المنطق الضبابي

المفاهيم الأساسية

يعمل المنطق الضبابي على عدة مبادئ رئيسية تميزه عن المنطق الثنائي الهش:

• المجموعات الضبابية: على عكس المجموعات الكلاسيكية حيث ينتمي العنصر أو لا ينتمي، فإن العناصر في المجموعات الضبابية لها درجة عضوية تتراوح عادةً من 0 إلى 1. على سبيل المثال، يمكن اعتبار درجة الحرارة "دافئة" بدرجة عضوية 0.7.
• المتغيرات اللغوية: وهي المتغيرات التي تكون قيمها عبارة عن كلمات أو جمل بلغة طبيعية، بدلاً من القيم العددية. ومن الأمثلة على ذلك "درجة الحرارة" بقيم محتملة مثل "بارد" و"دافئ" و"ساخن".
• دوال العضوية: تحدد هذه الدوال كيفية تعيين كل نقطة في فضاء المدخلات إلى قيمة عضوية (أو درجة عضوية) بين 0 و1. وهي تحدد المتغيرات اللغوية. تتضمن الأشكال الشائعة الأشكال المثلثية وشبه المنحرفة والجاوسية.
• القواعد الضبابية: يتم التعبير عنها عادةً على شكل عبارات IF-THEN، مثل "إذا كانت درجة الحرارة باردة جدًا، فإن سرعة المروحة منخفضة". وتشكل هذه القواعد أساس نظام الاستدلال الضبابي، حيث تجسد معرفة الخبراء أو سلوك النظام المطلوب. يمكنك العثور على المزيد حول الأنظمة القائمة على القواعد في الذكاء الاصطناعي على منصات مثل IBM Developer.

كيف تعمل أنظمة المنطق الضبابي

يتضمن نظام المنطق الضبابي النموذجي ثلاث مراحل رئيسية:

1. التحويل الضبابي: يتم تحويل قيم المدخلات الهشة (العددية) إلى قيم ضبابية من خلال تحديد الدرجة التي تنتمي إليها كل مجموعة ضبابية مناسبة باستخدام دوال العضوية. على سبيل المثال، قد يتم تشويش درجة حرارة المدخلات التي تبلغ 22 درجة مئوية إلى درجة 0.8 ل "دافئة" و 0.2 ل "باردة".
2. محرك الاستدلال: يتم تطبيق القواعد الضبابية على المدخلات الضبابية لإنتاج قيم مخرجات ضبابية. ويتضمن ذلك تقييم الجزء IF من القواعد وتحديد الجزء THEN المقابل بناءً على درجات العضوية. وهذا يحاكي عملية اتخاذ القرارات البشرية بناءً على معلومات غير دقيقة.
3. إزالة الضبابية: يتم تحويل المخرجات الضبابية من محرك الاستدلال إلى قيمة واحدة (رقمية) هشّة يمكن استخدامها للتحكم في النظام أو اتخاذ قرار. توجد طرق مختلفة لإزالة الضبابية مثل سنترويد أو متوسط الحد الأقصى.

الملاءمة في الذكاء الاصطناعي والتعلم الآلي

في حين أنه يختلف عن تقنيات التعلم الآلي السائدة مثل التعلم العميق (DL) التي تتعلم الأنماط من كميات هائلة من البيانات، يقدم المنطق الضبابي طريقة قوية لدمج المعرفة البشرية الخبيرة والتعامل مع الغموض المتأصل في الأنظمة المعقدة. وهو يتفوق في تطبيقات التحكم ودعم القرار حيث تكون المدخلات غير دقيقة أو نوعية. وعلى عكس نظرية الاحتمالات التي تتعامل مع احتمالية وقوع الأحداث، يتعامل المنطق الضبابي مع درجة صحة شيء ما أو انتمائه إلى مجموعة ما. هناك المزيد من المناقشة حول هذا التمييز. يمكن دمجها مع تقنيات الذكاء الاصطناعي الأخرى، كما هو الحال في أنظمة الضبابية العصبية التي تدمج الشبكات العصبية مع القواعد الضبابية، والتي يمكن إدارتها عبر منصات مثل Ultralytics HUB لسير عمل الذكاء الاصطناعي الأوسع، بما في ذلك تدريب النماذج ونشرها.

