Tutorial Fuzzy Logic: qualità, architettura, applicazioni, pro e contro, differenze

Quando devi prendere una decisione, quante volte è un semplice Sì o No? Molte volte, le tue scelte sono una variazione delle domande Sì o No, in cui hai più gradi di opzioni presenti tra i due.

Supponiamo che qualcuno ti chieda: "Vuoi andare a quella festa stasera?" La tua risposta sarebbe probabilmente "Forse sì" o "Certamente no", invece di un semplice Sì o No.

Il processo decisionale umano si basa molto su scelte così vaghe. E in AI, questo concetto è chiamato logica Fuzzy.

In questo tutorial sulla logica fuzzy imparerai cos'è la logica fuzzy, come funziona e quali sono le sue applicazioni. Iniziamo.

Cos'è la logica fuzzy? Spiegazione

Fuzzy si riferisce a una mancanza di chiarezza. Ci sono molti casi in cui non puoi prendere una semplice decisione "Sì o No". In questi casi, dovrai fare una scelta dinamica. La logica fuzzy ti aiuta in questo senso.

Ti offre una scelta flessibile e ti consente di ragionare con più dati e variabili. Ci sono molte applicazioni della logica fuzzy nell'IA perché non puoi usare la logica booleana o simile ovunque. Assomiglia al ragionamento umano e considera tutte le possibilità che esistono tra Sì e No a scelta.

La logica abituale considera solo due possibilità: Sì e No. Ma gli esseri umani non prendono decisioni del genere. Hanno molte possibilità tra Sì e No, come Possibilmente Sì e Possibilmente No. La logica fuzzy tiene conto di tutte queste possibilità.

Ulteriori informazioni: Spiegazione dei 5 principali modelli di machine learning per i principianti

Un po' di storia

Lotfi Zadeh , uno scienziato informatico e un matematico hanno escogitato una logica sfocata quando si sono resi conto che c'è una grande differenza tra il processo decisionale degli esseri umani e dei computer. Ha sottolineato che la logica del computer convenzionale non può manipolare i dati per rappresentare idee poco chiare simili agli esseri umani.

Come accennato in precedenza, ci sono molte applicazioni della logica fuzzy nell'IA . Ma puoi vederlo anche in molti altri campi in quanto consente all'intelligenza artificiale di distinguere dati che non si allineano con la logica booleana. Ciò significa che i dati non sono né veri né falsi.

Qualità della logica fuzzy

La logica fuzzy potrebbe sembrare un po' complicata, ma è una tecnica di apprendimento automatico flessibile che puoi implementare molto facilmente. Ti permette di imitare il pensiero umano. È anche perfetto per risolvere problemi in cui l'incertezza è alta.

Ti consente di costruire funzioni non lineari che possiedono una complessità arbitraria. Ma dovresti assicurarti di costruirlo dopo aver avuto una conoscenza sufficiente dello stesso perché in questo caso è semplice commettere errori.

Quando non dovresti usare la logica fuzzy

Ci sono alcuni casi in cui non dovresti usare la logica fuzzy. Ecco qui alcuni di loro:

• Quando puoi utilizzare la logica convenzionale per arrivare a una soluzione, non è necessario utilizzare la logica fuzzy perché complicherebbe tutto
• I controller non richiedono necessariamente una logica fuzzy
• Se non riesci a mappare l'input sull'output, non dovresti usare la logica fuzzy

Come funziona la logica fuzzy? (Architettura)

L'architettura della logica fuzzy ha i seguenti componenti:

• Regole
• Sfocato
• Inferenza (Intelligenza)
• Defuzzicante

Regole: Tutte le regole del fuzzifier rimangono memorizzate nella Base delle Regole. Anche tutte le condizioni IF-THEN che inserisci nella logica rimangono qui in modo che possa prendere le decisioni. I recenti aggiornamenti della logica fuzzy consentono agli esperti di intelligenza artificiale di ridurre il numero di regole di cui hanno bisogno.

Fuzzifier: Fuzzifier converte l'input (numeri nitidi) in set fuzzy. I suoi sensori misurano gli input crips e li trasmettono al sistema di controllo in modo che la logica possa elaborarli ulteriormente.

Inferenza: dopo il Fuzzifier arriva il motore di inferenza. Trova quanto l'input fuzzy corrisponde alle regole. Seleziona anche quali regole deve applicare in base al campo di input che ha.

Defuzzifier: in questa fase, il defuzzifier converte i set fuzzy che riceve in un output nitido. Ci sono molte forme di defuzzificazione disponibili, quindi dovresti sceglierne una in base alle tue esigenze.

Leggi: Applicazioni AI nel mondo reale

Differenze tra logica fuzzy e probabilità

Per comprendere correttamente il concetto di questo tutorial di logica fuzzy , dovrai dare un'occhiata alle differenze tra logica fuzzy e probabilità perché confonde molte persone.

