elgavrilis's blog

Η κλασική τεχνητή νοημοσύνη απαιτεί τεράστια υπολογιστική ισχύ. Ένας τρόπος για να μειωθούν οι υπολογιστικοί κύκλοι και, ως εκ τούτου, να επιταχυνθεί η καμπύλη μάθησης είναι να χρησιμοποιηθεί μια μεθοδολογία που ονομάζεται ασαφής λογική. Βρίσκοντας κοινά σημεία μέσα σε δηλώσεις και χρησιμοποιώντας μια ακολουθία “τότε/αν”, οι μηχανές μπορούν, κατά κάποιο τρόπο, να προγραμματιστούν ώστε να σκέφτονται μόνες τους.

Οι υπολογιστές δεν συλλογίζονται όπως οι εγκέφαλοι. Οι υπολογιστές «συλλογίζονται» όταν χειρίζονται ακριβή γεγονότα που έχουν αναχθεί σε σειρές από μηδέν και ένα και προτασιακές δηλώσεις που είναι είτε αληθείς (Α) είτε ψευδείς (Ψ). Ο ανθρώπινος εγκέφαλος μπορεί να συλλογιστεί με αόριστους ισχυρισμούς ή ισχυρισμούς που περιλαμβάνουν αβεβαιότητες ή αξιολογικές κρίσεις: «Ο αέρας είναι δροσερός» ή «Αυτή η ταχύτητα είναι γρήγορη» ή «Είναι νέα». Σε αντίθεση με τους υπολογιστές, οι άνθρωποι έχουν κοινή λογική που τους επιτρέπει να συλλογίζονται σε έναν κόσμο όπου τα πράγματα είναι μόνο εν μέρει αληθινά.

Η ασαφής λογική είναι ένας κλάδος της μηχανικής νοημοσύνης που βοηθά τους υπολογιστές να ζωγραφίζουν γκρίζες, λογικές εικόνες ενός αβέβαιου κόσμου. Οι λογικοί τη δεκαετία του 1920 έθιξαν για πρώτη φορά τη βασική της έννοια: όλα είναι θέμα βαθμού.

Η ασαφής λογική χειρίζεται αόριστες έννοιες όπως «ζεστό» ή «ακόμα βρώμικο» και έτσι βοηθά τους μηχανικούς να κατασκευάσουν κλιματιστικά, πλυντήρια ρούχων και άλλες συσκευές που κρίνουν πόσο γρήγορα πρέπει να λειτουργούν ή να μεταβαίνουν από τη μία ρύθμιση στην άλλη, ακόμη και όταν τα κριτήρια για την πραγματοποίηση αυτών των αλλαγών είναι δύσκολο να καθοριστούν. Όταν οι μαθηματικοί δεν διαθέτουν συγκεκριμένους αλγόριθμους που να υπαγορεύουν πώς ένα σύστημα θα ανταποκρίνεται σε δεδομένα εισόδου, η ασαφής λογική μπορεί να ελέγξει ή να περιγράψει το σύστημα χρησιμοποιώντας κανόνες «κοινής λογικής» που αναφέρονται σε αόριστες ποσότητες. Κανένα γνωστό μαθηματικό μοντέλο δεν μπορεί να οδηγήσει ένα φορτηγό με ρυμουλκούμενο από ένα πάρκινγκ σε μια αποβάθρα φόρτωσης όταν το όχημα ξεκινά από ένα τυχαίο σημείο. Τόσο οι άνθρωποι όσο και τα ασαφή συστήματα μπορούν να εκτελέσουν αυτήν τη μη γραμμική εργασία καθοδήγησης χρησιμοποιώντας πρακτικούς αλλά ανακριβείς κανόνες όπως «Εάν το ρυμουλκούμενο στρίψει λίγο αριστερά, τότε στρίψτε το λίγο δεξιά». Τα ασαφή συστήματα συχνά συλλέγουν τους κανόνες τους από ειδικούς. Όταν κανένας ειδικός δεν δίνει τους κανόνες, τα προσαρμοστικά ασαφή συστήματα μαθαίνουν τους κανόνες παρατηρώντας πώς οι άνθρωποι ρυθμίζουν τα πραγματικά συστήματα.

Ένα πρόσφατο κύμα εμπορικών ασαφών προϊόντων, τα περισσότερα από τα οποία προέρχονται από την Ιαπωνία, έχει διαδώσει την ασαφή λογική. Το 1980, η εργολαβική εταιρεία F.L. Smidth & Company στην Κοπεγχάγη χρησιμοποίησε για πρώτη φορά ένα ασαφές σύστημα για να επιβλέψει τη λειτουργία ενός κλιβάνου τσιμέντου. Το 1988, η Hitachi παρέδωσε τον έλεγχο ενός μετρό στο Σεντάι της Ιαπωνίας σε ένα ασαφές σύστημα. Έκτοτε, οι ιαπωνικές εταιρείες έχουν χρησιμοποιήσει την ασαφή λογική για να κατευθύνουν εκατοντάδες οικιακές συσκευές και ηλεκτρονικά προϊόντα. Το Υπουργείο Διεθνούς Εμπορίου και Βιομηχανίας εκτιμά ότι το 1992 η Ιαπωνία παρήγαγε ασαφή προϊόντα αξίας περίπου 2 δισεκατομμυρίων δολαρίων. Οι αμερικανικές και ευρωπαϊκές εταιρείες εξακολουθούν να υστερούν πολύ.

