Fuzzy Logic ในปัญญาประดิษฐ์: สถาปัตยกรรม แอปพลิเคชัน ข้อดี & ข้อเสีย

ในชีวิตประจำวันของเรา คุณไม่สามารถตัดสินใจโดยพูดว่าใช่หรือไม่ใช่ได้เสมอไป เนื่องจากคุณอาจเผชิญสถานการณ์ที่ไม่มีข้อมูลเพียงพอในการตัดสินใจ หรือเราอาจจะงงตัวเองเล็กน้อย ตัวอย่างเช่น ถ้ามีคนถามคุณว่าคุณว่างในวันใดเดือนหน้าหรือไม่ คุณจะไม่ตอบว่าใช่หรือไม่ใช่ในทันที เป็นเพราะคุณไม่แน่ใจอย่างสมบูรณ์ว่าคุณจะไม่ยุ่งในวันเดียวกันนั้นในเดือนหน้า

หากินไม่ได้หรือไม่ Fuzzy Logic ในปัญญาประดิษฐ์ ช่วยให้คอมพิวเตอร์จัดการกับสถานการณ์ที่คล้ายคลึงกันซึ่งข้อมูลที่ป้อนเข้าไม่ชัดเจน

รับ การฝึกอบรมแมชชีนเลิ ร์นนิง จากมหาวิทยาลัยชั้นนำของโลก รับ Masters, Executive PGP หรือ Advanced Certificate Programs เพื่อติดตามอาชีพของคุณอย่างรวดเร็ว

Fuzzy Logic คืออะไร?

คำว่า Fuzzy หมายถึง สิ่งที่คลุมเครือเล็กน้อย เมื่อสถานการณ์คลุมเครือ คอมพิวเตอร์อาจไม่สามารถสร้างผลลัพธ์ที่เป็นจริงหรือเท็จได้ ตามลอจิกบูลีน ค่า 1 หมายถึง จริง และ 0 หมายถึง เท็จ แต่อัลกอริธึม Fuzzy Logic จะพิจารณาความไม่แน่นอนทั้งหมดของปัญหา ซึ่งอาจมีค่าที่เป็นไปได้นอกเหนือจาก True หรือ False

คำว่า Fuzzy Logic ได้รับการอธิบายครั้งแรกโดย Lotfi Zadeh ในปี 1965 เขาคิดว่าตรรกะของคอมพิวเตอร์แบบดั้งเดิมไม่สามารถจัดการข้อมูลที่ไม่ชัดเจนหรือคลุมเครือได้ เช่นเดียวกับมนุษย์ มีค่าที่เป็นไปได้มากมายระหว่าง True และ False ที่คอมพิวเตอร์สามารถรวมเข้าด้วยกัน สิ่งเหล่านี้สามารถ:

• ใช่แน่ๆ
• อาจจะใช่
• พูดไม่ได้
• อาจจะไม่
• ไม่แน่นอน

ดูตัวอย่างง่ายๆ ของ Fuzzy Logic:

ปัญหา – ตรรกะบูลีน

สารละลาย

• ใช่ (1.0)
• ไม่ใช่ (0)

ตามตรรกะบูลีนทั่วไป อัลกอริทึมจะรับอินพุตที่แน่นอนและให้ผลลัพธ์ที่แม่นยำใช่หรือไม่ใช่ ซึ่งแสดงด้วย 0 และ 1 ตามลำดับ

ลอจิกคลุมเครือ

สารละลาย

• ร้อนมาก (0.9)
• ร้อนน้อย (0.20)
• ร้อนปานกลาง (0.35)
• ไม่ร้อน (1.0)

จากตัวอย่างข้างต้น Fuzzy Logic มีเอาต์พุตที่หลากหลาย เช่น ร้อนมาก ร้อนปานกลาง และไม่ร้อน ค่าเหล่านี้ระหว่าง 0 ถึง 1 แสดงช่วงของความเป็นไปได้

ดังนั้น ในกรณีที่ไม่สามารถให้เหตุผลที่ถูกต้องได้ Fuzzy Logic จะให้วิธีการให้เหตุผลที่ยอมรับได้ อัลกอริทึมที่ใช้ Fuzzy Logic นำข้อมูลที่มีอยู่ทั้งหมดไปพร้อมกับแก้ปัญหา จากนั้นจึงใช้การตัดสินใจที่ดีที่สุดตามข้อมูลที่ได้รับ

