Fuzzy logika: Porovnání verzí

[[Soubor:Fuzzy logic temperature cs.svg|thumbnáhled|Aplikace fuzzy logiky na měření teploty umožňuje používat pojmy jako „studená voda“, „teplá voda“, „horká voda“, které nemají striktní hranice]]

Motivace vzniku fuzzy množin a návazně fuzzy logiky, byla vytvořit nástroj, který by byl mostem mezi dvěma typy znalostí, mezi nimiž je propast. Pro vysvětlení si z hesla [[Vágnost]] uvedeného zde na Wikipedii vypůjčíme odstavec:

Mezi znalostmi získanými přirozeným poznáním a znalostmi získanými poznáním metodou exaktních věd, je ''kvalitativní propast''. V prvém případě se na svět díváme filtrem vágnosti, v druhém případě filtrem „dírkovaným“, dírkami „vidíme“ atributy (měřitelné veličiny a parametry) - elementární manifestace reálného světa a vztahy mezi nimi, a nic jiného. Newton ''„digitalizoval“'' přirozený vágní pohled člověka na reálný svět. Inherentně vágní znalosti získané přirozeným poznáním lze sdělovat (reprezentovat, popsat) jen a jen neformálním jazykem, nejčastěji přirozeným. Znalosti získané umělým poznáním lze reprezentovat umělým formálním jazykem (matematika, logika, programovací jazyky).

Jedná se o to, jak inherentně vágní výroky přirozeného jazyka, převést do formálního jazyka, jímž v tomto případě je fuzzy logika a překonat tak onu výše uvedenou propast. <ref> Křemen, J.: ''Modely a systémy'' </ref>, <ref> Křemen, J.: '' Nový pohled na možnosti automatizovaného (počítačového) odvozování.'' </ref>. Jelikož vágnost přirozeného jazyka je především vnitřní, (pro příjemce utajená, může ji jen odhadovat) a to i u kvantifikátorů, a vnitřní vágnost umělého formálního jazyka musí být vždy nulová, je třeba původní vnitřní vágnost odstranit a převést ji na vnější vágnost, kterou je umělý formální jazyk fuzzy množin a fuzzy logiky schopen reprezentovat. Znamená to vyzpovídat člověka, případně skupinu lidí tak, aby se shodli např. na tom, co pro ně fuzzy kvantitativně vyjádřeno, znamená příjemně teplá voda, spíš vyšší strom, nebo nepříliš chytrý člověk. Původní vágní chápání vyjádřené přirozeným jazykem se převádí na fuzzy hodnoty, které je pak možno dávat do souvislostí popsaných fuzzy operacemi fuzzy logiky. Převod z přirozeného jazyka do umělého formálního jazyka fuzzy logiky je vágní, tedy poznamenán nejistotou, neboť významy jazykových konstrukcí přirozeného jazyka jsou každým člověkem přiřazovány prostřednictvím emotivní, subjektivní a vágní [[konotace]], měnící se od člověka k člověku, ale pro každého i v čase. Sebe sofistikovanější vyzpovídání respondentů nezaručí nulovou neurčitost onoho převodu z přirozeného jazyka do umělého formálního jazyka fuzzy množin a fuzzy logiky. Platí zde to, co jsme řekli v heslech Wikipedie [[Vágnost]] a [[Exaktní věda]], a to: požadujeme-li exaktní poznatky zapsatelné umělým formálním jazykem, je nutno začít exaktním Newtonovým umělým poznáním. Nelze inherentně vágní znalosti získané přirozeným lidským poznáním, kde je filtrem poznáním vágnost, dodatečně převést na exaktní znalosti, tedy zbavit je vnitřní vágnosti, a tak dodatečně zkvalitnit informaci.

Fuzzy logika postupně nalezla i jiná použití, na příklad v automatickém řízení.

Funkce příslušnosti ve fuzzy logice přiřazuje příslušnost k množinám v rozmezí od 0 do 1, včetně obou hraničních hodnot. Fuzzy logika tak umožňuje matematicky vyjádřit pojmy jako „trochu“, „dost“ nebo „hodně“ apod. Přesněji, umožňuje vyjádřit částečnou příslušnost k množině. Fuzzy logika používá stupeň příslušnosti (míru pravdivosti) jako matematický model [[Vágnost|''vágnosti'']], zatímco pravděpodobnost je matematický model ''neznalosti''. Je nutno říci, že fuzzy logika může modelovat pouze sdělitelnou ''vnější vágnost'', na rozdíl od ''vnitřní vágnosti'' vyskytující se v konotaci (vágní, subjektivní a emocionálně zabarvené interpretaci) jazykové konstrukce. Fuzzy logika, jako každý formální systém, přísně vyžaduje exaktní interpretaci všech použitých jazykových konstrukcí systému, tedy nulovou vnitřní vágnost, jinak tedy nulový [[sémantický diferenciál]] této interpretace.

* {{Commonscat|Fuzzy logic}}