World Logic Day: ファジーロジックと人工知能におけるその役割を理解する

公開: 2023-01-14

私たちの日常生活では、常にイエスとノーのどちらかを選択できるとは限りません。これは、決定を下すために必要な情報が不足している状況に遭遇する可能性があるために発生します。あるいは、あなた自身が困惑しているかもしれません。

たとえば、来月の特定の日に出席できるかどうかを誰かに尋ねられた場合、おそらくすぐに「はい」または「いいえ」で反応することはありません。来月のその日に出席できるとは保証できないためです。

単純ではありませんね。

ファジーという用語は、不明確なものを指します。状況が不明確な場合、コンピューターは人間と同様に、True または False の決定を下すことができない場合があります。 1 はブール論理で True を表し、0 は False を表します。

対照的に、ファジーロジックは問題のあいまいさをすべて考慮に入れ、バイナリの True と False を超える追加の代替値が存在する可能性があります。これは、従来の機械操作よりも直感的で、適応性があり、人間に似ている必要がある人工知能で非常に役立ちます。 World Logic Day (1 月 14^日) の機会に、この重要な概念を打破しましょう。

ファジーロジックはどのように機能しますか?

ファジー論理では、正確な結論を導き出すための最も重要なデータ形式は人間の認知であると考えています。このロジックは、1965 年にカリフォルニア大学バークレー校で、「ファジー」という用語を作り出した Lotfi Zadeh によって開発されました。彼は、従来のコンピューターロジックでは、不明確または不正確な情報を処理できないと主張しました。

人間と同様に、コンピューターは True と False の間に存在する幅広い値を統合できます。これらには、間違いなくはい、おそらくはい、言えない、おそらくいいえ、および間違いなくいいえが含まれる場合があります。

ファジーロジックの仕組みを理解するには、次のファジーロジックの簡単な例を確認してください。

問題の質問: 今日、外は晴れていますか?

ブール値の解: はい (1) またはいいえ (0)。

通常のブール代数に沿って、アルゴリズムは指定された入力を受け取り、その結果として Yes または No を返します。これは、対応する 1 と 0 で表されます。ただし、ファジーロジックを使用すると、別の可能性が生じます。

ファジー論理ソリューション:

非常に晴れ、雲は少ない (0.95)
やや晴れ (0.75)
晴れ時々曇り (0.5)
晴れ時々曇り (0.3)
非常に曇っていて、まれに晴れることがある (0.1)

ファジーロジックは、図に示すように、非常に、ある程度、まったくないなど、より幅広い結果を可能にします。 0 から 1 までのこれらの整数は、可能な結果の範囲を示します。

ファジーロジックに基づくアプローチでは、関連するすべてのデータを使用して問題を解決します。次に、利用可能な入力に基づいて最適な決定を生成します。明確な根拠を提供できない状況では、受け入れ可能な代替手段を提供します。

ファジーロジックの技術アーキテクチャを理解する

World Logic Day ということで、ファジーロジックソリューションを構成する技術アーキテクチャを詳しく見ていきましょう。それは以下を含みます：

ファジー化の中央モジュール: 不確実な数値で構成される入力を、事前に設定された基準セットに従って論理的に分離された数値ファジーサブセットに変換します。
ルールカウンター: IF-THEN-ELSE-YES-NO を格納します。つまり、人間が定義した条件付きルールの種類です。
インテリジェンスモジュール: ファジーモジュールからの入力と所定のルールを使用してファジー推論を作成することにより、人間の推論ロジックを複製します。
非ファジー化モジュール: インテリジェンスユニットからのファジーな出力を鮮明な値の出力に変換します。

ファジーロジックは、人間の意思決定に似ているため、不明確または歪んだ入力 (AI の課題など) を伴う複雑な状況をモデル化するのに優れています。ファジー論理プログラムは、従来の論理プログラムよりも作成が簡単で、使用する命令が少ないため、AI システムの実行に必要なメモリ量が削減されます。

人工知能におけるファジー論理の役割

多くの複雑な組織の問題は、はい/いいえまたは黒/白のプログラミング応答では解決できません。応答があいまいな場合がある状況では、ファジーロジックが役立ちます。ファジーロジックは、命題の信憑性の複数のメトリックを関連付けることにより、不正確さや曖昧さを管理します。

