المنطق الضبابي في الذكاء الاصطناعي: العمارة والتطبيقات والمزايا والعيوب

في حياتنا اليومية ، لا يمكنك دائمًا اتخاذ قرار من خلال قول "نعم" أو "لا". هذا لأنك قد تواجه مواقف لا توجد فيها معلومات كافية لاتخاذ قرار. أو قد نكون مرتبكين قليلاً. على سبيل المثال ، إذا سألك شخص ما عما إذا كنت متاحًا في تاريخ معين الشهر المقبل ، فمن المحتمل أنك لن تقول نعم أو لا على الفور. ذلك لأنك لست متأكدًا تمامًا من أنك لن تكون مشغولاً في ذلك التاريخ بالذات الشهر المقبل.

صعب أليس كذلك؟ يساعد المنطق الضبابي في الذكاء الاصطناعي أجهزة الكمبيوتر على التعامل مع المواقف المماثلة حيث تكون بيانات الإدخال غير واضحة بعض الشيء.

احصل على تدريب على التعلم الآلي من أفضل الجامعات في العالم. احصل على درجة الماجستير أو برنامج PGP التنفيذي أو برامج الشهادات المتقدمة لتسريع مسار حياتك المهنية.

ما هو المنطق الضبابي؟

مصطلح Fuzzy يعني شيئًا غامضًا بعض الشيء. عندما يكون الموقف غامضًا ، فقد لا يتمكن الكمبيوتر من إنتاج نتيجة صحيحة أو خاطئة. وفقًا للمنطق المنطقي ، تشير القيمة 1 إلى True و 0 تعني خطأ. لكن خوارزمية Fuzzy Logic تأخذ في الاعتبار جميع أوجه عدم اليقين المتعلقة بالمشكلة ، حيث قد تكون هناك قيم محتملة إلى جانب True أو False.

وصف لطفي زاده مصطلح المنطق الضبابي لأول مرة في عام 1965 . كان يعتقد أن منطق الكمبيوتر التقليدي غير قادر على التعامل مع البيانات غير الواضحة أو الغامضة. على غرار البشر ، هناك العديد من القيم المحتملة بين الصواب والخطأ التي يمكن للكمبيوتر دمجها. يمكن أن تكون هذه:

• نعم بكل تأكيد
• ربما نعم
• لا استطيع القول
• ربما لا
• بالتأكيد لا

تحقق من هذا المثال البسيط لـ Fuzzy Logic:

مشكلة - المنطق البوليني

المحلول

• نعم (1.0)
• لا (0)

وفقًا للمنطق المنطقي التقليدي ، ستأخذ الخوارزمية مدخلات محددة وتنتج نتيجة دقيقة نعم أو لا. ويتم تمثيل ذلك بـ 0 و 1 ، على التوالي.

المنطق الضبابي

المحلول

• حار جدا (0.9)
• ليتل هوت (0.20)
• متوسط ​​الحرارة (0.35)
• ليست ساخنة (1.0)

وفقًا للمثال أعلاه ، يحتوي Fuzzy Logic على نطاق أوسع من المخرجات ، مثل ساخن جدًا وحار معتدل وليس حارًا. تعرض هذه القيم بين 0 و 1 نطاق الاحتمالات.

لذلك ، في الحالات التي لا يمكن فيها تقديم تفكير دقيق ، يوفر Fuzzy Logic طريقة مقبولة للاستدلال. تأخذ الخوارزمية القائمة على Fuzzy Logic جميع البيانات المتاحة أثناء حل مشكلة ما. ثم يتخذ أفضل قرار ممكن وفقًا للإدخال المحدد.

ألقى تشارلز إلكان ، الأستاذ المساعد بقسم علوم وهندسة الكمبيوتر بجامعة كاليفورنيا في سان دييغو ، بعض الضوء على Fuzzy Logic. قال إن Fuzzy Logic في الذكاء الاصطناعي هو شكل معمم من المنطق القياسي ، حيث قد يكون لأي مفهوم درجة حقيقة تتراوح بين 0.0 و 1.0. يمكن استخدام المنطق الضبابي لمفاهيم غامضة ، مثل خاصية الطول. على سبيل المثال ، يمكننا القول إن الرئيس كلينتون طويل ، ويمكن أن يكون للمفهوم درجة من الحقيقة تبلغ 0.9.

