Logica fuzzy în inteligența artificială: arhitectură, aplicații, avantaje și dezavantaje

În viața noastră de zi cu zi, nu ești întotdeauna capabil să iei o decizie spunând Da sau Nu. Acest lucru se datorează faptului că s-ar putea să te confrunți cu situații în care nu există suficiente informații pentru a lua o decizie. Sau, s-ar putea să fim puțin confuzi noi înșine. De exemplu, dacă cineva vă întreabă dacă sunteți disponibil la o anumită dată luna viitoare, probabil că nu veți spune Da sau Nu imediat. Pentru că nu ești complet sigur că nu vei fi ocupat chiar la acea dată luna viitoare.

Este complicat, nu? Logica fuzzy în inteligența artificială ajută computerele să facă față situațiilor similare în care datele de intrare sunt puțin clare.

Obțineți cursuri de învățare automată de la cele mai bune universități din lume. Câștigă programe de master, Executive PGP sau Advanced Certificate pentru a-ți accelera cariera.

Ce este logica fuzzy?

Termenul Fuzzy înseamnă ceva care este puțin vag. Când o situație este vagă, este posibil ca computerul să nu poată produce un rezultat care este adevărat sau fals. Conform logicii booleene, valoarea 1 se referă la adevărat și 0 înseamnă fals. Dar un algoritm Fuzzy Logic ia în considerare toate incertitudinile unei probleme, unde pot exista valori posibile în afară de Adevărat sau Fals.

Termenul Fuzzy Logic a fost descris pentru prima dată de Lotfi Zadeh în 1965 . El a crezut că logica computerizată tradițională nu este capabilă să gestioneze date neclare sau vagi. Similar cu oamenii, există multe valori posibile între Adevărat și Fals pe care un computer le poate încorpora. Acestea pot fi:

• Sigur că da
• Posibil ca da
• Nu pot spune
• Posibil nu
• Cu siguranta nu

Consultați acest exemplu simplu de logică fuzzy:

Problemă – Logica booleană

Soluţie

• Da (1.0)
• Nu (0)

Conform logicii booleene convenționale, algoritmul va lua o intrare definită și va produce un rezultat precis Da sau Nu. Acesta este reprezentat de 0 și, respectiv, 1.

Logica fuzzy

Soluţie

• Foarte fierbinte (0,9)
• Puțin fierbinte (0,20)
• Moderat fierbinte (0,35)
• Nu fierbinte (1,0)

Conform exemplului de mai sus, Fuzzy Logic are o gamă mai largă de ieșiri, cum ar fi foarte fierbinte, moderat fierbinte și nu fierbinte. Aceste valori între 0 și 1 afișează gama de posibilități.

Deci, în cazurile în care nu poate fi furnizat un raționament precis, Fuzzy Logic oferă o metodă acceptabilă de raționament. Un algoritm bazat pe logica fuzzy preia toate datele disponibile în timp ce rezolvă o problemă. Apoi ia cea mai bună decizie posibilă în funcție de intrarea dată.

Charles Elkan, profesor asistent al departamentului de informatică și inginerie de la Universitatea din California din San Diego, a aruncat puțină lumină asupra logicii fuzzy. El a spus că logica fuzzy în inteligența artificială este o formă generalizată a logicii standard, în care orice concept ar putea avea un grad de adevăr cuprins între 0,0 și 1,0. Logica fuzzy poate fi folosită pentru concepte vagi, cum ar fi caracteristica înălțimii. De exemplu, putem spune că președintele Clinton este înalt, iar conceptul poate avea un grad de adevăr de 0,9.

El a mai spus că Fuzzy Logic este foarte utilă în controlul mașinilor la nivel scăzut, în special în aparatele de consum. Unele microprocesoare cu scop special construite pe logica fuzzy efectuează operații fuzzy pe hardware-ul lor.

Să înțelegem acum logica fuzzy în inteligența artificială uitându-ne la arhitectura acesteia.

Citiți: Idei de proiecte de învățare automată

Arhitectură cu logică neclară

Arhitectura Fuzzy Logic constă din următoarele componente:

Baza regulilor

Acesta este setul de reguli împreună cu condițiile If-Then care sunt utilizate pentru luarea deciziilor. Dar, evoluțiile moderne în logica fuzzy au redus numărul de reguli din baza de reguli. Acest set de reguli se mai numește și bază de cunoștințe.

Fuzificare

Acesta este pasul în care numerele clare sunt convertite în seturi neclare . Un set clar este un set de elemente care au proprietăți identice. Pe baza unei anumite logici, un element poate aparține mulțimii sau nu. Seturile clare se bazează pe logica binară – răspunsuri Da sau Nu.

