Ziua mondială a logicii: înțelegerea logicii fuzzy și a rolului acesteia în inteligența artificială

În viața noastră de zi cu zi, nu putem alege întotdeauna între un da și un nu. Acest lucru se întâmplă deoarece puteți întâlni situații în care vă lipsesc informațiile necesare pentru a lua o decizie. Alternativ, s-ar putea să fii perplex.

De exemplu, dacă cineva vă întreabă dacă veți fi acolo într-o anumită zi luna viitoare, probabil că nu veți reacționa instantaneu cu Da sau Nu. Pentru că nu puteți garanta că veți fi disponibil în acea zi luna viitoare.

Nu este simplu, nu-i așa?

Termenul fuzzy se referă la ceva neclar. Când o situație este neclară, computerul, ca și oamenii, ar putea să nu fie în măsură să ofere o decizie adevărată sau falsă. 1 simbolizează Adevărat în logica booleană, în timp ce 0 reprezintă Fals.

În schimb, logica fuzzy ia în considerare toate ambiguitățile unei probleme, unde ar putea exista valori alternative suplimentare dincolo de un Adevărat și Fals binar. Acest lucru este extrem de util în inteligența artificială, care trebuie să fie mai intuitivă, adaptabilă și mai asemănătoare cu oamenii decât operațiunile tradiționale ale mașinilor. Cu ocazia Zilei Mondiale ^a Logicii (14 ianuarie), haideți să defalcăm acest concept vital.

Cum funcționează logica fuzzy?

Logica fuzzy consideră că cunoașterea umană este cea mai critică formă de date pentru a trage concluzii exacte. Această logică a fost dezvoltată în 1965 la Universitatea din California, Berkeley, de către Lotfi Zadeh, care a inventat termenul „fuzzy”. El a susținut că logica computerizată tradițională nu era capabilă să gestioneze informații neclare sau imprecise.

La fel ca oamenii, computerele sunt capabile să integreze o gamă largă de valori care există între Adevărat și Fals. Acestea pot include Cu siguranță da, Poate că da, Nu pot spune, Poate că nu, precum și Cu siguranță nu.

Consultați acest exemplu simplu de logică neclară pentru a înțelege cum funcționează:

Întrebare problemă: este soare afară astăzi?

Soluție booleană: Da (1) sau Nu (0).

În conformitate cu algebra booleană normală, algoritmul va primi o intrare specificată și va furniza fie Da, fie Nu ca rezultat. Aceasta este reprezentată de 1 și 0 în mod corespunzător. Cu toate acestea, atunci când se folosește logica fuzzy, apar și alte posibilități.

Soluție cu logica fuzzy:

• Foarte însorit, cu nori rari (0,95)
• Însorit moderat (0,75)
• Parțial însorit și parțial noros (0,5)
• Puțin însorit, dar în mare parte noros (0,3)
• Foarte noros, cu perioade însorite rare (0,1)

Logica fuzzy permite o gamă mai largă de rezultate, inclusiv extrem de, oarecum și deloc, așa cum se vede în figură. Aceste numere întregi de la 0 și 1 arată gama de rezultate care sunt posibile.

O abordare bazată pe logica fuzzy folosește toate datele relevante pentru a rezolva o problemă. Apoi generează decizia optimă pe baza intrărilor disponibile. În circumstanțe în care nu poate fi furnizată o justificare clară, acesta oferă un substitut acceptabil.

Înțelegerea arhitecturii tehnice a logicii fuzzy

Deoarece este Ziua Mondială a Logicii, să aruncăm o privire mai atentă asupra arhitecturii tehnice care alcătuiește o soluție de logică neclară. Acesta va cuprinde:

• Modulul central pentru fuzzificare : Transformă intrarea, care constă din numere incerte, în subseturi de valori numerice fuzzy care sunt separate logic conform criteriilor prestabilite.
• Contor de reguli : stochează IF-THEN-ELSE-YES-NO - adică tipurile de reguli condiționale definite de om.
• Modul de inteligență : Replică logica raționamentului uman prin crearea unei inferențe neclare folosind intrări de la module neclare și reguli predeterminate.
• Modul de defuzzifiere : Transformă ieșirea neclară de la unitatea de inteligență într-o ieșire cu valoare clară.

Logica fuzzy este excelentă pentru modelarea situațiilor complicate cu intrări neclare sau distorsionate (cum ar fi provocările AI) datorită asemănării sale cu luarea deciziilor umane. Programele cu logică fuzzy sunt mai simplu de creat decât programele logice convenționale și folosesc instrucțiuni mai puține, reducând astfel cantitatea de memorie necesară pentru a executa sistemele AI.

Rolul logicii fuzzy în inteligența artificială

Multe probleme organizaționale complexe nu pot fi rezolvate cu răspunsuri de programare da/nu sau alb/negru. În situațiile în care răspunsurile sunt uneori ambigue, logica neclară este benefică. Logica fuzzy gestionează imprecizia sau ambiguitatea prin asocierea mai multor metrici ale credibilității propoziționale.