وقال أيضًا إن Fuzzy Logic مفيد جدًا في التحكم في الماكينة منخفضة المستوى خاصة في الأجهزة الاستهلاكية. تقوم بعض المعالجات الدقيقة ذات الأغراض الخاصة المبنية على Fuzzy Logic بإجراء عمليات غامضة على أجهزتها.

دعونا نفهم الآن المنطق الضبابي في الذكاء الاصطناعي من خلال النظر إلى بنيته.

قراءة: أفكار مشروع التعلم الآلي

العمارة المنطقية الضبابية

تتكون بنية Fuzzy Logic من المكونات التالية:

قاعدة القاعدة

هذه هي مجموعة القواعد جنبًا إلى جنب مع شروط If-Then المستخدمة في اتخاذ القرارات. لكن التطورات الحديثة في Fuzzy Logic قللت من عدد القواعد في قاعدة القاعدة. هذه المجموعة من القواعد تسمى أيضًا قاعدة المعرفة.

التشويش

هذه هي الخطوة التي يتم فيها تحويل الأرقام الواضحة إلى مجموعات ضبابية . المجموعة الواضحة هي مجموعة من العناصر التي لها خصائص متطابقة. بناءً على منطق معين ، يمكن أن ينتمي العنصر إلى المجموعة أم لا. تستند المجموعات الهشة إلى منطق ثنائي - إجابات بنعم أو لا.

هنا ، يتم تحويل إشارات الخطأ والقيم المادية إلى مجموعة فرعية ضبابية طبيعية. في أي نظام Fuzzy Logic ، يفصل fuzzifier إشارات الإدخال إلى خمس حالات هي:

• إيجابية كبيرة
• متوسط ​​إيجابي
• صغير
• متوسط ​​سلبي
• سلبي كبير

تقوم عملية التشويش بتحويل المدخلات الواضحة ، مثل درجة حرارة الغرفة ، التي يتم جلبها بواسطة المستشعرات وتمريرها إلى نظام التحكم لمزيد من المعالجة. يعتمد نظام التحكم Fuzzy Logic على Fuzzy Logic. تحتوي الأجهزة المنزلية الشائعة ، مثل مكيفات الهواء والغسالات ، على أنظمة تحكم ضبابية بداخلها.

قراءة: راتب مطور تعلم الآلة في الهند

محرك الاستدلال

يحدد محرك الاستدلال مدى تطابق قيم الإدخال والقواعد. يتم تطبيق القواعد بناءً على قيم الإدخال المستلمة. بعد ذلك ، يتم استخدام القواعد لتطوير إجراءات التحكم. يُطلق على محرك الاستدلال وقاعدة المعرفة معًا وحدة تحكم في نظام Fuzzy Logic.

التشويه

هذه هي العملية العكسية للتشويش . هنا ، يتم تحويل القيم غير الواضحة إلى قيم واضحة عن طريق التعيين. سيكون هناك العديد من طرق إلغاء التشويش للقيام بذلك ، ولكن يتم اختيار أفضل طريقة وفقًا للإدخال. هذه عملية معقدة حيث يتم استخدام طرق ، مثل مبدأ الحد الأقصى للعضوية وطريقة المتوسط ​​المرجح وطريقة النقطه الوسطى.

مزايا المنطق الضبابي في الذكاء الاصطناعي

فوائد استخدام أنظمة Fuzzy Logic كالتالي:

• إنه نظام قوي حيث لا تتطلب مدخلات دقيقة
• هذه الأنظمة قادرة على استيعاب عدة أنواع من المدخلات بما في ذلك البيانات الغامضة أو المشوهة أو غير الدقيقة
• في حالة توقف مستشعر التغذية المرتدة عن العمل ، يمكنك إعادة برمجته وفقًا للموقف
• يمكن ترميز خوارزميات Fuzzy Logic باستخدام بيانات أقل ، بحيث لا تشغل مساحة كبيرة من الذاكرة
• نظرًا لأنها تشبه التفكير البشري ، فإن هذه الأنظمة قادرة على حل المشكلات المعقدة حيث تتوفر مدخلات غامضة واتخاذ القرارات وفقًا لذلك
• هذه الأنظمة مرنة ويمكن تعديل القواعد
• الأنظمة لها هيكل بسيط ويمكن بناؤها بسهولة
• يمكنك توفير تكاليف النظام حيث يمكن لهذه الأنظمة استيعاب أجهزة استشعار غير مكلفة