Aici, semnalele de eroare și valorile fizice sunt convertite într-un subset normalizat fuzzy. În orice sistem Fuzzy Logic, fuzzifier -ul separă semnalele de intrare în cinci stări care sunt:

• Positiv mare
• Positiv mediu
• Mic
• Negativ mediu
• Negativ mare

Procesul de fuzzificare convertește intrările clare, cum ar fi temperatura camerei, preluate de senzori și le transmite sistemului de control pentru procesare ulterioară. Un sistem de control Fuzzy Logic se bazează pe Fuzzy Logic. Aparatele electrocasnice obișnuite, cum ar fi aparatele de aer condiționat și mașinile de spălat rufe, au în ele sisteme Fuzzy Control.

Citiți: Salariu pentru dezvoltator de învățare automată în India

Motor de inferență

Motorul de inferență determină cât de mult se potrivesc valorile de intrare și regulile. Regulile sunt aplicate pe baza valorilor de intrare primite. Apoi, regulile sunt folosite pentru a dezvolta acțiuni de control. Motorul de inferență și baza de cunoștințe împreună sunt numite controler într-un sistem Fuzzy Logic.

Defuzificare

Acesta este procesul invers al fuzzificării . Aici, valorile neclare sunt convertite în valori clare prin mapare. Vor exista mai multe metode de defuzzificare pentru a face acest lucru, dar cea mai bună este selectată în funcție de intrare. Acesta este un proces complicat în care sunt utilizate metode, cum ar fi principiul de membru maxim, metoda medie ponderată și metoda centroidului.

Avantajele logicii fuzzy în inteligența artificială

Beneficiile utilizării sistemelor Fuzzy Logic sunt următoarele:

• Este un sistem robust în care nu sunt necesare intrări precise
• Aceste sisteme sunt capabile să găzduiască mai multe tipuri de intrări, inclusiv date vagi, distorsionate sau imprecise
• În cazul în care senzorul de feedback nu mai funcționează, îl puteți reprograma în funcție de situație
• Algoritmii Fuzzy Logic pot fi codificați folosind mai puține date, astfel încât să nu ocupe un spațiu de memorie uriaș
• Deoarece seamănă cu raționamentul uman, aceste sisteme sunt capabile să rezolve probleme complexe în care sunt disponibile intrări ambigue și să ia decizii în consecință.
• Aceste sisteme sunt flexibile, iar regulile pot fi modificate
• Sistemele au o structură simplă și pot fi construite cu ușurință
• Puteți economisi costurile sistemului, deoarece senzorii ieftini pot fi găzduiți de aceste sisteme

Citește și: Tipuri de algoritmi de învățare automată cu cazuri de utilizare

Dezavantajele logicii fuzzy în inteligența artificială

Să ne uităm la dezavantajele sistemelor Fuzzy Logic:

• Precizia acestor sisteme este compromisă, deoarece sistemul funcționează în mare parte pe date și intrări inexacte
• Nu există o singură abordare sistematică pentru a rezolva o problemă folosind logica fuzzy. Ca urmare, apar multe soluții pentru o anumită problemă, ceea ce duce la confuzie
• Din cauza inexactității rezultatelor, acestea nu sunt întotdeauna acceptate pe scară largă
• Un dezavantaj major al sistemelor de control Fuzzy Logic este că depind complet de cunoștințele și expertiza umană
• Trebuie să actualizați regulat regulile unui sistem de control Fuzzy Logic
• Aceste sisteme nu pot recunoaște învățarea automată sau rețelele neuronale
• Sistemele necesită multe teste pentru validare și verificare

Aplicații ale logicii fuzzy

Aplicațiile logicii fuzzy sunt răspândite în mai multe domenii. Acestea sunt după cum urmează:

Medicament

• Controlul presiunii arteriale atunci când se acordă anestezie pacienților
• Folosit în radiologie de diagnostic și sisteme de suport pentru diagnosticare
• Diagnosticul cancerului de prostată și diabetului

Sisteme de transport

• Gestionarea operațiunilor de tren subteran
• Controlul orarelor trenurilor
• Frânarea și oprirea vehiculelor în funcție de parametri, cum ar fi viteza mașinii, accelerația și viteza roților

Apărare

• Localizarea și recunoașterea țintelor sub apă
• Sprijină luarea deciziilor navale
• Utilizarea imaginilor cu infraroșu termic pentru recunoașterea țintei
• Folosit pentru controlul interceptorilor de hipervelocitate

Industrie

• Controlul instalațiilor de epurare a apei
• Gestionarea problemelor în satisfacerea constrângerilor în proiectarea structurală
• Analiza modelelor pentru asigurarea calității
• Fuzzy Logic este utilizat pentru tratarea nămolului apelor uzate

Control naval

• Conduceți corect navele
• Selectarea rutelor optime sau cele mai bune posibile pentru a ajunge la o destinație
• Autopilot se bazează pe logica fuzzy
• Vehiculele subacvatice autonome sunt controlate folosind logica fuzzy

Sisteme de spălare alimentate de Fuzzy Logic

Mașinile de spălat moderne alimentate de Fuzzy Logic devin populare în aceste zile. Au senzori care urmăresc continuu variațiile de temperatură. Reglează controalele și operațiunile în consecință. Aceste sisteme funcționează bine, sunt productive și rentabile.

