Este presente trabajo se las Dedico a las personas que me Estn brindando todo su apoyo y en especial a mis padres

por Confiar en m.

La lgica borrosa es una rama de la inteligencia artificial que se funda en el concepto "Todo es cuestin de grado , lo cual permite manejar informacin vaga o de difcil especificacin si quisiramos hacer cambiar con esta informacin el funcionamiento o el estado de un sistema especifico. Es entonces posible con la lgica borrosa gobernar un sistema por medio de reglas de 'sentido comn' las cuales se refieren a cantidades indefinidas. Las reglas involucradas en un sistema borroso, pueden ser aprendidas con sistemas adaptativos que aprenden al ' observar ' como operan las personas los dispositivos reales, o estas reglas pueden tambin ser formuladas por un experto humano. En general la lgica borrosa se aplica tanto a sistemas de control como para modelar cualquier sistema continuo de ingeniera, fsica, biologa o economa La lgica borrosa es entonces definida como un sistema matemtico que modela funciones no lineales, que convierte unas entradas en salidas acordes con los planteamientos lgicos que usan el razonamiento aproximado. Se fundamenta en los denominados conjuntos borrosos y un sistema de inferencia borroso basado en reglas de la forma SI....... ENTONCES...... ", donde los valores lingsticos de la premisa y el consecuente estn definidos por conjuntos borrosos, es as como las reglas siempre convierten un conjunto borroso en otro.
-1-

-2-

Introduccin a la lgica difusa

La lgica difusa ha cobrado una fama grande por la variedad de sus aplicaciones, las cuales van desde el control de complejos procesos industriales, hasta el diseo de dispositivos artificiales de deduccin automtica, pasando por la construccin de artefactos electrnicos de uso domstico y de entretenimiento, as como tambin de sistemas de diagnstico. De hecho, desde hace ya, al menos, dcada y media, la expedicin de patentes industriales de mecanismos basados en la lgica difusa tiene un crecimiento sumamente rpido en todas las naciones industrializadas del orbe. Se ha considerado de manera general que el concepto de lgica difusa apareci en 1965, en la Universidad de California en Berkeley, introducido por Lotfi A. Zadeh [7]. Las lgicas difusas, pues de hecho hay que hablar de ellas en plural, son esencialmente lgicas multivaluadas que extienden a las lgicas clsicas. Estas ltimas imponen a sus enunciados nicamente valores falso o verdadero. Bien que stas han modelado satisfactoriamente a una gran parte del razonamiento ``natural'', es cierto que el razonamiento humano utiliza valores de verdad que no necesariamente son ``tan deterministas''. Por ejemplo, al calificar que ``el cielo es azul'' uno est tentado a graduar qu tan ``azul'', en efecto, es el cielo, e igualmente, si ``un vehculo se mueve rpido'', tambin se est obligado a considerar qu tan rpido es el vehculo, aunque esto ltimo no implique necesariamente cuantificar la velocidad del vehculo con toda precisin. Las lgicas difusas procuran crear aproximaciones matemticas en la resolucin de ciertos tipos de problemas. Pretenden producir resultados exactos a partir de datos imprecisos, por lo cual son particularmente tiles en
-3-

aplicaciones electrnicas o computacionales. El adjetivo ``difuso'' aplicado a ellas se debe a que los valores de verdad nodeterministas utilizados en ellas tienen, por lo general, una connotacin de incertidumbre. Un vaso medio lleno, independientemente de que tambin est medio vaco, no est lleno completamente ni est vaco completamente. Qu tan lleno puede estar es un elemento de incertidumbre, es decir, de difusidad, entendida esta ltima como una propiedad de indeterminismo. Ahora bien, los valores de verdad asumidos por enunciados aunque no son deterministas, no necesariamente son desconocidos. Por otra parte, desde un punto de vista optimista, lo difuso puede entenderse como la posibilidad de asignar ms valores de verdad a los enunciados que los clsicos ``falso'' o ``verdadero''. As pues, reiteramos, las lgicas difusas son tipos especiales de lgicas multivaluadas. Las lgicas difusas han tenido aplicaciones de suma relevancia en el procesamiento electrnico de datos. En determinadas reas de conocimiento, a sus enunciados se les asocia valores de verdad que son grados de veracidad o falsedad, mucho ms amplios que los meros ``verdadero'' y ``falso''. En un sistema deductivo se distingue enunciados ``de entrada'' y enunciados ``de salida''. El objetivo de todo sistema manejador de una lgica difusa es describir los grados de los enunciados de salida en trminos de los de entrada. Ms an, algunos sistemas son capaces de refinar los grados de veracidad de los enunciados de salida conforme se refinan los de los de entrada. Por estas propiedades es que ciertos sistemas de lgica difusa aparentan una labor de aprendizaje, y son excelentes mecanismos de control de procesos. Desde el punto de vista tecnolgico, las lgicas difusas se encuadran en el rea de la llamada Inteligencia Artificial y han dado origen a sistemas expertos de tipo difuso y a sistemas de
-4-

control automtico. En esta presentacin haremos nfasis en el carcter multivaluado de las lgicas difusas. Introduciremos primero la nocin de conjunto difuso, y las operaciones usuales en ese tipo de conjuntos. Inmediatamente despus, presentaremos ciertos tipos de clculos proposicionales de tipo difuso y de cuantificacin difusa.

Lgica fuzzy
Fuzzy Lgica tiene sus races en la teora de conjuntos difusos desarrollada por Zadeh en la dcada de los 60, la que propone que un elemento siempre pertenece en un cierto grado a un conjunto y nunca pertenece del todo al mismo, esto permite establecer una manera eficiente para trabajar con in certezas, as como para acondicionar el conocimiento en forma de reglas hacia un plano cuantitativo, factible de ser procesado por computadores. Toda lgica consiste en formalizar el pensamiento humano, desde este punto de vista. En vez de trabajar con el clsico concepto de inclusin o exclusin, Introduce una funcin que expresa el grado de pertenencia de una Variable hacia un atributo o variable lingstica tomando valores en el rango de 0 a 1. Conjunto Difuso: Par Variable lingstica pertenencia A = {x / A(x) x X} funcin de

-5-

Ventajas de la lgica fuzzy

1.- La principal ventaja de utilizar trminos lingsticos como: a medias, bastante, casi, un poco, mucho, algo, etc., est en que Permite plantear el problema en los mismos trminos en los que lo Hara un experto humano.

2.-El xito de esta tcnica radica en que El mundo es Fuzzy . En otras palabras, no tiene sentido buscar la solucin a un problema no perfectamente definido por medio de un planteamiento matemtico muy exacto, cuando es el ser humano el primero que razona empleando la inexactitud.

El proceso de fuzzificacion
1. El proceso de fuzzificacin consiste en convertir una variable real en un grado de pertenencia que cuantifica el grado de posesin hacia su correspondiente variable lingstica. 2. Las variables lingsticas son representativas de situaciones como: Positivo, alrededor de, alto, medio, etc. 3. El primer paso consiste en tomar las entradas y determinar el grado al que ellos pertenecen a cada uno de los conjuntos fuzzy apropiados. 4. La entrada siempre es un valor numrico limitado al universo del discurso de la variable de entrada (0-10).

-6-

TEORA DEL CAOS SOCIAL

La lgica borrosa o difusa se basa en la relatividad de lo observado. En tal relatividad, este tipo de lgica toma para el anlisis comparativo dos o ms valores aleatorios pero contextualizados y auto referidos. As, por ejemplo, una persona que mida 2 metros es claramente una persona alta, si y slo si previamente se ha asumido que el valor de altura estndar en una persona es de 1,75 metros, y la altura es baja si es de, digamos, 1,60 metros o menos. Decimos, entonces, que los tres valores estn contextualizados a las personas y referidos a una medida mtrica lineal. El juicio que produce tal razonamiento, basado en trminos relativos, no puede ser exacto, porque representa una impresin subjetiva, quiz probable pero no exacta. Por ello, la Teora de los Conjuntos Borrosos es ms idnea que la lgica clsica para representar y analizar la mayora del conocimiento humano, ya que permite que los fenmenos y observaciones tengan ms de dos estadios lgicos. Una manera de abordar la lgica borrosa' sera sta: Juan mide 2 metros y es diestro. Mara mide 1.65 metros y tiene los ojos azules. Pedro es de ojos caf y es zurdo ser alto o bajo? Esta paradoja se convierte en paradigma de lo difuso pues desmonta la lgica lineal al introducir una incertidumbre inesperada, o al menos incongruente con los postulados iniciales.

