Journée mondiale de la logique : comprendre la logique floue et son rôle dans l'intelligence artificielle

Dans notre vie quotidienne, nous ne pouvons pas toujours choisir entre un oui et un non. Cela se produit parce que vous pouvez rencontrer des situations dans lesquelles vous ne disposez pas des informations nécessaires pour prendre une décision. Alternativement, vous pouvez être vous-même perplexe.

Par exemple, si quelqu'un vous demande si vous serez là un certain jour le mois prochain, vous ne réagirez probablement pas instantanément par Oui ou Non. Parce que vous ne pouvez pas garantir que vous serez disponible ce jour-là le mois prochain.

Pas simple, n'est-ce pas ?

Le terme flou fait référence à quelque chose qui n'est pas clair. Lorsqu'une situation n'est pas claire, l'ordinateur, comme les humains, peut être incapable de fournir une décision Vrai ou Faux. 1 symbolise Vrai dans la logique booléenne, tandis que 0 représente Faux.

En revanche, la logique floue prend en considération toutes les ambiguïtés d'un problème, où il pourrait y avoir des valeurs alternatives supplémentaires au-delà d'un Vrai et Faux binaire. Ceci est extrêmement utile dans l'intelligence artificielle, qui doit être plus intuitive, adaptative et humaine que les opérations de machines traditionnelles. A l'occasion du World Logic Day (14 ^janvier ), décomposons ce concept vital.

Comment fonctionne la logique floue ?

La logique floue considère la cognition humaine comme la forme de données la plus critique pour tirer des conclusions exactes. Cette logique a été développée en 1965 à l'Université de Californie à Berkeley par Lotfi Zadeh, qui a inventé le terme "fuzzy". Il a fait valoir que la logique informatique traditionnelle était incapable de traiter des informations peu claires ou imprécises.

Semblables aux humains, les ordinateurs sont capables d'intégrer un large éventail de valeurs qui existent entre Vrai et Faux. Ceux-ci peuvent inclure Absolument oui, Peut-être oui, Ne peut pas dire, Peut-être non, ainsi que Absolument non.

Découvrez cet exemple simple de logique floue pour comprendre comment cela fonctionne :

Question problématique : Est-ce qu'il fait beau dehors aujourd'hui ?

Solution booléenne : Oui (1) ou Non (0).

Conformément à l'algèbre booléenne normale, l'algorithme recevra une entrée spécifiée et fournira Oui ou Non comme résultat. Ceci est représenté par 1 et 0 en conséquence. Cependant, lorsque la logique floue est utilisée, d'autres possibilités émergent.

Solution de logique floue :

• Très ensoleillé avec de rares nuages ​​(0.95)
• Modérément ensoleillé (0.75)
• En partie ensoleillé et en partie nuageux (0,5)
• Un peu ensoleillé mais plutôt nuageux (0.3)
• Très nuageux avec de rares périodes ensoleillées (0,1)

La logique floue permet un plus large éventail de résultats, y compris extrêmement, quelque peu et pas du tout, comme le montre la figure. Ces nombres entiers de 0 à 1 montrent la gamme de résultats possibles.

Une approche basée sur la logique floue utilise toutes les données pertinentes pour résoudre un problème. Il génère ensuite la décision optimale en fonction des entrées disponibles. Dans les circonstances où une justification claire ne peut être fournie, elle fournit un substitut acceptable.

Comprendre l'architecture technique de la logique floue

Puisque c'est le World Logic Day, regardons de plus près l'architecture technique qui compose une solution de logique floue. Il comprendra :

• Le module central de fuzzification : Il transforme l'entrée, constituée de nombres incertains, en sous-ensembles flous de valeurs numériques qui sont logiquement séparés selon l'ensemble de critères prédéfinis.
• Compteur de règles : Il stocke le SI-ALORS-SINON-OUI-NON - c'est-à-dire les types de règles conditionnelles définies par l'homme.
• Module d'intelligence : il reproduit la logique de raisonnement humain en créant une inférence floue à l'aide d'entrées de modules flous et de règles prédéterminées.
• Module de défuzzification : Il transforme la sortie floue de l'unité d'intelligence en une sortie de valeur nette.

La logique floue est excellente pour modéliser des situations compliquées avec des entrées peu claires ou biaisées (comme les défis de l'IA) en raison de sa ressemblance avec la prise de décision humaine. Les programmes de logique floue sont plus simples à créer que les programmes de logique conventionnels et utilisent moins d'instructions, réduisant ainsi la quantité de mémoire nécessaire pour exécuter les systèmes d'IA.

Le rôle de la logique floue dans l'intelligence artificielle

De nombreux problèmes organisationnels complexes ne peuvent être résolus avec des réponses de programmation oui/non ou noir/blanc. Dans les situations où les réponses sont parfois ambiguës, la logique floue est bénéfique. La logique floue gère l'imprécision ou l'ambiguïté en associant plusieurs métriques de crédibilité propositionnelle.

