Yapay Zekada Bulanık Mantık: Mimari, Uygulamalar, Avantajlar ve Dezavantajlar
Yayınlanan: 2020-03-26Günlük hayatımızda her zaman Evet veya Hayır diyerek bir karar veremiyorsunuz. Bunun nedeni, karar vermek için yeterli bilginin olmadığı durumlarla karşılaşabilmenizdir. Ya da kendi kafamız biraz karışmış olabilir. Örneğin, birisi size önümüzdeki ay belirli bir tarihte müsait olup olmadığınızı sorarsa, muhtemelen hemen Evet veya Hayır demeyeceksiniz. Çünkü gelecek ay o tarihte meşgul olmayacağınızdan tam olarak emin değilsiniz.
Zor değil mi? Yapay zekadaki Bulanık Mantık, bilgisayarların girdi verilerinin biraz belirsiz olduğu benzer durumlarla başa çıkmasına yardımcı olur.
Dünyanın en iyi Üniversitelerinden makine öğrenimi eğitimi alın . Kariyerinizi hızlandırmak için Master, Executive PGP veya Advanced Certificate Programları kazanın.
İçindekiler
Bulanık Mantık Nedir?
Bulanık terimi, biraz belirsiz olan bir şey anlamına gelir. Bir durum belirsiz olduğunda, bilgisayar Doğru veya Yanlış olan bir sonuç üretemeyebilir. Boolean Logic'e göre, 1 değeri Doğru, 0 ise Yanlış anlamına gelir. Ancak bir Bulanık Mantık algoritması, Doğru veya Yanlış dışında olası değerlerin olabileceği bir problemin tüm belirsizliklerini dikkate alır.
Bulanık Mantık terimi ilk olarak 1965 yılında Lotfi Zadeh tarafından tanımlanmıştır. Geleneksel bilgisayar mantığının belirsiz veya belirsiz verileri işleme yeteneğine sahip olmadığını düşündü. İnsanlara benzer şekilde, bir bilgisayarın dahil edebileceği True ve False arasında birçok olası değer vardır. Bunlar şunlar olabilir:
- Kesinlikle evet
- muhtemelen evet
- söyleyemem
- muhtemelen hayır
- Kesinlikle hayır
Bu basit Fuzzy Logic örneğine göz atın:
Sorun – Boole mantığı
Çözüm
- Evet (1.0)
- Hayır (0)
Geleneksel Boolean Logic'e göre, algoritma kesin bir girdi alacak ve kesin bir Evet veya Hayır sonucu üretecektir. Bu, sırasıyla 0 ve 1 ile temsil edilir.
Bulanık mantık
Çözüm
- Çok sıcak (0.9)
- Biraz sıcak (0,20)
- Orta derecede sıcak (0,35)
- Sıcak değil (1.0)
Yukarıdaki örneğe göre, Fuzzy Logic çok sıcak, orta derecede sıcak ve sıcak değil gibi daha geniş bir çıktı aralığına sahiptir. 0 ile 1 arasındaki bu değerler olasılık aralığını gösterir.
Dolayısıyla, doğru muhakemenin sağlanamadığı durumlarda, Bulanık Mantık kabul edilebilir bir muhakeme yöntemi sağlar. Bulanık Mantığa dayalı bir algoritma, bir problemi çözerken mevcut tüm verileri alır. Daha sonra verilen girdiye göre mümkün olan en iyi kararı alır.
San Diego'daki California Üniversitesi Bilgisayar Bilimi ve Mühendisliği bölümünde Yardımcı Doçent olan Charles Elkan, Fuzzy Logic'e biraz ışık tuttu. Yapay zekadaki Bulanık Mantığın , herhangi bir kavramın 0.0 ile 1.0 arasında değişen bir doğruluk derecesine sahip olabileceği genelleştirilmiş bir standart mantık biçimi olduğunu söyledi . Bulanık Mantık, boy özelliği gibi belirsiz kavramlar için kullanılabilir. Örneğin, Başkan Clinton'un uzun olduğunu söyleyebiliriz ve kavramın doğruluk derecesi 0,9 olabilir.
