Formální fuzzy logika
Libor B¥hounek
Ústav pro výzkum a aplikace fuzzy modelování Ostravské univerzity
& Ústav informatiky AV R
Filosocké problémy informatiky MFF UK, 5. 5. 2015
Osnova
1 Úvod do formální fuzzy logiky
2 Motivace a aplikace
3 Filosoe vágnosti
4 Formální fuzzy matematika
Osnova
1 Úvod do formální fuzzy logiky
2 Motivace a aplikace
3 Filosoe vágnosti
4 Formální fuzzy matematika
Stupn¥ pravdivosti
Klasická logika je dvojhodnotová má 2 pravdivostní hodnoty:
pravda(1)anepravda (0) Mnoho vlastností (mladý, vzdálený, rychlý, . . . ) v²ak není £ernobílých
lze je p°ipsat ve v¥t²ím £i men²ím stupni
⇒ Základní my²lenka fuzzy logiky:
Roz²í°it 2 klasické pravdivostní hodnoty na ²kálu pravdivostních stup¬·
• i nekone£n¥ mnoha
• obvykle lineárn¥ uspo°ádaných
• £asto (ale ne vºdy) reprezentovaných £ísly z[0,1]
Poºadavky na sémantiku výrokových spojek
S roz²í°ením pravdivostních hodnot je t°eba ur£it chování výrokových spojek P°íli² mnoho moºností ⇒nutno p°ijmout vhodné omezující principy
Nej£ast¥ji p°ijímané principy:
• Extenzionalita výrokových spojek = pravdivostní stupe¬ výsledku je funkcí pravdivostních stup¬· argument·
(truth-functionality pravdivostní funkce)
• Svazové £i lineární uspo°ádánípravdivostních stup¬· (dle logické síly)
• Implikace internalizuje uspo°ádání pravdivostních stup¬·:
kA→Bk= 1 i kAk ≤ kBk
• Reziduace: kA&Bk ≤ kCk ikAk ≤ kB →Ck
• Poºadavky na vlastnosti jednotlivých spojek
Poºadavky na konjunkci
Rozumné poºadavky na pravdivostní funkci ∗ konjunkce:
• Komutativita: x∗y=y∗x
• Asociativita: (x∗y)∗z=x∗(y∗z)
• Monotonie: pokudx≤x0, pakx∗y≤x0∗y
• Neutralita pravdy: x∗1 =x (d·sledek: x∗0 = 0)
• Spojitost: ∗ je spojitá funkce Na [0,1]=spojité t-normy
Dal²í poºadavky(nap°. idempotence: x∗x=x) by jiº teorii p°íli² omezovaly, proto budou jen volitelné
Spojité t-normy
Význa£né p°íklady na [0,1]:
V²echny spojité t-normy jsou ordinální sumy t¥chto t°í základních:
x∗Gy= min(x, y) Gödelova t-norma
x∗Πy=x·y produktovát-norma
x∗y= max(x+y−1,0) ukasiewiczovat-norma
Rezidua spojitých t-norem
Podmínka reziduace (x∗y≤zi x≤y→∗z)jednozna£n¥ ur£uje reziduum→∗ kaºdé spojité t-normy: x→∗y= sup{z|z∗x≤y}
Vºdy platí: Pokudx≤y, pakx→∗ y= 1.
Rezidua základních t-norem
Pro y < x: x→Gy =y Gödelova implikace x→Πy =y/x Goguenova implikace x→y = min(1−x+y,1) ukasiewiczova implikace
Výrokové spojky t-normových fuzzy logik
Spojitá t-norma ur£uje sémantiku v²ech výrokových spojek:
Konjunkce . . . spojitá t-norma∗ Implikace . . . její reziduum→∗
= nejv¥t²í funkce spl¬ující fuzzy modus ponens: x∗(x→y)≤y Negace: ¬∗x=x→∗ 0 (reductio ad absurdum).