Teoras de la lgica borrosa

Recientemente han surgido, desde diferentes campos y disciplinas cientficas, una serie de teoras que permiten aproximaciones a la realidad social, abordndola en toda su complejidad, todas ellas con un claro nfasis epistemolgico. Una de estas teoras de la complejidad es la de los conjuntos borrosos o difusos (Zadeh)[1] como formalizacin matemtica de
-7-

un modelo lgico de lo impreciso, de lo indeterminado, lo difuso y lo borroso. Los estudios sobre lgica borrosa nos presentan de forma mucho ms creble la naturaleza social de los conglomerados humanos y la comprensin de sus eventos, porque los sistemas convencionales que diariamente se utilizan en las ciencias sociales, en algunos casos no aportan una decisin real; sucede lo contrario en la lgica difusa, que se ha convertido en parte fundamental para el desarrollo de sistemas inteligentes. Esta lgica no-convencional nos permite generar una toma de decisin a partir de un cmulo de informacin imprecisa, puesto que es un tipo de lgica que reconoce los valores que estn en la zona gris de simples estimaciones verdaderas y falsas, y porque en la lgica difusa, las proposiciones pueden ser representadas con distintos grados de veracidad o falsedad, como aquellos que se expresan semnticamente desde una perspectiva subjetiva: "ms que...", "casi como..." El catedrtico de ingeniera elctrica de la Universidad de California (Berkeley), el iran L.A. Zadeh public en 1965 un artculo en la revista "Informacin and Control"[2], en el que aplic la lgica multivalente de Lukasiewicz a los conjuntos o grupos de objetos. Comienza a referirse a cierto tipo de agrupaciones indefinidas y difusas como los "conjuntos borrosos" ("fuzzy sets" fue el ttulo del mencionado artculo). As, respecto al concepto de "lgica borrosa", consideraremos su acepcin ms amplia, entendindola como... "... un sistema lgico que est dedicado a la formalizacin de modos de razonamiento que son aproximados y no exactos." Basndose en la teora de conjuntos borrosos, que es una teora de clases "con fronteras no ntidas" (Zadeh, 1996: Information and Control p.p. 422), la lgica borrosa consiste en razonar con conjuntos imprecisos. Pero, qu es un conjunto borroso?
-8-

Cmo se puede analizar los acontecimientos sucedidos recientemente en Venezuela a partir de la lgica borrosa?

La realidad no siempre se manifiesta en blanco-y-negro

Limitada Al hablar y referimos a nuestras percepciones, en la vida cotidiana hacemos mencin a infinidad de conjuntos borrosos. Es decir, a "conceptos que no tienen fronteras ntidamente definidas, como por ejemplo: alto', gordo', muchos', la mayora', lentamente', viejo', familiar'... los nombres de los colores como rojo', verde', azul', prpura'..." (Zadeh, 1996: : Information and Control p.p. 425). Zadeh denomina "granulacin" al proceso de formar clases borrosas de conceptos agrupados por una similitud fundamentalmente subjetiva; un proceso que est determinado por "la capacidad de los humanos para resolver y/o almacenar detalles" (Zadeh, 1996: : Information and Control p.p. 426). Si usted detiene la lectura de este ensayo y le formula la siguiente pregunta a, digamos, las primeras 10 personas que se tropiece: "Cmo est el clima poltico de hoy en el pas?" inevitablemente descubrir que hay una imprecisin conceptual que de manera difusa produce una dificultad para la medicin cuantitativa de las respuestas. Por esta circunstancia, la borrosidad de los conceptos puede graficarse en una "curva borrosa" o curva de borrosidad y al hacerlo conseguimos una correspondencia ms precisa con la realidad, un nuevo modo de conocerla o al menos de construirla conceptualmente, con transacciones lgicas no probabilsticas. Entonces se sobrepone a la probabilidad el concepto de posibilidad, un extenso camino cualitativo que nos abre la epistemologa. (Munn, 1995). Aunque la lgica borrosa ha sido aplicada prioritariamente al control de sistemas ingeniera civil y en procesos industriales (llamados tambin sistemas expertos'), la lgica borrosa se ha
-9-

comenzado a considerar como un elemento clave en el estudio de la realidad social, un contexto impregnado permanentemente de borrosidad como casi todo en las ciencias humanas, en las que conceptos particulares como emocin, grupo, cognicin o clase social son esencialmente imprecisos. Un ejemplo de esto son las categoras borrosas de una escala de Likert, as como todas las aplicaciones que directa o indirectamente se hacen de la misma, tal como la tcnica de la rejilla de Kelly [5] para la exploracin de los constructos personales. Smithson plantea otra aplicacin de la lgica borrosa en la construccin de un cuestionario acerca del consumo de drogas. Se utilizan variables borrosas para recoger las respuestas (cualitativas) de dicho cuestionario. Concretamente, Smithson analiza la distribucin de posibilidad que se "esconde" tras las respuestas PRE-categorizadas de "algunas veces" o "unas pocas veces" ante la pregunta "cuntas veces has consumido drogas?". Gil Quesada (1990) realiza una aproximacin emprica de aplicacin de la teora de los conjuntos borrosos para la evaluacin escolar. Para ello elabora un examen con una serie de tems puntuados segn una valoracin continua (de O a 1) con un punto de corte ntido y una "zona de corte borrosa" de aceptacin de las respuestas. Con ello, Gil Quesada persigue una mayor adecuacin en las evaluaciones de rendimientos acadmicos en exmenes grupales. Con esta aplicacin borrosa, Gil Quesada accede al clculo de una serie de nuevos ndices, como son: (1) el ndice de suficiencia ntida: % de alumnos del grupo que obtienen una puntuacin superior al punto de corte ntido; (2) el ndice de suficiencia borrosa: probabilidad de que un alumno supere el examen si consideramos la funcin de pertenencia como funcin de probabilidad; (3) el ndice de borrosidad: % de alumnos del grupo que estn ntidamente
- 10 -

clasificados. Es de destacar que la teora borrosa en la lgica computacional o inteligencia artificial ha tenido grandes e importantes aplicaciones para disponer de lenguajes y programas borrosos (Boehm, 1999; Zu-Guo Yu, 2000; Wei-Yi Liu, 2000). He aqu algunas reflexiones crticas acerca de la lgica borrosa y su aplicabilidad epistemolgica a las ciencias sociales. Una primera valoracin positiva respecto de la teora de la borrosidad tiene directa relacin con el "problema de la discordancia" (Kosko)[8]: Tradicionalmente, la ciencia se ha planteado el abordaje de los problemas como la dicotoma "blanco o negro" para referirse a un mundo que es "gris". En este sentido, el nuevo paradigma estara reflejando con mayor precisin la realidad, porque como afirma Kosko: "Cuando hablas (cientficamente), simplificas. Y cuando simplificas, mientes". En este sentido, la lgica borrosa aporta matices enriquecedores a una perspectiva epistemolgica, comprensiva y hermenutica, como alternativa a la explicativa-positivista que es an el enfoque dominante para las ciencias sociales. La lgica borrosa contribuye con el pensamiento holstico y facilita el anlisis y la comprensin de las fases entrpicas de cualquier realidad social porque le aporta sentido y relevancia a las sutiles pero importantes diferencias que surgen del magma gris y cuantitativamente impreciso de las percepciones, los sentimientos y las particularidades