Οι εφαρμογές της ασαφούς λογικής εκτείνονται πέρα ​​από τα συστήματα ελέγχου. Πρόσφατα θεωρήματα δείχνουν ότι κατ’ αρχήν η ασαφής λογική μπορεί να χρησιμοποιηθεί για τη μοντελοποίηση οποιουδήποτε συνεχούς συστήματος, είτε βασίζεται στη μηχανική είτε στη φυσική είτε στη βιολογία είτε στα οικονομικά. Ερευνητές σε πολλούς τομείς μπορεί να διαπιστώσουν ότι τα ασαφή, βασισμένα στην κοινή λογική μοντέλα είναι πιο χρήσιμα ή ακριβή από τα τυπικά μαθηματικά

Στην καρδιά της διαφοράς μεταξύ κλασικής και ασαφούς λογικής βρίσκεται κάτι που ο Αριστοτέλης ονόμασε νόμο του αποκλεισμένου μέσου. Στη θεωρία τυπικών συνόλων, ένα αντικείμενο είτε ανήκει είτε όχι σε ένα σύνολο. Δεν υπάρχει μέση οδός: ο αριθμός πέντε ανήκει πλήρως στο σύνολο των περιττών αριθμών και καθόλου στο σύνολο των άρτιων αριθμών. Σε τέτοια δισθενή σύνολα, ένα αντικείμενο δεν μπορεί να ανήκει και στα δύο: δηλ και σ’ ένα σύνολο και στο συμπληρωματικό του σύνολο ή σε κανένα από τα σύνολα. Αυτή η αρχή διατηρεί τη δομή της λογικής και αποφεύγει την αντίφαση ενός αντικειμένου που είναι και δεν είναι πράγμα ταυτόχρονα.

Τα σύνολα που είναι ασαφή ή πολυδύναμα, παραβιάζουν τον νόμο του αποκλεισμένου μέσου – σε κάποιο βαθμό. Τα στοιχεία ανήκουν μόνο εν μέρει σε ένα ασαφές σύνολο. Μπορεί επίσης να ανήκουν σε περισσότερα από ένα σύνολα. Ακόμα και σε ένα μόνο άτομο, ο αέρας μπορεί να φαίνεται δροσερός, ακριβώς όπως πρέπει και ζεστός σε ποικίλους βαθμούς. Ενώ τα όρια των τυπικών συνόλων είναι ακριβή, αυτά των ασαφών συνόλων είναι καμπυλωμένα ή λεπταίνουν, και αυτή η καμπυλότητα δημιουργεί μερικές αντιφάσεις. Ο αέρας μπορεί να είναι 20% δροσερός και ταυτόχρονα, 80% όχι δροσερός

Οι ασαφείς βαθμοί δεν είναι οι ίδιοι με τα ποσοστά πιθανότητας, ένα σημείο που έχει διαφύγει της προσοχής ορισμένων επικριτών του πεδίου. Οι πιθανότητες μετρούν αν κάτι θα συμβεί ή όχι. Η ασάφεια μετράει τον βαθμό στον οποίο συμβαίνει κάτι ή υπάρχει κάποια συνθήκη. Η δήλωση «Υπάρχει 30% πιθανότητα ο καιρός να είναι δροσερός» μεταφέρει την πιθανότητα δροσερού καιρού. Αλλά «Το πρωί φαίνεται 30% δροσερό» σημαίνει ότι ο αέρας φαίνεται δροσερός σε κάποιο βαθμό και ταυτόχρονα, ακριβώς όπως πρέπει και ζεστός σε ποικίλους βαθμούς.

Ο μόνος περιορισμός στην ασαφή λογική είναι ότι οι βαθμοί συμμετοχής ενός αντικειμένου σε συμπληρωματικές ομάδες πρέπει να αθροίζονται σε μονάδα. Αν ο αέρας φαίνεται 20% δροσερός, πρέπει επίσης να είναι 80% μη δροσερός. Με αυτόν τον τρόπο, η ασαφής λογική απλώς παρακάμπτει τη δισθενή αντίφαση – ότι κάτι είναι 100% δροσερό και 100% μη δροσερό – που θα κατέστρεφε την τυπική λογική. Ο νόμος του αποκλεισμένου μέσου ισχύει απλώς ως ειδική περίπτωση στην ασαφή λογική, δηλαδή όταν ένα αντικείμενο ανήκει 100% σε μία ομάδα

Η σύγχρονη μελέτη της ασαφούς λογικής και των μερικών αντιφάσεων ξεκίνησε στις αρχές του αιώνα μας, όταν ο Μπέρτραντ Ράσελ βρήκε το αρχαίο ελληνικό παράδοξο στον πυρήνα της σύγχρονης θεωρίας συνόλων και λογικής. Σύμφωνα με το παλιό αίνιγμα, ένας Κρητικός ισχυρίζεται ότι όλοι οι Κρητικοί λένε ψέματα. Πας Κρης Ψεύτης: Άρα, λέει ψέματα; Αν λέει ψέματα, τότε λέει την αλήθεια και δεν λέει ψέματα. Αν δεν λέει ψέματα, τότε λέει την αλήθεια και άρα ψεύδεται. Και οι δύο περιπτώσεις οδηγούν σε αντίφαση, επειδή η πρόταση είναι ταυτόχρονα αληθής και ψευδής. Ο Russell βρήκε το ίδιο παράδοξο στη θεωρία συνόλων. Το σύνολο όλων των συνόλων είναι ένα σύνολο, άρα είναι μέλος του εαυτού του. Ωστόσο, το σύνολο όλων των μήλων δεν είναι μέλος του εαυτού του, επειδή τα μέλη του είναι μήλα και όχι σύνολα. Αντιλαμβανόμενος την υποκείμενη αντίφαση, ο Russell ρώτησε στη συνέχεια: «Είναι το σύνολο όλων των συνόλων που δεν είναι μέλη του εαυτού τους μέλος του εαυτού του;» Αν ναι, δεν είναι· αν δεν είναι, είναι.