Disjunkce: x∨y= max(x, y) (denovatelná z∗,→)
Minimová konjunkce: x∧y= min(x, y) (denovatelná z∗,→) (tj. ve fuzzy logikách krom¥ Gödelovy máme 2 r·zné konjunkce!) Ekvivalence = konjunkce obou implikací
Fuzzy logiky spojitých t-norem
Od sémantiky spojek k logice:
Syntax = stejná jako v klasické logice
Tautologie = formule vºdy vyhodnocené na stupe¬1 Logické vyplývání = p°ená²ení pravdivostního stupn¥ 1
A1, . . . , An|=B i platí: kdykoliA1=. . .=An= 1, pak B= 1
Základní logiky spojitých t-norem
Gödelova (G),ukasiewiczova() aproduktová(Π) fuzzy logika
= logiky t¥chto t-norem Hájkova fuzzy logika BL(basic logic)
= tautologie a vyplývání ve v²ech logikách spojitých t-norem Tautologie t¥chto logik jsou kone£n¥ axiomatizovatelné
Axiomatizace fuzzy logik spojitých t-norem
Axiomy logiky BL
((A→B)→((B→C)→(A→C))) (A& (A→B))→(B& (B→A)) (A→(B →C))→((A&B)→C) ((A&B)→C)→(A→(B→C))
((A→B)→C)→(((B→A)→C)→C)
0→A
a odvozovací pravidlomodus ponens: zAaA→B odvo¤B
Axiomy G, , Π:
G=BL+A→(A&A)
=BL+¬¬A→A
Π=BL+¬A∨((A→(A&B))→B) Bool=BL+A∨ ¬A
Úplnost
Trojí sémantika fuzzy logik
• Standardnísémantika = spojité t-normy na [0,1]
• Obecná sémantika = v²echny algebry spl¬ující uvedenou axiomatiku:
BL-algebry, Gödelovy algebry,Π-algebry, MV-algebry (nemusejí být lineární nap°. direktní produkty spl¬ují tytéº formule)
• Lineární sémantika = v²echny lineární algebry pro danou fuzzy logiku V¥ta o úplnosti BL (pro ostatní fuzzy logiky obdobn¥)
Následující podmínky jsou ekvivalentní:
• A je dokazatelná v BL
• A platí vev²ech BL-algebrách(obecná úplnost)
• A platí ve v²echlineárníchBL-algebrách(lineární úplnost)
• A platí ve v²echstandardníchBL-algebrách(standardní úplnost)
Fuzzy logiky mezi neklasickými logikami
Gödelova logika = intuicionistická +(A→B)∨(B →A)
= logika lineárních Heytingových algeber
Fuzzy logiky = substrukturální logiky s axiomem prelinearity
= logiky lineárních reziduovaných svaz·
ir²í rodina výrokových fuzzy logik
Studované variace fuzzy logik:
Odebrání n¥kterých podmínek, nap°.:
psBL = bez vyºadování komutativity&
MTL = logikazleva spojitých t-norem P°idání dodate£ných podmínek, nap°.:
IMTL= MTL + involutivnost negace(¬¬A→A) P°idání dodate£ných spojek, nap°.:
Logiky se spojkou∆ (lineární sémantika: ∆x=
(1 prox= 1, 0 jinak)
Π= obsahuje v²echny spojky logik G, aΠnajednou
Zoo hlavních fuzzy logik studovaných od roku 1998
Prvo°ádové fuzzy logiky
Syntax: jako v klasické logice (jen více spojek)
Sémantika: ∀,∃ = inmum, supremum (ve svazu pravdivostních stup¬·) Rasiowé axiomy pro kvantikátory (p°idat k výrokovým):
(∀x)ϕ(x)→ϕ(t) prot substituovatelné zax veϕ ϕ(t)→(∃x)ϕ(x) prot substituovatelné zax veϕ (∀x)(χ→ϕ)→(χ→(∀x)ϕ) pokudx není volná vχ
(∀x)(ϕ→χ)→((∃x)ϕ→χ) pokudx není volná vχ a odvozovací pravidlogeneralizace: z ϕodvo¤(∀x)ϕ Voliteln¥(pro zaji²t¥ní lineární úplnosti):
(∀x)(ϕ∨χ)→(∀x)ϕ∨χ pokudx není volná vχ
⇒ Prvo°ádové fuzzy logiky BL∀, G∀, ∀,Π∀, . . .
Osnova
1 Úvod do formální fuzzy logiky
2 Motivace a aplikace
3 Filosoe vágnosti
4 Formální fuzzy matematika
Motivace
Fuzzy mnoºiny (Zadeh 1965): charakteristické funkceX →[0,1]
(místoX → {0,1}) Motivovány neost°e vyd¥lenými soubory objekt·
(Zadeh: soubor v²ech reálných £íselo hodn¥ v¥t²ích neº 1,
v²ech krásných ºen£i v²ech vysokých lidí) Fuzzy logika (Goguen 1969): logické operátory(∧,∨,¬, . . .)odpovídající fuzzy-mnoºinovým operacím(∩,∪,r, . . .)
Matematická (symbolická, formální)fuzzy logika = aplikace
(meta)matematických metod formální (matematické) logiky na fuzzy logiku Témata matematické fuzzy logiky: axiomatizace, sémantika, úplnost, teorie d·kaz·, výpo£tová sloºitost, . . .