Variables y cuantificadores del razonamiento aproximado

La contribucin fundamental del razonamiento aproximado es el uso que hace de las variables y la representacin de las proposiciones en trminos de valores de verdad lingsticos subconjuntos borrosos- como valores de esas variables. La lgica
- 11 -

clsica slo usa de modo implcito de idea de variable, en el sentido de valor de verdad asociado a una proposicin. Sin embargo, su naturaleza binaria le permite ocultar este hecho, ya que nos podemos referir a una proposicin que es verdadera por su denotacin, p, y a una que es falsa simplemente por su negacin, p evitando as la introduccin de una variable Vp cuyo valor sea la valoracin de la proposicin p. El uso del concepto de variable en la teora del razonamiento aproximado conduce a tratar dominios que no estn dentro del mbito de la lgica clsica, como es el caso de los problemas que tratan los Sistemas Expertos borrosos o los controladores borrosos. La teora del razonamiento aproximado permite representar tambin cuantificadores lingsticos situados entre dos baremos difusos. Zadeh indic que un cuantificador como "la mayora" puede ser representado como un subconjunto borroso sobre un universo de discurso. Los cuantificadores aproximados se usan para representar conocimiento de sentido comn. Una extensin interesante de la teora del razonamiento aproximado es la posibilidad de tratar con ella el conocimiento prototpico. Reiter sugiri una aproximacin a la representacin de conocimiento de sentido comn usando reglas por defecto y Yager lo estudi en el marco de la teora del razonamiento aproximado. De acuerdo con Reiter, una regla por defecto tal como "tpicamente los pjaros vuelan", puede ser interpretada as: Si un objeto es un pjaro y nuestro conocimiento disponible no es incompatible con que el objeto vuele, entonces asumimos que el pjaro vuela. La lgica binaria puede ser vista como un caso especial de la teora del razonamiento aproximado en el cual los conjuntos base tienen dos elementos {T, F} y los grados de pertenencia se restringen a 1 0. La lgica posibilstica puede ser vista como una extensin de sta, en tanto que, aunque se restringen los

- 12 -

conjuntos base de valores a dos, T y F, se permiten que los grados de pertenencia sean nmeros en el intervalo unidad. Es por esta percepcin cuntica que la Lgica Borrosa va ms all de la lgica binaria permitiendo su formalizacin en trminos de la teora del razonamiento aproximado. As, lo que es verdadero alcanzara varias representaciones y lo que es asumido como falso tambin; ambas indican que el valor de verdad absoluta de la proposicin es desconocido. La regla principal de inferencia en lgica clsica, el modo de razonamiento introducido por los Megricos y Estoicos en tiempos de Aristteles, es el Modus Ponens (nombre asignado en la Edad Media), que consiste en que si se tiene la regla A B y, por ejemplo, la regla es "Si llueve entonces me mojo", si se da el hecho cierto de que "llueve", entonces podr concluir que "me mojo". En lgica borrosa se puede generalizar esta regla, quedando su esquema de la siguiente forma: Por ejemplo, la regla podra ser "Si la ciudad es grande (x es A), el trfico es muy denso (y es B)", el hecho podra ser "la ciudad no es muy grande (x es A')", Qu se podra decir del trfico (B'(x))? Supongamos que las variables estn relacionadas, y no necesariamente por una funcin, sino por cualquier relacin. Supongamos que es una relacin binaria borrosa R en el universo X x Y. A' y B' son conjuntos borrosos en X e Y respectivamente. Si conocemos R y A' podramos conocer B' mediante la denominada Regla composicional de inferencia: B'= A'(x) R(x, y) B'(y) = supx Xmin [A'(x), R(x, y)]

Donde R(x, y) = I(A(x), B (y)) (Funcin de Implicacin). Y esto es posible porque una inferencia es una evaluacin que realiza la mente entre conceptos que, al interactuar, muestran
- 13 -

sus propiedades de forma discreta, necesitando utilizar la abstraccin para lograr entender las unidades que componen el problema, o creando un punto axiomtico o circunstancial, que permite trazar una lnea lgica de causa-efecto, entre los diferentes puntos inferidos en la resolucin del problema. Una vez resuelto el problema, nace lo que conocemos como postulado, o una premisa transformada de la original, de la que al estar enmarcada en un contexto referencial distinto, se obtiene un significado equivalente.

Un ejemplo que lo clarifica todo

Todo lo que hemos enunciado hasta aqu se lo explico con un ejemplo que, estoy seguro, comprender de inmediato, y entonces me criticar por no haberlo utilizado "antes - de" el abordaje terico. Una familia de clase media venezolana entra en un escenario de crisis. Una crisis cuyas variables le voy a exponer de seguidas, y que presentan una aparente relacin de causa-efecto': Luego de 25 aos de matrimonio, pap y mam se enfrentan a la posibilidad de un divorcio. Sus tres hijos (las gemelas de 25 aos y el menor de 21) son solteros y viven en la casa familiar, una cmoda y espaciosa quinta de tres niveles en el Este de Caracas, que la familia hered de los abuelos maternos. No obstante que pap es un demcrata convencido y ex- trabajador de PDVSA de los que ya-no-estn' (particip activamente en el "paro cvico" para unos o boicot petrolero' para otros) las gemelas son chavistas contumaces. Mam' ha decidido retornar a las aulas universitarias (quiere optar por una segunda maestra) y el hijo menor ha decidido formar una banda que l llama de limpieza tnica' con otros cinco vecinos del exclusivo sector donde vive, y todas las noches sale con sus amigos a ubicar indigentes en el centro de la capital, y filman sus tropelas para colgar los vdeos en YouTube.

- 14 -

Cualquier explicacin psicolgica o social es posible para exponer el probable epicentro y las posibles causalidades de la crisis de esta familia. Se podran inferir cientos de lneas lgicas de causaefecto y cualquiera de ellas tendra altas contingencias de acierto en el diagnstico de este trance familiar, porque el anlisis binario bueno malo', correcto incorrecto', cierto falso' sera el baremo a utilizar. Sin embargo, la realidad es imprecisa y vaga, an en las apariencias ms slidas. Si ya usted ha mentalizado' las causas de la crisis de esta familia, haga el siguiente ejercicio: Antelas... Si, pare de leer, busque lpiz y papel y escriba lo que a su entender, son las causas de la crisis de esta familia. No anote muchas, slo cinco. Ya lo hizo? Las tiene a mano? Ahora intente precisar sus aciertos con estos cuantificadores lingsticos situados entre baremos difusos: Mam' retorna a las aulas universitarias porque estima que "algunas veces" no es tan bien evaluada y aceptada en su dintorno social como su esposo. Pap', luego de su expulsin de PDVSA, descubri que es ms un lder democrtico que un tecncrata ('Cunto' ms ser significativamente ms'?). Las gemelas' entraron al PSUV inducidas por una amiga que tambin se convirti en amante de las dos y el menor' sale casi' todas las noches ms o menos' a localizar indigentes, y cuando les disparan con un rifle de paint ball filman esos acontecimientos como parte del trabajo de campo de una investigacin social sobre la reaccin de las personas a la agresin fsica inesperada, y que integra su Tesis de Grado. Cmo quedaron sus causas de esta crisis familiar? Verdad que le faltaron datos e informacin adicional? Lo que le sucedi es que al aplicar la inferencia de la lgica clsica en un escenario construido sobre informacin concreta pero parcial, usted obvi el impacto de las causalidades que se generan en el vrtice de lo indefinible. La poca o casi nula Inter. Relacin entre los deseos de mam' con el descubrimiento de las nuevas habilidades
- 15 -