Charles Elkan ผู้ช่วยศาสตราจารย์ภาควิชาวิทยาการคอมพิวเตอร์และวิศวกรรมของมหาวิทยาลัยแคลิฟอร์เนีย ซานดิเอโก ให้ ความกระจ่างเกี่ยวกับ Fuzzy Logic เขากล่าวว่า Fuzzy Logic ในปัญญาประดิษฐ์ เป็นรูปแบบทั่วไปของตรรกะมาตรฐาน โดยที่แนวคิดใดๆ อาจมีระดับความจริงอยู่ระหว่าง 0.0 ถึง 1.0 Fuzzy Logic สามารถใช้กับแนวคิดที่คลุมเครือ เช่น ลักษณะของความสูง ตัวอย่างเช่น เราสามารถพูดได้ว่าประธานาธิบดีคลินตันสูง และแนวคิดสามารถมีระดับความจริงเป็น 0.9

เขากล่าวเพิ่มเติมว่า Fuzzy Logic มีประโยชน์มากในการควบคุมเครื่องจักรระดับต่ำโดยเฉพาะในเครื่องใช้ไฟฟ้าสำหรับผู้บริโภค ไมโครโปรเซสเซอร์สำหรับวัตถุประสงค์พิเศษบางตัวที่สร้างบน Fuzzy Logic จะทำงานแบบ คลุมเครือ บนฮาร์ดแวร์

ให้เราเข้าใจ Fuzzy Logic ในปัญญาประดิษฐ์ โดยดูที่สถาปัตยกรรมของมัน

อ่าน: แนวคิดโครงการการเรียนรู้ของเครื่อง

สถาปัตยกรรมลอจิกคลุมเครือ

สถาปัตยกรรมของ Fuzzy Logic ประกอบด้วยองค์ประกอบต่อไปนี้:

กฎฐาน

นี่คือชุดของกฎพร้อมกับเงื่อนไข if-then ที่ใช้สำหรับการตัดสินใจ แต่การพัฒนาที่ทันสมัยใน Fuzzy Logic ได้ลดจำนวนกฎในฐานกฎ ชุดของกฎเหล่านี้เรียกอีกอย่างว่าฐานความรู้

ฟัซซิฟิเคชั่น

นี่คือขั้นตอนที่ตัวเลขคมชัดถูกแปลงเป็น ชุด คลุมเครือ ชุดที่คมชัดคือชุดขององค์ประกอบที่มีคุณสมบัติเหมือนกัน ตามตรรกะบางอย่าง องค์ประกอบสามารถเป็นของชุดหรือไม่ก็ได้ ชุดที่คมชัดขึ้นอยู่กับตรรกะไบนารี - ใช่หรือไม่ใช่คำตอบ

ในที่นี้ สัญญาณข้อผิดพลาดและค่าทางกายภาพจะถูกแปลงเป็นเซตย่อยของฟัซซี่ที่ทำให้เป็นมาตรฐาน ในระบบ Fuzzy Logic ใดๆ fuzzifier จะ แยกสัญญาณอินพุตออกเป็น 5 สถานะ ได้แก่:

• บวกมาก
• บวกปานกลาง
• เล็ก
• เชิงลบปานกลาง
• เชิงลบขนาดใหญ่

กระบวนการ fuzzification จะแปลงอินพุตที่คมชัด เช่น อุณหภูมิห้อง ซึ่งดึงมาจากเซ็นเซอร์ และส่งผ่านไปยังระบบควบคุมเพื่อการประมวลผลต่อไป ระบบควบคุม Fuzzy Logic นั้นใช้ Fuzzy Logic เครื่องใช้ในครัวเรือนทั่วไป เช่น เครื่องปรับอากาศและเครื่องซักผ้ามีระบบควบคุมแบบฟัซซี่อยู่ภายใน

อ่าน: เงินเดือนนักพัฒนา Machine Learning ในอินเดีย

เครื่องอนุมาน

เอ็นจิ นการ อนุมาน จะกำหนดว่าค่าอินพุตและกฎตรงกันมากน้อยเพียงใด กฎจะถูกนำไปใช้ตามค่าอินพุตที่ได้รับ จากนั้นใช้กฎเพื่อพัฒนาการควบคุม เอ็นจิ้นการอนุมานและฐานความรู้รวมกันเรียกว่าคอนโทรลเลอร์ในระบบ Fuzzy Logic