Ayrıca Fuzzy Logic'in özellikle tüketici cihazlarında düşük seviyeli makine kontrolünde çok faydalı olduğunu söyledi. Fuzzy Logic üzerine kurulu bazı özel amaçlı mikroişlemciler , donanımları üzerinde bulanık işlemler gerçekleştirir.
Şimdi yapay zekadaki Bulanık Mantığı mimarisine bakarak anlayalım.
Okuyun: Makine Öğrenimi Proje Fikirleri
Bulanık Mantık Mimarisi
Bulanık Mantık mimarisi aşağıdaki bileşenlerden oluşur:
Kural tabanı
Bu, karar vermek için kullanılan If-Then koşullarıyla birlikte kurallar dizisidir. Ancak, Fuzzy Logic'teki modern gelişmeler, kural tabanındaki kural sayısını azaltmıştır. Bu kurallara bilgi tabanı da denir.
Bulanıklaştırma
Bu, kesin sayıların bulanık kümelere dönüştürüldüğü adımdır . Kesin küme, aynı özelliklere sahip bir dizi öğedir. Belirli bir mantığa göre, bir eleman kümeye ait olabilir veya olmayabilir. Net setler ikili mantığa dayalıdır – Evet veya Hayır yanıtları.
Burada, hata sinyalleri ve fiziksel değerler normalleştirilmiş bir bulanık alt kümeye dönüştürülür. Herhangi bir Fuzzy Logic sisteminde, fuzzifier giriş sinyallerini beş duruma ayırır:
- Büyük pozitif
- Orta pozitif
- Küçük
- Orta negatif
- Büyük negatif
Bulanıklaştırma işlemi, sensörler tarafından alınan oda sıcaklığı gibi net girdileri dönüştürür ve bunları daha sonraki işlemler için kontrol sistemine iletir. Bir Fuzzy Logic kontrol sistemi, Fuzzy Logic'e dayalıdır. Klimalar ve çamaşır makineleri gibi yaygın ev aletlerinin içinde Fuzzy Control sistemleri bulunur.
Okuyun: Hindistan'da Makine Öğrenimi Geliştirici Maaşı
çıkarım motoru
Çıkarım motoru , giriş değerlerinin ve kuralların ne kadar eşleştiğini belirler. Kurallar, alınan girdi değerlerine göre uygulanır. Daha sonra kurallar, kontrol eylemlerini geliştirmek için kullanılır. Çıkarım motoru ve bilgi tabanı birlikte bir Bulanık Mantık sisteminde denetleyici olarak adlandırılır.
durulaştırma
Bu, bulanıklaştırmanın ters işlemidir . Burada bulanık değerler haritalanarak kesin değerlere dönüştürülür. Bunu yapmak için birkaç durulaştırma yöntemi olacaktır, ancak girdiye göre en iyisi seçilir. Bu, maksimum üyelik ilkesi, ağırlıklı ortalama yöntemi ve centroid yöntemi gibi yöntemlerin kullanıldığı karmaşık bir süreçtir.
Yapay Zekada Bulanık Mantığın Avantajları
Bulanık Mantık sistemlerini kullanmanın faydaları aşağıdaki gibidir:
- Kesin girdilerin gerekli olmadığı sağlam bir sistemdir.
- Bu sistemler, belirsiz, bozuk veya kesin olmayan veriler dahil olmak üzere çeşitli girdi türlerini barındırabilir.
- Geri besleme sensörünün çalışmayı durdurması durumunda duruma göre yeniden programlayabilirsiniz.
- Bulanık Mantık algoritmaları daha az veri kullanılarak kodlanabilir, böylece çok büyük bir bellek alanı işgal etmezler.
- İnsan muhakemesine benzediği için, bu sistemler belirsiz girdilerin bulunduğu karmaşık problemleri çözebilir ve buna göre kararlar alabilir.
- Bu sistemler esnektir ve kurallar değiştirilebilir
- Sistemler basit bir yapıya sahiptir ve kolayca kurulabilir
- Ucuz sensörler bu sistemler tarafından barındırılabileceğinden sistem maliyetlerinden tasarruf edebilirsiniz.