sociales de pap', es tan inasible como relacionar la exploracin homosexual de las gemelas con la tesis de grado del hijo menor. Hasta se podra inferir que la crisis del matrimonio (si es que la hay o la hubo) nada tiene que ver con las actividades o las nuevas acepciones de los miembros de esta familia. La lgica binaria, lineal, deja de ser relevante y entonces surge la Teora del Razonamiento Aproximado como la opcin ms idnea para el anlisis del caos en el que se ha sumergido esta familia. Ahora extrapole este anlisis situacional a la globalidad del pas Son acertados los anlisis y las percepciones que escucha en la calle y en los medios sobre el acontecer poltico y social? Contemplan estos anlisis las imperceptibles, aunque importantsimas diferencias lingsticas que existen entre los baremos extremos'? Aunque la intencin original del profesor Zadeh era crear un formalismo para manipular de manera ms eficiente la imprecisin y vaguedad del razonamiento humano expresado lingsticamente, caus cierta sorpresa que el xito de la lgica borrosa llegase primero al campo del control automtico de los procesos. Esto se debi principalmente al "boom" de lo borroso en Japn, iniciado en 1987 y que alcanz su mximo apogeo a principios de los noventa. Desde entonces, han sido infinidad los productos lanzados al mercado que usan tecnologa borrosa, muchos de ellos utilizando la etiqueta "fuzzy" como smbolo de calidad y prestaciones avanzadas. Un ejemplo de ello es el anuncio publicitario de la lavadora Bosch con sistema eco-fuzzy. En 1974 el profesor Mamdani experiment con xito un controlador borroso en una mquina de vapor, pero la primera implantacin real de un controlador de este tipo fue realizada en 1980 por F. L. Smidth & Co. en una planta cementera en Dinamarca. En 1983, Fuji aplica lgica borrosa para el control de inyeccin qumica para plantas depuradoras de agua, por primera vez en Japn. En 1987 la empresa OMRON desarrolla los
- 16 -

primeros controladores borrosos comerciales con el profesor Yamakawa. A partir de ese momento, el control borroso ha sido aplicado con xito en muy diversas ramas tecnolgicas, por ejemplo en la metalurgia, en los robots de fabricacin, en controles de maniobra de aviones, ascensores o trenes (tren-metro de Sendai, Japn, 1987), en los sensores de imagen y sonido (sistema de estabilizacin de imagen en cmaras fotogrficas y de video Sony, Sanyo, Cannon...), en los electrodomsticos como las lavadoras de Panasonic o Bosch, o el aire acondicionado Mitsubishi con sistema rice-cooker. Tambin en la industria automovilstica, cuyo ejemplo ms notable est en los sistemas de ABS de Mazda o Nissan, o en el cambio automtico de las cajas de velocidad de Renault y una larga lista de aplicaciones comerciales. Pero dnde radica el xito de las aplicaciones de control? El xito est en la simplicidad, tanto conceptual como de desarrollo. Los dos paradigmas clsicos de control borroso son el enfoque de Mamdani y el de Takagi-Sugeno que describo brevemente a continuacin.

Las etiquetas lingsticas de Mamdani y Takagi Sugeno

En el enfoque de Mamdani un experto ha de especificar su conocimiento en forma de reglas lingsticas, ha de definir las etiquetas lingsticas que van a describir los estados de las variables. Para cada entrada (input informativo) se ha de especificar la correspondiente etiqueta lingstica que define la salida informativa. Cada una de las n variables de entrada y la de salida han de repartirse en conjuntos borrosos especficos con unos significados. As, podrn ser definidos diversos conjuntos borrosos, todos distintos, en la variable de salida .Lo mismo se puede hacer con el resto de las otras variables involucradas en el

- 17 -

proceso y sus salidas. Cada conjunto borroso debe llevar asociado a l una etiqueta lingstica. He aqu un ejemplo de uso del enfoque borroso de Mamdani para aplicar en un restauran. Si capturamos lo esencial del problema y dejamos a un lado todos los factores que pudieran ser arbitrarios, podramos quedarnos con el siguiente conjunto de reglas:

1. 2. 3.

Si el servicio es pobre o la comida es mala, entonces la propina ser poca Si el servicio es bueno, entonces la propina ser media Si el servicio es excelente o la comida es deliciosa, entonces la propina ser generosa

En estas tres reglas se basa la solucin. Acabamos de definir las reglas de un sistema de inferencia borrosa. Si diramos significado matemtico a las variables lingsticas, tendramos un sistema de inferencia borrosa completo. No entraremos en detalles en esta seccin, lo que nos interesa es lo que acabamos de mostrar: la lgica borrosa es adaptable, simple y se aplica fcilmente.

Este es el grfico asociado al sistema de inferencia borrosa, y generado por las tres reglas de arriba. Simplemente con estas tres reglas hemos podido generar una solucin al problema, de una manera mucho ms cercana a la forma de pensar humana y por tanto ms fcil para nosotros. Todo lo contrario ocurre en el enfoque clsico, en el que nos tenemos que adaptar a la forma de actuar de la mquina.

- 18 -

Por ltimo cabe destacar que si quisiramos aadir o modificar ciertas consideraciones del problema, nos bastara con incluir o cambiar reglas. Esta forma es mucho menos costosa que la utilizada en el enfoque clsico. En el enfoque de Takagi-Sugeno se mantiene la misma especificacin de las particiones borrosas de los dominios de las entradas que en el modelo de Mamdani, pero no se requiere una particin borrosa del dominio de salida. Las reglas de control deben contener una funcin que se supone generalmente lineal: El grado de aplicabilidad se obtiene de la misma manera que el modelo de Mamdani.

Etapas de un controlador borroso

Este segmento va expresamente explicitado para los investigadores sociales, y tambin para los dems lectores, aclaratoria que hago para evitar una dispora' entre quienes han tenido la valenta de acompaarme hasta aqu. Vamos a abordar las etapas que integran el proceso de construccin de un controlador borroso'. En trminos coloquiales, vamos a decirle cmo construir la regla' para que usted mismo, desde su casa u oficina, se entretenga midiendo' y evaluando' los fenmenos sociales que considera son ms impactantes o atractivos. Y para qu? Se preguntar con toda la razn que le aporta la incertidumbre. Pues para muchas cosas. Le menciono dos, las ms comunes: 1.- Para recabar informacin relevante y confiable, si se dedica a la investigacin social. 2.- Para que pueda exhibir resultados slidos y pertinentes cada vez que a usted se le ocurra hablar, informalmente o en algn foro, sobre la incidencia de X' fenmeno social. Busque lpiz y papel (o un resaltador) y squele punta a lo que viene.

- 19 -

La mayora de los fenmenos que se presentan en el acontecer diario se pueden catalogar como imprecisos, es decir tienen implcito cierto grado de difusin en la descripcin de su naturaleza. Esta imprecisin puede estar asociada con su forma, posicin, momento, color, textura e incluso en la semntica que describe lo que son. En muchos casos el mismo concepto puede tener diferentes grados de imprecisin en diferentes contextos de tiempo. Un da clido en Venezuela no es exactamente lo mismo que un da clido en Dinamarca. Este tipo de imprecisin o dispersin asociada a los fenmenos atmosfricos es muy comn en otros campos de estudio; las ciencias del comportamiento social es uno de ellos. Ya hemos definido a la lgica borrosa como un sistema matemtico que modela funciones no lineales, que convierte unas entradas en salidas, acordes con los planteamientos lgicos que usan el razonamiento aproximado. Se fundamenta en los denominados conjuntos borrosos y un sistema de inferencia borroso basado en reglas de la forma relativa ("Si entonces "), donde los valores lingsticos de la premisa y el consecuente estn definidos por conjuntos borrosos, por lo que las reglas siempre convierten un conjunto borroso en otro. Para la evaluacin de los riesgos sociales se precisa de un controlador social borroso, un instrumento de medicin cualitativa que consta de 4 etapas: Creacin de la base de datos (para definir los conjuntos borrosos) y de Interfase de borrificacin. 2. la base de reglas (para caracterizar las acciones de control) 3. Proceso de inferencia basado en lgica borrosa. 4. Interfase de desborrificacin. Desglose de las etapas del controlador social borroso: 1.

- 20 -

La primera etapa
De un controlador social borroso es la "Interfase de borrificacin". En ella se debe identificar el riesgo social asociado con el evento. Asignar los factores de riesgo social correspondientes al conglomerado en estudio, que se considerarn como variables de entrada' susceptibles de control, y se har la medicin de las variables de entrada en el contexto del universo discursivo del problema, donde las medidas de frecuencia y de consecuencia se combinarn para obtener un nivel de riesgo, que ser el que caracterizar el evento en cuestin. En dicha matriz influirn muchos factores subjetivos, pues las apreciaciones para cada individuo u organizacin en particular pueden no coincidir en muchos aspectos. Determinar una escala entre los valores lingsticos y un rango numrico que se relacionar con los valores lingsticos y asumir estos valores desde cero hasta uno, es decir usando el sistema endecadario.

