Lógica Fuzzy em Inteligência Artificial: Arquitetura, Aplicações, Vantagens e Desvantagens

Em nosso dia a dia, nem sempre você pode tomar uma decisão dizendo Sim ou Não. Isso ocorre porque você pode enfrentar situações em que não há informações suficientes para tomar uma decisão. Ou podemos estar um pouco confusos. Por exemplo, se alguém perguntar se você está disponível em uma determinada data no próximo mês, você provavelmente não responderá Sim ou Não imediatamente. É porque você não tem certeza absoluta de que não estará ocupado nessa mesma data no próximo mês.

complicado não é? A lógica difusa na inteligência artificial ajuda os computadores a lidar com situações semelhantes em que os dados de entrada são um pouco obscuros.

Obtenha treinamento em aprendizado de máquina das melhores universidades do mundo. Ganhe Masters, Executive PGP ou Advanced Certificate Programs para acelerar sua carreira.

O que é Lógica Fuzzy?

O termo Fuzzy significa algo que é um pouco vago. Quando uma situação é vaga, o computador pode não conseguir produzir um resultado True ou False. De acordo com a lógica booleana, o valor 1 refere-se a True e 0 significa False. Mas um algoritmo de Lógica Fuzzy considera todas as incertezas de um problema, onde podem existir valores possíveis além de Verdadeiro ou Falso.

O termo Lógica Fuzzy foi descrito pela primeira vez por Lotfi Zadeh em 1965 . Ele achava que a lógica computacional tradicional não é capaz de lidar com dados vagos ou obscuros. Semelhante aos humanos, existem muitos valores possíveis entre True e False que um computador pode incorporar. Estes podem ser:

• Certamente sim
• Possivelmente sim
• Não posso dizer
• Possivelmente não
• Certamente não

Confira este exemplo simples de Fuzzy Logic:

Problema – Lógica Booleana

Solução

• Sim (1,0)
• Não (0)

De acordo com a Lógica Booleana convencional, o algoritmo receberá uma entrada definida e produzirá um resultado preciso Sim ou Não. Isso é representado por 0 e 1, respectivamente.

Lógica Fuzzy

Solução

• Muito quente (0,9)
• Pouco quente (0,20)
• Moderadamente quente (0,35)
• Não quente (1,0)

Conforme o exemplo acima, o Fuzzy Logic possui uma gama mais ampla de saídas, como muito quente, moderadamente quente e não quente. Esses valores entre 0 e 1 exibem o intervalo de possibilidades.

Assim, nos casos em que o raciocínio preciso não pode ser fornecido, a Lógica Fuzzy fornece um método aceitável de raciocínio. Um algoritmo baseado em Lógica Fuzzy pega todos os dados disponíveis enquanto resolve um problema. Em seguida, toma a melhor decisão possível de acordo com a entrada fornecida.

Charles Elkan, Professor Assistente do Departamento de Ciência da Computação e Engenharia da Universidade da Califórnia em San Diego, lançou alguma luz sobre a Lógica Fuzzy. Ele disse que a Lógica Fuzzy em inteligência artificial é uma forma generalizada de lógica padrão, onde qualquer conceito pode ter um grau de verdade variando entre 0,0 e 1,0. A Lógica Fuzzy pode ser usada para conceitos vagos, como a característica de altura. Por exemplo, podemos dizer que o presidente Clinton é alto e o conceito pode ter um grau de verdade de 0,9.

Ele disse ainda que o Fuzzy Logic é muito útil no controle de máquinas de baixo nível, especialmente em aparelhos de consumo. Alguns microprocessadores de propósito especial construídos na lógica fuzzy executam operações fuzzy em seu hardware.

Vamos agora entender a Lógica Fuzzy em inteligência artificial observando sua arquitetura.

Leia: Ideias de projetos de aprendizado de máquina

Arquitetura de lógica difusa

A arquitetura do Fuzzy Logic consiste nos seguintes componentes:

Base de regras

Este é o conjunto de regras junto com as condições If-Then que são usadas para tomar decisões. Mas, desenvolvimentos modernos em Lógica Fuzzy reduziram o número de regras na base de regras. Esse conjunto de regras também é chamado de base de conhecimento.

Fuzzificação

Esta é a etapa em que os números nítidos são convertidos em conjuntos fuzzy . Um conjunto crisp é um conjunto de elementos que possuem propriedades idênticas. Com base em certa lógica, um elemento pode pertencer ao conjunto ou não. Conjuntos nítidos são baseados em lógica binária – respostas Sim ou Não.