اقرأ أيضًا: أنواع خوارزميات التعلم الآلي مع حالات الاستخدام

عيوب المنطق الضبابي في الذكاء الاصطناعي

دعونا نلقي نظرة على عيوب أنظمة Fuzzy Logic:

• يتم اختراق دقة هذه الأنظمة حيث يعمل النظام في الغالب على بيانات ومدخلات غير دقيقة
• لا يوجد نهج منهجي واحد لحل مشكلة باستخدام المنطق الضبابي. نتيجة لذلك ، تظهر العديد من الحلول لمشكلة معينة ، مما يؤدي إلى الارتباك
• نظرًا لعدم دقة النتائج ، لا يتم قبولها دائمًا على نطاق واسع
• العيب الرئيسي لأنظمة التحكم Fuzzy Logic هو أنها تعتمد بشكل كامل على المعرفة والخبرة البشرية
• يجب عليك تحديث قواعد نظام التحكم Fuzzy Logic بانتظام
• لا تستطيع هذه الأنظمة التعرف على التعلم الآلي أو الشبكات العصبية
• تتطلب الأنظمة الكثير من الاختبارات للتحقق من صحتها والتحقق منها

تطبيقات المنطق الضبابي

تنتشر تطبيقات Fuzzy Logic عبر عدة مجالات. وهم على النحو التالي:

طب

• السيطرة على الضغط الشرياني عند إعطاء التخدير للمرضى
• تستخدم في الأشعة التشخيصية وأنظمة الدعم التشخيصية
• تشخيص سرطان البروستاتا والسكري

أنظمة النقل

• التعامل مع عمليات القطارات تحت الأرض
• التحكم في مواعيد القطارات
• كبح وإيقاف المركبات بناءً على معايير مثل سرعة السيارة والتسارع وسرعة العجلة

دفاع

• تحديد والتعرف على الأهداف تحت الماء
• يدعم اتخاذ القرار البحري
• استخدام صور الأشعة تحت الحمراء الحرارية للتعرف على الهدف
• تستخدم للسيطرة على اعتراض السرعة الفائقة

صناعة

• التحكم في محطات تنقية المياه
• معالجة مشاكل القيد في التصميم الإنشائي
• تحليل الأنماط لضمان الجودة
• يستخدم Fuzzy Logic لمعالجة معالجة مياه الصرف الصحي الحمأة

السيطرة البحرية

• توجيه السفن بشكل صحيح
• اختيار أفضل أو أفضل الطرق الممكنة للوصول إلى الوجهة
• يعتمد الطيار الآلي على المنطق الضبابي
• يتم التحكم في المركبات ذاتية القيادة تحت الماء باستخدام Fuzzy Logic

أنظمة الغسيل مدعومة من Fuzzy Logic

أصبحت الغسالات الحديثة التي تعمل بنظام Fuzzy Logic شائعة هذه الأيام. لديهم مستشعرات تتعقب التغيرات في درجات الحرارة باستمرار. يقوم بضبط الضوابط والعمليات وفقًا لذلك. تعمل هذه الأنظمة بشكل جيد ، كما أنها منتجة وفعالة من حيث التكلفة.

للحصول على أفضل نتائج الغسيل ، يتحكم Fuzzy Logic في عملية الغسيل ودرجة حرارة الماء وسرعة العصر ووقت الغسيل واستهلاك المياه وأداء الشطف. تقوم الآلات المتقدمة بما يلي:

• افحص حمولة الآلة لمنع التحميل الزائد
• افحص عسر الماء وحدد نوع القماش
• ينصح المستخدم بالكمية المثلى من المنظف. كما أنها تتحقق مما إذا كان المنظف في صورة سائلة أم مسحوق
• يتعلمون من تجارب الغسيل السابقة ، ويحفظون الخوارزميات لتحسين نتائج الغسيل

تعتمد معظم الأنظمة على تقنية توفير الطاقة التي تساعدك على توفير الطاقة أثناء غسل الملابس. تساعدك هذه الميزات على توفير الطاقة حتى لو كنت تغسل الكثير من الملابس مرتين إلى ثلاث مرات في الأسبوع. تراقب المستشعرات عملية الغسيل بأكملها ، وتقوم بإجراء التعديلات والتصحيحات اللازمة للحصول على أفضل نتائج الغسيل.

