世界邏輯日：了解模糊邏輯及其在人工智能中的作用

在我們的日常生活中，我們不能總是在是和否之間做出選擇。出現這種情況是因為您可能會遇到缺乏做出決定所需的信息的情況。 或者，您可能對自己感到困惑。

例如，如果有人問你是否會在下個月的某一天到場，你可能不會立即做出“是”或“否”的反應。因為你無法保證下個月的那一天你是否有空。

不簡單，是嗎？

術語模糊是指不清楚的事物。 當情況不明時，計算機和人類一樣，可能無法提供真或假的決定。 在布爾邏輯中 1 代表 True，而 0 代表 False。

相比之下，模糊邏輯考慮了問題的所有歧義，其中可能存在除二進制 True 和 False 之外的其他替代值。 這在人工智能中非常有用，人工智能需要比傳統機器操作更直觀、適應性更強、更像人。 值此世界邏輯日（1 月 14^日）之際，讓我們來分解一下這個至關重要的概念。

模糊邏輯如何工作？

模糊邏輯認為人類的認知是得出準確結論的最關鍵的數據形式。 這種邏輯於 1965 年由 Lotfi Zadeh 在加州大學伯克利分校開發，他創造了術語“模糊”。 他認為傳統的計算機邏輯無法處理不清楚或不精確的信息。

與人類相似，計算機能夠整合存在於 True 和 False 之間的範圍廣泛的值。 這些可能包括“肯定是”、“也許是”、“不能說”、“也許不是”以及“絕對不是”。

查看這個模糊邏輯的簡單示例以了解其工作原理：

問題提問：今天外面晴天嗎？

布爾解決方案：是 (1) 或否 (0)。

與正常的布爾代數一致，該算法將接收指定的輸入並提供是或否作為其結果。 這對應地由1和0表示。 然而，當使用模糊邏輯時，就會出現其他可能性。

模糊邏輯解決方案：

• 非常晴朗，有罕見的雲 (0.95)
• 中等晴天 (0.75)
• 晴間多雲 (0.5)
• 少許晴天多雲 (0.3)
• 非常多雲，罕見的晴天 (0.1)

如圖所示，模糊邏輯支持範圍更廣的結果，包括極度、有點和完全沒有。 這些從 0 到 1 的整數表示可能的結果範圍。

基於模糊邏輯的方法使用所有相關數據來解決問題。 然後，它會根據可用輸入生成最佳決策。 在無法提供明確理由的情況下，它提供了可接受的替代方法。

了解模糊邏輯的技術架構

今天是世界邏輯日，讓我們仔細看看構成模糊邏輯解決方案的技術架構。 它將包括：

• 模糊化的核心模塊：它將由不確定數字組成的輸入轉換為根據預設標準集在邏輯上分離的數值模糊子集。
• 規則計數器：它存儲 IF-THEN-ELSE-YES-NO——即人類定義的條件規則的類型。
• 智能模塊：它通過使用來自模糊模塊和預定規則的輸入創建模糊推理來複製人類推理邏輯。
• 去模糊化模塊：它將智能單元的模糊輸出轉換為清晰的值輸出。

由於模糊邏輯與人類決策的相似性，它非常適合對輸入不明確或傾斜的複雜情況（如 AI 挑戰）進行建模。 模糊邏輯程序比傳統邏輯程序更容易創建，並且使用的指令更少，因此減少了執行 AI 系統所需的內存量。

模糊邏輯在人工智能中的作用

許多複雜的組織問題無法通過是/否或黑白編程響應來解決。 在響應有時不明確的情況下，模糊邏輯是有益的。 模糊邏輯通過關聯命題可信度的多個度量來管理不精確或歧義。

• 模糊邏輯和語義：在最基本的形式中，決策樹分析用於開發模糊邏輯。 因此，它可以作為使用基於規則的結論構建的人工智能 (AI) 系統的基礎。 模糊邏輯和模糊語義（例如，“sunny”和“slightly”這兩個詞是不可量化的）對於人工智能係統的編程至關重要。
• 值得注意的應用：儘管模糊邏輯編程能力正在增加，但人工智能技術和應用仍在各個領域不斷發展。 IBM 的 Watson 是使用模糊邏輯或模糊語義的最著名的人工智能係統之一。 在銀行業，投資報告是使用模糊邏輯、機器學習和類似技術系統生成的。
• 模糊邏輯和機器學習：有時，模糊邏輯和機器學習被組合在一起，但它們並不完全相同。 機器學習是指計算機系統通過修改算法來重複解決難題，從而復制人類的智慧。 模糊邏輯是一組規則或過程，可以對不精確的數據集進行操作，但算法仍必須由人編寫。 這兩個領域都可能用於人工智能和解決難題。
• 模糊邏輯示例：模糊邏輯可能有助於神經網絡、數據挖掘、基於案例的推理 (CBR) 和業務規則。 例如，在 CBR 中可以使用模糊邏輯將信息動態分組，從而通過降低對噪聲和離群值的敏感性來提高性能。 模糊邏輯還使業務規則專業人員能夠編寫更有效的規則。 下面是一個使用模糊邏輯的修訂規則的實例。

當跨境交易量“大”（含義模糊的詞）且交易發生在晚上（語義模糊的另一個詞）時，轉賬可能存在疑點。

模糊邏輯與概率論相同嗎？

概率和模糊邏輯都是人工智能的重要概念，但前者更多地與預測分析有關。 換句話說，概率是指使用基於 AI 的數據分析進行預測推理的準確性。

儘管這些術語看起來是等價的，但模糊邏輯或概率是不可互換的。 模糊邏輯是一種具有不同程度真實性的世界觀。 概率關注的是正確或錯誤的概念和陳述——可能是對也可能是錯的想法。 索賠的可能性是對其有效性的信任程度。

模糊邏輯和概率的定義將它們彼此區分開來。 概率與事件有關，而不是與事實有關，因為事件要么發生，要么不發生。 沒有歧義的餘地。 另一方面，模糊邏輯力求把握不確定性的本質。 它主要與真實程度有關。

概率論不能用於推理您無法描述為完全正確或錯誤的概念。

你還能用模糊邏輯做什麼？

模糊邏輯在大多數與數據操作有關的計算領域都有應用，包括人工智能和數據挖掘。

數據挖掘是一門連接數學、機器學習和計算機科學的學科，是在海量數據集中發現重要關係的過程。 模糊邏輯是一組可以應用於模糊數據集以得出邏輯結論的規則。 鑑於數據挖掘通常包括不精確的測量，這是一種發現此類數據中相關聯繫的有用技術。

使用模糊邏輯數學，分析師可以在一些複雜的交易系統中生成自動買賣信號。 這些技術幫助投資者適應對其持股有影響的各種多變的市場情況。

銀行、市場情報、研究等領域正在被 AI 徹底革新，這就是為什麼我們在世界邏輯日特別節目中介紹了模糊邏輯！ 您現在擁有大量 AI 新創新可供探索——例如可以用幾個詞或短語創造藝術的生成 AI——這導致對 AI 和人工智能 ETF 的投資不斷增加。