世界逻辑日：了解模糊逻辑及其在人工智能中的作用

在我们的日常生活中，我们不能总是在是和否之间做出选择。出现这种情况是因为您可能会遇到缺乏做出决定所需的信息的情况。 或者，您可能对自己感到困惑。

例如，如果有人问你是否会在下个月的某一天到场，你可能不会立即做出“是”或“否”的反应。因为你无法保证下个月的那一天你是否有空。

不简单，是吗？

术语模糊是指不清楚的事物。 当情况不明时，计算机和人类一样，可能无法提供真或假的决定。 在布尔逻辑中 1 代表 True，而 0 代表 False。

相比之下，模糊逻辑考虑了问题的所有歧义，其中可能存在除二进制 True 和 False 之外的其他替代值。 这在人工智能中非常有用，人工智能需要比传统机器操作更直观、适应性更强、更像人。 值此世界逻辑日（1 月 14^日）之际，让我们来分解一下这个至关重要的概念。

模糊逻辑如何工作？

模糊逻辑认为人类的认知是得出准确结论的最关键的数据形式。 这种逻辑于 1965 年由 Lotfi Zadeh 在加州大学伯克利分校开发，他创造了术语“模糊”。 他认为传统的计算机逻辑无法处理不清楚或不精确的信息。

与人类相似，计算机能够整合存在于 True 和 False 之间的范围广泛的值。 这些可能包括“肯定是”、“也许是”、“不能说”、“也许不是”以及“绝对不是”。

查看这个模糊逻辑的简单示例以了解其工作原理：

问题提问：今天外面晴天吗？

布尔解决方案：是 (1) 或否 (0)。

与正常的布尔代数一致，该算法将接收指定的输入并提供是或否作为其结果。 这对应地由1和0表示。 然而，当使用模糊逻辑时，就会出现其他可能性。

模糊逻辑解决方案：

• 非常晴朗，有罕见的云 (0.95)
• 中等晴天 (0.75)
• 晴间多云 (0.5)
• 少许晴天多云 (0.3)
• 非常多云，罕见的晴天 (0.1)

如图所示，模糊逻辑支持范围更广的结果，包括极度、有点和完全没有。 这些从 0 到 1 的整数表示可能的结果范围。

基于模糊逻辑的方法使用所有相关数据来解决问题。 然后，它会根据可用输入生成最佳决策。 在无法提供明确理由的情况下，它提供了可接受的替代方法。

了解模糊逻辑的技术架构

今天是世界逻辑日，让我们仔细看看构成模糊逻辑解决方案的技术架构。 它将包括：

• 模糊化的核心模块：它将由不确定数字组成的输入转换为根据预设标准集在逻辑上分离的数值模糊子集。
• 规则计数器：它存储 IF-THEN-ELSE-YES-NO——即人类定义的条件规则的类型。
• 智能模块：它通过使用来自模糊模块和预定规则的输入创建模糊推理来复制人类推理逻辑。
• 去模糊化模块：它将智能单元的模糊输出转换为清晰的值输出。

由于模糊逻辑与人类决策的相似性，它非常适合对输入不明确或倾斜的复杂情况（如 AI 挑战）进行建模。 模糊逻辑程序比传统逻辑程序更容易创建，并且使用的指令更少，因此减少了执行 AI 系统所需的内存量。

模糊逻辑在人工智能中的作用

许多复杂的组织问题无法通过是/否或黑白编程响应来解决。 在响应有时不明确的情况下，模糊逻辑是有益的。 模糊逻辑通过关联命题可信度的多个度量来管理不精确或歧义。

• 模糊逻辑和语义：在最基本的形式中，决策树分析用于开发模糊逻辑。 因此，它可以作为使用基于规则的结论构建的人工智能 (AI) 系统的基础。 模糊逻辑和模糊语义（例如，“sunny”和“slightly”这两个词是不可量化的）对于人工智能系统的编程至关重要。
• 值得注意的应用：尽管模糊逻辑编程能力正在增加，但人工智能技术和应用仍在各个领域不断发展。 IBM 的 Watson 是使用模糊逻辑或模糊语义的最著名的人工智能系统之一。 在银行业，投资报告是使用模糊逻辑、机器学习和类似技术系统生成的。
• 模糊逻辑和机器学习：有时，模糊逻辑和机器学习被组合在一起，但它们并不完全相同。 机器学习是指计算机系统通过修改算法来重复解决难题，从而复制人类的智慧。 模糊逻辑是一组规则或过程，可以对不精确的数据集进行操作，但算法仍必须由人编写。 这两个领域都可能用于人工智能和解决难题。
• 模糊逻辑示例：模糊逻辑可能有助于神经网络、数据挖掘、基于案例的推理 (CBR) 和业务规则。 例如，在 CBR 中可以使用模糊逻辑将信息动态分组，从而通过降低对噪声和离群值的敏感性来提高性能。 模糊逻辑还使业务规则专业人员能够编写更有效的规则。 下面是一个使用模糊逻辑的修订规则的实例。

当跨境交易量“大”（含义模糊的词）且交易发生在晚上（语义模糊的另一个词）时，转账可能存在疑点。

模糊逻辑与概率论相同吗？

概率和模糊逻辑都是人工智能的重要概念，但前者更多地与预测分析有关。 换句话说，概率是指使用基于 AI 的数据分析进行预测推理的准确性。

尽管这些术语看起来是等价的，但模糊逻辑或概率是不可互换的。 模糊逻辑是一种具有不同程度真实性的世界观。 概率关注的是正确或错误的概念和陈述——可能是对也可能是错的想法。 索赔的可能性是对其有效性的信任程度。

模糊逻辑和概率的定义将它们彼此区分开来。 概率与事件有关，而不是与事实有关，因为事件要么发生，要么不发生。 没有歧义的余地。 另一方面，模糊逻辑力求把握不确定性的本质。 它主要与真实程度有关。

概率论不能用于推理您无法描述为完全正确或错误的概念。

你还能用模糊逻辑做什么？

模糊逻辑在大多数与数据操作有关的计算领域都有应用，包括人工智能和数据挖掘。

数据挖掘是一门连接数学、机器学习和计算机科学的学科，是在海量数据集中发现重要关系的过程。 模糊逻辑是一组可以应用于模糊数据集以得出逻辑结论的规则。 鉴于数据挖掘通常包括不精确的测量，这是一种发现此类数据中相关联系的有用技术。

使用模糊逻辑数学，分析师可以在一些复杂的交易系统中生成自动买卖信号。 这些技术帮助投资者适应对其持股有影响的各种多变的市场情况。

银行、市场情报、研究等领域正在被 AI 彻底革新，这就是为什么我们在世界逻辑日特别节目中介绍了模糊逻辑！ 您现在拥有大量 AI 新创新可供探索——例如可以用几个词或短语创造艺术的生成 AI——这导致对 AI 和人工智能 ETF 的投资不断增加。