Historie a sou£asnost
1920 ukasiewiczova logika (trojhodnotová, 1930 nekone£n¥hodnotová) 1932 Gödelova logika(implicitn¥, k d·kazu netabularity intuicionistické) 1965 Zadeh: fuzzy mnoºiny
1969 Goguen: fuzzy logika (sémanticky) 1975 fuzzy °ízení (první cementová pec)
1998 Hájek: Metamathematics of Fuzzy Logic (BL) 2011 Handbook of Mathematical Fuzzy Logic
MFL ve sv¥t¥: esko, Itálie, Rakousko, Japonsko, . . .(∼100 logik·)
eská ²kola matematické fuzzy logiky:
• Pultr, Pavelka (1978), Novák(1986, 1999), Hájek(1998), . . .
• Ústav informatiky AV, Ostravská univerzita, UP Olomouc, VUT, ÚTIA AV, . . .
Osobnosti z historie fuzzy logiky
Jan ukasiewicz, Kurt Gödel, Lot Zadeh, Petr Hájek
(Zdroj: Wikipedia, College Publications, ÚI AV R, MathFuzzLog)
Aplikace
• Fuzzy °ízení: spojité charakteristické funkce poskytují zp¥tnou vazbu Fuzzy IFTHEN pravidla(reprezentovaná fuzzy relacemi):
Pokud teplota je VYSOKÁ, pak ventil má být POOTEVENÝ.
Pokud rychlost je VELKÁ a p°ekáºka je BLÍZKO,
pak brzd¥ní má být SILNÉ.
Pouºití: automatické pece, semafory, pra£ky, fotoaparáty, stavidla, . . .
• Reprezentace znalostí: neostré a p°ibliºné atributy Pokud barva je ERVENÁ, pak jablko je ZRALÉ.
Pokud tlak je VYSOKÝ, pak objem je MALÝ.
Extrakce fuzzy IFTHEN pravidel z popisu v p°irozeném jazyce Pouºití: expertní systémy (víde¬ský CADIAG)
• Dal²í aplikace: lingvistické modelování (evalua£ní výrazy, vágní kvantikace), rozpoznávání obraz·, data mining(fuzzy GUHA), p°edvídání £asových °ad, fuzzy logické programování, . . .
Kontroverze
Fuzzy logika má v n¥kterých kruzíchkontroverzní pov¥st
(zvl. mezi matematiky, pravd¥podobnostníky, losofy a lingvisty) Námitky se ale týkají
• bu¤ jen aplikovaných fuzzy metod
(slabá matematická kvalita, míchání s pravd¥podobností),
• nebo zastaralého stavu oboru (námitky od lingvist· a losof·),
• nebo o£ekávání nenabízeného (intenzionálních spojek apod.) V jiných oborech má pov¥st celkem dobrou
(inºený°i, informatici, logici, ekonomové) Neformální význam stup¬· pravdivosti nicmén¥ není dosud vyjasn¥n
Osnova
1 Úvod do formální fuzzy logiky
2 Motivace a aplikace
3 Filosoe vágnosti
4 Formální fuzzy matematika
Paradox hromady
Paradox hromady (sórités; Eubúlidés z Mílétu, 4. stol. p°. n. l.) 109 zrn písku tvo°í hromadu.
Odebráním1 zrnka písku hromada nep°estane být hromadou.
Tedy109−1zrn písku tvo°í hromadu.
. . . [Úsudek opakujeme 109×.]
Tedy0 zrn písku tvo°í hromadu.
Analogicky pro ostatní predikáty bez ostré hranice
(holohlavý, mladý, vysoký; zelená; v níºin¥; malé £íslo, . . . )
Teorie vágnosti
Vágní pojmy = pojmy, k nimº lze sestrojit posloupnost typu sórités
(alespo¬ my²lenou) Filosoe vágnosti= snaha o uspokojivé °e²ení paradoxu hromady
(trápí losofy od starov¥ku dodnes znejis´uje správnost usuzování) Hlavní teorie vágnosti
• Epistemická teorie vágnosti: Je tam ostrý zlom, jen my nevíme kde
• Supervaluacionismus: Uvaºujeme v²echny moºné pozice zlomu; za pravdivé povaºujeme jen to, co platí pro v²echny moºné pozice zlomu
• Stupn¥ pravdivosti = de facto °e²ení pomocí fuzzy logiky Nevýhody epistemické teorie a supervaluacionismu:
• Validují(∃n)(Hn&¬Hn−1) (existenci zlomu)
• Nevysv¥tlují, pro£ je induktivní premisa paradoxu p°esv¥d£ivá
Sórités ve fuzzy logice
Opakované pouºití induktivní premisy postupn¥ sniºuje garantovanou pravdivost záv¥ru:
HN & (HN →HN−1) & (HN−1 →HN−2) &. . .& (Hn+1→Hn)→Hn
Ve standardní ukasiewiczov¥ logice: x∗y= max(x+y−1,0) 0,999∗0,999 = 0,998 0,999∗0,999∗0,999 = 0,997 atd.