La segunda etapa
Consiste en la creacin de una base de datos, donde se definen los riesgos sociales, los factores de esos riesgos, las magnitudes a contemplar y el criterio semntico para su evaluacin y la determinacin de una base de reglas para utilizar en el proceso de inferencia, la cual est dada por el formulario que describe cada categora que evala el sistema de riesgos.

En la tercera etapa
El proceso de inferencia simula la toma de decisiones operando sobre las bases de datos y reglas establecidas en cada caso por la cantidad de riesgo (n), luego el ndice recorre n' valores o riesgos. Cada riesgo estar asociado a diferentes y variados factores, los cuales le darn origen; y cada uno de estos factores tendr asociado a su vez una magnitud o rango numrico, en
- 21 -

dependencia de su nivel de riesgo, el cual fue tomado segn la relacin existente entre la frecuencia y la severidad.

La cuarta etapa, llamada "Interfase de desborroficacin"

Consiste en la interpretacin del resultado en trminos del problema real, el establecimiento de las acciones de control consecuentes, tomando la previsin que las acciones de control consecuentes deben precisar, por su orden de prioridad, los objetivos de control, las tcnicas de control correspondientes y los responsables de ejecutarlos

UNA CONCEPCION INFINITESIMAL DE LA VERDAD

LA VERDAD
La lgica es el estudio de la estructura y de los principios del razonamiento correcto y, ms concretamente, intenta establecer los principios que garantizan la validez de los argumentos deductivos. El concepto de validez es central para la lgica, puesto que cuando afirmamos la validez de un argumento, estamos afirmando que es imposible que su conclusin sea falsa si sus premisas son verdaderas. Ello nos conduce a dos cuestiones, todava controvertidas:

- 22 -

a) Qu son los "portadores de verdad"?. Las respuestas son mltiples: oraciones, sentencias, enunciados, proposiciones. b) Qu es la verdad?. Cuestin sta mucho ms radical y que, ntimamente ligada a la anterior, no es de fcil respuesta. Intuitivamente, tendemos a asignar a la verdad dos propiedades fundamentales: universalidad y objetividad. Universalidad por cuanto es una capacidad comn de todos los humanos y objetividad porque es independiente de consideraciones

personales. Todos podemos decir la verdad, independientemente de quines o qu seamos. Pero ambas propiedades por s solas no garantizan absolutamente nada, ni siquiera diferencian la simple opinin o creencia de la verdad.

Como es natural no podemos abordar una discusin sobre el concepto de verdad si no decidimos primero qu cosas pueden ser verdaderas o falsas. Para no entrar en la discusin que podra representar el problema (a) antes indicado, diremos que son las proposiciones quienes pueden ser verdaderas o falsas. Las proposiciones son descripciones del mundo, son afirmaciones o negaciones de sucesos en mundos posibles. Existe una larga tradicin filosfica de distinguir entre verdades "necesarias / a priori / lgicas" y verdades "contingentes /a posteriori / factuales". Ambos tipos de verdad han conducido a los lgicos a dos
- 23 -

concepciones de la verdad no opuestas, pero s distintas entre s: la concepcin de la verdad como coherencia y la concepcin de la verdad como correspondencia.

Segn el punto de vista de la coherencia, una proposicin es verdadera o falsa segn su relacin con un sistema dado de proposiciones; porque se han aplicado consistentemente las reglas de dicho sistema.

Segn el punto de vista de la correspondencia, una proposicin es verdadera o falsa si concuerda con la realidad, con el hecho al que se refiere.

Otros puntos de vista han intentado ser superadores de dicha dicotoma como el punto de vista semntico de Tarski (que en definitiva no deja de ser una variante del concepto de correspondencia) o el punto de vista de la redundancia de Ramsey (que pretende eludir el problema considerando el concepto de verdad como superfluo).

Para elevar la complejidad del problema, hay que tener en cuenta que no declaramos la verdad o falsedad solamente de las proposiciones sino tambin de las teoras, de las ideas y de los modelos. Y, por ello, aparecen nuevas concepciones de la verdad. La concepcin pragmtica (James) afirma la verdad de aquellas ideas que nos ayudan a llegar a relaciones satisfactorias con otras partes de nuestra experiencia. La concepcin de la falsabilidad

- 24 -

(Popper) nos dice que una teora ser verdadera si es satisfactoria para describir un dominio dado de la realidad.

La idea bsica que subyace en todas estas concepciones (salvo quizs en Popper) es la de intrnseca dicotoma entre verdadero y falso. Esta oposicin implica la validez de dos leyes fundamentales para la lgica clsica: -Principio del tercio excluso:[ ( a a ) ] Toda proposicin es

verdadera o falsa y no cabe otra posibilidad. -Principio de no contradiccin: [ ( a es verdadera y falsa simultneamente. Esta idea bsica y sus dos corolarios, generan una serie de paradojas e insatisfacciones en las que se fundamenta la necesidad de superar esta estricta bivalencia veritativa de la lgica clsica. a ) ] Ninguna proposicin

- 25 -

PARADOJAS DE LA BIVALENCIA
Los futuros contingentes
Tema ya abordado por Aristteles que, segn la interpretacin de Luckasiewicz, nos empuja hacia el fatalismo. Aceptar que una proposicin sobre un suceso futuro es verdadera o falsa convierte en necesario o imposible, respectivamente, al suceso enunciado por la proposicin. La solucin, propuesta por el propio Luckasiewicz en su obra clsica de 1920, es la aceptacin de una lgica con tres valores de verdad, en la que adems de verdadero y falso, se acepta un valor de verdad indeterminado. Naturalmente las leyes de tercio excluso y de no contradiccin dejan de funcionar con los efectos que de ello se derivan como se ver ms adelante. Principio de indeterminacin Es de sobra conocido el principio de Heisenberg en la mecnica cuntica, por el cual no es posible determinar la posicin y el momento de una partcula simultneamente. Heisenberg concluye a partir de ello que existen proposiciones carentes de significado. Bart Kosko lleva la interpretacin del principio de indeterminacin mucho ms all y critica con virulencia la aplicacin de la matemtica lineal (incluida la de la mecnica
- 26 -

cuntica) a la interpretacin de un mundo no lineal. Bajo esta interpretacin no es suficiente una lgica trivalente. Kosko vulgariza, de alguna forma, el principio al asimilarlo a un conductor que conduce por una autopista: cuanto ms mira la carretera mejor sabe su posicin e, inversamente, cuanto ms mira el cuentakilmetros mejor conoce su velocidad. Ambos
conocimientos son inversos, puesto que no podemos mirar simultneamente la carretera y el cuentakilmetros: o velocidad, o posicin. Cuanto mejor conocemos nuestra velocidad (porque miramos ms el cuentakilmetros), peor conocemos nuestra posicin (porque no miramos la carretera). Pero no podemos excluir ninguno de ambos conocimientos.

Paradojas swro V
Las paradojas de cantidad son conocidas desde los presocrticos (el grano de mijo de Zenn de Elea). Kosko las define como el camino desde A a A. Si quitamos un grano de arena de un

montn de ella, seguimos teniendo un montn de arena. El problema es cuantos granos de arena hay que quitar para que el montn deje de serlo? El problema no es balad y afecta a muchas expresiones habituales de predicados como cuando hablamos de "personas altas". Si definimos "persona alta" por la que mide ms de metro ochenta, estamos afirmando que quien mida mil setecientos noventa y nueve milmetros es bajo? El propio Russell
- 27 -

ya se haba dado cuenta de ello cuando en 1923 publica su artculo "La vaguedad" en el que se interroga sobre cuantos pelos ha de perder una persona para ser llamada calva. En este caso como en el anterior tampoco es suficiente una respuesta trivalente como en el primero.

