Fuzzy logika: Porovnání verzí

Smazaný obsah Přidaný obsah
Robot: Opravuji 1 zdrojů and označuji 0 zdrojů jako nefunkční #IABot (v2.0beta15)
Kremen (diskuse | příspěvky)
m Odstavec Motivace vzniku jsem doplnil o několik podrobnodtí a dva prameny.
Řádek 12:
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“ [[atribut|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).
 
'''Zadehova idea:'''
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>{{Citace monografie
 
A basic difference between perception and measurement is that, in general, measurements are crisp whereas perceptions are fuzzy. In a fundamental way, this is the reason why to deal with perceptions it is necessary to employ a logical system that is fuzzy rather than crisp<ref>L. A. Zadeh: From Computing with Numbers to Computing with Words – From Manipulation of Measurements to Manipulation of Perceptions. In: Fuzzy Control. Theory and Practice. (Editors: R. Hampel, M. Wagenknecht, N. Chaker). Springer – Verlag Berlin Heidelberg GMBH – 2013. </ref>.
 
Což lze česky vyjádřit:
 
Základní rozdíl mezi percepcí ([[vnímání|vnímáním]]) a měřením je ten, že obecně vzato měření je ostré, zatímco percepce je fuzzy. V podstatě je to důvod, proč při zacházení s percepcí je nutné použít logický systém, který je spíš fuzzy než ostrý.
 
L. A. Zadeh přichází s myšlenkou, (ostrou) dvouhodnotovou (0 - 1, nebo též ANO – NE) formální logiku, rozšířit o nástroj popisu neurčitosti, tak, že ji jistým způsobem přetvoří na vícehodnotovou logiku se spojitým přechodem mezi hodnotami ANO - NE. Každá formální logika ([[matematická logika]]), a tak i fuzzy logika je postavena jako [[exaktní]] [[věda]], její jazyk je umělý [[formální jazyk]] s exaktní interpretací, a jinou mít nesmí. Formální jazyk je schopen popisovat pouze entity exaktního světa, což konstrukty přirozeného jazyka s vágní, subjektivní a emocionální interpretací (říkáme jí [[konotace]]) nejsou. L. A. Zadeh tedy usiluje o to, překročit nepřekročitelnou propast mezi exaktním světem (matematika, formální logiky, programovací jazyky ....) s vyloučenou (zakázanou) vnitřní [[vágnost|vágností]] interpretace všech použitých jazykových konstruktů, a lidskou psýchou postavenou na inherentní (vnitřní - vnitropsychické) vágnosti veškeré získávané a zpracovávané informace.
 
Jedná se mu 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>{{Citace monografie
| příjmení = Křemen
| jméno = Jaromír
Řádek 41 ⟶ 51:
| datum archivace = 2015-05-18
| nedostupné = ano
}}</ref> Jelikož vágnost přirozeného jazyka je především vnitřní, (pro příjemcedruhého člověka utajená, může ji jen odhadovat) a to i u kvantifikátorů (např. neurčitých: SNAD, PŘIBLIŽNĚ, NĚKOLIK...), 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<ref> Osgood C. E, Suci G., Tannenbaum P.: The Measurement of Meaning. Urbana, Illinois, University of Illinois Press, 1957 </ref>. 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.
 
Pro některé zájemce o fuzzy logiku, co se smíří s nepřesnými a v experimentu (vyzpovídání) neopakovatelnými daty, může být Zadehova myšlenka přijatelná, pro jiné s přísnějšími požadavky nikoli, a mohou ji považovat za mylnou. V každém případě však fuzzy logika, jako taková, má řadu jiných úspěšných použití, neboť každý nástroj jazyka umožňující rozšířit ho o schopnost reprezentovat neurčitost, rozšiřuje jeho vyjadřovací sílu, tedy schopnost vypovídat o entitách, bez neurčitosti nedosažitelných viz též [[Jazyk (lingvistika)]], [[Věda]]. Fuzzy logika též možňuje modelovat procesy s neurčitostí např. v tak důležitém exaktním oboru, jako je [[automatické řízení]]. Fuzzy logika nakonec dobře slouží jiným účelům, než pro které vznikla. Je efektivní variantou ke stochastickým nástrojům pro reprezentaci neurčitosti.
Fuzzy logika postupně nalezla i jiná použití, na příklad v automatickém řízení.
 
== Stupeň příslušnosti ==