التطبيقات الواقعية

يُستخدم المنطق الضبابي على نطاق واسع في العديد من التطبيقات العملية:

• الأجهزة الاستهلاكية: التحكم في الغسالات (ضبط الدورات بناءً على حجم الحمولة ومستوى الأوساخ)، ومكيفات الهواء (الحفاظ على درجة الحرارة بناءً على قواعد ضبابية مثل "إذا كانت درجة الحرارة دافئة قليلاً والرطوبة مرتفعة فقم بزيادة التبريد قليلاً")، وأجهزة طهي الأرز. يمكنك استكشاف كيفية استخدام الذكاء الاصطناعي في المنازل الذكية.
• أنظمة السيارات: تُستخدم في أنظمة المكابح المانعة للانغلاق (ABS) للتحكم في ضغط المكابح بناءً على سرعة العجلات والتباطؤ، والتحكم في ناقل الحركة من أجل تبديل التروس بسلاسة أكبر، وأنظمة التحكم في السرعة في السيارات ذاتية القيادة. استكشف حلول Ultralytics للذكاء الاصطناعي في السيارات.
• التحكم الصناعي: إدارة العمليات المعقدة في التصنيع والإنتاج الكيميائي ومحطات الطاقة حيث يصعب الحصول على نماذج رياضية دقيقة ولكن الخبرة البشرية متوفرة. اطلع على أمثلة للذكاء الاصطناعي في التصنيع.
• التشخيص الطبي: مساعدة الأطباء في تشخيص الأمراض بناءً على الأعراض الموصوفة بدرجات متفاوتة من اليقين، مما يكمل مهام مثل تحليل الصور الطبية حيث يمكن استخدام نماذج مثل Ultralytics YOLO للكشف عن الأورام.
• أنظمة التداول المالي: تطوير استراتيجيات تداول تعتمد على التفسيرات الضبابية لمؤشرات السوق مثل "السعر مرتفع" أو "الاتجاه قوي". اقرأ عن نماذج الرؤية الحاسوبية في المجال المالي.

المنطق الضبابي مقابل المفاهيم ذات الصلة

من المهم التمييز بين المنطق الضبابي والأفكار الأخرى ذات الصلة:

• المنطق المنطقي المنطقي: يعمل على قيم الصواب/الخطأ الثنائية، وهو مناسب للأنظمة الدقيقة والحتمية. يستخدم المنطق الضبابي درجات الحقيقة المستمرة، وهو أفضل للتعامل مع الغموض والإبهام.
• نظرية الاحتمالات: تتعامل مع احتمال أو فرصة وقوع حدث ما. يتعامل المنطق الضبابي مع درجة وقوع حدث ما أو تحقق شرط ما (الغموض). يمكن أن يكون للحدث احتمال كبير ولكن لا يزال غامضاً (على سبيل المثال، "من المحتمل جداً أن يكون الجو حاراً غداً").
• التعلّم الآلي: عادةً ما تتعلم خوارزميات التعلم الآلي، وخاصةً نماذج التعلم العميق مثل CNNs أو المحولات، الأنماط والقواعد مباشرةً من البيانات( التعلمتحت الإشراف أو غير الخاضع للإشراف). أما المنطق الضبابي فغالباً ما يعتمد المنطق الضبابي على قواعد محددة صراحةً استناداً إلى الخبرة البشرية، على الرغم من أنه يمكن أيضاً تكييف الأنظمة الضبابية أو ضبطها باستخدام البيانات.

يوفر المنطق الضبابي مجموعة أدوات قيّمة لنمذجة الأنظمة التي يلعب فيها الحدس البشري واللغة غير الدقيقة دورًا مهمًا، مكملاً بذلك النهج القائم على البيانات في مجال الذكاء الاصطناعي والرؤية الحاسوبية الأوسع نطاقًا. يمكنك استكشاف نماذج ومقارنات الذكاء الاصطناعي المختلفة ضمن وثائق Ultralytics. للحصول على رؤى تقنية أعمق، غالبًا ما تكون الموارد من جمعية الذكاء الحاسوبي IEEE مفيدة.