El principio inductivo

Muchas de las aseveraciones que realizamos, y que consideramos verdades sin ms, proceden de inducciones que, como tales, nunca son completas; por ello nunca podemos estar seguros de que la siguiente observacin que realicemos contradiga la aseveracin. "Todos los hombres son mortales" es una aseveracin provisionalmente verdadera (existen todava 6000 millones de individuos en los que an no se ha verificado). En estos casos quiz sea ms razonable hablar de plausibilidad que de verdad. La casi totalidad de las teoras que aceptamos comnmente en las ciencias sociales son plausibles, admisibles; en ningn caso pueden calificarse de verdaderas. Las aceptamos porque simplifican nuestro conocimiento del mundo reducindolo a un esquema manejable que nos permite hacer previsiones de futuro.
- 28 -

LA BORROSIDA

De lo expuesto se deduce que quiz sea necesario un replanteamiento radical de nuestros conceptos clsicos de verdad y falsedad, sustituyndolos por el concepto de vaguedad o borrosidad, dentro de los cuales la verdad y/o falsedad no son ms que casos extremos. Por borrosidad entendemos el hecho de que una proposicin pueda ser parcialmente verdadera y parcialmente falsa de forma simultnea. Una persona no ser simplemente alta o baja, sino que participar de ambas caractersticas parcialmente, de tal forma que slo por encima y debajo de determinadas alturas la calificaremos de forzosamente alta o baja, mientras que en la zona intermedia de ambas alturas existir una graduacin por la que va dejando de ser alta. Parece que intuitivamente, el concepto de borrosidad est enraizado en la mayor parte de nuestros modos de pensar y hablar. Otra cuestin distinta es la valoracin que cada individuo otorgue a tal borrosidad (el vaso medio lleno o medio vaco) que depender de cuestiones psicolgicas de difcil evaluacin.

La introduccin del concepto de borrosidad no soluciona el

- 29 -

problema de las proposiciones indeterminadas (los futuros contingentes, por ejemplo), es decir, las carentes de valor veritativo. Por ello, las excluiremos de nuestra exposicin. El principio borroso afirma que todo es cuestin de grado. Todas las proposiciones adquieren un valor veritativo comprendido entre el uno (verdad) y el cero (falsedad), ambos incluidos. La asignacin de estos valores extremos slo se dar en el caso de verdades o falsedades lgicas o de inducciones fuertes:"Todos los hombres son mortales" puede ser un ejemplo de induccin fuerte (si las modernas biotecnologas no lo cambian) puesto que no existe ningn contraejemplo.

Los argumentos para la introduccin del concepto de borrosidad en lgica ya han sido expuestos, pero ser necesario examinar con detenimiento algunos aspectos esenciales antes de su admisin: a) Los antecedentes histricos y metodolgicos del concepto b) La posibilidad de construccin de un lenguaje formal

infinitovaluado y, en su caso, definir sus propiedades y leyes c) Las consecuencias filosficas y prcticas de tal introduccin.

- 30 -

ANTECEDENTES DE LA BORROSIDAD
Oriente y Occidente Kosko resalta las diferencias entre las filosofas orientales y occidentales respecto al concepto de verdad resumindolo en la oposicin de Buda frente a Aristteles. En realidad Kosko afirma que la filosofa occidental, heredera de Aristteles, ha aceptado la bivalencia de forma acrtica como sistema simplificador de una realidad excesivamente compleja; lo que ha ganado en sencillez lo ha perdido en precisin. Por contra, las filosofas orientales (Buda, Lao Tse, Confucio, etc.) han aceptado desde la antigedad la estricta unidad de los opuestos, del yin y el yang.

La tesis de Kosko, expuesta de forma literaria en su libro, es de difcil verificacin por carecer de los textos orientales al contrario que de Aristteles, del que poseemos las seis obras que componen el Organon. A pesar de ello existen algunos indicios indirectos que nos permiten creer en ella, como son por ejemplo la lista de paradojas chinas del 320 ac de Needham, algunas de las cuales tienen una gran similitud con las de Zenn de Elea. Ms difcil parece enlazar el taosmo con el concepto de borrosidad puesto que mas bien se trata de una construccin metafsica (que presenta curiosas similitudes con el neoplatonismo plotiniano) en la que el Tao es el principio rector (el Uno de Platino) al que se
- 31 -

accede por una ascesis mstica. Sea como fuere, es cierto que algo de dicho pensamiento ha llegado hasta nuestros das: Mao Ze Dong afirmaba a finales de los aos cincuenta "La filosofa marxista sostiene que la ley de la unidad de los contrarios es una ley bsica del universo. Esta ley tiene validez universal en la naturaleza, en la sociedad y en la mente del hombre. Los contrarios en una contradiccin forman una unidad a la vez que luchan entre s, ". No s si el propio Marx lo hubiese suscrito con estas mismas palabras.

Por otra parte, si bien es cierto que Aristteles fue el gran introductor de la bivalencia absoluta, no hemos de pasar por alto que al estagirita no le pasaron por alto los aspectos borrosos que pueden tener las proposiciones como cuando dice: "En cualquier caso, lo que se dice de acuerdo con estas (cualidades) admite, indiscutiblemente, el ms y el menos" , o como hace en el pasaje en que define la retroduccin o abduccin (a1pagwgh ) en que nos dice que podemos acercarnos al conocimiento aunque sin tener la certeza del mismo. Si Aristteles no estudi esta concepcin, es posible que fuese por carecer del conocimiento matemtico necesario para su desarrollo (clculo infinitesimal, combinatorio y teora de la probabilidad, teora de conjuntos, estadstica Aunque y retomaremos el tema clculo cuando matricial). estudiemos las

- 32 -

consecuencias de aceptar los postulados de borrosidad en la lgica clsica, no podemos dejar de sealar que si bien es cierto que el mtodo bivalente es simplificador de la realidad, tambin es el que ha permitido los avances cientficos, tanto en ciencias naturales como sociales. Mientras que, siendo el mtodo polivalente ms preciso, ha sido estril hasta las ltimas dcadas: ningn avance cientfico de relevancia se debe a un autor oriental en los 25 siglos posteriores a Buda.

El desarrollo del lgebra

Como ya se ha comentado, Aristteles no dispona del aparato matemtico para desarrollar una lgica difusa. La gestacin de este aparato algebraico se inicia con Newton y Leibniz que desarrollan el clculo infinitesimal en el siglo XVII. A pesar de que el vicio por la exactitud de las matemticas, hace que les sea perfectamente aplicable la sentencia de Einstein: "En la medida en que las matemticas se refieren a la realidad, no son ciertas. Y en la medida en que son ciertas, no se refieren a la realidad". Aunque lo que no dice Einstein es que, indudablemente, el aparato deductivo desarrollado por las matemticas facilita la comprensin de la realidad. La explicacin del movimiento aristotlica es sustituida por la newtoniana gracias al clculo infinitesimal, sin el cual no sera posible. A pesar de ello el clculo

- 33 -

infinitesimal slo se us en el estudio de la fsica durante los siglos siguientes, experimentando un desarrollo espectacular (Euler, Laplace, etc.). Hoy impregna todas las ciencias tanto humanas como naturales. El clculo infinitesimal introduce en la matemtica la cuestin del grado: en qu grado se modifica A al modificar de forma imperceptible B, siendo A una variable dependiente de B?.

En el mismo siglo XVII, Fermat y Pascal, seguidos posteriormente por Bernoulli, realizan las primeras aportaciones sobre

combinatorio y clculo de probabilidades. Sus trabajos no van mucho ms all de la definicin de los conceptos de frecuencia y esperanza matemtica ya que sus motivaciones se derivaban de los juegos de azar, y la naturaleza de tales definiciones era ms emprica que axiomtica. Habr que esperar hasta el siglo XX en que se realicen las primeras aproximaciones axiomticas al concepto de probabilidad (Kolmogorov, von

Neumann/Morgenstern, von Mises) todas ellas muy vinculadas a la naciente ciencia de la estadstica y la econometra, para las cuales era, adems, imprescindible el clculo matricial. La complejidad de clculo en estas disciplinas las haca imposibles sin contar con los modernos ordenadores.