ファジーロジックとセマンティクス: 最も基本的な形式では、決定木分析を利用してファジーロジックを開発します。その結果、ルールベースの結論で構築された人工知能 (AI) システムの基礎として機能する可能性があります。ファジーロジックとファジーセマンティクス (たとえば、定量化できない「晴れ」や「わずかに」という言葉) は、人工知能システムのプログラミングに不可欠です。
注目すべきアプリケーション: AI テクノロジとアプリケーションは、ファジーロジックプログラミング機能が増加しているにもかかわらず、さまざまな分野で進化を続けています。 IBM の Watson は、ファジーロジックまたはファジーセマンティクスを使用する最も著名な AI システムの 1 つです。銀行部門では、投資レポートは、ファジーロジック、機械学習、および同様の技術システムを使用して生成されます。
ファジー論理と機械学習: ファジー論理と機械学習は一緒にグループ化されることがありますが、同一ではありません。機械学習とは、アルゴリズムを変更して困難な問題を繰り返し解決することにより、人間の知性を再現するコンピューターシステムを指します。ファジーロジックは、不正確なデータセットで動作する一連のルールまたはプロセスですが、アルゴリズムは人間が作成する必要があります。どちらの分野も、人工知能と困難な問題の解決に使用される可能性があります。
ファジーロジックの例: ファジーロジックは、ニューラルネットワーク、データマイニング、ケースベースの推論 (CBR)、およびビジネスルールに役立つ場合があります。たとえば、ファジーロジックを CBR で使用して情報をカテゴリに動的にグループ化し、ノイズや外れ値の影響を受けにくくすることでパフォーマンスを向上させることができます。また、ファジーロジックを使用すると、ビジネスルールの専門家はより効果的なルールを作成できます。これは、ファジーロジックを利用する改訂されたルールの例です。

国境を越えた取引の量が「大量」（あいまいな意味を持つフレーズ）であり、取引が夕方に行われる場合（あいまいな意味を持つ別の用語）、送金は疑わしい可能性があります。

ファジー論理は確率論と同じですか?

確率とファジーロジックはどちらも人工知能にとって重要な概念ですが、前者は予測分析と関係があります。つまり、確率とは、AI ベースのデータ分析を使用して行われた予測推論の精度を指します。

用語は同じように見えるかもしれませんが、ファジーロジックまたは確率は互換性がありません。ファジー論理は、さまざまな程度の真実性を持つ世界観です。確率は、真か偽かの概念と陳述、つまり正しいか間違っている可能性があるアイデアに焦点を当てています。請求の可能性は、その有効性に対する信頼のレベルです。

ファジー論理と確率の定義は、それらを互いに区別します。イベントが発生するか発生しないかのいずれかであるため、確率は事実ではなく発生に関連付けられます。あいまいさの余地はありません。一方、ファジー論理は、不確実性の本質を把握しようとします。それは主に真実のレベルに関係しています。

完全に真か偽かを説明できない概念を推論するために確率論を使用することはできません。

ファジーロジックで他に何ができますか?

ファジーロジックには、人工知能やデータマイニングなど、データ操作に関係するほとんどのコンピューティング分野でのアプリケーションがあります。

数学、機械学習、コンピューターサイエンスをつなぐ主題であるデータマイニングは、大量のデータセットから重要な関係を発見するプロセスです。ファジーロジックは、論理的な結論に到達するためにファジーデータセットに適用できる一連のルールです。データマイニングには不正確な測定が含まれることが多いため、このタイプのデータで関連する接続を発見するのに役立つ手法です。

アナリストは、ファジー論理演算を使用して、一部の複雑な取引システムで自動売買シグナルを生成する場合があります。これらのテクノロジーは、投資家が保有資産に影響を与えるさまざまな変化する市場状況に適応するのに役立ちます。

銀行、マーケットインテリジェンス、研究などの分野は、AI によって完全に変革されています。そのため、World Logic Day スペシャルでファジーロジックを取り上げました。いくつかの単語やフレーズからアートを作成できるジェネレーティブ AI など、AI で探求すべき新しいイノベーションの鉱山ができたので、AI と人工知能の ETF への投資が増加しています。