Logika rozmyta w sztucznej inteligencji: architektura, aplikacje, zalety i wady

W naszym codziennym życiu nie zawsze jesteś w stanie podjąć decyzję, mówiąc tak lub nie. Dzieje się tak, ponieważ możesz napotkać sytuacje, w których nie ma wystarczających informacji do podjęcia decyzji. Albo sami możemy być trochę zdezorientowani. Na przykład, jeśli ktoś zapyta Cię, czy jesteś dostępny w określonym dniu w przyszłym miesiącu, prawdopodobnie nie odpowiesz od razu Tak lub Nie. To dlatego, że nie jesteś całkowicie pewien, czy nie będziesz zajęty tego samego dnia w przyszłym miesiącu.

Podstępne, prawda? Fuzzy Logic w sztucznej inteligencji pomaga komputerom radzić sobie z podobnymi sytuacjami, w których dane wejściowe są nieco niejasne.

Uzyskaj szkolenie z uczenia maszynowego na najlepszych światowych uniwersytetach. Zdobywaj programy Masters, Executive PGP lub Advanced Certificate Programy, aby przyspieszyć swoją karierę.

Co to jest logika rozmyta?

Termin Fuzzy oznacza coś, co jest nieco niejasne. Gdy sytuacja jest niejasna, komputer może nie być w stanie uzyskać wyniku, który jest Prawdą lub Fałszem. Zgodnie z logiką Boolean, wartość 1 odnosi się do Prawdy, a 0 oznacza Fałsz. Ale algorytm Fuzzy Logic uwzględnia wszystkie niepewności problemu, w przypadku których mogą istnieć możliwe wartości poza Prawdą lub Fałszem.

Termin logika rozmyta został po raz pierwszy opisany przez Lotfiego Zadeha w 1965 roku . Uważał, że tradycyjna logika komputerowa nie jest w stanie obsłużyć niejasnych lub niejasnych danych. Podobnie jak u ludzi, istnieje wiele możliwych wartości pomiędzy Prawdą i Fałszem, które komputer może uwzględnić. Mogą to być:

• Z pewnością tak
• Prawdopodobnie tak
• Nie mogę powiedzieć
• prawdopodobnie nie
• Na pewno nie

Sprawdź ten prosty przykład Fuzzy Logic:

Problem – Logika Boole'a

Rozwiązanie

• Tak (1.0)
• Nie (0)

Zgodnie z konwencjonalną logiką Boolean, algorytm przyjmie określone dane wejściowe i da dokładny wynik Tak lub Nie. Jest to odpowiednio reprezentowane przez 0 i 1.

Logika rozmyta

Rozwiązanie

• Bardzo gorąco (0,9)
• Trochę gorąco (0,20)
• Umiarkowanie gorący (0,35)
• Nie gorąco (1.0)

Jak w powyższym przykładzie, Fuzzy Logic ma szerszy zakres wyjść, takich jak bardzo gorące, umiarkowanie gorące i nie gorące. Te wartości od 0 do 1 pokazują zakres możliwości.

Tak więc w przypadkach, w których nie można podać dokładnego rozumowania, Fuzzy Logic zapewnia akceptowalną metodę rozumowania. Algorytm oparty na Fuzzy Logic podczas rozwiązywania problemu pobiera wszystkie dostępne dane. Następnie podejmuje najlepszą możliwą decyzję zgodnie z danymi wejściowymi.

Charles Elkan, adiunkt na wydziale informatyki i inżynierii na Uniwersytecie Kalifornijskim w San Diego, rzucił nieco światła na logikę rozmytą. Powiedział, że Fuzzy Logic w sztucznej inteligencji jest uogólnioną formą standardowej logiki, w której każda koncepcja może mieć stopień prawdy w zakresie od 0,0 do 1,0. Logika rozmyta może być używana do niejasnych pojęć, takich jak charakterystyka wzrostu. Na przykład możemy powiedzieć, że prezydent Clinton jest wysoki, a koncepcja może mieć stopień prawdziwości 0,9.