kHnk ≥1∗(1−N1)∗(N. . .−n)×∗(1− N1) = 1−Nn &0pron→N Induktivní premisa je p°esv¥d£ivá, nebo´ je tém¥° zcela pravdivá (1−N1)
Um¥lá p°esnost a plurivaluace
Nejváºn¥j²í námitka=problém um¥lé p°esnosti: zatímco klasická logika má 1 um¥lý zlom, ve fuzzy logice je N nesmysln¥ p°esných hodnot
(495 123 344 zrn tvo°í hromadu ve stupni 0,504876656)
e²ení =fuzzy supervaluace: neuvaºujeme jeden, nýbrº v²echny p°ípustné fuzzy modely; za pravdivé povaºujeme jen to, co platí ve v²ech z nich.
• P°esn¥ odpovídá pojmu d·sledku ve fuzzy logice
• Lze zd·vodnit neur£itostí jazyka(fakt· ur£ujících význam slov)
• Vztahuje se i na spojky (BL = pro v²echny p°ípustné konjunkce) Ostatní námitky jsou dány neznalostí moderní fuzzy logiky:
• P°ítomnosti dvou konjunkcí ve fuzzy logice
(neplatí zákon sporu! neplatí modus ponens! platí s &)
• Existence nelineárních algeber pravdivostních stup¬·
(nelze porovnávat £ervenost s kulatostí! v nelineárních nemusíme)
Osnova
1 Úvod do formální fuzzy logiky
2 Motivace a aplikace
3 Filosoe vágnosti
4 Formální fuzzy matematika
Formální fuzzy matematika
Formální fuzzy matematika = budování matematiky s fuzzy logikou coby podkladovou logikou pouºívanou k odvozování(namísto klasické logiky)
• Automaticky p°ipou²tí fuzzy modely
⇒ v²echna tvrzení a pojmy jsou defaultn¥ fuzzy
• Fuzzy obdoba ostatních odv¥tví neklasické matematiky
(intuicionistické, konstruktivní atp.) Cíle formální fuzzy matematiky
• Formalizovat(a pln¥ fuzzikovat)inºenýrskou teorii fuzzy mnoºin
• Najít základovou teorii, v níº lze budovat ve²kerou fuzzy matematiku
• Vyuºít zvlá²tností fuzzy logiky pro alternativní budování a zkoumání klasických pojm·
Základové teorie pro fuzzy logiku
Fuzzy logika vy²²ího °ádu (B¥hounekCintula 2005)
Logika:libovolná prvo°ádová t-normová fuzzy logika(s∆a=), jazyk:
• Prom¥nné pro prvky, fuzzy mnoºiny, fuzzy mnoºiny fuzzy mnoºin atd.
• Fuzzy predikáty ∈pro náleºení mezi sousedními °ády Axiomy(pro v²echny °ády):
• Extenzionalita: (∀x)∆(x∈A↔x∈B)→A=B
• Komprehenze: (∃A)(∀x)∆(x∈A↔ϕ(x))pro kaºdou formuliϕ
• Formalizace Zadehova pojmu fuzzy mnoºiny= modely teorie
• Základová teorie pro fuzzy matematiku
(pouºita k budování teorie fuzzy relací, fuzzy topologie, . . . )
• Práce v ní je podobná klasické £i intuicionistické matematice Podobné základové teorie:
• Fuzzy teorie typ·(Novák 2004) churchovská (formule = λ-termy)
• Fuzzy teorie mnoºin ve stylu ZF (HájekHaniková 2003)
Cantorukasiewiczova teorie mnoºin
Cantorova naivní teorie mnoºin
Neomezená komprehenze: (∃z)(∀x)(x∈z↔ϕ(x)), pro kaºdou formuliϕ Je sporná(Russell·v paradox): pror={x|x /∈x} jer∈r↔r /∈r Existence r je v²ak splnitelná v ukasiewiczov¥ logice!