Αντιμέτωπη με ένα τέτοιο αίνιγμα, η κλασική λογική παραδίδεται Αλλά η ασαφής λογική λέει ότι η απάντηση είναι μισή αληθής και μισή ψευδής, μια αναλογία 50-50. Το 50% των δηλώσεων του Κρητικού είναι αληθείς και το 50% ψευδείς. Ο Κρητικός ψεύδεται το 50% των περιπτώσεων και δεν ψεύδεται το άλλο μισό. Όταν η συμμετοχή είναι μικρότερη από το συνολικό, ένα δισθενές σύστημα μπορεί να απλοποιήσει το πρόβλημα στρογγυλοποιώντας το προς τα κάτω στο μηδέν ή μέχρι το 100%. Ωστόσο, το 50% δεν στρογγυλοποιεί προς τα πάνω ή προς τα κάτω.

Τη δεκαετία του 1920, ανεξάρτητα από τον Russell, ο Πολωνός λογικός Jan Wukasiewicz επεξεργάστηκε τις αρχές της πολυτιμικής λογικής, στην οποία οι δηλώσεις μπορούν να λάβουν κλασματικές τιμές αλήθειας μεταξύ των μονάδων και των μηδενικών της δυαδικής λογικής. Σε ένα άρθρο του 1937 στο Philosophy of Science, ο κβαντικός φιλόσοφος Max Black εφάρμοσε την πολυτιμική λογική σε λίστες ή σύνολα αντικειμένων και με αυτόν τον τρόπο σχεδίασε τις πρώτες καμπύλες ασαφών συνόλων. Ακολουθώντας το παράδειγμα του Russell, ο Black ονόμασε τα σύνολα «ασαφή».

Σχεδόν 30 χρόνια αργότερα, ο Lotfi A. Zadeh, τότε πρόεδρος του τμήματος ηλεκτρολόγων μηχανικών στο Πανεπιστήμιο της Καλιφόρνια στο Μπέρκλεϊ, δημοσίευσε το “Fuzzy Sets”, μια ιστορική εργασία που έδωσε στον τομέα το όνομά του. Ο Zadeh εφάρμοσε τη λογική του Wukasiewicz σε κάθε αντικείμενο ενός συνόλου και ανέπτυξε μια πλήρη άλγεβρα για ασαφή σύνολα. Παρόλα αυτά, τα ασαφή σύνολα δεν χρησιμοποιήθηκαν μέχρι τα μέσα της δεκαετίας του 1970, όταν ο Ebrahim H. Mamdani του Queen Mary College στο Λονδίνο σχεδίασε έναν ασαφή ελεγκτή για μια ατμομηχανή. Έκτοτε, ο όρος “ασαφής λογική” έχει καταστεί γνωστός ως οποιοδήποτε μαθηματικό ή υπολογιστικό σύστημα που συλλογίζεται με ασαφή σύνολα.

Η ασαφής λογική βασίζεται σε κανόνες της μορφής «αν… τότε» που μετατρέπουν τις εισόδους σε εξόδους – ένα ασαφές σύνολο σε ένα άλλο. Ο ελεγκτής του κλιματιστικού ενός αυτοκινήτου μπορεί να περιλαμβάνει κανόνες όπως «Εάν η θερμοκρασία είναι χαμηλή, τότε ρυθμίστε την ταχύτητα του κινητήρα σε αργή» και «Εάν η θερμοκρασία είναι ακριβώς η σωστή, τότε ρυθμίστε την ταχύτητα του κινητήρα σε μέτρια». Οι θερμοκρασίες (κρύα, ακριβώς η σωστή) και οι ταχύτητες του κινητήρα (αργή, μέτρια) ονομάζουν ασαφή σύνολα και όχι συγκεκριμένες τιμές.

Για να κατασκευάσει ένα ασαφές σύστημα, ένας μηχανικός μπορεί να ξεκινήσει με ένα σύνολο ασαφών κανόνων από έναν ειδικό. Ένας μηχανικός μπορεί να ορίσει τους βαθμούς συμμετοχής σε διάφορα ασαφή σύνολα εισόδου και εξόδου με σύνολα καμπυλών. Η σχέση μεταξύ των συνόλων εισόδου και εξόδου θα μπορούσε στη συνέχεια να απεικονιστεί γραφικά. Δεδομένου του κανόνα «Εάν ο αέρας είναι δροσερός, τότε ρυθμίστε τον κινητήρα σε αργή», οι είσοδοι (θερμοκρασία) θα παρατίθεντο κατά μήκος ενός άξονα ενός γραφήματος και οι έξοδοι (ταχύτητα κινητήρα) κατά μήκος ενός δεύτερου άξονα. Το γινόμενο αυτών των ασαφών συνόλων σχηματίζει ένα ασαφές τμήμα, μια περιοχή που αντιπροσωπεύει το σύνολο όλων των συσχετίσεων που σχηματίζει ο κανόνας μεταξύ αυτών των εισόδων και εξόδων

Το μέγεθος του patch αντανακλά την ασάφεια ή την αβεβαιότητα του κανόνα. Όσο πιο ακριβές είναι το ασαφές σύνολο, τόσο μικρότερο γίνεται. Αν η θερμοκρασία “cool” είναι ακριβώς 19 βαθμοί Φαρενάιτ, το ασαφές σύνολο καταρρέει σε μια αιχμή. Αν τόσο το cool όσο και το slow fuzzy σύνολα είναι αιχμές, το patch του κανόνα είναι ένα σημείο.