La matematizacin de la lgica, que se inicia a mediados del XIX con de Morgan y Boole, tiene su punto de inflexin en la iniciacin

- 34 -

de la teora de conjuntos a finales del siglo (Cantor y Frege) aunque de forma casi inmediata aparecen las primeras paradojas de la teora (Russell: paradoja de las clases). En definitiva, el concepto de inclusin, no es mas que una forma de bivalencia: los elementos estn incluidos o no estn incluidos en el conjunto, sin trminos medios. Habr que esperar hasta 1937 en que Max Black escriba un primer artculo sobre los conjuntos vagos, que tuvo escasa o nula influencia. La formalizacin definitiva de los conjuntos borrosos se debe a Lofti Zadeh (1965) quien combinando las teoras axiomticas de la probabilidad, la teora estadstica y la teora de conjuntos clsica, crea un sistema, tambin axiomtico, que trasciende el marco de todas ellas. "As, el conjunto de los nmeros naturales no primos, queda perfectamente descrito en trminos conjuntistas y de teora de nmeros; el suceso salir un nmero par al tirar un dado queda bien descrito probabilsticamente; el conjunto de espaoles que han votado en alguna eleccin municipal puede ser globalmente evaluado por tcnicas estadsticas de muestreo; pero el conjunto de personas sensatas no es directamente describible, ni tan siquiera considerado, de entrada, por las teoras aludidas" . En un apartado posterior tendremos ocasin de revisar las leyes y propiedades matemticas de todas las aportaciones que aqu dejamos solamente referenciadas.

- 35 -

Gnesis de la lgica polivalente

Es discutible si existen indicios de lgica trivalente en Aristteles (futuros contingentes) o en Guillermo de Ockham (conocimiento distinto / conocimiento confuso), pero el hecho cierto es que la primera lgica trivalente fue desarrollada por Vasilev en 1909 eliminando el principio del tercio excluso de la lgica aristotlica. No obstante se reconoce como primer creador de la lgica trivalente a Luckasiewicz, quien en 1920 propuso tres valores veritativos para las proposiciones: verdadero, falso e

indeterminado. La confeccin de las tablas de verdad de los conectores, aparte de ser ms extensa (3n resultados en lugar de 2n), deba definirse con precisin, sobre todo por lo que respecta a las intersecciones con el indeterminado, en el que caben varias soluciones, todas ellas razonables.

El propio Lukasiewicz y Tarski elaboran lgicas infinitovalentes con posterioridad. Pero la lgica difusa no ha podido ser plenamente axiomatizada hasta que no se ha contado con el concepto de conjunto borroso (Zadeh 1965). La idea es simple: para cualquier elemento de un conjunto, su condicin de pertenencia est dada por una funcin m(x). Cuando m(x) toma slo dos valores, 1 (pertenece) y 0 (no pertenece), entonces estamos ante un conjunto ordinario; cuando m(x) puede tomar cualquier valor dentro del intervalo discreto [1,0], entonces estamos ante un
- 36 -

conjunto

borroso.

EL LENGUAJE FORMAL DE LA LGICA DIFUSA

Teora intuitiva de conjuntos en lgica Sea U el conjunto, posiblemente infinito, de todas las proposiciones. Sean p, q, r, s, . sus elementos (es decir, proposiciones atmicas). En lgica clsica presuponemos una aplicacin v del conjunto U en el conjunto {0,1} tal que v (p)=0 cuando p es falsa y v (p)=1 cuando p es verdadera. Gracias a ello establecemos una clasificacin de las proposiciones mediante la relacin de equivalencia, como sigue: p q si v(p) = v(q) Definimos en el conjunto U las operaciones disyuncin ( ), conjuncin ( ) y negacin ( ), con las siguientes propiedades:

Disyuncin Conmutativa p q = q p Asociativa p (q r)= (p q) r

Conjuncin p q=q p p (q r)= (p q) r p p=p

Negacin

Idempotencia p p = p

- 37 -

Distributiva Involutiva de Morgan

p (q r)= (p q) (p r)

p (q r)= (p q) (p r) p=p

(p q) = p

(p q) = p

Representamos por F la clase de equivalencia de las antilogas cuyos elementos son las proposiciones equivalentes a p p. Y representamos por V la clase de equivalencia de las tautologas cuyos elementos son las proposiciones equivalentes a p p. Bajo estas condiciones y con las relaciones definidas, podemos asegurar la estructura conjuntista de Algebra de Boole para todos los conjuntos asociados tales que: C(p) = {x U ; x verifica p} Lo cual nos permite reducir todas las frmulas habituales de la lgica clsica a igualdades de la teora de conjuntos. Por ejemplo, veamos como sera la propiedad asociativa de la disyuncin: Equivalencia lgica Igualdad conjuntista p (q r)= (p q) r A (B C) = (A B) C

Teora axiomtica de la probabilidad Definimos los espacios de probabilidad por tres factores: Conjunto no vaco de los resultados ( ), conjunto de sucesos o eventos como parte de (a) y una funcin (p) en el intervalo [0,1] que verifica:
- 38 -

a) b) c) d)

0 = <p(A) =< 1 p( ) = 1 y p( ) = 0 p(A) =< p(B) p(A B) = p(A) + p(B)

para todo si A B si A B =

A a

As definida la probabilidad tambin presupone una estructura de lgebra de Boole de conjuntos. No obstante, la determinacin de la probabilidad (la funcin p) deber desarrollarse mediante mtodos apropiados (von Neumann), aunque los casos de aleatoriedad, sern los que menos inters tengan desde el punto de vista lgico.

Conjuntos borrosos y predicados vagos

Sea el conjunto P de los predicados: {P, Q, R, } y sea el conjunto U de los objetos del universo del discurso: {x, y, z, }. El producto cartesiano P x U representa el conjunto de todas las proposiciones didicas {Px, Py, Pz, Qx, Qy, Qz, Rx, Ry, Rz, , .}. Slo podemos asignar valores de verdad en el conjunto producto, ya que tanto predicados como objetos, carecen de valores veritativos. Mediante el criterio semntico de verdad, podemos establecer la clase de los predicados verdaderos (V) y falsos (F) para cualquier predicado (por ejemplo B): V = {Bx; x es B} F = {Bx; x no es B}

Pero sucede que algunas proposiciones no son claramente verdaderas o falsas sino que tienen una cierta graduacin. Deberemos definir, pues, ms clases que las F y V clsicas; deberemos definir el grado de compatibilidad de B con x. Para ello estableceremos el subconjunto borroso P segn la siguiente expresin:

- 39 -

si y slo si

mp(x) = a

En la que el smbolo a significa pertenece en grado a y la funcin mp representa el valor veritativo de la proposicin Px para todo x U y cuyo campo de existencia es [0,1]. Pero, cmo es la funcin de pertenencia mp)? Ah radica el problema fundamental: los criterios a seguir para establecer el grado de asignacin. Existen unos cuantos procedimientos tiles de asignacin de grados de pertenencia:

a) b) c) d) e)

Proceso individual o colectivo de asignacin directa Procesos probabilsticas y estadsticos Procesos de anlisis de alternativas Procesos de medicin directa o indirecta Proceso de Zhang

Tambin es algo problemtica la definicin de los operadores en el conjunto P. Zadeh defini la operacin conjuncin "A y B" o simblicamente A B mediante la frmula: (A B)(x) = Min [ A(x), B(x) ] Que cumple las propiedades asociativa, conmutativa, idempotente, creciente, continua con 1 como unidad y 0 como absorbente, pero que no cumple otras como A (1 - A) = . Se han propuesto otras frmulas para la definicin de la frmula de la conjuncin basadas en la distribucin conjunta de probabilidades de A y B que cumplen las propiedades razonables de dicho operador. La negacin se define mediante una biyeccin involutiva decreciente de tal manera que N: [0,1] [1,0]. Y a partir de esta se
- 40 -

puede obtener la regla de la disyuncin. Toda la construccin, nos aleja de la estructura de lgebra de Boole, que como hemos visto garantizaba la conversin de las reglas lgicas en operaciones de lgebra de conjuntos. Por ello ser conveniente establecer criterios de medicin de la borrosidad (entropa borrosa) y sistemas de conversin de los subconjuntos borrosos en sus subconjuntos clsicos ms prximos.

