扩展猫粮
面对这些问题，我们会说没必要想这么细啊：
你想的没错，借用一句流行的鸡汤：这个世界不是非黑即白，而是由一片「精致的灰」构成的。但鸡汤归鸡汤，「现实世界」终归还是会逼着我们做出一个又一个「黑白分明」的决定的，不能一直这么「灰下去」——酸奶过期8个小时，我们喝了，那过期9个小时、10个小时……呢？我们终归会遇到一个「做决定」的时刻，不再敢打开喝了，把它扔到了垃圾桶。
如何在模糊中找到某种确定性，解决某些悖论，这就是模糊逻辑存在的意义。
1965年，美国工程院院士、著名控制论专家查德（L. A. Zadeh）教授发表了经典论文【模糊集合】，标志着模糊数学这门新学科的诞生。
模糊集合研究的是那些「边界不清晰，外延不明确」的概念，这一新学科为人们提供了一种处理不精确性问题的新方法，是描述人脑思维处理模糊信息的有力工具，也是运用数学方法研究和处理模糊性现象的一门数学新分支。
有趣的是，模糊集合论恰恰是由「语言学」的研究作为起点的，转而又推动了模糊逻辑的发展。比如我国著名的语言学家伍铁平教授的【模糊语言学】，就是模糊集合论和现代语言学相结合形成的一门新学问。
一些争议
模糊逻辑的最大优势在于，它「理解」它在做什么，很像是人类语言的翻译器，因此模糊逻辑很适合在「人类世界真实场景」中应用。比如上世纪八十年代，很多日本公司在家电、火车控制等领域使用了模糊逻辑的控制方法，模糊逻辑的第一个正式应用就是仙台市的地铁系统。
虽然模糊逻辑应用范围广泛，但有些研究者认为它的理论基础并不扎实，不具备坚实的数学基础，甚至认为它是「伪科学」，因为它的计算结果并不「唯一」。从科学研究的角度看，如果这次实验得出一个结果，另外一次实验得出另外一个结果，我们确实有理由怀疑这个理论的可靠性。
但话又说回来了，「计算结果不唯一」不就是「模糊逻辑」的特点吗？在模糊化和去模糊化的过程中，我们可以选择不同类型的函数和方法。而从工程学角度而言，也是可以容纳这种「灵活性」存在的，只要最终能够产生有效的结果就可以了。这也很像「人」的思考方式，即便是一个很理性的人，做事也是会有一定自由度的。
模糊逻辑 & 人工智能
模糊逻辑感觉现在不是很「流行」了，很大一部分原因在于AI的兴起。现在计算机的性能更加强劲，直接利用基于神经网络算法的AI模型帮助人们进行决策，显然是更加高效的一种做法。
主流的人工智能模型，都是基于深度学习的神经网络算法，同时需要海量的大数据去「训练」它。它输出只是基于经验的「知识」……甚至不能说是知识，说「反应」更合适。
人工智能的决策过程，本质上是一个「黑箱子」，只是在「模拟」人类大脑的决策方式，通过大数据的不断「训练」，让潜在的相关性，去刺激神经网络的某些节点（神经元）之间的联系，最终能够帮助人类做一些预测，但它并不「理解」自己在做什么。因此，科学家也在不断努力，试图把人类才具有的「因果思维」去「算法化」，再与神经网络算法进行结合。这么看来，如果非要说模糊逻辑是「伪科学」，那么现阶段的神经网络就是「神秘主义」了。
模糊逻辑虽然能力有限，但它一开始就是基于人类的思维语言诞生的，它更像人。而如今的AI越来越强，但它还并不像人……但很可能这些理论的存在和发展，或许就是让机器具备自由意志的殊途同归吧……
补充：视频里一带而过部分的解释
在本期视频「掌心大爷计划」环节，机器人通过传感器， 得到老大爷某一时刻平衡状态的四个逻辑值后，是如何得出「手掌该如何移动」的四个逻辑值的？ 视频里没有展开说明，现在简单补充一下：
得知这老大爷四个平衡状态的逻辑之后，暂时不用考虑这些数值怎么用，而是先确定几个基本规则—— 这些规则，靠想象就能大概得出手掌该如何移动的趋势 ——比如一个最极端的情况：老大爷当前角度是0，角速度也是0，那么手掌自然也应该是静止的……按照这样的思路，其他的三种情况也都可以一一列出：
之后，我们就需要计算手掌移动「具体的逻辑数值」是多少。
在传统的明确逻辑中，「如果 A and B, 那么 C」，这句话的操作是必须 A 和 B 都为真，也就是 A = 1 并且 B = 1，C才为真， C=1。如果 A、B 中有一个是0，C 就是0—— 这番操作我们把它推广一下，我们可以理解成 C 是 A 和 B 中的最小值。
受到这个启发，我们把老大爷已知的四个逻辑值，分别带入到表格前两列。而手掌该如何移动（表格的第三例），我们就取「同一行」中，最小的那个值。于是，机器人手掌该如何移动的「四个逻辑值」也就出来了。然后套用视频后来的「找重心」方法，机器人就知道此刻如何移动手掌了。
这种取最小值的方法，可能只是人为设定的。「模糊逻辑」有很强的工程学味道，很多计算规则都是人为设定的，我们不能说这个规则是最好的，只能说这么设定最简单有效而已。
...........................
参考文献：
更多推荐
<完>