Ayrıca şunu da okuyun: Kullanım Durumlarına Sahip Makine Öğrenimi Algoritmaları Türleri
Yapay Zekada Bulanık Mantığın Dezavantajları
Bulanık Mantık sistemlerinin dezavantajlarına bakalım:
- Sistem çoğunlukla hatalı veriler ve girdiler üzerinde çalıştığı için bu sistemlerin doğruluğu tehlikeye girer.
- Bulanık Mantık kullanarak bir problemi çözmek için tek bir sistematik yaklaşım yoktur. Sonuç olarak, belirli bir problem için birçok çözüm ortaya çıkar ve bu da kafa karışıklığına yol açar.
- Sonuçlardaki yanlışlık nedeniyle, her zaman geniş çapta kabul görmezler.
- Bulanık Mantık kontrol sistemlerinin en büyük dezavantajı, tamamen insan bilgisine ve uzmanlığına bağlı olmalarıdır.
- Bir Fuzzy Logic kontrol sisteminin kurallarını düzenli olarak güncellemelisiniz.
- Bu sistemler makine öğrenimini veya sinir ağlarını tanıyamaz
- Sistemler, doğrulama ve doğrulama için çok sayıda test gerektirir
Bulanık Mantık Uygulamaları
Bulanık Mantık uygulamaları birkaç alana yayılmıştır. Bunlar aşağıdaki gibidir:
İlaç
- Hastalara anestezi sağlarken arter basıncını kontrol etme
- Tanısal radyoloji ve tanı destek sistemlerinde kullanılır
- Prostat kanseri ve diyabet teşhisi
Ulaşım sistemleri
- Yeraltı tren operasyonlarının yürütülmesi
- Tren tarifelerini kontrol etme
- Araç hızı, hızlanma ve tekerlek hızı gibi parametrelere göre araçları frenleme ve durdurma
Savunma
- Su altında hedefleri bulma ve tanıma
- Donanma karar verme sürecini destekler
- Hedef tanıma için termal kızılötesi görüntüleri kullanma
- Hiper hız önleyicileri kontrol etmek için kullanılır
sanayi
- Su arıtma tesislerinin kontrolü
- Yapısal tasarımda kısıtlama tatmininde problemlerin ele alınması
- Kalite güvencesi için model analizi
- Fuzzy Logic, çamur atıksu arıtımı ile mücadele için kullanılır
deniz kontrolü
- Gemileri düzgün bir şekilde yönlendirin
- Bir hedefe ulaşmak için en uygun veya mümkün olan en iyi rotaları seçme
- Otomatik pilot, Bulanık Mantığa dayalıdır
- Otonom sualtı araçları Bulanık Mantık kullanılarak kontrol edilir
Fuzzy Logic tarafından desteklenen yıkama sistemleri
Fuzzy Logic tarafından desteklenen modern çamaşır makineleri bu günlerde popüler hale geliyor. Sıcaklık değişimlerini sürekli izleyen sensörlere sahiptirler. Kontrolleri ve işlemleri buna göre ayarlar. Bu sistemler iyi performans gösterir, üretken ve uygun maliyetlidir.
En iyi yıkama sonuçları için Fuzzy Logic, yıkama sürecini, su sıcaklığını, sıkma hızını, yıkama süresini, su girişini ve durulama performansını kontrol eder. Gelişmiş makineler şunları yapar:
- Aşırı yüklenmeyi önlemek için makinenin yükünü kontrol edin
- Suyun sertliğini kontrol edin ve kumaş malzemesinin türünü belirleyin
- Kullanıcıya optimum deterjan miktarı konusunda tavsiyede bulunur. Ayrıca deterjanın sıvı mı yoksa toz halde mi olduğunu kontrol ederler.
- Önceki yıkama deneyimlerinden öğrenirler ve yıkama sonuçlarını iyileştirmek için algoritmaları ezberlerler.
