Apa itu logika fuzzy?

Saya baru mengenal AI dan saya ingin tahu dengan kata-kata sederhana, apa konsep logika fuzzy? Bagaimana ini membantu, dan kapan itu digunakan?

Ketika kompleksitas meningkat, pernyataan yang tepat kehilangan makna dan pernyataan yang bermakna kehilangan presisi. (Lofti Zadeh).

Logika fuzzy berkaitan dengan penalaran yang merupakan perkiraan, bukan tetap dan tepat. Ini mungkin membuat alasan lebih bermakna bagi manusia:

Logika fuzzy adalah perpanjangan dari logika Boolean oleh Lotfi Zadeh pada tahun 1965 berdasarkan teori matematika dari set fuzzy, yang merupakan generalisasi dari teori himpunan klasik. Dengan memperkenalkan gagasan derajat dalam verifikasi suatu kondisi, sehingga memungkinkan suatu kondisi berada dalam keadaan selain benar atau salah, logika fuzzy memberikan fleksibilitas yang sangat berharga untuk penalaran, yang memungkinkan untuk memperhitungkan ketidakakuratan dan ketidakpastian.

Salah satu keuntungan dari logika fuzzy untuk memformalisasi penalaran manusia adalah bahwa aturannya diatur dalam bahasa alami. Sebagai contoh, berikut adalah beberapa aturan perilaku yang diikuti oleh pengemudi, dengan asumsi bahwa ia tidak ingin kehilangan SIM-nya:

Secara intuitif, tampaknya variabel input seperti dalam contoh ini kira-kira dihargai oleh otak, seperti tingkat verifikasi suatu kondisi dalam logika fuzzy.

Saya telah menulis pengantar singkat untuk logika fuzzy yang masuk ke sedikit lebih detail tetapi harus sangat mudah diakses.

Logika fuzzy didasarkan pada logika boolean biasa. Logika Boolean berarti Anda bekerja dengan nilai kebenaran baik benar atau salah (atau 1 atau 0 jika Anda mau). Logika fuzzy adalah sama selain Anda dapat memiliki nilai kebenaran yang di antara benar dan salah, artinya Anda bekerja dengan angka antara 0 (inklusif) dan 1 (inklusif). Fakta bahwa Anda dapat memiliki nilai kebenaran 'sebagian benar dan sebagian salah' adalah dari mana kata "fuzzy" berasal. Bahasa alami sering menggunakan logika fuzzy seperti "balon itu merah" yang berarti balon itu bisa berwarna apa saja yang cukup mirip dengan merah, atau "pancurannya hangat". Berikut adalah diagram kasar untuk bagaimana "suhu pancuran hangat" dapat direpresentasikan dalam hal logika fuzzy (sumbu y menjadi nilai kebenaran dan sumbu x menjadi suhu):

Logika fuzzy dapat diterapkan pada operasi boolean seperti dan , atau , dan tidak . Perhatikan bahwa Anda dapat mendefinisikan operasi logika fuzzy dengan berbagai cara. Salah satu caranya adalah dengan fungsi min dan max yang mengembalikan nilai paling kecil dan paling besar dari dua nilai yang dimasukkan masing-masing. Ini akan berfungsi seperti itu:

A and B = min(A,B)
A or B  = max(A,B)
not A   = 1-A
(where A and B are real values from 0 (inclusive) to 1 (inclusive))

Ketika didefinisikan seperti ini mereka disebut operator Zadeh .

Cara lain adalah dengan mendefinisikan dan sebagai argumen pertama kali argumen kedua, yang menghasilkan output berbeda untuk input yang sama seperti Zadeh dan operator ( min(0.5,0.5)=0.5, 0.5*0.5=0.25). Kemudian operator lain diturunkan berdasarkan dan dan bukan operator. Ini akan berfungsi seperti itu:

A and B = A*B
not A = 1-A
A or B = not ((not A) and (not B)) = 1-((1-A)*(1-B)) = 1-(1-A)*(1-B)
(where A and B are real values from 0 (inclusive) to 1 (inclusive))

Anda kemudian dapat menggunakan tiga "operasi logika fuzzy dasar" untuk membangun semua "operasi logika fuzzy" lainnya, seperti halnya Anda dapat menggunakan tiga "operasi boolean dasar" untuk membangun semua "operasi logika boolean" lainnya.

Sumber: Fuzzy logic wikipedia , Boolean algebra wikipedia , Penjelasan logika fuzzy di Youtube

Catatan: jika ada yang bisa menyarankan beberapa sumber yang lebih dapat diandalkan dalam komentar, saya dengan senang hati akan menambahkannya ke daftar (saya mengerti bahwa saat ini tidak terlalu dapat diandalkan).

Sunting: Buruk saya, saya bingung cara yang berbeda untuk mendefinisikan operator yang berbeda dalam logika fuzzy dengan cara yang berbeda untuk mendefinisikan operator yang sama dalam logika fuzzy.

Ini analog dengan analog versus digital, atau banyak nuansa abu-abu di antara hitam dan putih: ketika mengevaluasi kebenaran suatu hasil, dalam biner boolean itu benar atau salah (0 atau 1), tetapi ketika menggunakan logika fuzzy, itu diperkirakan probabilitas antara 0 dan 1 (seperti 0,75 sebagian besar mungkin benar). Ini berguna untuk membuat keputusan yang dihitung ketika semua informasi yang dibutuhkan belum tentu tersedia.

Wikipedia memiliki halaman yang fantastis untuk ini .

Itu membuat pengurangan berdasarkan pada probabilitas dan statistik, seperti manusia membuat keputusan setiap saat. Kami tidak pernah 100% yakin bahwa keputusan yang kami buat adalah yang benar tetapi selalu ada keraguan. Ai pasti perlu menggunakannya dalam beberapa bentuk.

Mengapa ini bermanfaat?

Banyak hal yang kita tidak tahu pasti. Kami memperkirakan dan seringkali tidak pasti, tetapi hampir tidak pernah 100% yakin. Ini mungkin tampak seperti kelemahan, tetapi karena pendekatan fuzzy ini kita dapat berfungsi di dunia yang kompleks ini dan bahkan berperilaku cukup cerdas. Karenanya itu adalah cara untuk menyederhanakan banyak hal. Dan itu memberi Anda beberapa waktu luang untuk mengisi kesenjangan dengan tepat, misalnya untuk beradaptasi dengan situasi yang sedikit berbeda. PS: Dalam bahasa alami kita ungkapkan ini dengan istilah kuantitatif seperti lebih, kurang, hampir, agak, besar dan sebagainya. Tetapi menghitung hal-hal sulit bagi kita.