การทำให้ฟุ้งซ่าน

นี่คือ กระบวนการผกผันของการทำให้ คลุมเครือ ที่นี่ ค่าที่คลุมเครือจะถูกแปลงเป็นค่าที่คมชัดโดยการทำแผนที่ จะมีวิธีการ defuzzification หลายวิธีสำหรับการทำเช่นนี้ แต่วิธีที่ดีที่สุดจะถูกเลือกตามอินพุต นี่เป็นกระบวนการที่ซับซ้อนซึ่งใช้วิธีต่างๆ เช่น หลักการสมาชิกสูงสุด วิธีถัวเฉลี่ยถ่วงน้ำหนัก และวิธีเซนทรอยด์

ข้อดีของ Fuzzy Logic ในปัญญาประดิษฐ์

ประโยชน์ของการใช้ระบบ Fuzzy Logic มีดังนี้:

• เป็นระบบที่แข็งแกร่งซึ่งไม่จำเป็นต้องมีอินพุตที่แม่นยำ
• ระบบเหล่านี้สามารถรองรับอินพุตได้หลายประเภท รวมถึงข้อมูลที่คลุมเครือ บิดเบี้ยวหรือไม่แม่นยำ
• ในกรณีที่เซ็นเซอร์ป้อนกลับหยุดทำงาน คุณสามารถตั้งโปรแกรมใหม่ได้ตามสถานการณ์
• อัลกอริธึม Fuzzy Logic สามารถเข้ารหัสได้โดยใช้ข้อมูลน้อยกว่า ดังนั้นจึงไม่ใช้พื้นที่หน่วยความจำขนาดใหญ่
• เนื่องจากคล้ายกับการใช้เหตุผลของมนุษย์ ระบบเหล่านี้จึงสามารถแก้ปัญหาที่ซับซ้อนซึ่งมีข้อมูลที่ไม่ชัดเจนและตัดสินใจได้ตามนั้น
• ระบบเหล่านี้มีความยืดหยุ่นและสามารถปรับเปลี่ยนกฎได้
• ระบบมีโครงสร้างที่เรียบง่ายและสามารถสร้างได้อย่างง่ายดาย
• คุณสามารถประหยัดต้นทุนของระบบได้เนื่องจากระบบเหล่านี้สามารถรองรับเซ็นเซอร์ราคาไม่แพงได้

อ่านเพิ่มเติม: ประเภทของอัลกอริธึมการเรียนรู้ของเครื่องพร้อมกรณีการใช้งาน

ข้อเสียของ Fuzzy Logic ในปัญญาประดิษฐ์

ให้เราดูข้อเสียของระบบ Fuzzy Logic:

• ความถูกต้องของระบบเหล่านี้ถูกบุกรุกเนื่องจากระบบส่วนใหญ่ทำงานกับข้อมูลและอินพุตที่ไม่ถูกต้อง
• ไม่มีแนวทางที่เป็นระบบเดียวในการแก้ปัญหาโดยใช้ Fuzzy Logic เป็นผลให้มีวิธีแก้ปัญหามากมายสำหรับปัญหาเฉพาะซึ่งนำไปสู่ความสับสน
• เนื่องจากความไม่ถูกต้องในผลลัพธ์ จึงมักไม่เป็นที่ยอมรับในวงกว้างเสมอไป
• ข้อเสียเปรียบที่สำคัญของระบบควบคุม Fuzzy Logic คือมันขึ้นอยู่กับความรู้และความเชี่ยวชาญของมนุษย์โดยสิ้นเชิง
• คุณต้องอัปเดตกฎของระบบควบคุม Fuzzy Logic เป็นประจำ
• ระบบเหล่านี้ไม่รู้จักแมชชีนเลิร์นนิงหรือโครงข่ายประสาทเทียม
• ระบบต้องการการทดสอบจำนวนมากสำหรับการตรวจสอบและการตรวจสอบ

การประยุกต์ใช้ Fuzzy Logic

แอ ปพลิเคชั่นของ Fuzzy Logic นั้นกระจายอยู่ในหลายสาขา พวกเขามีดังนี้:

ยา

• การควบคุมความดันเลือดแดงเมื่อให้ยาสลบผู้ป่วย
• ใช้ในระบบรังสีวินิจฉัยและระบบสนับสนุนการวินิจฉัย
• การวินิจฉัยโรคมะเร็งต่อมลูกหมากและเบาหวาน