Οι κανόνες ενός ασαφούς συστήματος ορίζουν ένα σύνολο επικαλυπτόμενων patch που συσχετίζουν ένα πλήρες εύρος εισόδων με ένα πλήρες εύρος εξόδων. Υπό αυτή την έννοια, το ασαφές σύστημα προσεγγίζει κάποια μαθηματική συνάρτηση ή εξίσωση αιτίας και αποτελέσματος. Αυτές οι συναρτήσεις μπορεί να είναι νόμοι που λένε σε έναν μικροεπεξεργαστή πώς να ρυθμίσει την ισχύ ενός κλιματιστικού ή την ταχύτητα ενός πλυντηρίου ρούχων σε απόκριση σε κάποια νέα μέτρηση.

Τα ασαφή συστήματα μπορούν να προσεγγίζουν οποιαδήποτε συνεχή μαθηματική συνάρτηση. Απέδειξα αυτό το θεώρημα ομοιόμορφης σύγκλισης δείχνοντας ότι αρκετά μικρά ασαφή patches μπορούν να καλύψουν επαρκώς το γράφημα οποιασδήποτε συνάρτησης ή σχέσης εισόδου/εξόδου. Το θεώρημα δείχνει επίσης ότι μπορούμε να επιλέξουμε εκ των προτέρων το μέγιστο σφάλμα της προσέγγισης και να είμαστε σίγουροι ότι υπάρχει ένας πεπερασμένος αριθμός ασαφών κανόνων που το επιτυγχάνουν. Ένα ασαφές σύστημα συλλογίζεται ή συνάγει συμπεράσματα με βάση τις ενημερώσεις κώδικα κανόνων του. Δύο ή περισσότεροι κανόνες μετατρέπουν οποιονδήποτε εισερχόμενο αριθμό σε κάποιο αποτέλεσμα επειδή οι ενημερώσεις κώδικα επικαλύπτονται. Όταν τα δεδομένα ενεργοποιούν τους κανόνες, οι επικαλυπτόμενες ενημερώσεις κώδικα ενεργοποιούνται παράλληλα – αλλά μόνο σε κάποιο βαθμό.

Φανταστείτε ένα ασαφές κλιματιστικό που βασίζεται σε πέντε κανόνες και επομένως σε πέντε ενημερώσεις κώδικα για να αντιστοιχίσει τις θερμοκρασίες με τις ταχύτητες του κινητήρα. Τα σύνολα θερμοκρασίας (κρύο, δροσερό, ακριβώς σωστό, ζεστό και ζεστό) καλύπτουν όλες τις πιθανές ασαφείς εισόδους. Τα σύνολα ταχύτητας του κινητήρα (πολύ αργή, αργή, μέτρια, γρήγορη και πολύ γρήγορη) περιγράφουν όλες τις ασαφείς εξόδους. Μια θερμοκρασία, ας πούμε, 19°C μπορεί να είναι 20% δροσερή (80% όχι δροσερή) και 70% ακριβώς σωστή (30% όχι ακριβώς σωστή). Ταυτόχρονα, ο αέρας είναι επίσης 0% κρύος, ζεστός και ζεστός. Οι κανόνες «αν είναι δροσερός» και «αν είναι ακριβώς σωστός» θα ενεργοποιηθούν και θα ενεργοποιήσουν τόσο την αργή όσο και την μεσαία ταχύτητα του κινητήρα.

Οι δύο κανόνες συμβάλλουν αναλογικά στην τελική ταχύτητα του κινητήρα. Επειδή η θερμοκρασία ήταν 20% δροσερή, η καμπύλη που περιγράφει την αργή ταχύτητα του κινητήρα πρέπει να συρρικνωθεί στο 20% του ύψους της. Η καμπύλη «μέτρια» πρέπει να συρρικνωθεί στο 70%. Το άθροισμα αυτών των δύο μειωμένων καμπυλών παράγει την τελική καμπύλη για το σύνολο ασαφούς εξόδου

Στην ασαφή της μορφή, μια τέτοια καμπύλη εξόδου δεν βοηθά τους ελεγκτές που ενεργούν με βάση δυαδικές εντολές. Έτσι, το τελικό βήμα είναι μια διαδικασία αποασαφοποίησης, στην οποία η ασαφής καμπύλη εξόδου μετατρέπεται σε μία μόνο αριθμητική τιμή. Η πιο συνηθισμένη τεχνική είναι ο υπολογισμός του κέντρου μάζας, ή κεντροειδούς, της περιοχής κάτω από την καμπύλη. Σε αυτήν την περίπτωση, το κεντροειδές της ασαφούς καμπύλης εξόδου μπορεί να αντιστοιχεί σε μια ταχύτητα κινητήρα 47 στροφών ανά λεπτό. Έτσι, ξεκινώντας με μια ποσοτική είσοδο θερμοκρασίας, ο ηλεκτρονικός ελεγκτής μπορεί να κάνει συλλογισμούς από ασαφή σύνολα θερμοκρασίας και ταχύτητας κινητήρα και να καταλήξει σε μια κατάλληλη και ακριβή έξοδο ταχύτητας.

Όλα τα ασαφή συστήματα συλλογίζονται με αυτήν την τεχνική «fire-and-sum» ή κάτι παρόμοιο. Καθώς τα συστήματα γίνονται πιο περίπλοκα, τα προηγούμενα των κανόνων μπορεί να περιλαμβάνουν οποιονδήποτε αριθμό όρων που συνδέονται με το «και» ή αποσυνδέονται με το «ή». Ένα προηγμένο ασαφές κλιματιστικό μπορεί να χρησιμοποιήσει έναν κανόνα που λέει: «Εάν ο αέρας είναι δροσερός και η υγρασία είναι υψηλή, τότε ρυθμίστε τον κινητήρα σε μέτρια».

