هوش مصنوعی

منطق فازی (Fuzzy Logic) در هوش مصنوعی

پیشینه منطق فازی

تئوري مجموعه‌هاي فازي و منطق فازي را اولين بار پرفسور لطفي‌زاده  در رساله‌اي به نام «مجموعه‌هاي فازي ، اطلاعات و كنترل» در سال 1965 معرفي نمود. هدف اوليه او در آن زمان، توسعه مدلي كارآمدتر براي توصيف فرآيند پردازش زبان‌هاي طبيعي بود. او مفاهيم و اصلاحاتي همچون مجموعه‌هاي فازي، رويدادهاي فازي، اعداد فازي و فازي‌سازي را وارد علوم رياضيات و مهندسي نمود. از آن زمان تاكنون، پرفسور لطفي زاده به دليل معرفي نظريه بديع و سودمند منطق فازي و تلاش‌هايش در اين زمينه، موفق به كسب جوايز بين‌المللي متعددي شده است.

پس از معرفي منطق فازي به دنياي علم، در ابتدا مقاومت‌هاي بسياري دربرابر پذيرش اين نظريه صورت گرفت . بخشي از اين مقاومت‌ها، چنان كه ذكر شد، ناشي از برداشت‌هاي نادرست از منطق فازي و كارايي آن بود. جالب اين‌كه، منطق فازي در سال‌هاي نخست تولدش بيشتر در دنياي مشرق زمين، به‌ويژه كشور ژاپن با استقبال روبه‌رو شد، اما استيلاي انديشه كلاسيك صفر و يك در كشورهاي مغرب زمين، اجازه رشد اندكي به اين نظريه داد. با اين حال به تدريج كه اين علم كاربردهايي پيدا كرد و وسايل الكترونيكي و ديجيتالي جديدي وارد بازار شدند كه بر اساس منطق فازي كارمي‌كردند، مخالفت‌ها نيز اندك اندك كاهش يافتند.

در ژاپن استقبال از منطق فازي، عمدتاً به كاربرد آن در روباتيك و هوش مصنوعي مربوط مي‌شود. موضوعي كه يكي از نيروهاي اصلي پيش‌برندهِ اين علم طي چهل سال گذشته بوده است. در حقيقت مي‌توان گفت بخش بزرگي از تاريخچه دانش هوش مصنوعي، با تاريخچه منطق فازي همراه و هم‌داستان است.

مجموعه‌هاي فازي

بنياد منطق فازي بر شالوده نظريه مجموعه‌هاي فازي استوار است. اين نظريه تعميمي از نظريه كلاسيك مجموعه‌ها در علم رياضيات است. در تئوري كلاسيك مجموعه‌ها، يك عنصر، يا عضو مجموعه است يا نيست. در حقيقت عضويت عناصر از يك الگوي صفر و يك و باينري تبعيت مي‌كند. اما تئوري مجموعه‌هاي فازي اين مفهوم را بسط مي‌دهد و عضويت درجه‌بندي شده را مطرح مي‌كند. به اين ترتيب كه يك عنصر مي‌تواند تا درجاتي – و نه كاملاً – عضو يك مجموعه باشد. مثلاً اين جمله كه «آقاي الف به اندازه هفتاددرصد عضو جامعه بزرگسالان است»از ديد تئوري مجموعه‌هاي فازي صحيح است. در اين تئوري، عضويت اعضاي مجموعه از طريق تابع (u‌(x مشخص مي‌شود كه x نمايانگر يك عضو مشخص و u تابعي فازي است كه درجه عضويت ‌x در مجموعه مربوطه را تعيين مي‌كند و مقدار آن بين صفر و يك است (فرمول 1).