Powiedział dalej, że Fuzzy Logic jest bardzo przydatny w sterowaniu maszynami niskiego poziomu, zwłaszcza w urządzeniach konsumenckich. Niektóre mikroprocesory specjalnego przeznaczenia zbudowane na bazie Fuzzy Logic wykonują na swoim sprzęcie operacje rozmyte .

Przyjrzyjmy się teraz architekturze Fuzzy Logic w sztucznej inteligencji .

Przeczytaj: Pomysły na projekty uczenia maszynowego

Architektura logiki rozmytej

Architektura Fuzzy Logic składa się z następujących komponentów:

Podstawa reguł

Jest to zestaw reguł wraz z warunkami Jeśli-To, które są używane do podejmowania decyzji. Jednak współczesne zmiany w Fuzzy Logic zmniejszyły liczbę reguł w bazie reguł. Ten zestaw reguł jest również nazywany bazą wiedzy.

Fuzzyfikacja

Jest to etap, w którym wyraźne liczby są przekształcane w zestawy rozmyte . Zestaw ostry to zestaw elementów, które mają identyczne właściwości. W oparciu o pewną logikę element może należeć do zbioru lub nie. Zestawy Crisp oparte są na logice binarnej – odpowiedzi Tak lub Nie.

Tutaj sygnały błędów i wartości fizyczne są konwertowane na znormalizowany podzbiór rozmyty. W każdym systemie Fuzzy Logic, fuzzifier rozdziela sygnały wejściowe na pięć stanów, które są:

• Duży pozytyw
• Średnio pozytywny
• Mały
• Średni negatyw
• Duży negatyw

Proces fuzzyfikacji przekształca wyraźne dane wejściowe, takie jak temperatura pokojowa, pobierane przez czujniki i przekazuje je do systemu sterowania w celu dalszego przetwarzania. System sterowania Fuzzy Logic oparty jest na Fuzzy Logic. Powszechne urządzenia gospodarstwa domowego, takie jak klimatyzatory i pralki, mają w sobie systemy Fuzzy Control.

Przeczytaj: Wynagrodzenie programisty uczenia maszynowego w Indiach

Silnik wnioskowania

Aparat wnioskowania określa stopień dopasowania wartości wejściowych i reguł. Reguły są stosowane na podstawie otrzymanych wartości wejściowych. Następnie reguły służą do opracowania działań kontrolnych. Silnik wnioskowania i baza wiedzy razem nazywane są kontrolerem w systemie Fuzzy Logic.

Defuzzyfikacja

Jest to odwrotny proces fuzzyfikacji . Tutaj wartości rozmyte są konwertowane na wartości ostre przez mapowanie. Będzie do tego kilka metod defuzzyfikacji, ale najlepsza jest wybierana zgodnie z danymi wejściowymi. Jest to skomplikowany proces, w którym wykorzystywane są metody, takie jak zasada maksymalnego przynależności, metoda średniej ważonej i metoda środka ciężkości.

Zalety logiki rozmytej w sztucznej inteligencji

Korzyści z używania systemów Fuzzy Logic są następujące:

• Jest to solidny system, w którym nie są wymagane żadne precyzyjne dane wejściowe
• Systemy te są w stanie pomieścić kilka rodzajów danych wejściowych, w tym dane niejasne, zniekształcone lub nieprecyzyjne
• Jeśli czujnik sprzężenia zwrotnego przestanie działać, możesz go przeprogramować w zależności od sytuacji
• Algorytmy Fuzzy Logic mogą być kodowane przy użyciu mniejszej ilości danych, dzięki czemu nie zajmują dużej przestrzeni pamięci
• Ponieważ przypomina to ludzkie rozumowanie, systemy te są w stanie rozwiązywać złożone problemy, w których dostępne są niejednoznaczne dane wejściowe i odpowiednio podejmować decyzje
• Systemy te są elastyczne, a zasady można modyfikować
• Systemy mają prostą konstrukcję i można je łatwo skonstruować
• Możesz zaoszczędzić na kosztach systemu, ponieważ niedrogie czujniki mogą być przystosowane do tych systemów