Τα ασαφή προϊόντα χρησιμοποιούν μικροεπεξεργαστές που εκτελούν αλγόριθμους ασαφούς συμπερασμού και αισθητήρες που μετρούν τις μεταβαλλόμενες συνθήκες εισόδου. Τα ασαφή τσιπ είναι μικροεπεξεργαστές σχεδιασμένοι να αποθηκεύουν και να επεξεργάζονται ασαφείς κανόνες. Το 1985, οι Masaki Togai και Hiroyuki Watan-abe, οι οποίοι εργάζονταν τότε στα εργαστήρια AT&T Bell, κατασκεύασαν το πρώτο ψηφιακό ασαφές τσιπ. Επεξεργάστηκε 16 απλούς κανόνες σε 12,5 μικροδευτερόλεπτα, με ρυθμό 0,08 εκατομμυρίων ασαφών λογικών συμπερασμάτων ανά δευτερόλεπτο. Η Togai InfraLogic, Inc., προσφέρει πλέον τσιπ που βασίζονται σε υλικό Fuzzy Computational Acceleration που επεξεργάζεται έως και δύο εκατομμύρια κανόνες ανά δευτερόλεπτο. Οι περισσότερες εταιρείες μικροεπεξεργαστών έχουν επί του παρόντος ερευνητικά έργα ασαφών τσιπ. Τα ασαφή προϊόντα βασίζονται σε μεγάλο βαθμό σε τυπικούς μικροεπεξεργαστές που οι μηχανικοί έχουν προγραμματίσει με λίγες γραμμές κώδικα ασαφούς συμπερασμού. Αν και η αγορά για αποκλειστικά ασαφή τσιπ είναι ακόμα μικρή, η αξία των μικροεπεξεργαστών που περιλαμβάνουν ασαφή λογική υπερβαίνει ήδη το 1 δισεκατομμύριο δολάρια

Η πιο διάσημη ασαφής εφαρμογή είναι ο ελεγκτής βαγονιών του μετρό που χρησιμοποιείται στο Σεντάι, ο οποίος έχει ξεπεράσει σε απόδοση τόσο τους ανθρώπινους χειριστές όσο και τους συμβατικούς αυτοματοποιημένους ελεγκτές. Οι συμβατικοί ελεγκτές ξεκινούν ή σταματούν ένα τρένο αντιδρώντας σε δείκτες θέσης που δείχνουν πόσο μακριά βρίσκεται το όχημα από έναν σταθμό. Επειδή οι ελεγκτές είναι αυστηρά προγραμματισμένοι, η διαδρομή μπορεί να είναι σπασμωδική: ο αυτοματοποιημένος ελεγκτής θα εφαρμόσει την ίδια πίεση πέδησης όταν ένα τρένο βρίσκεται, ας πούμε, 100 μέτρα από έναν σταθμό, ακόμα κι αν το τρένο κινείται σε ανηφόρα ή κατηφόρα.

Στα μέσα της δεκαετίας του 1980, μηχανικοί της Hitachi χρησιμοποίησαν ασαφείς κανόνες για να επιταχύνουν, να επιβραδύνουν και να φρενάρουν τα τρένα του μετρό πιο ομαλά από ό,τι θα μπορούσε ένας επιδέξιος ανθρώπινος χειριστής. Οι κανόνες περιλάμβαναν ένα ευρύ φάσμα μεταβλητών σχετικά με τη συνεχή απόδοση του τρένου, όπως πόσο συχνά και κατά πόσο άλλαζε η ταχύτητά του και πόσο κοντά ήταν η πραγματική ταχύτητα στη μέγιστη ταχύτητα. Σε προσομοιωμένες δοκιμές, ο ασαφής ελεγκτής ξεπέρασε μια αυτοματοποιημένη έκδοση σε μετρήσεις άνεσης των επιβατών, μείωσε τους χρόνους οδήγησης και μάλιστα πέτυχε μείωση 10% στην κατανάλωση ενέργειας του τρένου. Σήμερα, το ασαφές σύστημα λειτουργεί το μετρό Σεντάι κατά τις ώρες αιχμής και λειτουργεί και ορισμένα τρένα του Τόκιο.

Οι άνθρωποι χειρίζονται το μετρό κατά τις ώρες εκτός αιχμής για να διατηρήσουν τις δεξιότητές τους

Εταιρείες στην Ιαπωνία και την Κορέα κατασκευάζουν μια σειρά από ασαφή καταναλωτικά αγαθά που προσφέρουν πιο ακριβή έλεγχο από τα συμβατικά. Τα ασαφή πλυντήρια ρούχων προσαρμόζουν τον κύκλο πλύσης σε κάθε σετ ρούχων, αλλάζοντας στρατηγικές καθώς τα ρούχα καθαρίζονται. Ένα ασαφές πλυντήριο ρούχων προσφέρει πιο λεπτό πλύσιμο από ένα «χαζό» πλυντήριο με σταθερές εντολές. Στο απλούστερο από αυτά τα πλυντήρια, ένας οπτικός αισθητήρας μετρά τη θολότητα ή τη διαύγεια του νερού πλύσης και ο ελεγκτής εκτιμά πόσο χρόνο θα χρειαζόταν ένας λεκές για να διαλυθεί ή να κορεστεί στο νερό πλύσης. Ορισμένα πλυντήρια χρησιμοποιούν έναν αισθητήρα φορτίου για να ενεργοποιήσουν αλλαγές στον ρυθμό ανάδευσης ή τη θερμοκρασία του νερού. Άλλα εκτοξεύουν φυσαλίδες στο πλύσιμο για να βοηθήσουν στη διάλυση της βρωμιάς και του απορρυπαντικού. Ένα πλυντήριο ρούχων μπορεί να χρησιμοποιήσει μόλις 10 ασαφείς κανόνες για να καθορίσει μια μεγάλη ποικιλία στρατηγικών πλύσης

