Нечёткая логика

Когда человек становится «высоким»? При росте 180 см? А 179.9 см - уже не высокий? Классическая логика требует провести чёткую границу там, где её нет в природе. Нечёткая логика позволяет сказать: «высокий на 70%» - и это математически точно.

• **Стиральные машины**: нечёткие контроллеры определяют количество воды и время стирки по «степени загрязнённости» — не бинарно, а градуально
• **Метро Сендай (Япония)**: первое в мире метро с нечётким управлением — плавное торможение, экономия энергии, комфорт пассажиров
• **Автофокус камер**: определение «резкости» — нечёткое понятие, и алгоритмы используют fuzzy logic для плавной настройки

Нечёткая логика

**Нечёткая логика** (Fuzzy Logic) - расширение классической логики, где истинностные значения могут быть **любым числом от 0 до 1**, а не только 0 или 1. Это позволяет моделировать понятия с размытыми границами.

Создатель - Лотфи Заде (1965). Изначально встретила сопротивление, но революционизировала управление сложными системами: от стиральных машин до метро.

Классическая vs нечёткая логика:

Нечёткая логика не заменяет классическую - она расширяет её для случаев, когда чёткие границы неестественны. «Человек ростом 179.9 см не высокий, а 180.0 см - высокий» звучит абсурдно. Нечёткая логика устраняет этот разрыв.

Степени истинности

В нечёткой логике каждое высказывание имеет **степень истинности** μ ∈ [0, 1]. Классические связки переопределяются для работы со степенями:

Интуиция за определениями:

Существуют альтернативные t-нормы (для AND) и t-конормы (для OR). Min/max - стандартные, но продукт μ(A) × μ(B) тоже популярен.

Неопределённость и размытость

**Неопределённость (vagueness)** - фундаментальное свойство естественного языка. Многие понятия не имеют чётких границ: «молодой», «высокий», «тёплый», «быстрый». Нечёткая логика моделирует именно эту размытость.

Нечёткость ≠ вероятность! Вероятность 0.5 означает «не знаю, какое из двух». Степень истинности 0.5 означает «частично истинно и частично ложно одновременно».

Классический пример - парадокс кучи (sorites):

Нечёткие множества

**Нечёткое множество** - обобщение классического множества, где принадлежность элемента может быть частичной. Вместо «x ∈ A или x ∉ A» мы говорим «x принадлежит A со степенью μ_A(x)».

Операции над нечёткими множествами:

Нечёткие множества - основа **нечётких контроллеров**: правила вида «ЕСЛИ температура ВЫСОКАЯ И давление НОРМАЛЬНОЕ, ТО открыть клапан СИЛЬНО» работают с нечёткими множествами и дают плавное управление.

Применение в реальных системах:

Ключевые идеи

• **Степень истинности μ ∈ [0, 1]** — обобщение булевых значений для понятий с размытыми границами
• **NOT**: μ(¬A) = 1 - μ(A); **AND**: min; **OR**: max — стандартные операции нечёткой логики
• **Нечёткие множества**: принадлежность элемента — число от 0 до 1, а не бинарный факт
• **Нечёткость ≠ вероятность**: нечёткость — про природу понятия, вероятность — про незнание факта

Связанные темы

Нечёткая логика связана с другими расширениями классической логики:

• Таблицы истинности — Нечёткая логика обобщает булевы таблицы на непрерывные значения
• Парадокс кучи (sorites) — Классический мотивирующий пример для нечёткой логики

Вопросы для размышления

• Можно ли измерить «красоту» или «справедливость» с помощью нечётких множеств? Какие проблемы возникают?
• Почему min/max — естественный выбор для AND/OR? Можете ли вы придумать ситуацию, где продукт был бы лучше?
• Если A «почти истинно» (μ = 0.99), а ¬A «почти ложно» (μ = 0.01), должно ли A ∧ ¬A быть близко к 0? В нечёткой логике min(0.99, 0.01) = 0.01 — это соответствует интуиции?

Связанные уроки

• ml-01