Bulanık Mantık

Bulanık Mantık, klasik hesaplamada sıklıkla rastlanan katı "doğru veya yanlış" ikilisi yerine "doğruluk dereceleri"ne dayalı akıl yürütmeyi modelleyen bir hesaplama paradigmasıdır. Standart bilgisayarlar, değerleri kesinlikle 0 veya 1 olarak atamak için Boole mantığını kullanırken, bulanık sistemler 0 ile 1 arasındaki herhangi bir değeri kabul eder. Bu esneklik, Yapay Zeka'nın (AI) belirsizlik, muğlaklık ve kesin olmayan bilgileri işleyebilmesini sağlar ve karmaşık verileri işlerken insan bilişsel süreçlerini daha yakından taklit eder . Bu, yapay z ek anın daha akıllı kararlar almasını ve daha iyi sonuçlar elde etmesini sağlar.

Bulanık Akıl Yürütme Mekanizması

Geleneksel bilgi işlemde, bir girdi ya bir kümeye aittir ya da değildir. Bulanık mantık, girdi verilerini 0 ile 1 arasında değişen ve üyelik derecesini temsil eden bir değere eşleyen üyelik fonksiyonları kavramını getirir. Örneğin, bir iklim kontrol sisteminde, 75°F sıcaklık basitçe "sıcak" olarak sınıflandırılmayabilir, bunun yerine "0,6 ılık" olarak sınıflandırılabilir.

Bu süreç genellikle üç temel aşamadan oluşur:

1. Fuzzification: Üyelik fonksiyonlarını kullanarak net, sayısal girdileri bulanık kümelere dönüştürme.
2. Çıkarım: Bulanık verilere dayalı sonuçları belirlemek için "Eğer-O zaman" kurallarını uygulamak.
3. Defuzzification: Bulanık sonucu tekrar kesin ve eyleme geçirilebilir bir çıktıya dönüştürme.

Bu yaklaşım, net sınırların tanımlanmasının zor olduğu gürültülü görsel verilerin işlenmesinde özellikle faydalıdır.

Makine Öğrenimi ve Bilgisayar Görmesinde Alaka Düzeyi

Bilgisayar Görme (CV) ve Makine Öğrenimi (ML) bağlamında, tam piksel değerleri genellikle aydınlatma, örtülme veya sensör gürültüsü nedeniyle dalgalanır. Bulanık mantık, sinir ağının kesin sayısal çıktıları ile insanların kullandığı dilbilimsel yorumlar arasındaki boşluğu doldurur.

Gerçek Dünya Uygulamaları

• Otonom Sürüş: Otonom araçlar, düzgün kontrol eylemleri gerçekleştirmek için bulanık mantığı kullanır. Bir engel algılandığında aniden fren yapmak yerine, sistem hız ve mesafeye göre "tehlike derecesini" değerlendirerek kademeli bir yavaşlama gerçekleştirir ve yolcuların güvenliğini ve konforunu sağlar.
• Tıbbi Teşhis: Tıbbi görüntü analizinde, dokular genellikle belirgin sınırlara sahip değildir. Bulanık mantık, sağlık sistemlerinde yapay zekanın, tümörlerin sağlıklı dokuya karıştığı segment yardımcı olarak, daha nüanslı risk değerlendirmesi ve tahminsel modelleme yapılmasına olanak tanır.

Bulanık Mantık ve Olasılık

Bulanık mantığı olasılık teorisinden ayırmak çok önemlidir, çünkü her ikisi de farklı türdeki belirsizlikleri ele almasına rağmen sık sık karıştırılırlar.

• Olasılık, gelecekteki bir olayın gerçekleşme olasılığını ele alır (örneğin, "Yağmur yağma olasılığı %50'dir"). Rastgeleliği modeller.
• Bulanık Mantık, bir durumun doğruluk derecesini ele alır (örneğin, "Zemin %50 ıslak"). Olayın tanımındaki belirsizliği modeller.

Pratik Uygulama

Pratik nesne algılama iş akışlarında, bulanık mantık genellikle son işlem sırasında uygulanır. Geliştiriciler, bir modelin güven puanını dilbilimsel kategorilere eşleyerek gelişmiş filtreleme kuralları oluşturabilirler.

Aşağıdaki Python örneği, Ultralytics çıkarım sonuçlarına bulanık benzeri kategorizasyonun nasıl uygulanacağını göstermektedir:

from ultralytics import YOLO

# Load the YOLO26 model and run inference
model = YOLO("yolo26n.pt")
results = model("https://ultralytics.com/images/bus.jpg")

# Get confidence score of the first detected object
conf = results[0].boxes.conf[0].item()


# Apply fuzzy linguistic categorization (Membership function logic)
def get_fuzzy_degree(score):
    if score > 0.8:
        return "High Certainty"
    elif score > 0.5:
        return "Moderate Certainty"
    return "Uncertain"


print(f"Score: {conf:.2f} -> Category: {get_fuzzy_degree(conf)}")

İlgili Kavramlar

• Uzman Sistemler: İnsanların karar verme sürecini taklit eden, bilgileri işlemek için büyük ölçüde bulanık kurallara dayanan ilk yapay zeka programları.
• Nöro-Bulanık Sistemler: Derin Öğrenmenin (DL) öğrenme yeteneklerini bulanık akıl yürütmenin yorumlanabilirliği ile birleştiren hibrit mimariler.
• Görüntü Segmentasyonu: Karmaşık veri kümelerinde nesne sınırlarını tanımlarken genellikle bulanık mantıktan yararlanan bir bilgisayar görme görevi. .
• Ultralytics : Kullanıcıların veri kümelerini yönetebilecekleri ve bulanık mantık denetleyicileri için net giriş motorları olarak hizmet edebilecek modelleri eğitebilecekleri modern bir ortam.