Στις κάμερες και τις βιντεοκάμερες, η ασαφής λογική συνδέει τα δεδομένα εικόνας με διάφορες ρυθμίσεις φακού. Μία από τις πρώτες ασαφείς βιντεοκάμερες, η φορητή Canon H800, η ​​οποία παρουσιάστηκε το 1990, ρυθμίζει την αυτόματη εστίαση με βάση 13 ασαφείς κανόνες. Οι αισθητήρες μετρούν την καθαρότητα των εικόνων σε έξι περιοχές. Οι κανόνες καταλαμβάνουν περίπου ένα κιλομπάιτ μνήμης και μετατρέπουν τα δεδομένα του αισθητήρα σε νέες ρυθμίσεις φακού.

Η Matsushita βασίζεται σε περισσότερους κανόνες για να ακυρώσει το τρέμουλο της εικόνας που προκαλεί ένα τρέμουλο χεριού στις μικρές βιντεοκάμερες Panasonic. Οι ασαφείς κανόνες υπονοούν πού θα μετατοπιστεί η εικόνα. Οι κανόνες λαμβάνουν υπόψη τις τοπικές και καθολικές αλλαγές στην εικόνα και στη συνέχεια τις αντισταθμίζουν. Αντίθετα, οι ελεγκτές βιντεοκάμερας που βασίζονται σε μαθηματικά μοντέλα μπορούν να αντισταθμίσουν μόνο μερικούς τύπους τρεμουλιάσματος της εικόνας.

Τα συστήματα με ασαφείς ελεγκτές είναι συχνά πιο ενεργειακά αποδοτικά, επειδή υπολογίζουν με μεγαλύτερη ακρίβεια πόση ισχύς απαιτείται για να ολοκληρωθεί μια εργασία. Η Mitsubishi και η Samsung της Κορέας αναφέρουν ότι οι ασαφείς ηλεκτρικές σκούπες τους επιτυγχάνουν εξοικονόμηση ενέργειας άνω του 40% σε σχέση με τις μη ασαφείς ηλεκτρικές σκούπες. Τα ασαφή συστήματα χρησιμοποιούν διόδους εκπομπής υπέρυθρου φωτός για να μετρήσουν τις αλλαγές στη ροή σκόνης και έτσι να κρίνουν εάν ένα δάπεδο είναι γυμνό. Ένας μικροεπεξεργαστής τεσσάρων bit μετρά τη ροή σκόνης για να υπολογίσει την κατάλληλη ισχύ αναρρόφησης και άλλες ρυθμίσεις κενού.

Τα αυτοκίνητα επωφελούνται επίσης από την ασαφή λογική. Η General Motors χρησιμοποιεί ένα ασαφές κιβώτιο ταχυτήτων στο Saturn της. Η Nissan έχει κατοχυρώσει με δίπλωμα ευρεσιτεχνίας ένα ασαφές αντιολισθητικό σύστημα πέδησης, ένα ασαφές σύστημα μετάδοσης κίνησης και ένα ασαφές μπεκ ψεκασμού καυσίμου. Ένα σύνολο ασαφών κανόνων σε έναν ενσωματωμένο μικροεπεξεργαστή ρυθμίζει τη ροή καυσίμου. Οι αισθητήρες μετρούν τη ρύθμιση του γκαζιού, την πίεση της πολλαπλής, τη θερμοκρασία του νερού του ψυγείου και τις στροφές του κινητήρα ανά λεπτό. Ένα δεύτερο σύνολο ασαφών κανόνων χρονομετρά την ανάφλεξη του κινητήρα με βάση τις στροφές ανά λεπτό, τη θερμοκρασία του νερού και τη συγκέντρωση οξυγόνου

Ένα από τα πιο σύνθετα ασαφή συστήματα είναι ένα μοντέλο ελικοπτέρου, σχεδιασμένο από τον Michio Sugeno του Τεχνολογικού Ινστιτούτου του Τόκιο. Τέσσερα στοιχεία του σκάφους – ο ανελκυστήρας, το πηδάλιο κλίσης, το γκάζι και το πηδάλιο – ανταποκρίνονται σε 13 ασαφείς φωνητικές εντολές, όπως “πάνω”, “προσγείωση” και “αιώρηση”. Ο ασαφής ελεγκτής μπορεί να κάνει το σκάφος να αιωρείται στη θέση του, ένα δύσκολο έργο ακόμη και για ανθρώπινους πιλότους.

Μερικά ασαφή συστήματα διαχειρίζονται πληροφορίες αντί για συσκευές.

Με κανόνες ασαφούς λογικής, ο ιαπωνικός όμιλος Omron επιβλέπει πέντε βάσεις ιατρικών δεδομένων σε ένα σύστημα διαχείρισης υγείας για μεγάλες εταιρείες. Τα ασαφή συστήματα χρησιμοποιούν 500 κανόνες για τη διάγνωση της υγείας περίπου 10.000 ασθενών και για την εκπόνηση εξατομικευμένων σχεδίων που θα τους βοηθήσουν να αποτρέψουν ασθένειες, να παραμείνουν σε φόρμα και να μειώσουν το άγχος.

Άλλες εταιρείες, συμπεριλαμβανομένων των Hitachi και Yamaichi Securities, έχουν δημιουργήσει προγράμματα συναλλαγών για ομόλογα ή μετοχικά κεφάλαια που χρησιμοποιούν ασαφείς κανόνες για να αντιδρούν στις αλλαγές στα οικονομικά δεδομένα.