• Logique floue et sémantique : Dans sa forme la plus élémentaire, l'analyse par arbre de décision est utilisée pour développer la logique floue. Par conséquent, il peut servir de base à des systèmes d'intelligence artificielle (IA) construits avec des conclusions basées sur des règles. La logique floue et la sémantique floue (par exemple, les mots « ensoleillé » et « légèrement », qui ne sont pas quantifiables) sont cruciales pour la programmation des systèmes d'intelligence artificielle.
• Applications notables : les technologies et applications d'IA évoluent encore dans de nombreux secteurs, malgré le fait que les capacités de programmation en logique floue augmentent. Watson d'IBM est l'un des systèmes d'IA les plus importants utilisant la logique floue ou la sémantique floue. Dans le secteur bancaire, les rapports d'investissement sont générés à l'aide de la logique floue, de l'apprentissage automatique et de systèmes technologiques similaires.
• Logique floue et apprentissage automatique : Parfois, la logique floue et l'apprentissage automatique sont regroupés, cependant, ils ne sont pas identiques. L'apprentissage automatique fait référence à des systèmes informatiques qui reproduisent l'intellect humain en modifiant des algorithmes pour résoudre à plusieurs reprises des problèmes difficiles. La logique floue est un ensemble de règles ou de processus qui peuvent fonctionner sur des ensembles de données imprécis, mais les algorithmes doivent toujours être écrits par des humains. Les deux domaines peuvent être utilisés dans l'intelligence artificielle et la résolution de problèmes difficiles.
• Exemples de logique floue : la logique floue peut aider les réseaux de neurones, l'exploration de données, le raisonnement par cas (CBR) et les règles métier. Par exemple, la logique floue peut être utilisée dans CBR pour regrouper dynamiquement les informations en catégories, améliorant ainsi les performances en réduisant la sensibilité au bruit et aux valeurs aberrantes. La logique floue permet également aux professionnels des règles métier de composer des règles plus efficaces. Voici un exemple d'une règle révisée qui utilise la logique floue.

Lorsque la quantité de transactions transfrontalières est « importante » (expression au sens ambigu) et que la transaction a lieu le soir (autre terme à la sémantique ambiguë), le transfert peut être suspect.

La logique floue est-elle identique à la théorie des probabilités ?

La probabilité et la logique floue sont deux concepts cruciaux pour l'intelligence artificielle, mais la première a plus à voir avec l'analyse prédictive. En d'autres termes, la probabilité fait référence à la précision d'une inférence prédictive effectuée à l'aide d'une analyse de données basée sur l'IA.

Bien que les termes puissent sembler équivalents, la logique floue ou la probabilité ne sont pas interchangeables. La logique floue est une vision du monde avec différents degrés de véracité. La probabilité se concentre sur des notions et des déclarations qui sont vraies ou fausses - des idées qui peuvent être justes ou fausses. La probabilité d'une réclamation est le niveau de confiance dans sa validité.

Les définitions de la logique floue et de la probabilité les différencient l'une de l'autre. La probabilité est liée aux événements, et non aux faits, car les événements se produisent ou ne se produisent pas. Il n'y a pas de place pour l'ambiguïté. La logique floue, quant à elle, s'efforce de saisir l'essence de l'incertitude. Cela concerne principalement le niveau de vérité.

La théorie des probabilités ne peut pas être utilisée pour raisonner avec des notions que vous ne pouvez pas décrire comme entièrement vraies ou fausses.

Que pouvez-vous faire d'autre avec la logique floue ?

La logique floue a des applications dans la plupart des domaines informatiques liés aux opérations de données, notamment l'intelligence artificielle et l'exploration de données.

L'exploration de données, un sujet qui relie les mathématiques, l'apprentissage automatique et l'informatique, est le processus de découverte de relations significatives dans des ensembles de données massifs. La logique floue est un ensemble de règles qui peuvent être appliquées à des ensembles de données floues afin de parvenir à des conclusions logiques. C'est une technique utile pour découvrir des connexions pertinentes dans ce type de données, étant donné que l'exploration de données comprend souvent des mesures imprécises.

En utilisant les mathématiques de la logique floue, les analystes peuvent produire des signaux d'achat et de vente automatisés dans certains systèmes de négociation complexes. Ces technologies aident les investisseurs à s'adapter à une grande variété de situations de marché changeantes qui ont un effet sur leurs avoirs.

Des domaines comme la banque, l'intelligence de marché, la recherche, etc., sont complètement révolutionnés par l'IA, c'est pourquoi nous avons couvert la logique floue dans notre spécial Journée mondiale de la logique ! Vous avez maintenant une mine de nouvelles innovations à explorer dans l'IA - comme l'IA générative qui peut créer de l'art à partir de quelques mots ou phrases - ce qui a conduit à des investissements croissants dans l'IA et les ETF d'intelligence artificielle.