือใช้ข้อมูลที่เกี่ยวข้องทั้งหมดเพื่อแก้ปัญหา จากนั้นจะสร้างการตัดสินใจที่เหมาะสมที่สุดตามอินพุตที่มีอยู่ ในกรณีที่ไม่สามารถให้เหตุผลที่ชัดเจนได้ ให้เหตุผลทดแทนที่ยอมรับได้

ทำความเข้าใจเกี่ยวกับสถาปัตยกรรมทางเทคนิคของ Fuzzy Logic

เนื่องจากเป็นวันลอจิกโลก เรามาดูกันดีกว่าว่าสถาปัตยกรรมทางเทคนิคที่ประกอบกันเป็นโซลูชันลอจิกแบบคลุมเครือ จะประกอบด้วย:

  • โมดูลกลางสำหรับการ ทำให้เป็นฝอย : จะแปลงอินพุตซึ่งประกอบด้วยตัวเลขที่ไม่แน่นอน ให้เป็นชุดย่อยของค่าตัวเลขที่คลุมเครือซึ่งแยกทางตรรกะตามเกณฑ์ที่กำหนดไว้ล่วงหน้า
  • ตัว นับกฎ : มันเก็บ IF-THEN-ELSE-YES-NO — เช่น ประเภทของกฎเงื่อนไขที่มนุษย์กำหนด
  • โมดูลอัจฉริยะ : จำลองตรรกะเหตุผลของมนุษย์โดยสร้างการอนุมานแบบฟัซซีโดยใช้อินพุตจากโมดูลฟัซซีและกฎที่กำหนดไว้ล่วงหน้า
  • โมดูล Defuzzification : แปลงเอาต์พุตฟัซซีจากหน่วยข่าวกรองเป็นเอาต์พุตค่าที่คมชัด

Fuzzy Logic นั้นยอดเยี่ยมสำหรับการสร้างแบบจำลองสถานการณ์ที่ซับซ้อนด้วยอินพุตที่ไม่ชัดเจนหรือบิดเบือน (เช่น ความท้าทายของ AI) เนื่องจากมีความคล้ายคลึงกับการตัดสินใจของมนุษย์ โปรแกรมฟัซซีลอจิกสร้างได้ง่ายกว่าโปรแกรมลอจิกทั่วไปและใช้คำสั่งน้อยกว่า จึงลดจำนวนหน่วยความจำที่ต้องใช้ในการดำเนินการระบบ AI

บทบาทของ Fuzzy Logic ในปัญญาประดิษฐ์

ปัญหาองค์กรที่ซับซ้อนหลายอย่างไม่สามารถแก้ไขได้ด้วยคำตอบของโปรแกรมใช่/ไม่ใช่หรือขาว/ดำ ในสถานการณ์ที่บางครั้งคำตอบคลุมเครือ การใช้ตรรกะคลุมเครือจะเป็นประโยชน์ ตรรกะคลุมเครือจัดการความไม่ชัดเจนหรือความกำกวมโดยการเชื่อมโยงเมตริกหลายตัวของความน่าเชื่อถือเชิงประพจน์

  • Fuzzy Logic และ Semantics : ในรูปแบบพื้นฐานที่สุด การวิเคราะห์แผนผังการตัดสินใจจะใช้ในการพัฒนา Fuzzy Logic ดังนั้นจึงอาจทำหน้าที่เป็นพื้นฐานสำหรับระบบปัญญาประดิษฐ์ (AI) ที่สร้างขึ้นด้วยข้อสรุปตามกฎ ทั้งฟัซซีลอจิกและความหมายคลุมเครือ (เช่น คำว่า "แดดจัด" และ "เล็กน้อย" ซึ่งไม่สามารถวัดปริมาณได้) มีความสำคัญอย่างยิ่งต่อการเขียนโปรแกรมระบบปัญญาประดิษฐ์
  • แอปพลิเคชันที่โดดเด่น : เทคโนโลยี AI และแอปพลิเคชันยังคงพัฒนาอย่างต่อเนื่องในหลายภาคส่วน แม้ว่าความสามารถในการเขียนโปรแกรมแบบฟัซซีลอจิกจะเพิ่มขึ้นก็ตาม วัตสันของไอบีเอ็มเป็นหนึ่งในระบบ AI ที่โดดเด่นที่สุดโดยใช้ตรรกะคลุมเครือหรือความหมายคลุมเครือ ในภาคการธนาคาร รายงานการลงทุนถูกสร้างขึ้นโดยใช้ฟัซซีลอจิก แมชชีนเลิร์นนิง และระบบเทคโนโลยีที่คล้ายคลึงกัน
  • ฟัซซีลอจิกและแมชชีนเลิ ร์นนิง : บางครั้ง ฟัซซีลอจิกและแมชชีนเลิร์นนิงจะจัดกลุ่มเข้าด้วยกัน แต่จะไม่เหมือนกัน การเรียนรู้ของเครื่องหมายถึงระบบคอมพิวเตอร์ที่ทำซ้ำสติปัญญาของมนุษย์โดยการปรับเปลี่ยนอัลกอริทึมเพื่อแก้ปัญหาที่ยากซ้ำๆ ฟัซซีลอจิกคือชุดของกฎหรือกระบวนการที่อาจทำงานบนชุดข้อมูลที่ไม่แม่นยำ แต่อัลกอริทึมยังคงต้องเขียนโดยมนุษย์ ฟิลด์ทั้งสองอาจใช้ในปัญญาประดิษฐ์และการแก้ไขปัญหาที่ยาก
  • ตัวอย่างของฟัซซีลอจิก : ฟัซซีลอจิกอาจช่วยโครงข่ายประสาทเทียม การขุดข้อมูล การให้เหตุผลตามกรณี (CBR) และกฎทางธุรกิจ ตัวอย่างเช่น อาจใช้ฟัซซีลอจิกใน CBR เพื่อจัดกลุ่มข้อมูลแบบไดนามิกเป็นหมวดหมู่ ซึ่งจะช่วยเพิ่มประสิทธิภาพโดยลดความไวต่อสัญญาณรบกวนและค่าผิดปกติ ฟัซซีลอจิกยังช่วยให้ผู้เชี่ยวชาญในกฎทางธุรกิจสามารถเขียนกฎที่มีประสิทธิภาพมากขึ้นได้ ต่อไปนี้เป็นตัวอย่างของกฎที่แก้ไขซึ่งใช้ตรรกะคลุมเครือ