• Logica fuzzy și semantica : În forma sa cea mai de bază, analiza arborelui de decizie este utilizată pentru a dezvolta logica fuzzy. În consecință, poate servi drept bază pentru sistemele de inteligență artificială (AI) construite cu concluzii bazate pe reguli. Atât logica fuzzy, cât și semantica fuzzy (de exemplu, cuvintele „însorit” și „ușor”, care sunt necuantificabile) sunt cruciale pentru programarea sistemelor de inteligență artificială.
• Aplicații notabile : tehnologiile și aplicațiile AI continuă să evolueze într-o serie de sectoare, în ciuda faptului că capacitățile de programare cu logica fuzzy sunt în creștere. Watson de la IBM este unul dintre cele mai proeminente sisteme AI care utilizează logica fuzzy sau semantica fuzzy. În sectorul bancar, rapoartele de investiții sunt generate folosind logica fuzzy, învățarea automată și sisteme tehnologice similare.
• Logica fuzzy și învățarea automată : Uneori, logica fuzzy și învățarea automată sunt grupate împreună, cu toate acestea, nu sunt identice. Învățarea automată se referă la sisteme informatice care reproduc intelectul uman prin modificarea algoritmilor pentru a rezolva în mod repetat probleme dificile. Logica fuzzy este un set de reguli sau procese care pot funcționa pe seturi de date imprecise, dar algoritmii trebuie totuși scriiți de oameni. Ambele domenii pot fi utilizate în inteligența artificială și în rezolvarea problemelor dificile.
• Exemple de logică neclară: logica fuzzy poate ajuta rețelele neuronale, extragerea datelor, raționamentul bazat pe cazuri (CBR) și regulile de afaceri. De exemplu, logica fuzzy poate fi utilizată în CBR pentru a grupa în mod dinamic informațiile în categorii, îmbunătățind astfel performanța prin reducerea susceptibilității la zgomot și valori aberante. Logica fuzzy le permite profesioniștilor din regulile de afaceri să compună reguli mai eficiente. Iată un exemplu de regulă revizuită care folosește logica fuzzy.

Atunci când cantitatea de tranzacții transfrontaliere este „mare” (o expresie cu sens ambiguu) și tranzacția are loc seara (un alt termen cu semantică ambiguă), transferul poate fi suspect.

Este logica fuzzy la fel ca teoria probabilității?

Probabilitatea și logica neclară sunt ambele concepte cruciale pentru inteligența artificială, dar prima are mai mult de-a face cu analiza predictivă. Cu alte cuvinte, probabilitatea se referă la acuratețea unei inferențe predictive făcute folosind analiza datelor bazată pe inteligență artificială.

Deși termenii pot părea echivalenti, logica neclară sau probabilitatea nu sunt interschimbabile. Logica fuzzy este o viziune asupra lumii cu diferite grade de veridicitate. Probabilitatea se concentrează pe noțiuni și afirmații care sunt fie adevărate, fie false – idei care pot fi corecte sau greșite. Probabilitatea unei pretenții este nivelul de credință în validitatea acesteia.

Definițiile logicii fuzzy și ale probabilității le diferențiază unele de altele. Probabilitatea este legată de evenimente, nu de fapte, deoarece evenimentele fie au loc, fie nu au loc. Nu este loc pentru ambiguitate. Logica fuzzy, pe de altă parte, se străduiește să înțeleagă esența incertitudinii. Se referă mai ales la nivelul adevărului.

Teoria probabilității nu poate fi folosită pentru a raționa cu noțiuni pe care nu le puteți descrie ca fiind complet adevărate sau false.

Ce altceva poți face cu logica fuzzy?

Logica fuzzy are aplicații în majoritatea domeniilor de calcul care au legătură cu operațiunile de date, care include inteligența artificială, precum și data mining.

Exploatarea datelor, un subiect care conectează matematica, învățarea automată și informatica, este procesul de descoperire a relațiilor semnificative în seturi masive de date. Logica fuzzy este un set de reguli care pot fi aplicate seturi de date fuzzy pentru a ajunge la concluzii logice. Este o tehnică utilă pentru descoperirea conexiunilor relevante în acest tip de date, având în vedere că data mining-ul include adesea măsurători imprecise.

Folosind matematica cu logica neclară, analiștii pot produce semnale automate de cumpărare și vânzare în unele sisteme de tranzacționare complexe. Aceste tehnologii ajută investitorii să se adapteze la o mare varietate de situații schimbătoare ale pieței care au un efect asupra participațiilor lor.

Domenii precum banca, inteligența pieței, cercetarea etc. sunt complet revoluționate de AI, motiv pentru care am acoperit logica neclară în specialul nostru de Ziua Mondială a Logicii! Aveți acum o mină de inovații noi de explorat în AI – cum ar fi IA generativă care poate crea artă din câteva cuvinte sau expresii – ceea ce a condus la investiții în creștere în ETF-uri AI și inteligență artificială.