يتحقق Fuzzy Logic في هذه الغسالات من كمية الأوساخ والأوساخ على الملابس واتجاه الدوران وكمية الصابون المطلوبة. لدوران أفضل ، حمولة الغسيل متوازنة بشكل صحيح. في حالة اكتشاف خلل في التوازن ، تنخفض سرعة الدوران. علاوة على ذلك ، تساعد موازنة حمل الغسيل على تقليل ضوضاء الدوران.

تستخدم شركات مثل باناسونيك تقنية مماثلة في غسالات الصحون الخاصة بها. يستخدم Fuzzy Logic في ضبط دورات تنظيف غسالات الأطباق ، جنبًا إلى جنب مع طرق الغسيل والشطف. يعتمد أداء الغسالة أيضًا على عدد الأطباق الموضوعة في الغسالة.

خاتمة

على الرغم من أن Fuzzy Logic في الذكاء الاصطناعي يساعد في محاكاة التفكير البشري ، إلا أن هذه الأنظمة تحتاج إلى توجيه من الخبراء ليتم بناؤها. يتيح لك هذا الاعتماد على خبرة الخبراء الذين لديهم فهم أفضل للنظام. يمكن أيضًا استخدام Fuzzy Logic لتحسين تنفيذ الخوارزميات. يستخدم IBM Watson المنطق الضبابي والدلالات الغامضة .

الخروج من برنامج الشهادة المتقدمة upGrad في التعلم الآلي و البرمجة اللغوية العصبية. تم تصميم هذه الدورة التدريبية مع مراعاة أنواع مختلفة من الطلاب المهتمين بالتعلم الآلي ، حيث تقدم إرشادًا من 1-1 وغير ذلك الكثير.

ما هي تطبيقات المنطق الضبابي في الحياة الواقعية؟

يستخدم المنطق الضبابي لنفس التطبيقات مثل المنطق العادي ، ولكن مع القدرة على التعامل مع التفكير غير الدقيق. التطبيق الرئيسي لـ Fuzzy Logic هو الذكاء الاصطناعي. يستخدم المنطق الضبابي في وحدات تحكم المصانع والبرامج الصناعية. أيضًا ، تستخدم معظم الأجهزة الحديثة في المطبخ والمسرح المنزلي والترفيه وتكييف الهواء والتدفئة والميكروويف والكاميرا الرقمية والثلاجة والتلفزيون وما إلى ذلك المنطق الضبابي. النظام هو طريق ذو اتجاهين. إنها تستخدم منطقًا غامضًا لاتخاذ قرارات ذكية ، لكن العملاء يستجيبون أيضًا في غموض. لذلك ، من أجل جعل النظام أكثر دقة ، يطبق الباحثون علمًا غامضًا على مثل هذه الأجهزة.

ما هي حدود المنطق الضبابي؟

المنطق الضبابي هو طريقة لتمثيل البيانات المنطقية باستخدام القيم الحقيقية بدلاً من القيم الثنائية التقليدية. للمنطق الضبابي حدان رئيسيان: معالجة البيانات غير الدقيقة والاستدلال المتأصل في التفكير البشري. كلتا هاتين المشكلتين مرتبطتان ببعضهما البعض. إذا كانت البيانات غير دقيقة في النظام ، فلا يمكن للإنسان أن يستنتج المعرفة أو العلاقة. ومن المؤمل أن يؤدي البحث المستقبلي إلى حل هذه المشكلات.

ما هي فوائد التحكم الضبابي؟

يسمح التحكم الضبابي بالتحكم بناءً على الناتج الفعلي من العملية ، بدلاً من التحكم المستند إلى نقطة محددة. هذا يعني أن إخراج حلقة التحكم ليس ثابتًا عند قيمة معينة ، ولكن يُسمح له بالتنوع ضمن نطاق معين. يوفر هذا تحكمًا أفضل من التحكم في النقطة الثابتة ، خاصة في التطبيقات ذات العلاقة غير الخطية بين الإدخال والإخراج.