什么是模糊逻辑？

我是AI的新手，我想简单地说一下，什么是模糊逻辑概念？它有什么帮助？何时使用？

随着复杂性的增加，精确的陈述失去意义，有意义的陈述失去准确性。（Lofti Zadeh）。

模糊逻辑处理的是近似而不是固定和精确的推理。这可能使推理对人类更有意义：

模糊逻辑是Lotfi Zadeh在1965年根据模糊集的数学理论对布尔逻辑的扩展，它是对经典集合论的概括。通过在条件验证中引入程度的概念，从而使条件处于非真或假状态，模糊逻辑为推理提供了非常有价值的灵活性，这使得可以考虑不准确性和不确定性。

为了使人类推理形式化，模糊逻辑的一个优点是规则是用自然语言设置的。例如，假设驾驶员不想失去驾驶执照，可遵循以下行为准则：

直观地，因此看起来像本示例中的输入变量被大脑近似地理解，例如模糊逻辑中条件的验证程度。

我已经对模糊逻辑做了简短的介绍，其中有更多细节，但是应该很容易理解。

模糊逻辑基于常规布尔逻辑。布尔逻辑表示您正在使用true或false的真值（如果愿意，则使用1或0）。模糊逻辑是一样的，除了您可以使用介于true和false之间的真值，也就是说，您正在使用0（含）和1（含）之间的任何数字。您可以拥有“部分正确和部分错误”的真值的事实是单词“ fuzzy”的来源。自然语言经常使用模糊逻辑，例如“那个气球是红色的”，这意味着气球可以是任何与红色足够相似的颜色，或者是“淋浴很温暖”。这是一个粗略的图表，说明如何用模糊逻辑（“ y轴是真实值，x轴是温度”）来表示“淋浴间的温度是温暖的”：

模糊逻辑可以应用于布尔运算，例如和，或，和not。注意，可以用不同的方式定义模糊逻辑运算。一种方法是使用min和max函数，它们返回分别输入的两个值中的最小和最大值。可以这样工作：

A and B = min(A,B)
A or B  = max(A,B)
not A   = 1-A
(where A and B are real values from 0 (inclusive) to 1 (inclusive))

当这样定义时，它们称为Zadeh运算符。

另一种方法是，以限定并作为第一个参数倍的第二个参数，这产生不同的输出，对于相同的输入作为扎德和运算符（min(0.5,0.5)=0.5, 0.5*0.5=0.25）。然后，基于和而不是其他运算符。可以这样工作：

A and B = A*B
not A = 1-A
A or B = not ((not A) and (not B)) = 1-((1-A)*(1-B)) = 1-(1-A)*(1-B)
(where A and B are real values from 0 (inclusive) to 1 (inclusive))

然后，您可以使用三个“基本模糊逻辑运算”来构建所有其他“模糊逻辑运算”，就像您可以使用三个“基本布尔运算”来构建所有其他“布尔逻辑运算”一样。

来源： 模糊逻辑维基百科， 布尔代数维基百科， Youtube上模糊逻辑的解释

注意：如果有人可以在评论中建议一些更可靠的信息源，我会很乐意将它们添加到列表中（我知道当前的信息不太可靠）。

编辑：我的坏，我迷茫不同的方式来定义不同的模糊逻辑运营商是不同的定义相同的模糊逻辑运算符。

它类似于模拟与数字，或黑白之间的许多灰色阴影：当评估结果的真实性时，在二进制布尔值中，它是对还是错（0或1），但是当使用模糊逻辑时，它是一个估计值介于0和1之间的概率（例如0.75可能是正确的）。当不一定需要所有所需信息时，它对于做出经过计算的决策很有用。

维基百科对此有一个很棒的页面。

它是基于概率和统计进行推论的，就像人类一直在做决定一样。我们永远不会百分百地确定我们做出的决定是正确的决定，但始终存在一些疑问。Ai肯定需要以某种形式使用它。

为什么有用？

我们不确定很多事情。我们估计并且经常不确定，但几乎永远不会100％确定。这似乎是一个弱点，但是由于这种模糊的方法，我们可以在这个复杂的世界中运行，甚至表现得很聪明。因此，这是一种简化事情的方法。它为您提供了一些余地，可以适当地填补空白，例如，适应稍微变化的情况。PS：在自然语言中，我们用定量的术语来表达这一点，例如，更多，更少，接近，相当，巨大等等。但是对我们来说很难量化。