Lógica fuzzy: o que é e como é usada para Inteligência Artificial

O desenvolvimento de computadores e a tentativa relacionada de automatizar o raciocínio e a inferência humana representam um desafio para pesquisadores de todo o mundo. Os seres humanos, e em muitos casos as máquinas, nem sempre operam de acordo com uma lógica de dois valores rigorosa e bem definida (lógica booleana). Sua percepção de conjuntos e classes não é tão clara quanto aquela implícita na teoria tradicional de conjuntos e classes (chamada "crisp").

Um artigo publicado por LA Zadeh em 1965 despertou enorme interesse entre um grande número de cientistas, introduzindo a teoria dos conjuntos fuzzy e lógica fuzzy . Após a introdução de tais conceitos, vários pesquisadores estabeleceram uma estrutura axiomática para este tópico.

As cinco décadas que se seguiram ao trabalho pioneiro de Zadeh produziram extensas pesquisas e aplicações relacionadas à teoria de controle, inteligência artificial , inferência e raciocínio. Nos últimos anos, muitos setores têm aplicado a lógica fuzzy ; isso inclui redes neurais difusas, sistemas neurodifusos e outros sistemas difusos bioinspirados, agrupamento, mineração de dados e teste de software.

Lógica difusa em poucas palavras

O conceito chave de um conjunto fuzzy é que cada elemento pode pertencer ao conjunto com um certo grau de pertencimento representado por um número que varia de 0 a 1, diferentemente da lógica bivalente segundo a qual um elemento pode pertencer totalmente a um conjunto (assumindo valor 1) ou não pertencente a ele (assumindo valor 0).

Esse nível de pertencimento a um conjunto é descrito por meio de uma função , chamada de “função de pertinência” ou “ função de pertinência” , que assume valores entre 0 e 1 seguindo tendências tipicamente sigmoidais ou lineares de crescimento/diminuição. Na verdade, essas funções geralmente assumem uma forma triangular, trapezoidal ou de sino.

Exemplos práticos

Abaixo oferecemos um exemplo prático para entender a diferença. Na teoria dos conjuntos sustenidos, se alguém tem mais de 1,8 metro de altura, podemos dizer que essa pessoa pertence ao “conjunto de pessoas altas”, então se a pessoa tivesse 1,7999 metros de altura ela não faria parte do todo. No entanto, uma mudança brusca de 1,7999 metros para uma "pessoa baixa" para 1,8001 metros para uma "pessoa alta" é contra o bom senso.

Outro exemplo poderia ser dado da seguinte forma: suponha que uma rodovia tenha um limite de velocidade de 90 km/hora. Aqueles que dirigem mais rápido que 90 km/hora pertencem ao conjunto A, cujos elementos são os infratores e sua função de pertinência tem o valor 1. Por outro lado, aqueles que dirigem mais devagar não pertencem ao conjunto A. transição clara entre pertencimento e não pertencimento seja realista? Deve haver multa de trânsito para motoristas que forem pegos a 89,5km/h? Ou 89,9 km/hora?

Em situações práticas há a necessidade de alguém que analise as afirmações e produza um conjunto de regras ( regras fuzzy ) com base nas quais um sistema de inferência fuzzy possa ser construído que tome decisões aderindo objetivamente ao "senso comum" presente em humanos .

Conclusões

Os sistemas fuzzy representam uma técnica promissora para produtos de consumo , sistemas industriais e comerciais e sistemas de apoio à decisão . O termo difuso significa "difuso" e refere-se à capacidade de lidar com entradas imprecisas ou vagas.

Em vez de usar equações matemáticas complexas, a lógica fuzzy usa descrições linguísticas para definir a relação entre as informações de entrada e a ação de saída . Em sistemas de engenharia , a lógica difusa fornece um front-end conveniente e fácil de usar para o desenvolvimento de programas de controle, ajudando os projetistas a se concentrarem em objetivos funcionais em vez de matemática.

Artigo de Davide Manzoni

O artigo Fuzzy Logic: o que é e como é usado para Inteligência Artificial vem do Tech CuE | Engenharia de close-up .