kr∈rk= 12 = 1−12 =¬kr∈rk, tedy kr ∈r ↔r /∈rk= 1 Cantorukasiewiczova teorie mnoºin (C)
Neomezená komprehenze: (∃z)(∀x)(x∈z↔ϕ(x)), pro kaºdou formuliϕ
= jediné schéma axiom· C, vukasiewiczov¥ logice Domn¥nka (Skolem 1959):
• C je bezesporná(dodnes nejasné; platí ve slab²ích logikách)
• V C lze vybudovat podstatnou £ást matematiky (nejspí² ne,
nicmén¥ jde o zajímavou teorii)
Vlastnosti Cantorukasiewiczovy teorie mnoºin
• C je neextenzionálníteorie mnoºin
• P°idání extenzionality je sporné
• Existuje nap°. nekone£n¥ mnoho prázdných mnoºin(Hájek 2013)
• {u|u∈x} . . . extenze x(mnoºina v²ech prvk· x)
{u|x∈u} . . . intenzex (mnoºina v²ech vlastností x v ZF t°ída) Rovnost= (ne koextenzionalita jako v ZF, ale)kointenzionalita
(Leibniz·v princip)
• Mnoºiny lze zavád¥tautoreferencí (v¥ta o pevném bod¥)
⇒ p°irozen¥j²í deniceω (p°ir. £íslo je 0nebo následník p°ir. £ísla):
ω={n|n= 0∨(∃m∈ω)(n=m+ 1)}
ω nutn¥ obsahuje (nekone£ná) nestandardní £ísla (Yatabe 2007)
• Existence zvlá²tních mnoºin:
• univerzální mnoºina v={x|x=x}
• Russellova mnoºina r={x|x /∈x}
• mnoºina svých vlastních vlastností: x={u|x∈u}
Fuzzy pojem innitesimálu
Innitesimální kalkul byl aº do 19. století zaloºen na pojmu innitesimálu (intuitivn¥j²í neºε-δ denice) Problém: pojem innitesimálu je logicky sporný
Lze jej v²ak aproximovat: £ím men²í £íslo, tím lep²í innitesimál
(srv. nakládání sdx ve fyzice) Idea:
Fuzzy pojem innitesimálu: £ím men²í £íslo, tím v¥t²í stupe¬
innitesimálnosti (ale ºádné £íslo není innitesimál ve stupni1) Limitu posloupnosti lze v ukasiewiczov¥ logice denovat takto:
x= lim
n→∞xn i (∃n0)(∀n > n0)(|x−xn| ∈Inf) Pro limity funkcínutno uvaºovat systémy fuzzy okolí 0
(s tímto up°esn¥ním lze vybudovat celý innitesimální kalkul v )
Bez£íselná matematika
Pozorování:
Vlastnosti charakteristických funkcíodpovídají (jednodu²²ím) vlastnostem fuzzy mnoºin:
Klasické funkce Fuzzy mnoºiny monotonní funkce horní mnoºina metrika relace ekvivalence lim sup / lim inf hromadný / vnit°ní bod reálná £ísla pravdivostní hodnoty algebraické operace výrokové spojky
Ve fuzzy logice lze £ísla schovat do sémantiky a nereferovat k nim v teorii
= budovat matematiku (a fyziku) bez £ísel
Relativistické skládání rychlostí (s T =ict) v Π:
¬(v1&Πv2)→Π(v1∨v2) (disjunkce podmín¥ná neslu£itelností)
Paradox logické v²ev¥doucnosti agent·
Ve standardní epistemické logice jsou agentilogicky v²ev¥doucí
= znají v²echny (výrokové) tautologie(coº je nerealistické), díky axiomulogické racionality: Kϕ&K(ϕ→ψ)→Kψ
e²ení:
Fuzzy pojem proveditelné znalosti
Axiom logické racionality v ukasiewiczov¥ logice:
Kϕ&K(ϕ→ψ)&mp→Kψ
P°i dlouhých odvozeních proveditelnost klesá, jako u paradoxu hromady (paradox logické v²ev¥doucnosti je vlastn¥ jeho instancí)
Reference
Kam dále pro informace:
• KapitolaFormální fuzzy logika (30 stran) ve sborníku Umelá inteligencia a kognitívna veda I
• Úvodní kapitola (100 stran)Introduction to mathematical fuzzy logic knihy Handbook of Mathematical Fuzzy Logic
(zdarma na webu, hledejte název)
• KnihaP. HájkaMetamathematics of fuzzy logic (v knihovnách)
• Mnoho zdroj· voln¥ na webu (nap°. MathFuzzLog.org)
• Semestrální kurz matematické fuzzy logiky na FF UK
(Cintula, Noguera anglicky, koná se na Ústavu informatiky v Ládví)
• Seminá°e pro pokro£ilé: ÚI AV(st 14:00), ÚVAFM v Ostrav¥ (£t 9:30)