Aqui, os sinais de erro e os valores físicos são convertidos em um subconjunto fuzzy normalizado. Em qualquer sistema de Lógica Fuzzy, o fuzzificador separa os sinais de entrada em cinco estados que são:

• Grande positivo
• Médio positivo
• Pequeno
• Médio negativo
• Grande negativo

O processo de fuzzificação converte entradas nítidas, como temperatura ambiente, obtidas por sensores e as passa para o sistema de controle para processamento adicional. Um sistema de controle de Lógica Fuzzy é baseado em Lógica Fuzzy. Aparelhos domésticos comuns, como condicionadores de ar e máquinas de lavar, possuem sistemas Fuzzy Control dentro deles.

Leia: Salário de desenvolvedor de aprendizado de máquina na Índia

Motor de inferência

O mecanismo de inferência determina o quanto os valores de entrada e as regras correspondem. As regras são aplicadas com base nos valores de entrada recebidos. Em seguida, as regras são usadas para desenvolver ações de controle. O mecanismo de inferência e a base de conhecimento juntos são chamados de controlador em um sistema de Lógica Fuzzy.

Desfuzificação

Este é o processo inverso da fuzzificação . Aqui, os valores fuzzy são convertidos em valores nítidos por mapeamento. Haverá vários métodos de defuzzificação para fazer isso, mas o melhor é selecionado de acordo com a entrada. Este é um processo complicado onde são usados ​​métodos como o princípio de pertinência máxima, o método da média ponderada e o método do centroide.

Vantagens da Lógica Fuzzy na Inteligência Artificial

Os benefícios do uso de sistemas de lógica fuzzy são os seguintes:

• É um sistema robusto onde não são necessárias entradas precisas
• Esses sistemas são capazes de acomodar vários tipos de entradas, incluindo dados vagos, distorcidos ou imprecisos.
• Caso o sensor de feedback pare de funcionar, você pode reprogramá-lo de acordo com a situação
• Os algoritmos Fuzzy Logic podem ser codificados usando menos dados, para que não ocupem um enorme espaço de memória
• Por se assemelhar ao raciocínio humano, esses sistemas são capazes de resolver problemas complexos onde entradas ambíguas estão disponíveis e tomar decisões de acordo.
• Esses sistemas são flexíveis e as regras podem ser modificadas
• Os sistemas têm uma estrutura simples e podem ser construídos facilmente
• Você pode economizar custos de sistema, pois sensores baratos podem ser acomodados por esses sistemas

Leia também: Tipos de algoritmos de aprendizado de máquina com casos de uso

Desvantagens da Lógica Fuzzy na Inteligência Artificial

Vejamos as desvantagens dos sistemas de Lógica Fuzzy:

• A precisão desses sistemas é comprometida, pois o sistema funciona principalmente com dados e entradas imprecisos
• Não existe uma abordagem sistemática única para resolver um problema usando a Lógica Fuzzy. Como resultado, muitas soluções surgem para um problema específico, levando à confusão
• Devido à imprecisão nos resultados, eles nem sempre são amplamente aceitos
• Uma grande desvantagem dos sistemas de controle de lógica fuzzy é que eles são completamente dependentes do conhecimento e experiência humana.
• Você precisa atualizar regularmente as regras de um sistema de controle Fuzzy Logic
• Esses sistemas não podem reconhecer aprendizado de máquina ou redes neurais
• Os sistemas exigem muitos testes para validação e verificação

Aplicações da Lógica Fuzzy

As aplicações da Lógica Fuzzy estão espalhadas por vários campos. Eles são os seguintes:

Medicina

• Controlar a pressão arterial ao fornecer anestesia a pacientes
• Usado em radiologia diagnóstica e sistemas de suporte diagnóstico
• Diagnóstico de câncer de próstata e diabetes

Sistemas de transporte

• Manuseio de operações de trens subterrâneos
• Controlar os horários dos comboios
• Frear e parar veículos com base em parâmetros, como velocidade do carro, aceleração e velocidade das rodas

Defesa

• Localizando e reconhecendo alvos debaixo d'água
• Apoia a tomada de decisões navais
• Usando imagens térmicas infravermelhas para reconhecimento de alvos
• Usado para controlar interceptores de hipervelocidade

Indústria

• Controle de plantas de purificação de água
• Lidando com problemas de satisfação de restrições em projeto estrutural
• Análise de padrões para garantia de qualidade
• Fuzzy Logic é usado para lidar com o tratamento de águas residuais de lodo

Controle naval

• Dirija os navios corretamente
• Selecionando as rotas ideais ou melhores possíveis para chegar a um destino
• O piloto automático é baseado em Fuzzy Logic
• Veículos submarinos autônomos são controlados usando Fuzzy Logic

Sistemas de lavagem com tecnologia Fuzzy Logic

As máquinas de lavar modernas com tecnologia Fuzzy Logic estão se tornando populares nos dias de hoje. Eles têm sensores que rastreiam continuamente as variações de temperatura. Ele ajusta os controles e as operações de acordo. Esses sistemas funcionam bem, são produtivos e econômicos.