ระบบขนส่ง

• การจัดการการดำเนินงานรถไฟใต้ดิน
• ควบคุมตารางเดินรถ
• การเบรกและหยุดรถตามพารามิเตอร์ เช่น ความเร็วรถ การเร่งความเร็ว และความเร็วล้อ

ป้องกัน

• การค้นหาและจดจำเป้าหมายใต้น้ำ
• รองรับการตัดสินใจของกองทัพเรือ
• การใช้ภาพอินฟราเรดความร้อนเพื่อการจดจำเป้าหมาย
• ใช้สำหรับควบคุมตัวสกัดกั้น hypervelocity

อุตสาหกรรม

• ควบคุมโรงผลิตน้ำให้บริสุทธิ์
• การจัดการปัญหาด้านความพึงพอใจจากข้อจำกัดในการออกแบบโครงสร้าง
• การวิเคราะห์รูปแบบเพื่อการประกันคุณภาพ
• Fuzzy Logic ใช้สำหรับบำบัดน้ำเสียจากกากตะกอน

กองบังคับการนาวิกโยธิน

• คัดท้ายเรืออย่างถูกต้อง
• การเลือกเส้นทางที่เหมาะสมที่สุดหรือดีที่สุดเพื่อไปถึงจุดหมายปลายทาง
• Autopilot ขึ้นอยู่กับ Fuzzy Logic
• ยานพาหนะใต้น้ำอิสระถูกควบคุมโดยใช้ Fuzzy Logic

ระบบการซักที่ขับเคลื่อนโดย Fuzzy Logic

เครื่องซักผ้าสมัยใหม่ที่ขับเคลื่อนโดย Fuzzy Logic กำลังเป็นที่นิยมในทุกวันนี้ พวกเขามีเซ็นเซอร์ที่ติดตามการเปลี่ยนแปลงของอุณหภูมิอย่างต่อเนื่อง ปรับการควบคุมและการทำงานให้เหมาะสม ระบบเหล่านี้ทำงานได้ดีและมีประสิทธิผลและคุ้มค่า

เพื่อผลลัพธ์การซักที่ดีที่สุด Fuzzy Logic จะควบคุมกระบวนการซัก อุณหภูมิของน้ำ ความเร็วในการปั่น เวลาซัก ปริมาณการใช้น้ำ และประสิทธิภาพการซัก เครื่องจักรขั้นสูงทำสิ่งต่อไปนี้:

• ตรวจสอบโหลดของเครื่องเพื่อป้องกันการโอเวอร์โหลด
• ตรวจสอบความกระด้างของน้ำและกำหนดประเภทของวัสดุผ้า
• แนะนำให้ผู้ใช้ใช้ผงซักฟอกในปริมาณที่เหมาะสม พวกเขายังตรวจสอบด้วยว่าผงซักฟอกอยู่ในรูปแบบของเหลวหรือผง
• พวกเขาเรียนรู้จากประสบการณ์การซักครั้งก่อน และจดจำอัลกอริธึมเพื่อปรับปรุงผลการซัก

ระบบส่วนใหญ่ใช้เทคโนโลยีประหยัดพลังงานที่ช่วยให้คุณประหยัดพลังงานขณะซักผ้า คุณสมบัติเหล่านี้ช่วยให้คุณประหยัดพลังงานได้ แม้ว่าคุณจะซักเสื้อผ้าจำนวนมาก 2 ถึง 3 ครั้งต่อสัปดาห์ เซ็นเซอร์ตรวจสอบกระบวนการซักทั้งหมด และทำการปรับเปลี่ยนและแก้ไขที่จำเป็นเพื่อให้ได้ผลลัพธ์การซักที่ดีที่สุด

Fuzzy Logic ในเครื่องซักผ้าเหล่านี้จะตรวจสอบปริมาณสิ่งสกปรกและสิ่งสกปรกบนเสื้อผ้า ทิศทางการหมุน และปริมาณสบู่ที่ต้องการ เพื่อการปั่นที่ดีขึ้น ปริมาณการซักจะสมดุลอย่างเหมาะสม ในกรณีที่ตรวจพบความไม่สมดุล ความเร็วในการปั่นจะลดลง นอกจากนี้ การปรับสมดุลของปริมาณการซักยังช่วยลดเสียงปั่นด้าย

บริษัทอย่าง Panasonic ใช้เทคโนโลยีที่คล้ายกันในเครื่องล้างจาน Fuzzy Logic ใช้ในการปรับรอบการทำความสะอาดของเครื่องล้างจาน ควบคู่ไปกับวิธีการล้างและล้าง ประสิทธิภาพของเครื่องยังขึ้นอยู่กับจำนวนจานที่ใส่ลงในเครื่องซักผ้าด้วย

