Выделяют 3 аспекта:
1 – психологический (основной);
2 – лингвистический;
3 – гносеологический.
Лингвистический касается проблем построения языковых интерфейсов.
Гносеологический объединяет методологические проблемы получения новых знаний на основе гносеологии.
Гносеологическая цепочка выглядит следующим образом:
Факт®обобщенный факт®эмпирический закон®теория.
Представление нечетких знаний информационных системах.
Для количественного описания знаний предметной области использование традиционного математического аппарата (теория множеств, булева алгебра и др.) оказалось не вполне адекватным, т.к. многие объекты и понятия характеризуются такими отношениями, для которых трудно определить численную характеристику. Эти отношения обычно размыты и не могут быть однозначно интерпретированы, однако содержат важную информацию (например, «сильный», «красивый», «высокий», «кислый» т.п.).
Кроме того, при принятии решений некоторые высказывания не могут быть интерпретированы как полностью истинные или ложные. Существуют знания, достоверность которых выражается некоторой вероятностью.
|
|
Для решения таких проблем в начале 70-х американский математик Лотфи Задепредложил формальный аппарат нечеткой алгебры и нечеткой логики (fuzzy logic). Это направление получило широкое распространение в задачах искусственного интеллекта, распознавания образов, классификации реальных объектов.
Вычисления на основе нечеткой логики получили название мягкие вычисления (soft computing).
Одно из главных понятий в нечеткой логике — понятие лингвистической переменной.
Лингвистическая переменная (ЛП) — это переменная, значение которой определяется набором словесных характеристик некоторого свойства, образующих нечеткое множество (fuzzy set).
Функция принадлежности определяет субъективную степень уверенности эксперта в том, что данное конкретное значение базовой шкалы соответствует определяемому нечеткому множеству. Это отличает ее от вероятности.
Например, для двух экспертов определение нечеткого множества «Высокая» для ЛП «Цена ПК» в условных единицах может существенно отличаться в зависимости от социального и финансового положения.
1 эксперт = {50/1 + 25/0.8 + 10/0.6 + 5/0.4}
2 эксперт = (25/1 + 10/0.7 + 5/0.5}