هوش مصنوعی

به بيان ديگر، (‌u‌(x نگاشتي از مقادير x به مقادير عددي ممكن بين صفرويك را مي‌سازد. تابع (‌u‌(x ممكن است مجموعه‌اي از مقادير گسسته (Discrete) يا پيوسته باشد. وقتي كه  u  فقط تعدادي از مقادير گسسته بين صفر و يك را تشكيل مي‌دهد، مثلاً ممكن است شامل اعداد 3/0 و 5/0 و 7/0 و 9/0 و صفر و يك باشد. اما وقتي مجموعه مقاديرu  پيوسته باشند، يك منحني پيوسته از اعداد اعشاري بين صفر و يك تشكيل مي‌شود.

شكل 2 نموداري از نگاشت پيوسته مقادير x به مقادير (‌u‌(x را نشان مي‌دهد. تابع(‌u‌(x در اين نمودار مي‌تواند قانون عضويت در يك مجموعه فازي فرضي را تعريف كند.

هوش مصنوعی

تفاوت ميان نظريه احتمالات و منطق فازي

يكي از مباحث مهم در منطق فازي، تميزدادن آن از نظريه احتمالات در علم رياضيات است. غالباً نظريه فازي با نظريه احتمالات اشتباه مي‌شود. در حالي كه اين دو مفهوم كاملاً با يكديگر متفاوتند. اين موضوع به قدري مهم است كه حتي برخي از دانشمندان بزرگ علم رياضيات در دنيا – به‌ويژه كشورهاي غربي – درمورد آن با يكديگر بحث دارند و جالب آن كه هنوز هم رياضيداناني وجود دارند كه با منطق فازي مخالفند و آن را يك سوء تعبير از نظريه احتمالات تفسير مي‌كنند.
از نگاه اين رياضيدانان، منطق فازي چيزي نيست جز يك برداشت نادرست از نظريه احتمالات كه به گونه‌اي غيرقابل قبول،مقاديرواندازه‌گيري‌هاي نادقيق را واردعلوم رياضيات ،مهندسي وكنترل كرده است.بعضي نيزمانندBruno de Finetti معتقدند فقط يك نوع توصيف از مفهوم عدم‌قطعيت در علم رياضيات كافي است و چون علم آمار و احتمالات وجود دارد، نيازي به مراجعه به منطق فازي نيست.

با اين حال، اكثريت طرفداران نظريه منطق فازي، كارشناسان و متخصصاني هستند كه به طور مستقيم يا غيرمستقيم با علم مهندسي كنترل سروكار دارند. حتي تعدادي از پيروان منطق فازي همچون بارت كاسكو تا آنجا پيش مي‌روند كه احتمالات را شاخه و زيرمجموعه‌اي از منطق فازي مي‌نامند.

توضيح تفاوت ميان اين دو نظريه البته كار چندان دشواري نيست. منطق فازي با حقايق نادقيق سروكار دارد و به حدود و درجات يك واقعيت اشاره دارد؛ حال آن‌كه نظريه احتمالات بر شالوده مجموعه حالات تصادفيِ يك پديده استوار است و درباره شانس وقوع يك حالت خاص صحبت مي‌كند؛ حالتي كه وقتي اتفاق بيفتد، دقيق فرض مي‌شود. ذكر يك مثال مي‌تواند موضوع را روشن كند. فرض كنيد در حال رانندگي در يك خيابان هستيد. اتفاقاً متوجه مي‌شويد كه كودكي در اتومبيل ديگري كه به موازات شما در حال حركت است، نشسته و سر و يك دست خود را از پنجره ماشين بيرون آورده و در حال بازي‌گوشي است. اين وضعيت واقعي است و نمي‌توان گفت احتمال اين‌كه بدن اين كودك بيرون اتومبيل باشد، چقدر است.

چون بدن او واقعاً بيرون ماشين است، با اين توضيح كه بدن او كاملاً بيرون نيست، بلكه فقط بخشي از بدن او در خارج اتومبيل قرارگرفته است. تئوري احتمالات در اينجا كاربردي ندارد. چون ما نمي‌توانيم از احتمال خارج بودن بدن كودك از ماشين صحبت كنيم؛ زيرا آشكارا فرض غلطي است. اما مي‌توانيم از احتمال وقوع حادثه‌ صحبت كنيم. مثلاً هرچه بدن كودك بيشتر بيرون باشد، احتمال اين‌كه در اثر برخورد با بدنه يك اتومبيل در حال حركت دچار آسيب شود، بيشتر مي‌شود. اين حادثه هنوز اتفاق نيفتاده است، ولي مي‌توانيم از احتمال وقوع آن صحبت كنيم. اما بيرون بودن تن كودك از ماشين همين حالا به واقعيت تبديل شده است و فقط مي‌توانيم از ميزان و درجات آن صحبت كنيم.

