Logic mờ là logic trong đó mọi câu lệnh có thể có bất kỳ giá trị thật nào trong khoảng từ 0 đến 1.
Làm thế nào logic mờ có thể được sử dụng trong việc tạo ra AI? Có hữu ích cho các vấn đề quyết định nhất định liên quan đến nhiều đầu vào? Bạn có thể đưa ra một ví dụ về một AI sử dụng nó?
Câu trả lời:
Một ví dụ cổ điển về logic mờ trong AI là hệ thống chuyên gia Mycin.
Logic mờ có thể được sử dụng để đối phó với xác suất và sự không chắc chắn.
Nếu một người nhìn vào, ví dụ, logic vị ngữ, thì mọi câu lệnh đều đúng hoặc sai. Trong thực tế, chúng ta không có sự chắc chắn về mặt toán học này.
Ví dụ: giả sử một bác sĩ (hoặc hệ thống chuyên gia) nhìn thấy một triệu chứng có thể được quy cho một số bệnh khác nhau (nói A, B và C). Bây giờ các bác sĩ sẽ quy khả năng cao hơn là khả năng bệnh nhân mắc bất kỳ bệnh nào trong ba bệnh này. Không có tuyên bố đúng hoặc sai, nhưng có sự thay đổi về trọng số. Điều này có thể được phản ánh trong logic mờ, nhưng không dễ dàng trong logic biểu tượng.
Ấn tượng của tôi là logic mờ hầu như đã giảm liên quan và logic xác suất đã chiếm lĩnh thị trường của nó. (Xem phần so sánh trên Wikipedia .) Cả hai có liên quan sâu sắc với nhau, và do đó, nó chủ yếu là một sự thay đổi về quan điểm và ngôn ngữ.
Đó là, logic mờ chủ yếu áp dụng cho các nhãn có phạm vi không chắc chắn . Một đối tượng mát mẻ nhưng không quá mát mẻ có thể được mô tả là lạnh hoặc ấm và logic mờ xử lý điều này bằng cách gán một số giá trị chân lý phân đoạn cho nhãn 'lạnh' và 'ấm' và không có sự thật cho nhãn 'nóng'.
Logic xác suất tập trung nhiều hơn vào xác suất của một số thực tế được đưa ra một số quan sát, và tập trung sâu vào sự không chắc chắn của các quan sát. Khi chúng tôi xem email, chúng tôi theo dõi niềm tin của mình rằng email là "thư rác" và không nên hiển thị cho người dùng với một số số và điều chỉnh số đó khi chúng tôi thấy bằng chứng và chống lại đó là thư rác.