Η αχίλλειος πτέρνα ενός ασαφούς συστήματος είναι οι κανόνες του. Σχεδόν όλα τα ασαφή καταναλωτικά προϊόντα που κυκλοφορούν σήμερα στην αγορά βασίζονται σε κανόνες που παρέχονται από έναν ειδικό. Οι μηχανικοί στη συνέχεια εμπλέκονται σε μια μακρά διαδικασία ρύθμισης αυτών των κανόνων και των ασαφών συνόλων. Για να αυτοματοποιήσουν αυτήν τη διαδικασία, ορισμένοι μηχανικοί κατασκευάζουν προσαρμοστικά ασαφή συστήματα που χρησιμοποιούν νευρωνικά δίκτυα ή άλλα στατιστικά εργαλεία για να βελτιώσουν ή ακόμα και να διαμορφώσουν αυτούς τους αρχικούς κανόνες.

Τα νευρωνικά δίκτυα είναι συλλογές «νευρώνων» και «συνάψεων» που αλλάζουν τις τιμές τους σε απόκριση σε εισόδους από τους περιβάλλοντες νευρώνες και συνάψεις. Το νευρωνικό δίκτυο λειτουργεί σαν υπολογιστής επειδή αντιστοιχίζει εισόδους σε εξόδους. Οι νευρώνες και οι συνάψεις μπορεί να είναι στοιχεία πυριτίου ή εξισώσεις σε λογισμικό που προσομοιώνουν τη συμπεριφορά τους. Ένας νευρώνας προσθέτει όλα τα εισερχόμενα σήματα από άλλους νευρώνες και στη συνέχεια εκπέμπει τη δική του απόκριση με τη μορφή ενός αριθμού. Τα σήματα ταξιδεύουν στις συνάψεις, οι οποίες έχουν αριθμητικές τιμές που σταθμίζουν τη ροή των νευρωνικών σημάτων.

Όταν νέα δεδομένα εισόδου ενεργοποιούν τους νευρώνες ενός δικτύου, οι συναπτικές τιμές μπορούν να αλλάξουν ελαφρώς. Ένα νευρωνικό δίκτυο «μαθαίνει» όταν αλλάζει την τιμή των συνάψεών του

Ανάλογα με τα διαθέσιμα δεδομένα, τα δίκτυα μπορούν να μάθουν μοτίβα με ή χωρίς επίβλεψη. Ένα εποπτευόμενο δίκτυο μαθαίνει με δοκιμή και λάθος, καθοδηγούμενο από έναν δάσκαλο. Ένας άνθρωπος μπορεί να επισημάνει πότε το δίκτυο έχει κάνει λάθος – πότε έχει εκπέμψει μια απόκριση που διαφέρει από την επιθυμητή έξοδο. Ο δάσκαλος θα διορθώσει τις απαντήσεις σε δείγματα δεδομένων μέχρι το δίκτυο να ανταποκριθεί σωστά σε κάθε είσοδο.

Τα εποπτευόμενα δίκτυα ρυθμίζουν τους κανόνες ενός ασαφούς συστήματος σαν να ήταν συνάψεις. Ο χρήστης παρέχει το πρώτο σύνολο κανόνων, το οποίο το νευρωνικό δίκτυο βελτιώνει εκτελώντας εκατοντάδες χιλιάδες εισόδους, μεταβάλλοντας ελαφρώς τα ασαφή σύνολα κάθε φορά για να δει πόσο καλά αποδίδει το σύστημα. Το δίκτυο τείνει να διατηρεί τις αλλαγές που βελτιώνουν την απόδοση και να αγνοεί τις άλλες.

Μια χούφτα προϊόντα στην Ιαπωνία χρησιμοποιούν πλέον εποπτευόμενη νευρωνική μάθηση για να ρυθμίσουν τους ασαφείς κανόνες που ελέγχουν τη λειτουργία τους. Μεταξύ αυτών είναι ο φούρνος μικροκυμάτων της Sanyo και αρκετές εταιρείες πλυντηρίων ρούχων. Η Sharp χρησιμοποιεί αυτήν την τεχνική για να τροποποιήσει τους κανόνες του ασαφούς ψυγείου της, έτσι ώστε η συσκευή να μαθαίνει πόσο συχνά είναι πιθανό να ανοίξει την πόρτα ο πεινασμένος πελάτης της και να προσαρμόζει ανάλογα τον κύκλο ψύξης. Μέχρι στιγμής, το νευρωνικό δίκτυο πρέπει να μαθαίνει “εκτός σύνδεσης” στο εργαστήριο, από μικρά δείγματα συμπεριφοράς από μέσους πελάτες. Με την πάροδο του χρόνου, ερευνητές σε ομάδες όπως το Ιαπωνικό Εργαστήριο Διεθνούς Ασαφούς Μηχανικής και το Ινστιτούτο Ασαφών Λογικών Συστημάτων ελπίζουν να κατασκευάσουν ασαφή συστήματα που θα προσαρμόζονται στις ανάγκες κάθε καταναλωτή.