Sistemlerin çoğu, çamaşır yıkarken güç tasarrufu yapmanıza yardımcı olan enerji tasarrufu teknolojisine dayanmaktadır. Bu özellikler, haftada 2 ila 3 kez çok sayıda giysi yıkasanız bile enerji tasarrufu yapmanıza yardımcı olur. Sensörler tüm yıkama sürecini izler ve en iyi yıkama sonuçları için gerekli ayarlamaları ve düzeltmeleri yapar.
Bu çamaşır makinelerinde bulunan Fuzzy Logic, giysilerdeki kir ve pislik miktarını, sıkma yönünü ve gereken sabun miktarını kontrol eder. Daha iyi sıkma için yıkama yükü uygun şekilde dengelenmiştir. Bir dengesizlik tespit edildiğinde sıkma hızı düşürülür. Ayrıca, yıkama yükünün dengelenmesi, dönme gürültüsünün azaltılmasına yardımcı olur.
Panasonic gibi şirketler, bulaşık makinelerinde benzer teknolojiyi kullanıyor. Fuzzy Logic, bulaşık makinelerinin yıkama ve durulama yöntemlerinin yanı sıra temizleme döngülerinin ayarlanmasında kullanılır. Makinenin performansı ayrıca yıkayıcıya konulan bulaşık sayısına da bağlıdır.
Çözüm
Yapay zekadaki Bulanık Mantık, insan muhakemesini taklit etmeye yardımcı olsa da, bu sistemlerin inşa edilmesi için uzman rehberliğine ihtiyaç vardır. Bu, sistemi daha iyi anlayan uzmanların deneyimine güvenmenizi sağlar. Fuzzy Logic, algoritmaların yürütülmesini geliştirmek için de kullanılabilir. IBM Watson, Fuzzy Logic ve bulanık semantiği kullanır .
UpGrad'ın Makine Öğrenimi ve NLP'deki Gelişmiş Sertifika Programına göz atın. Bu kurs, Makine Öğrenimi ile ilgilenen, 1-1 mentorluk ve çok daha fazlasını sunan çeşitli öğrenciler göz önünde bulundurularak hazırlanmıştır.
Bulanık mantığın gerçek hayattaki uygulamaları nelerdir?
Bulanık mantık, normal mantıkla aynı uygulamalar için kullanılır, ancak kesin olmayan akıl yürütme becerisine sahiptir. Bulanık mantığın ana uygulaması yapay zeka içindir. Bulanık mantık, fabrika kontrolörlerinde ve endüstriyel yazılımlarda kullanılmaktadır. Ayrıca mutfak, ev sineması ve eğlence, klima ve ısıtma, mikrodalga fırın, dijital kamera, buzdolabı ve TV gibi modern cihazların çoğu bulanık mantık kullanır. Sistem çift yönlü bir caddedir. Akıllı kararlar almak için bulanık mantık kullanır, ancak müşteriler de bulanık olarak yanıt verir. Bu nedenle, sistemi daha doğru hale getirmek için araştırmacılar bu tür cihazlarda bulanık bilimi uygular.
Bulanık mantığın sınırlamaları nelerdir?
Bulanık mantık, geleneksel ikili değerler yerine gerçek değerleri kullanarak mantıksal ifadeleri temsil etmenin bir yoludur. Bulanık mantığın iki ana sınırlaması vardır: kesin olmayan verilerin işlenmesi ve insan düşüncesinin doğasında var olan çıkarsama. Bu sorunların her ikisi de birbiriyle ilişkilidir. Sistemdeki veriler kesin değilse, o zaman bir insan bilgiyi veya ilişkiyi çıkaramaz. Gelecekteki araştırmaların bu sorunların çözümüne yol açması umulmaktadır.
Bulanık kontrolün faydaları nelerdir?
Bulanık kontrol, bir ayar noktasına dayalı kontrolün aksine, prosesin gerçek çıktısına dayalı kontrole izin verir. Bu, bir kontrol döngüsünün çıktısının belirli bir değerde sabitlenmediği, ancak belirli bir aralık içinde değişmesine izin verildiği anlamına gelir. Bu, özellikle girdi ve çıktı arasında doğrusal olmayan bir ilişki bulunan uygulamalarda, sabit noktalı kontrolden daha iyi kontrol sağlar.