Przeczytaj także: Rodzaje algorytmów uczenia maszynowego z przypadkami użycia

Wady logiki rozmytej w sztucznej inteligencji

Przyjrzyjmy się wadom systemów Fuzzy Logic:

• Dokładność tych systemów jest zagrożona, ponieważ system działa głównie na niedokładnych danych i danych wejściowych
• Nie ma jednego systematycznego podejścia do rozwiązania problemu przy użyciu logiki rozmytej. W rezultacie pojawia się wiele rozwiązań konkretnego problemu, co prowadzi do zamieszania
• Ze względu na niedokładność wyników nie zawsze są one powszechnie akceptowane
• Główną wadą systemów sterowania Fuzzy Logic jest to, że są one całkowicie zależne od ludzkiej wiedzy i doświadczenia
• Musisz regularnie aktualizować zasady systemu sterowania Fuzzy Logic
• Systemy te nie rozpoznają uczenia maszynowego ani sieci neuronowych
• Systemy wymagają wielu testów w celu walidacji i weryfikacji

Zastosowania logiki rozmytej

Zastosowania Fuzzy Logic obejmują kilka dziedzin. Są to:

Medycyna

• Kontrolowanie ciśnienia tętniczego podczas znieczulania pacjentów
• Stosowany w radiologii diagnostycznej i systemach wspomagających diagnostykę
• Diagnostyka raka prostaty i cukrzycy

Systemy transportowe

• Obsługa pociągów podziemnych
• Kontrolowanie rozkładów jazdy pociągów
• Hamowanie i zatrzymywanie pojazdów na podstawie parametrów, takich jak prędkość samochodu, przyspieszenie i prędkość kół

Obrona

• Lokalizowanie i rozpoznawanie celów pod wodą
• Wspiera podejmowanie decyzji w marynarce
• Wykorzystywanie obrazów termowizyjnych w podczerwieni do rozpoznawania celu
• Służy do kontrolowania przechwytywaczy hiperprędkości

Przemysł

• Sterowanie oczyszczalniami wody
• Rozwiązywanie problemów z wypełnianiem ograniczeń w projektowaniu konstrukcji
• Analiza wzorców w celu zapewnienia jakości
• Fuzzy Logic jest używany do radzenia sobie z oczyszczaniem ścieków osadowych

Kontrola morska

• Steruj statkami prawidłowo
• Wybór optymalnych lub najlepszych możliwych tras dotarcia do celu
• Autopilot jest oparty na Fuzzy Logic
• Autonomiczne pojazdy podwodne są sterowane za pomocą Fuzzy Logic

Systemy myjące oparte na Fuzzy Logic

Nowoczesne pralki z technologią Fuzzy Logic stają się w dzisiejszych czasach popularne. Mają czujniki, które stale śledzą zmiany temperatury. Odpowiednio dostosowuje sterowanie i operacje. Systemy te działają dobrze, są wydajne i ekonomiczne.

Aby uzyskać najlepsze rezultaty prania, Fuzzy Logic kontroluje proces prania, temperaturę wody, prędkość wirowania, czas prania, pobór wody i wydajność płukania. Zaawansowane maszyny wykonują następujące czynności:

• Sprawdź obciążenie maszyny, aby zapobiec przeciążeniu
• Sprawdź twardość wody i określ rodzaj materiału, z którego wykonana jest tkanina
• Doradza użytkownikowi optymalną ilość detergentu. Sprawdzają również, czy detergent jest w postaci płynnej czy sproszkowanej
• Uczą się na podstawie wcześniejszych doświadczeń prania i zapamiętują algorytmy, aby poprawić rezultaty prania

Większość systemów opiera się na energooszczędnej technologii, która pomaga oszczędzać energię podczas prania ubrań. Te funkcje pomagają oszczędzać energię, nawet jeśli pierzesz dużo ubrań 2 do 3 razy w tygodniu. Czujniki monitorują cały proces prania i dokonują niezbędnych korekt i poprawek w celu uzyskania najlepszych rezultatów prania.