Τα εποπτευόμενα δίκτυα έχουν μειονεκτήματα. Η ρύθμιση τέτοιων συστημάτων μπορεί να διαρκέσει ώρες ή ημέρες υπολογιστικού χρόνου, επειδή τα δίκτυα ενδέχεται να συγκλίνουν σε μια ακατάλληλη λύση ή κανόνα ή μπορεί να μην συγκλίνουν καθόλου. Οι νευρωνικοί ερευνητές έχουν προτείνει εκατοντάδες σχέδια για την αντιμετώπιση αυτού του προβλήματος, αλλά κανένα δεν το έχει εξαλείψει. Ακόμα και μετά από μια μακρά συνεδρία ρύθμισης, οι τελικοί κανόνες μπορεί να μην είναι πολύ καλύτεροι από το πρώτο σύνολο

Αντί να βασίζονται σε έναν ειδικό για την παροχή ενός συνόλου δεδομένων εκπαίδευσης και τη διόρθωση ενός δικτύου κατά τη διαδικασία μάθησης, τα μη επιβλεπόμενα νευρωνικά δίκτυα μαθαίνουν απλώς παρατηρώντας τις αποφάσεις ενός ειδικού. Με αυτόν τον τρόπο, ένα προσαρμοστικό ασαφές σύστημα μπορεί να μάθει να εντοπίζει μοτίβα κανόνων στα εισερχόμενα δεδομένα. Ευρείες ενημερώσεις κανόνων σχηματίζονται γρήγορα, με βάση λίγες εισόδους. Αυτές οι ενημερώσεις βελτιώνονται με την πάροδο του χρόνου.

Τα μη επιβλεπόμενα νευρωνικά δίκτυα ομαδοποιούν τυφλά τα δεδομένα σε ομάδες, τα μέλη των οποίων μοιάζουν μεταξύ τους. Μπορεί να μην υπάρχει δεδομένη σωστή ή λάθος απάντηση ή τρόπος οργάνωσης των δεδομένων. Οι αλγόριθμοι είναι απλούστεροι και, τουλάχιστον θεωρητικά, το δίκτυο χρειάζεται να επεξεργάζεται τα δεδομένα μόνο μία φορά. (Σε ορισμένες περιπτώσεις, όταν τα δεδομένα είναι αραιά, το νευρωνικό δίκτυο πρέπει να τα επεξεργάζεται επανειλημμένα.) Η μη επιβλεπόμενη μάθηση είναι επομένως πολύ πιο γρήγορη από την επιβλεπόμενη μάθηση. Με αριθμητικές εισόδους και εξόδους που παρέχονται από έναν ειδικό ή μια φυσική διαδικασία ή ακόμα και έναν αλγόριθμο, ένα μη επιβλεπόμενο νευρωνικό δίκτυο μπορεί να βρει το πρώτο σύνολο κανόνων για ένα ασαφές σύστημα. Η ποιότητα των κανόνων εξαρτάται από την ποιότητα των δεδομένων και, επομένως, τις δεξιότητες του ειδικού που τα παράγει. Σε αυτό το σημείο, υπάρχουν λιγότερα μη επιβλεπόμενα από τα επιβλεπόμενα προσαρμοστικά ασαφή συστήματα. Επειδή τα μη επιβλεπόμενα δίκτυα χρησιμοποιούνται καλύτερα για τη δημιουργία κανόνων και τα επιβλεπόμενα δίκτυα είναι καλύτερα στη βελτίωση τους, τα υβριδικά προσαρμοστικά ασαφή συστήματα περιλαμβάνουν και τα δύο.

Τα περισσότερα ασαφή συστήματα ήταν συστήματα ελέγχου με λίγες μεταβλητές. Αυτή η τάση προέκυψε επειδή οι περισσότεροι από τους πρώτους μηχανικούς ασαφούς λογικής ήταν θεωρητικοί ελέγχου και επειδή ένας βρόχος ελέγχου ρυθμίζει τα περισσότερα καταναλωτικά προϊόντα. Η πρόκληση για την επόμενη γενιά ασαφούς έρευνας θα είναι η αντιμετώπιση μεγάλης κλίμακας, μη γραμμικών συστημάτων με πολλές μεταβλητές. Αυτά τα προβλήματα μπορεί να προκύψουν όταν οι άνθρωποι προσπαθούν να επιβλέπουν εργοστάσια παραγωγής ή να προγραμματίζουν αεροπορικές πτήσεις ή να μοντελοποιούν την οικονομία. Κανένας ειδικός μπορεί να μην είναι σε θέση να περιγράψει τέτοια συστήματα. Η κοινή λογική μπορεί να αποτύχει ή να μην εφαρμοστεί. Τα νευρωνικά δίκτυα που πρέπει να μάθουν τους κανόνες για τη μοντελοποίηση αυτών των δύσκολων προβλημάτων μπορεί να έχουν λίγα ή καθόλου δεδομένα

Ένα περαιτέρω πρόβλημα είναι ότι, όπως κάθε άλλο μαθηματικό ή υπολογιστικό μοντέλο, η ασαφής λογική πέφτει θύμα της «κατάρας της διαστατικότητας»: ο αριθμός των ασαφών κανόνων τείνει να αυξάνεται εκθετικά καθώς αυξάνεται ο αριθμός των μεταβλητών του συστήματος. Τα ασαφή συστήματα πρέπει να αντιμετωπίσουν μια αντιστάθμιση. Τα μεγάλα μπαλώματα κανόνων σημαίνουν ότι το σύστημα είναι πιο διαχειρίσιμο αλλά και λιγότερο ακριβές.

Ακόμα και με αυτή την αντιστάθμιση, η ασαφής λογική μπορεί συχνά να μοντελοποιήσει καλύτερα την ασάφεια του κόσμου από ό,τι οι ασπρόμαυρες έννοιες της θεωρίας συνόλων. Για αυτόν τον λόγο, τα συστήματα ασαφούς λογικής μπορεί κάλλιστα να βρουν τον δρόμο τους σε έναν συνεχώς αυξανόμενο αριθμό υπολογιστών, οικιακών συσκευών και θεωρητικών μοντέλων. Ο επόμενος αιώνας μπορεί να είναι πιο ασαφής από ό,τι νομίζουμε.