¿Cuál es la diferencia entre lógica difusa y aprendizaje automático?

¿Cuál es la diferencia entre, digamos, manzana y comida? La manzana es un tipo de fruta y es un alimento. Hay muchas otras frutas diferentes. No todas las frutas son comestibles, por lo tanto, no todas son alimentos.

La lógica difusa se considera uno de los enfoques / técnicas para la inteligencia artificial, donde el comportamiento inteligente se logra mediante la creación de clases difusas de algunos parámetros. Aquí la ventaja es que la regla y los criterios son entendibles por los humanos. La mayoría de estas reglas y las clases difusas están definidas por un experto en el dominio. Entonces, básicamente, la lógica difusa requiere mucha intervención humana.

El aprendizaje automático es un campo que se incluye en el área más amplia de la inteligencia artificial. En el aprendizaje automático, existen algoritmos para el aprendizaje supervisado (bajo el control y la “orientación” de un experto humano), así como el aprendizaje no supervisado (que requiere muy poca intervención humana o servicio de expertos en el dominio).

En el aprendizaje automático, una máquina está entrenada para aprender un concepto proporcionando ejemplos y creando modelos de patrones que se supone que distinguen entre dos (o más) clases de objetos. Cuando no hay una línea particular que separe dos clases, o más bien, cuando las características distintivas se definen vagamente, el enfoque de lógica difusa se considera más apropiado.

Por ejemplo, reglas como “si x es muy grande , haga y ; pero si x no es demasiado grande , haz z ”. Aquí se definen los límites (definiciones) de lo que es muy grande y no demasiado grande y a menudo se superponen, es decir, difusos.

La lógica difusa es lógica donde la membresía estatal es, esencialmente, un flotador con rango 0..1 en lugar de un int 0 o 1. El kilometraje que obtiene es que, por ejemplo, los cambios que realiza en un sistema de control naturalmente están más afinados de lo que obtendrías con ingenua lógica binaria.

Un ejemplo podría ser la lógica que limita la actividad del sistema en función de las conexiones TCP activas. Supongamos que define “un poco demasiadas” conexiones TCP en su máquina como 1000 y “demasiadas” como 2000. En cualquier momento, su sistema tiene un estado de “demasiadas conexiones TCP” desde 0 (<= 1000) a 1 (> = 2000), que puede usar como coeficiente al aplicar cualquier mecanismo de aceleración que tenga disponible. Esto es mucho más indulgente y sensible al comportamiento del sistema que la lógica binaria ingenua que solo sabe cómo determinar “demasiados”, y estrangular por completo, o “no demasiados”, y no estrangular en absoluto.

El aprendizaje automático es un campo que se incluye en el área más amplia de la inteligencia artificial. En el aprendizaje automático, existen algoritmos para el aprendizaje supervisado (bajo el control y la “orientación” de un experto humano), así como el aprendizaje no supervisado (que requiere muy poca intervención humana o servicio de expertos en el dominio).

En el aprendizaje automático, una máquina está entrenada para aprender un concepto proporcionando ejemplos y creando modelos de patrones que se supone que distinguen entre dos (o más) clases de objetos. Cuando no hay una línea particular que separe dos clases, o más bien, cuando las características distintivas se definen vagamente, el enfoque de lógica difusa se considera más apropiado.

Por ejemplo, reglas como “si x es muy grande , haga y ; pero si x no es demasiado grande , haz z ”. Aquí se definen los límites (definiciones) de lo que es muy grande y no demasiado grande y a menudo se superponen, es decir, difusos.