เมื่อธุรกรรมข้ามพรมแดนมีปริมาณ "มาก" (วลีที่มีความหมายกำกวม) และธุรกรรมเกิดขึ้นในตอนเย็น (อีกคำที่มีความหมายกำกวม) การโอนอาจเป็นที่น่าสงสัย

Fuzzy Logic เหมือนกับทฤษฎีความน่าจะเป็นหรือไม่?

ความน่าจะเป็นและตรรกะคลุมเครือเป็นทั้งแนวคิดที่สำคัญสำหรับปัญญาประดิษฐ์ แต่แนวคิดแรกเกี่ยวข้องกับการวิเคราะห์เชิงคาดการณ์มากกว่า กล่าวอีกนัยหนึ่ง ความน่าจะเป็นหมายถึงความแม่นยำของการอนุมานเชิงคาดการณ์ที่ทำขึ้นโดยใช้การวิเคราะห์ข้อมูลด้วย AI

แม้ว่าคำศัพท์อาจดูเทียบเท่า แต่ตรรกะคลุมเครือหรือความน่าจะเป็นไม่สามารถใช้แทนกันได้ Fuzzy Logic เป็นโลกทัศน์ที่มีระดับความจริงต่างกัน ความน่าจะเป็นมุ่งเน้นไปที่แนวคิดและข้อความที่เป็นจริงหรือเท็จ – แนวคิดที่อาจถูกหรือผิด ความน่าจะเป็นของการอ้างสิทธิ์คือระดับความเชื่อมั่นในความถูกต้อง

คำจำกัดความของตรรกศาสตร์คลุมเครือและความน่าจะเป็นแยกความแตกต่างจากกัน ความน่าจะเป็นเชื่อมโยงกับเหตุการณ์ที่เกิดขึ้น ไม่ใช่ข้อเท็จจริง เนื่องจากเหตุการณ์อาจเกิดขึ้นหรือไม่เกิดขึ้นก็ได้ ไม่มีที่ว่างสำหรับความคลุมเครือ ในทางกลับกัน ตรรกะคลุมเครือพยายามที่จะเข้าใจสาระสำคัญของความไม่แน่นอน มันเกี่ยวข้องกับระดับความจริงเป็นส่วนใหญ่

ทฤษฎีความน่าจะเป็นไม่สามารถใช้ให้เหตุผลกับแนวคิดที่คุณไม่สามารถอธิบายได้ว่าเป็นจริงหรือเท็จทั้งหมด

คุณสามารถทำอะไรกับ Fuzzy Logic ได้อีกบ้าง

ฟัซซีลอจิกมีแอปพลิเคชันในฟิลด์การประมวลผลส่วนใหญ่ที่เกี่ยวข้องกับการดำเนินการข้อมูล ซึ่งรวมถึงปัญญาประดิษฐ์และการขุดข้อมูล

การทำเหมืองข้อมูลเป็นวิชาที่เชื่อมโยงคณิตศาสตร์ การเรียนรู้ของเครื่อง และวิทยาการคอมพิวเตอร์ เป็นกระบวนการค้นหาความสัมพันธ์ที่สำคัญในชุดข้อมูลจำนวนมหาศาล ฟัซซีลอจิกคือชุดของกฎที่สามารถใช้กับชุดข้อมูลฟัซซีเพื่อให้ได้ข้อสรุปเชิงตรรกะ เป็นเทคนิคที่มีประโยชน์ในการค้นหาความเชื่อมโยงที่เกี่ยวข้องในข้อมูลประเภทนี้ เนื่องจากการทำเหมืองข้อมูลมักจะมีการวัดที่ไม่แม่นยำ

การใช้คณิตศาสตร์ตรรกคลุมเครือ นักวิเคราะห์อาจสร้างสัญญาณซื้อและขายอัตโนมัติในระบบการซื้อขายที่ซับซ้อนบางระบบ เทคโนโลยีเหล่านี้ช่วยนักลงทุนในการปรับตัวให้เข้ากับสถานการณ์ตลาดที่เปลี่ยนแปลงได้หลากหลายซึ่งมีผลกระทบต่อการถือครองของพวกเขา

พื้นที่ต่างๆ เช่น การธนาคาร ข้อมูลการตลาด การวิจัย ฯลฯ กำลังถูกปฏิวัติอย่างสมบูรณ์โดย AI ซึ่งเป็นเหตุผลที่เราได้กล่าวถึงฟัซซีลอจิกในวันลอจิกโลกพิเศษของเรา! ตอนนี้คุณมีเหมืองนวัตกรรมใหม่ให้สำรวจเกี่ยวกับ AI เช่น AI เชิงกำเนิดที่สามารถสร้างงานศิลปะจากคำหรือวลีไม่กี่คำ ซึ่งนำไปสู่การลงทุนใน AI และปัญญาประดิษฐ์ ETFs ที่เพิ่มขึ้น