Pentru cele mai bune rezultate de spălare, Fuzzy Logic controlează procesul de spălare, temperatura apei, viteza de centrifugare, timpul de spălare, aportul de apă și performanța de clătire. Mașinile avansate fac următoarele:

• Verificați sarcina mașinii pentru a preveni supraîncărcarea
• Verificați duritatea apei și determinați tipul de material de pânză
• Sfatuieste utilizatorul cu privire la cantitatea optima de detergent. Ei verifică, de asemenea, dacă detergentul este sub formă lichidă sau pudră
• Ei învață din experiențele anterioare de spălare și memorează algoritmi pentru a îmbunătăți rezultatele spălării

Majoritatea sistemelor se bazează pe tehnologie de economisire a energiei, care vă ajută să economisiți energie în timp ce spălați hainele. Aceste caracteristici vă ajută să economisiți energie chiar dacă spălați multe haine de 2 până la 3 ori pe săptămână. Senzorii monitorizează întregul proces de spălare și fac ajustările și corecțiile necesare pentru cele mai bune rezultate de spălare.

Fuzzy Logic în aceste mașini de spălat verifică cantitatea de murdărie și murdărie de pe haine, direcția de centrifugare și cantitatea de săpun necesară. Pentru o centrifugare mai bună, sarcina de spălare este echilibrată corespunzător. În cazul în care este detectat un dezechilibru, viteza de centrifugare este redusă. În plus, echilibrarea încărcăturii de spălare ajută la reducerea zgomotului de centrifugare.

Companii precum Panasonic folosesc tehnologie similară în mașinile lor de spălat vase. Fuzzy Logic este utilizat pentru reglarea ciclurilor de curățare a mașinilor de spălat vase, împreună cu metodele de spălare și clătire. Performanța mașinii depinde și de numărul de vase introduse în mașina de spălat.

Concluzie

Deși logica fuzzy în inteligența artificială ajută la imitarea raționamentului uman, aceste sisteme au nevoie de îndrumare de specialitate pentru a fi construite. Acest lucru vă permite să vă bazați pe experiența experților care au o mai bună înțelegere a sistemului. Logica fuzzy poate fi folosită și pentru îmbunătățirea execuției algoritmilor. IBM Watson folosește logica fuzzy și semantica fuzzy .

Verificați programul de certificat avansat de la upGrad în învățare automată și NLP. Acest curs a fost creat ținând cont de diferitele tipuri de studenți interesați de Machine Learning, oferind mentorat 1-1 și multe altele.

Care sunt aplicațiile logicii fuzzy în viața reală?

Logica fuzzy este folosită pentru aceleași aplicații ca și logica obișnuită, dar cu capacitatea de a gestiona raționamentul inexact. Aplicația principală a logicii fuzzy este pentru inteligența artificială. Logica fuzzy este utilizată în controlerele din fabrică și software-ul industrial. De asemenea, majoritatea aparatelor moderne din bucătărie, home theater și divertisment, aer condiționat și încălzire, cuptor cu microunde, cameră digitală, frigider și televizor etc. folosesc logica fuzzy. Sistemul este o stradă cu două sensuri. Folosește o logică neclară pentru a lua decizii inteligente, dar și clienții răspund în mod neclar. Deci, pentru a face sistemul mai precis, cercetătorii aplică știință neclară pe astfel de dispozitive.

Care sunt limitările logicii fuzzy?

Logica fuzzy este o modalitate de a reprezenta declarații logice folosind valori reale în loc de valorile binare convenționale. Logica fuzzy are două limitări majore: manipularea datelor imprecise și inferența inerentă a gândirii umane. Ambele probleme sunt legate una de cealaltă. Dacă datele sunt imprecise în sistem, atunci o ființă umană nu poate deduce cunoștințele sau relația. Se speră că cercetările viitoare vor duce la rezolvarea acestor probleme.

Care sunt beneficiile controlului fuzzy?

Controlul fuzzy permite controlul bazat pe ieșirea reală din proces, spre deosebire de controlul bazat pe un punct de referință. Aceasta înseamnă că ieșirea unei bucle de control nu este fixată la o anumită valoare, ci este permisă să varieze într-un anumit interval. Acest lucru oferă un control mai bun decât controlul în punct fix, în special în aplicațiile cu o relație neliniară între intrare și ieșire.