Fuzzy Logic w tych pralkach sprawdza ilość brudu i brudu na ubraniach, kierunek wirowania oraz wymaganą ilość mydła. Dla lepszego wirowania wsad prania jest odpowiednio wyważony. W przypadku wykrycia braku równowagi prędkość wirowania jest zmniejszana. Ponadto zrównoważenie wsadu prania pomaga zredukować hałas wirowania.

Firmy takie jak Panasonic stosują podobną technologię w swoich zmywarkach. Fuzzy Logic służy do regulacji cykli czyszczenia zmywarek wraz z metodami mycia i płukania. Wydajność maszyny zależy również od ilości naczyń włożonych do myjki.

Wniosek

Chociaż Fuzzy Logic w sztucznej inteligencji pomaga naśladować ludzkie rozumowanie, do zbudowania tych systemów potrzebne są specjalistyczne wskazówki. Dzięki temu możesz polegać na doświadczeniu ekspertów, którzy lepiej rozumieją system. Fuzzy Logic można również wykorzystać do usprawnienia wykonywania algorytmów. IBM Watson używa logiki rozmytej i semantyki rozmytej .

Zamówienie zaawansowanego programu certyfikatów upGrad w zakresie uczenia maszynowego i NLP. Ten kurs został stworzony z myślą o różnych rodzajach uczniów zainteresowanych uczeniem maszynowym, oferując mentoring 1-1 i wiele więcej.

Jakie są zastosowania logiki rozmytej w prawdziwym życiu?

Logika rozmyta jest używana w tych samych aplikacjach, co zwykła logika, ale z możliwością obsługi niedokładnego rozumowania. Głównym zastosowaniem logiki rozmytej jest sztuczna inteligencja. Logika rozmyta jest stosowana w sterownikach fabrycznych i oprogramowaniu przemysłowym. Również większość nowoczesnych urządzeń kuchennych, kina domowego i rozrywki, klimatyzacji i ogrzewania, kuchenki mikrofalowej, aparatu cyfrowego, lodówki i telewizora itp. wykorzystuje logikę rozmytą. System jest ulicą dwukierunkową. Wykorzystuje logikę rozmytą do podejmowania inteligentnych decyzji, ale klienci reagują również w sposób rozmyty. Tak więc, aby system był dokładniejszy, naukowcy stosują rozmytą naukę na takich urządzeniach.

Jakie są ograniczenia logiki rozmytej?

Logika rozmyta to sposób przedstawiania instrukcji logicznych przy użyciu wartości rzeczywistych zamiast konwencjonalnych wartości binarnych. Logika rozmyta ma dwa główne ograniczenia: obsługa nieprecyzyjnych danych i nieodłączne wnioskowanie ludzkiego myślenia. Oba te problemy są ze sobą powiązane. Jeżeli dane w systemie są nieprecyzyjne, to człowiek nie może wywnioskować wiedzy ani relacji. Mamy nadzieję, że przyszłe badania doprowadzą do rozwiązania tych problemów.

Jakie są zalety sterowania rozmytego?

Sterowanie rozmyte umożliwia sterowanie na podstawie rzeczywistej mocy wyjściowej procesu, w przeciwieństwie do sterowania na podstawie wartości zadanej. Oznacza to, że wyjście pętli sterowania nie jest ustalone na określonej wartości, ale może zmieniać się w określonym zakresie. Daje to lepszą kontrolę niż sterowanie stałopunktowe, zwłaszcza w zastosowaniach z nieliniową zależnością między wejściem a wyjściem.