擴充套件貓糧
面對這些問題，我們會說沒必要想這麽細啊：
你想的沒錯，借用一句流行的雞湯：這個世界不是非黑即白，而是由一片「精致的灰」構成的。但雞湯歸雞湯，「現實世界」終歸還是會逼著我們做出一個又一個「黑白分明」的決定的，不能一直這麽「灰下去」——酸奶過期8個小時，我們喝了，那過期9個小時、10個小時……呢？我們終歸會遇到一個「做決定」的時刻，不再敢開啟喝了，把它扔到了垃圾桶。
如何在模糊中找到某種確定性，解決某些悖論，這就是模糊邏輯存在的意義。
1965年，美國工程院院士、著名控制論專家查德（L. A. Zadeh）教授發表了經典論文【模糊集合】，標誌著模糊數學這門新學科的誕生。
模糊集合研究的是那些「邊界不清晰，外延不明確」的概念，這一新學科為人們提供了一種處理不精確性問題的新方法，是描述人腦思維處理模糊資訊的有力工具，也是運用數學方法研究和處理模糊性現象的一門數學新分支。
有趣的是，模糊集合論恰恰是由「語言學」的研究作為起點的，轉而又推動了模糊邏輯的發展。比如中國著名的語言學家伍鐵平教授的【模糊語言學】，就是模糊集合論和現代語言學相結合形成的一門新學問。
一些爭議
模糊邏輯的最大優勢在於，它「理解」它在做什麽，很像是人類語言的轉譯器，因此模糊邏輯很適合在「人類世界真實場景」中套用。比如上世紀八十年代，很多日本公司在家電、火車控制等領域使用了模糊邏輯的控制方法，模糊邏輯的第一個正式套用就是仙台市的地鐵系統。
雖然模糊邏輯套用範圍廣泛，但有些研究者認為它的理論基礎並不紮實，不具備堅實的數學基礎，甚至認為它是「偽科學」，因為它的計算結果並不「唯一」。從科學研究的角度看，如果這次實驗得出一個結果，另外一次實驗得出另外一個結果，我們確實有理由懷疑這個理論的可靠性。
但話又說回來了，「計算結果不唯一」不就是「模糊邏輯」的特點嗎？在模糊化和去模糊化的過程中，我們可以選擇不同類別的函數和方法。而從工程學角度而言，也是可以容納這種「靈活性」存在的，只要最終能夠產生有效的結果就可以了。這也很像「人」的思考方式，即便是一個很理性的人，做事也是會有一定自由度的。
模糊邏輯 & 人工智能
模糊邏輯感覺現在不是很「流行」了，很大一部份原因在於AI的興起。現在電腦的效能更加強勁，直接利用基於神經網絡演算法的AI模型幫助人們進行決策，顯然是更加高效的一種做法。
主流的人工智能模型，都是基於深度學習的神經網絡演算法，同時需要海量的大數據去「訓練」它。它輸出只是基於經驗的「知識」……甚至不能說是知識，說「反應」更合適。
人工智能的決策過程，本質上是一個「黑箱子」，只是在「模擬」人類大腦的決策方式，透過大數據的不斷「訓練」，讓潛在的相關性，去刺激神經網絡的某些節點（神經元）之間的聯系，最終能夠幫助人類做一些預測，但它並不「理解」自己在做什麽。因此，科學家也在不斷努力，試圖把人類才具有的「因果思維」去「演算法化」，再與神經網絡演算法進行結合。這麽看來，如果非要說模糊邏輯是「偽科學」，那麽現階段的神經網絡就是「神秘主義」了。
模糊邏輯雖然能力有限，但它一開始就是基於人類的思維語言誕生的，它更像人。而如今的AI越來越強，但它還並不像人……但很可能這些理論的存在和發展，或許就是讓機器具備自由意誌的殊途同歸吧……
補充：影片裏一帶而過部份的解釋
在本期影片「掌心大爺計劃」環節，機器人透過傳感器， 得到老大爺某一時刻平衡狀態的四個邏輯值後，是如何得出「手掌該如何移動」的四個邏輯值的？ 影片裏沒有展開說明，現在簡單補充一下：
得知這老大爺四個平衡狀態的邏輯之後，暫時不用考慮這些數值怎麽用，而是先確定幾個基本規則—— 這些規則，靠想象就能大概得出手掌該如何移動的趨勢 ——比如一個最極端的情況：老大爺當前角度是0，角速度也是0，那麽手掌自然也應該是靜止的……按照這樣的思路，其他的三種情況也都可以一一列出：
之後，我們就需要計算手掌移動「具體的邏輯數值」是多少。
在傳統的明確邏輯中，「如果 A and B, 那麽 C」，這句話的操作是必須 A 和 B 都為真，也就是 A = 1 並且 B = 1，C才為真， C=1。如果 A、B 中有一個是0，C 就是0—— 這番操作我們把它推廣一下，我們可以理解成 C 是 A 和 B 中的最小值。
受到這個啟發，我們把老大爺已知的四個邏輯值，分別帶入到表格前兩列。而手掌該如何移動（表格的第三例），我們就取「同一行」中，最小的那個值。於是，機器人手掌該如何移動的「四個邏輯值」也就出來了。然後套用影片後來的「找重心」方法，機器人就知道此刻如何移動手掌了。
這種取最小值的方法，可能只是人為設定的。「模糊邏輯」有很強的工程學味道，很多計算規則都是人為設定的，我們不能說這個規則是最好的，只能說這麽設定最簡單有效而已。
...........................
參考文獻：
更多推薦
<完>