บทสรุป

แม้ว่า Fuzzy Logic ในปัญญาประดิษฐ์ จะช่วยเลียนแบบการใช้เหตุผลของมนุษย์ แต่ระบบเหล่านี้จำเป็นต้องสร้างคำแนะนำจากผู้เชี่ยวชาญ สิ่งนี้ช่วยให้คุณพึ่งพาประสบการณ์ของผู้เชี่ยวชาญที่มีความเข้าใจระบบดีขึ้น Fuzzy Logic ยังสามารถนำมาใช้เพื่อเพิ่มประสิทธิภาพของอัลกอริธึมได้อีกด้วย IBM Watson ใช้ Fuzzy Logic และ Fuzzy Semantics

ชำระเงิน โปรแกรมใบรับรองขั้นสูงของ upGrad ในการเรียนรู้ของเครื่อง & NLP หลักสูตรนี้จัดทำขึ้นโดยคำนึงถึงนักเรียนหลายประเภทที่สนใจแมชชีนเลิร์นนิง โดยเสนอการให้คำปรึกษาแบบ 1-1 และอีกมากมาย

การใช้งานของลอจิกคลุมเครือในชีวิตจริงคืออะไร?

ตรรกะคลุมเครือใช้สำหรับแอปพลิเคชันเดียวกันกับตรรกะปกติ แต่มีความสามารถในการจัดการกับการใช้เหตุผลที่ไม่แน่นอน แอปพลิเคชั่นหลักของ Fuzzy logic สำหรับปัญญาประดิษฐ์ ตรรกะคลุมเครือใช้ในตัวควบคุมโรงงานและซอฟต์แวร์อุตสาหกรรม นอกจากนี้ เครื่องใช้ที่ทันสมัยส่วนใหญ่ในห้องครัว โฮมเธียเตอร์และความบันเทิง เครื่องปรับอากาศและเครื่องทำความร้อน ไมโครเวฟ กล้องดิจิตอล ตู้เย็น และทีวี ฯลฯ ใช้ตรรกะที่คลุมเครือ ระบบเป็นถนนสองทาง มันใช้ตรรกะคลุมเครือในการตัดสินใจอย่างชาญฉลาด แต่ลูกค้าก็ตอบสนองด้วยความคลุมเครือเช่นกัน ดังนั้น เพื่อให้ระบบแม่นยำยิ่งขึ้น นักวิจัยจึงนำวิทยาศาสตร์ที่คลุมเครือไปใช้กับอุปกรณ์ดังกล่าว

ข้อ จำกัด ของตรรกะคลุมเครือคืออะไร?

ลอจิกคลุมเครือเป็นวิธีแสดงข้อความสั่งทางตรรกะโดยใช้ค่าจริงแทนค่าไบนารีแบบธรรมดา ตรรกศาสตร์คลุมเครือมีข้อจำกัดสำคัญสองประการ: การจัดการข้อมูลที่ไม่แม่นยำและการอนุมานโดยธรรมชาติของการคิดของมนุษย์ ปัญหาทั้งสองนี้เกี่ยวข้องกัน หากข้อมูลในระบบไม่ชัดเจน มนุษย์ก็ไม่สามารถสรุปความรู้หรือความสัมพันธ์ได้ หวังว่าการวิจัยในอนาคตจะนำไปสู่การแก้ปัญหาเหล่านี้

ประโยชน์ของการควบคุมแบบคลุมเครือคืออะไร?

การควบคุมแบบคลุมเครือช่วยให้สามารถควบคุมตามผลลัพธ์จริงจากกระบวนการ ตรงข้ามกับการควบคุมตามค่าที่ตั้งไว้ ซึ่งหมายความว่าเอาต์พุตของลูปควบคุมไม่ได้ถูกกำหนดไว้ที่ค่าใดค่าหนึ่ง แต่อนุญาตให้เปลี่ยนแปลงได้ภายในช่วงที่กำหนด สิ่งนี้ให้การควบคุมที่ดีกว่าการควบคุมแบบจุดตายตัว โดยเฉพาะอย่างยิ่งในแอปพลิเคชันที่มีความสัมพันธ์แบบไม่เป็นเชิงเส้นระหว่างอินพุตและเอาต์พุต