La prima grande differenza tra i due è l'argomento che trattano. La logica fuzzy funziona con i fatti, mentre la probabilità funziona con eventi che possono verificarsi o meno. La logica fuzzy trasmette una verità parziale, mentre la probabilità trasmette una conoscenza parziale.

Inoltre, la logica fuzzy prende la verità come base matematica, mentre la probabilità costruisce un modello di ignoranza.

Differenze tra fuzzy e croccante

Ci sono molte differenze tra i due. In primo luogo, un intervallo di tempo nitido potrebbe essere sfocato, ma un intervallo di tempo sfocato non può essere nitido. La legge di non contraddizione e di mezzo escluso potrebbe (o non potrebbe) valere nella logica Crisp. D'altra parte, con logica fuzzy, queste leggi valgono.

La logica nitida ha confini rigidi; cioè, potrebbe essere Vero o Falso. E la logica fuzzy ha più gradi di appartenenza.

Leggi anche: Idee per progetti di apprendimento automatico per principianti

Quali sono le applicazioni della logica fuzzy?

Le seguenti sono le principali applicazioni della logica fuzzy in diversi settori:

Settore automobilistico

Le aziende automobilistiche utilizzano la logica fuzzy nell'IA per creare freni antibloccaggio. La logica fuzzy può capire quando è necessario applicare i freni antibloccaggio in base all'accelerazione e alla velocità dell'auto, per evitare un incidente.

Un altro uso della logica fuzzy nelle auto è la trasmissione automatica. In questi casi, la logica fuzzy controlla l'accensione e l'iniezione del carburante in base al numero di giri e all'impostazione dell'acceleratore. Il controllo della velocità di crociera è una funzione in cui l'auto mantiene una velocità specifica e consente al guidatore di prendersi una pausa dalla pressione dell'acceleratore.

La logica fuzzy aiuta a regolare l'impostazione dell'acceleratore per mantenere la velocità dell'auto designata.

Fitness

Omron utilizza regole di logica fuzzy per controllare i livelli di forma fisica dei propri dipendenti. Hanno aggiunto il loro insieme specifico di regole per questo scopo. Con il suo aiuto, molte aziende possono monitorare la forma fisica dei propri dipendenti e fornire strutture di conseguenza.

Altre applicazioni

• I forni a microonde utilizzano la logica fuzzy per scegliere l'opzione di cottura giusta.
• I sistemi diagnostici del golf applicano regole confuse per consigliare la mazza da golf più adatta in base al fisico del giocatore e ad altri fattori
• I sistemi di controllo dell'ascensore determinano il tempo di attesa in base al numero di passeggeri che hanno. Implementano la logica fuzzy per questo scopo.
• Le lavastoviglie utilizzano la logica fuzzy per scegliere le corrette impostazioni di pulizia (cicli, tempi di risciacquo e lavaggio, ecc.) in base alle stoviglie che hanno.

Vantaggi e svantaggi della logica fuzzy?

Vantaggi

• La logica fuzzy ha una struttura semplice che è molto facile da capire
• Ha applicazioni in molti settori tra cui automobili ed elettrodomestici
• Risolve i problemi di incertezza con una migliore efficacia rispetto ad altri algoritmi
• Versatile nell'uso perché non necessita di input precisi per il suo funzionamento
• Grazie alla sua struttura semplice, puoi modificarlo facilmente e migliorarne le prestazioni
• Se i sensori di feedback non funzionano, puoi utilizzare la logica fuzzy per risolvere questi problemi

Svantaggi

• Non è in grado di eseguire il riconoscimento di schemi simili alle reti neurali
• La verifica e la convalida di un sistema basato sulla logica fuzzy richiede molti test hardware
• L'impostazione di regole sfocate è un compito piuttosto difficile
• L'output della logica fuzzy non è sempre accurato. Ciò può causare problemi in alcuni casi, poiché il risultato potrebbe non essere accettabile.

Pensieri finali

Ora abbiamo raggiunto la fine del nostro tutorial sulla logica fuzzy . Ci auguriamo che tu abbia trovato utile questo articolo. La logica fuzzy è sicuramente uno dei concetti più popolari e semplici di intelligenza artificiale.

Se vuoi saperne di più sulla logica fuzzy e altri concetti di intelligenza artificiale, ti consigliamo di visitare il nostro blog. Lì troverai molti articoli utili.

E se desideri un'esperienza di apprendimento più dettagliata e strutturata, dovresti seguire un corso di intelligenza artificiale e iniziare con quello. Un corso di intelligenza artificiale ti darà tutte le conoscenze di cui hai bisogno su questo argomento con molta facilità.

Se sei interessato a saperne di più sull'apprendimento automatico, dai un'occhiata al Diploma PG di IIIT-B e upGrad in Machine Learning e AI, progettato per i professionisti che lavorano e offre oltre 450 ore di formazione rigorosa, oltre 30 casi di studio e incarichi, IIIT- B Status di Alumni, oltre 5 progetti pratici pratici e assistenza sul lavoro con le migliori aziende.