¿Cómo se puede usar la lógica difusa para crear IA?

La lógica difusa es la lógica donde cada declaración puede tener cualquier valor de verdad real entre 0 y 1.

¿Cómo se puede usar la lógica difusa para crear IA? ¿Es útil para ciertos problemas de decisión que involucran múltiples entradas? ¿Puedes dar un ejemplo de una IA que lo usa?

Un ejemplo clásico de lógica difusa en una IA es el sistema experto Mycin.

La lógica difusa se puede utilizar para lidiar con las probabilidades e incertidumbres.

Si uno mira, por ejemplo, la lógica de predicados, entonces cada declaración es verdadera o falsa. En realidad, no tenemos esta certeza matemática.

Por ejemplo, supongamos que un médico (o sistema experto) ve un síntoma que puede atribuirse a algunas enfermedades diferentes (por ejemplo, A, B y C). El médico ahora atribuirá una mayor probabilidad a la posibilidad de que el paciente tenga cualquiera de estas tres enfermedades. No hay una afirmación verdadera o falsa definida, pero hay un cambio de peso. Esto puede reflejarse en la lógica difusa, pero no tan fácilmente en la lógica simbólica.

Mi impresión es que la lógica difusa ha disminuido principalmente en relevancia y la lógica probabilística se ha apoderado de su nicho. (Vea la comparación en Wikipedia .) Los dos están algo profundamente relacionados, por lo que es principalmente un cambio de perspectiva y lenguaje.

Es decir, la lógica difusa se aplica principalmente a las etiquetas que tienen rangos inciertos . Un objeto que es genial pero no demasiado frío podría describirse como frío o cálido, y la lógica difusa maneja esto asignando un valor de verdad fraccional a las etiquetas 'frío' y 'cálido' y ninguna verdad a la etiqueta 'caliente'.

La lógica probabilística se centra más en la probabilidad de algún hecho dadas algunas observaciones, y se centra profundamente en la incertidumbre de las observaciones. Cuando miramos un correo electrónico, rastreamos nuestra creencia de que el correo electrónico es "spam" y no debe mostrarse al usuario con algún número, y ajustamos ese número a medida que vemos evidencia a favor y en contra de que es spam.