Para melhores resultados de lavagem, o Fuzzy Logic controla o processo de lavagem, a temperatura da água, a velocidade de centrifugação, o tempo de lavagem, a entrada de água e o desempenho do enxaguamento. Máquinas avançadas fazem o seguinte:

• Verifique a carga da máquina para evitar sobrecarga
• Verifique a dureza da água e determine o tipo de material de pano
• Aconselha o utilizador sobre a quantidade ideal de detergente. Eles também verificam se o detergente está na forma líquida ou em pó
• Eles aprendem com experiências anteriores de lavagem e memorizam algoritmos para melhorar os resultados de lavagem

A maioria dos sistemas é baseada em tecnologia de economia de energia que ajuda você a economizar energia enquanto lava roupas. Esses recursos ajudam você a economizar energia, mesmo se você lavar muitas roupas 2 a 3 vezes por semana. Os sensores monitoram todo o processo de lavagem e fazem os ajustes e correções necessários para obter os melhores resultados de lavagem.

O Fuzzy Logic nessas máquinas de lavar verifica a quantidade de sujeira e sujeira nas roupas, a direção da centrifugação e a quantidade de sabão necessária. Para uma melhor centrifugação, a carga de lavagem está devidamente equilibrada. Caso seja detectado um desequilíbrio, a velocidade de fiação é diminuída. Além disso, equilibrar a carga de lavagem ajuda a reduzir o ruído de centrifugação.

Empresas como a Panasonic usam tecnologia semelhante em suas máquinas de lavar louça. O Fuzzy Logic é usado no ajuste dos ciclos de limpeza das máquinas de lavar louça, juntamente com os métodos de lavagem e enxágue. O desempenho da máquina também depende do número de pratos colocados na máquina de lavar.

Conclusão

Embora a Lógica Fuzzy em inteligência artificial ajude a imitar o raciocínio humano, esses sistemas precisam de orientação especializada para serem construídos. Isso permite que você confie na experiência de especialistas que têm uma melhor compreensão do sistema. A Lógica Fuzzy também pode ser usada para melhorar a execução de algoritmos. O IBM Watson usa lógica difusa e semântica difusa .

Confira o Programa de Certificação Avançado do upGrad em Aprendizado de Máquina e PNL. Este curso foi elaborado tendo em mente vários tipos de alunos interessados ​​em Machine Learning, oferecendo orientação individual e muito mais.

Quais são as aplicações da lógica fuzzy na vida real?

A lógica fuzzy é usada para as mesmas aplicações que a lógica regular, mas com a capacidade de lidar com raciocínio inexato. A principal aplicação da lógica fuzzy é para inteligência artificial. A lógica fuzzy é usada em controladores de fábrica e software industrial. Além disso, a maioria dos aparelhos modernos na cozinha, home theater e entretenimento, ar condicionado e aquecimento, micro-ondas, câmera digital, geladeira e TV, etc. usam lógica difusa. O sistema é uma via de mão dupla. Ele usa lógica difusa para tomar decisões inteligentes, mas os clientes também respondem com imprecisão. Assim, para tornar o sistema mais preciso, os pesquisadores aplicam a ciência fuzzy nesses dispositivos.

Quais são as limitações da lógica fuzzy?

A lógica fuzzy é uma maneira de representar declarações lógicas usando valores reais em vez dos valores binários convencionais. A lógica difusa tem duas grandes limitações: a manipulação de dados imprecisos e a inferência inerente ao pensamento humano. Ambos os problemas estão relacionados entre si. Se os dados são imprecisos no sistema, então um ser humano não pode inferir o conhecimento ou a relação. Espera-se que pesquisas futuras levem à solução desses problemas.

Quais são os benefícios do controle fuzzy?

O controle fuzzy permite o controle baseado na saída real do processo, em oposição ao controle baseado em um setpoint. Isso significa que a saída de uma malha de controle não é fixada em um valor específico, mas pode variar dentro de uma faixa específica. Isso oferece melhor controle do que o controle de ponto fixo, especialmente em aplicações com uma relação não linear entre entrada e saída.