تفاوت ظريف و در عين حال پررنگي ميان نظريه احتمالات و نظريه فازي وجود دارد كه اگر دقت نكنيم، دچار اشتباه مي‌شويم؛ زيرا اين دو نظريه معمولاً در كنار يكديگر و در مورد اشياي مختلف همزمان مصداق‌هايي پيدا مي‌كنند. هنگامي كه به يك پديده مي‌نگريم، نوع نگاه ما به آن پديده مي‌تواند تعيين كند كه بايد درباره احتمالات صحبت كنيم يا منطق فازي. در مثال فوق موضوع دغدغه ما كودكي است كه در حال بازي گوشي است. اما يك وقت نگران اين هستيم كه تا چه اندازه خطر او را تهديد مي‌كند. خطري كه هنوز به وقوع نپيوسته است. يك وقت هم ممكن است نگران باشيم كه بدن او چقدر بيرون پنجره است. واقعيتي كه هم‌اكنون به وقوع پيوسته است.

يك ديدگاه درباره علت بحث و جدل علمي ميان دانشمندان اين است كه برخي از رياضيدانان اتكا به علم آمار و احتمال را كافي مي‌دانند و نظريه فازي را يك برداشت غيركارآمد از جهان درباره ما تلقي مي‌كنند. به عنوان مثال، اگر به مورد كودك و اتومبيل مراجعه كنيم، اين پرسش مطرح مي‌شود كه اگر نگراني و دغدغه نهايي ما احتمال وقوع حادثه است، ديگر چه نيازي به اين است كه ما درباره درجات «بيرون بودن تن كودك از اتومبيل» صحبت كنيم؟

بحث درباره ابعاد فلسفي منطق فازي بسيار شيرين و البته گسترده است. متأسفانه مجال براي طرح گستردهِ ابعاد فلسفي منطق فازي در اين مقاله وجود ندارد. از اين رو اگر مايل به مطالعه بيشتر در اين زمينه هستيد، كتاب بسياري خواندني “تفكر فازي” را كه در پي‌نوشت دوم انتهاي مقاله معرفي كرده‌ام، توصيه مي‌كنم.

از شما دوستان عزیز که این مطلب آموزشی را دنبال نموده اید تشکر می کنیم و شما را دعوت میکنیم که برای فراگیری هوش مصنوعی مطالب ما را دنبال کنید.این مطالب برای افزایش دانش شما در سایت قرار داده شده و کمک زیادی در یادگیری شما در انجام پروژه هوش مصنوعی خواهد نمود.

فریلنسر هستم و مهارت انجام پروژه ای را دارم!

اگر شما فریلنسر هستید و توانایی انجام پروژه ای را در یک رشته یا حوزه ای خاص دارید برای فعالیت در سایت کافه پروژه و کسب درآمد می توانید در سایت ثبت نام کنید و پروژه هایی با مهارت انتخاب خود را مشاهده کنید.جهت ثبت نام و ثبت رزومه خود در سایت از طریق دکمه پایین صفحه در سایت عضو شوید:

نحوه سفارش پروژه در سایت کافه پروژه :

اگر پروژه ای دارید که میخواهید آن را برون سپاری کنید کافی است در سایت کافه پروژه ثبت نام کنید و پروژه خود را ثبت نمایید.پروژه شما هر چه که باشد حتما مجری برای آن وجود دارد.جهت ثبت نام و ثبت سفارش پروژه خود برروی دکمه زیر کلیک نمایید.

بدون دیدگاه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *