Jawaban saya secara teknis lebih relevan untuk set fuzzy daripada logika fuzzy, tetapi kedua konsep ini praktis tidak dapat dipisahkan. Saya mempelajari artikel jurnal akademik tentang logika fuzzy beberapa tahun yang lalu untuk menulis seri tutorial tentang penerapan set fuzzy di SQL Server . Meskipun saya hampir tidak bisa dianggap ahli, saya cukup akrab dengan literatur dan menggunakan teknik secara teratur untuk memecahkan masalah praktis. Kesan kuat yang saya peroleh dari penelitian yang dipublikasikan adalah bahwa potensi praktis dari set fuzzy masih belum dimanfaatkan, terutama karena banjir penelitian pada lusinan keluarga teknik lain yang dapat menyelesaikan set pertanyaan yang saling melengkapi.
Gagasan Pasar Gagasan dalam Ilmu Data / Pembelajaran Mesin dll.
Sudah ada kemajuan pesat dalam Support Vector Machines, jaring saraf, hutan acak, dll. Sehingga tidak mungkin bagi spesialis, analis, ilmuwan data, pemrogram atau konsumen produk mereka untuk mengikuti semua itu. Dalam seri posting blog saya, saya berbicara panjang lebar tentang bagaimana pengembangan algoritma untuk set fuzzy dan logis umumnya 20+ tahun di depan perangkat lunak yang tersedia, tetapi hal yang sama dapat dikatakan tentang banyak bidang terkait; Saya membaca secara intensif tentang jaring saraf dan dapat memikirkan sejumlah arsitektur saraf yang bermanfaat yang dikembangkan beberapa dekade yang lalu tetapi tidak pernah diterapkan secara luas, apalagi dikodekan dalam perangkat lunak yang mudah tersedia. Yang sedang berkata, logika fuzzy dan set berada pada kerugian aneh di pasar yang penuh ide ini, terutama karena moniker mereka, yang kontroversial kembali ketika Lofti A. Zadeh menciptakannya. Maksud dari teknik fuzzy hanyalah untuk memperkirakan kelas tertentu dari data yang dinilai secara diskrit pada skala kontinu, tetapi istilah-istilah seperti "perkiraan logika yang bernilai kontinu" dan "perangkat bergradasi" tidak persis menarik. Zadeh mengakui bahwa dia menggunakan istilah "fuzzy" sebagian karena itu menarik perhatian, tetapi melihat ke belakang, itu mungkin secara halus telah mengumpulkan jenis perhatian yang salah.
Bagaimana Istilah "Fuzz" menjadi bumerang
Bagi seorang ilmuwan data, analis atau programmer, itu adalah istilah yang dapat membangkitkan getaran "teknologi keren"; untuk mereka yang tertarik dengan AI / data mining / dll. dll. hanya sejauh itu dapat menyelesaikan masalah bisnis, "fuzzy" terdengar seperti kerumitan yang tidak praktis. Bagi seorang manajer perusahaan, dokter yang terlibat dalam penelitian medis, atau konsumen lain yang tidak tahu, itu mungkin membangkitkan gambar boneka binatang, pertunjukan polisi tahun 70-an atau sesuatu dari lemari es George Carlin. Selalu ada ketegangan dalam industri antara kedua kelompok, dengan yang terakhir sering mengekang yang pertama dari menulis kode dan melakukan penelitian hanya demi keingintahuan intelektual daripada keuntungan; kecuali kelompok pertama dapat menjelaskan mengapa teknik fuzzy ini menguntungkan maka kewaspadaan yang pertama akan mencegah adopsi mereka.
Manajemen Ketidakpastian & Keluarga Aplikasi Fuzzy Set
Inti dari teknik himpunan fuzzy adalah untuk menghapusfuzz yang sudah melekat dalam data, dalam bentuk nilai diskrit yang tidak tepat yang dapat dimodelkan dengan lebih baik pada skala kontinu yang didekati, bertentangan dengan kesalahan persepsi luas bahwa "fuzz" adalah sesuatu yang Anda tambahkan, seperti topping khusus pada pizza. Perbedaan itu mungkin sederhana tetapi mencakup beragam aplikasi potensial, mulai dari pemrosesan bahasa alami hingga Teori Keputusan hingga kontrol sistem nonlinier. Probabilitas belum menyerap logika fuzzy seperti yang disarankan Cliff AB terutama karena hanya sebagian kecil dari interpretasi yang dapat dilampirkan pada nilai fuzzy. Fungsi keanggotaan fuzzy cukup sederhana karena mereka hanya menilai berapa banyak catatan milik set tertentu dengan menetapkan satu atau lebih nilai kontinu, biasanya pada skala 0 hingga 1 (walaupun untuk beberapa aplikasi saya ' telah menemukan bahwa -1 hingga 1 dapat lebih bermanfaat). Makna yang kami berikan pada angka-angka itu terserah pada kami, karena mereka dapat menandakan apa pun yang kami inginkan, seperti tingkat kepercayaan Bayesian, kepercayaan pada keputusan tertentu, distribusi kemungkinan, aktivasi jaringan saraf, varians berskala, korelasi, dll., bukan hanya nilai PDF, EDF, atau CDF. Saya masuk ke detail yang jauh lebih besar di seri blog saya dan diposting CV ini , yang sebagian besar diperoleh dengan bekerja melalui sumber daya fuzzy favorit saya, George J. Klir, dan Set Fuzzy Bozzy dan Logika Fuzzy: Teori dan Aplikasi (1995). Mereka masuk ke detail yang jauh lebih besar ke dalam cara menurunkan seluruh program "Manajemen Ketidakpastian" dari set fuzzy.
Jika fuzzy logic dan set adalah produk konsumen, kita dapat mengatakan bahwa itu gagal sampai saat ini karena kurangnya pemasaran dan penginjilan produk, ditambah pilihan paradoks nama merek. Saat meneliti ini, saya tidak dapat mengingat berlari ke satu artikel jurnal akademik yang mencoba untuk menghilangkan prasangka dari salah satu aplikasi ini dengan cara yang mirip dengan artikel terkenal Minksy dan Papert tentang perceptrons. Hanya ada banyak kompetisi di pasar gagasan hari ini untuk perhatian pengembang, ahli teori, ilmuwan data dan sejenisnya untuk produk yang berlaku untuk set masalah yang sama, yang merupakan efek samping positif dari kemajuan teknis yang cepat. Kelemahannya adalah bahwa ada banyak buah yang mudah digantung di sini yang tidak akan dipetik, terutama dalam bidang pemodelan data di mana mereka paling dapat diterapkan.