CONSECUENCIAS PRACTICAS Y FILOSFICAS

Borrosidad y vida cotidiana
Si bien es cierto que se estn utilizando con xito sistemas de memoria asociativa borrosa (FAM) en numerosos instrumentos y que el nmero de patentes no deja de crecer en los ltimos aos, tambin es cierto que los ordenadores en los que se basan dichos sistemas siguen siendo, en su estructura bsica, binarios. Parece existir una contradiccin entre el principio borroso,

intuitivamente acertado, y los sistemas de procesamiento de informacin y de reglas que siguen basados en el 0 y el 1. El propio funcionamiento de los sistemas borrosos aditivos (FAT), la FAM y la memoria asociativa bidireccional (BAM), no es ms que

- 41 -

un proceso de entrada de informacin, aplicacin de reglas de actuacin y obtencin de resultados. La entrada de informacin puede ser borrosa, incluso la aplicacin de las reglas podemos considerarla borrosa (se activan todas simultneamente en distinto grado), pero la obtencin del resultado slo puede obtenerse por eliminacin de la borrosidad mediante un sistema centroidal. Dnde queda, pues, la borrosidad?

En este sentido Kosko opone al concepto de Inteligencia Artificial (creacin de sistemas informticos expertos, que aprendan de s mismos) el de Redes Neuronales (creacin de sistemas informticos que simulen el funcionamiento del cerebro humano), concepto que tambin ha sido cuestionado desde la

neurobiologa: "Las redes neuronales son demasiado simples en comparacin con la complejidad del cerebro: las neuronas informticas no son mas que una caricatura de una neurona real. Estamos tratando de explorar otras formas de aprendizaje. Necesitamos un algoritmo de aprendizaje masivamente paralelo".

Ciencia y borrosidad
Bart Kosko cita a dos de sus detractores al principio de su libro, citas que reproducimos a continuacin por su causticidad: "El peligro de la lgica borrosa es que da alas a esa suerte de pensamiento impreciso que nos ha trado tantos problemas. La

- 42 -

lgica borrosa es la cocana de la ciencia" (William Kahan). "La borrosidad es una suerte de permisividad cientfica. Tiende a acabar en eslganes socialmente atractivos que no van acompaados de la disciplina del duro trabajo cientfico y de la observacin paciente" (Rudolf Kalman).

En el apartado 4.1, al hablar de la filosofa oriental (tan entraable al seor Kosko), ya apuntbamos la esterilidad cientfica de la que histricamente ha adolecido el mundo oriental, insinuando que podra ser debida precisamente a la concepcin borrosa con la que se ha enfrentado al mundo exterior. Es cierto que la idea de verdad / falsedad mutuamente excluyentes es una simplificacin del mundo; pero no es menos cierto que cualquier proceso de abstraccin es, en s mismo, simplificador. Por qu no utilizar el ms sencillo, o sea, el bivalente?. Sin la abstraccin no hay progreso cientfico; el cambio de paradigma cientfico, la revolucin cientfica, slo se realiza negando la teora anterior y afirmando la nueva. Por ello nos parece la cita de Mao (ver apartado 4.1) particularmente reduccionista de la dialctica de Marx (y, por ende, de Hegel) que no afirmaban la "unidad de los contrarios" sino su lucha permanente hasta la obtencin de nuevas sntesis.

Las afirmaciones de los profesores Kahan y Kalman apuntan en esta direccin: Puede el pensamiento borroso convertirse en

- 43 -

estril al afirmar la verdad y la falsedad simultnea de cualquier teora? En un libro divulgativo sobre la teora del caos, describe las ms modernas aportaciones en este campo y todas ellas siguen persiguiendo la bsqueda de leyes deterministas para la explicacin de los fenmenos inestables y caticos, introduciendo naturalmente las teoras de la probabilidad a las que Kosko ataca con dureza: "Una vez ms, los cientficos se haban equivocado en el nivel evidente por s mismo de la lgica y las matemticas. Haban hinchado sus corazonadas, instintos y reflejos

condicionados de probabilidad y aleatoriedad hasta hacer de ellos un dios pagano, y con ellos haban llenado cada rincn del universo lo mismo que en el siglo pasado lo haban llenado todo con el invisible ter lumnico para que las ondas de luz pudiesen moverse por el espacio"

tica y borrosidad
Desde la adopcin de la perspectiva formal en tica, a partir de Kant, nadie ha dado con un sistema de fundamentacin del predicado moral. Los intentos de fundamentacin a travs de las modernas ticas dialgicas chocan precisamente con la

borrosidad: las afirmaciones morales son borrosas hasta la mdula, las obtengamos mediante encuesta o mediante dilogo, porque estn mediatizadas por nuestras emociones y nuestros

- 44 -

intereses. La introduccin del concepto de borrosidad en este mbito no hace sino aumentar el relativismo tico propio de nuestra era. Ya hemos visto, en el nivel matemtico (apartado 5.3) que el problema bsico de la construccin de conjuntos borrosos reside en la formulacin de la funcin de pertenencia, a la que es prcticamente imposible desproveer de subjetivismo, de la misma forma que un juez no puede ignorar por completo sus propias concepciones ticas a la hora de aplicar justicia, a pesar de que ello debe ser su ideal.

Si la capacidad moral que adquirimos es tan real como nuestro conocimiento sobre el mundo objetivo, no parece que aadirle borrosidad sea un sistema para mejorarla.

Metafsica, Ontologa y borrosidad

A partir de la suposicin que nada existe (el universo es igual al conjunto vaco) y del concepto de entropa borrosa (ver apartado 5.3) Kosko concluye que, bajo dichas condiciones, no existiran las matemticas (la entropa del universo sera 0/0 = indefinido). El mundo parece obedecer a las matemticas y no hallamos indicios de fin ltimo ni de nada que se le parezca. "Dios es El que escribi las matemticas. O La que escribi las matemticas. O la Nada que escribi las matemticas. El Hacedor Matemtico" . Kosko nos retrotrae al pitagorismo ms elemental. No es de extraar. Ya nos

- 45 -

haba indicado en pginas anteriores la importancia del teorema de Pitgoras para las condiciones de ortogonalidad de la condicin de subconjunto..

CONJUNTOS DIFUSOS
De manera intuitiva se tiene el concepto de conjunto como una coleccin bien definida de elementos, en la que es posible determinar para un objeto cualquiera, en un universo dado, si acaso ste pertenece o no al conjunto. La decisin, naturalmente, es ``s pertenece'' o bien ``no pertenece''. Por ejemplo, consideremos como universo a la poblacin econmicamente activa en Mxico, es decir, al conjunto formado por las personas residentes en ese pas con una edad entre 18 aos (cumplidos) y 66 aos (por cumplir). Consideremos un mes cualquiera, digamos, diciembre de 2000 (y no porque entonces hubiera habido un cambio, sino porque era se el ltimo mes del siglo XX). El conjunto de personas empleadas en Mxico en ese mes, podramos pensar, est bien determinado: una persona en nuestro universo que entonces hubiera vendido su fuerza de trabajo, bajo un contrato de empleo, a una empresa legalmente constituda, sin duda alguna era una persona empleada, y alguien que no tuvo salario alguno en ese mes y no estuvo vinculado a ningn patrn bajo una relacin contractual, pues no era empleado. El lector observar la sobresimplificacin del criterio de pertenencia enunciado. En efecto, ni falta el funcionario de la Secretara del Trabajo que dir: ``Todo ciudadano que haya trabajado al menos una hora en ese mes y por eso haya recibido un pago, es un empleado'', y tampoco faltar quien diga: ``Qu empleo? No hall trabajo en todo el 2000 y slo en su ltimo mes, mi primo me emple a destajo para envolver regalos en su tienda: Yo no soy ningn empleado''. La nocin intuitiva de conjunto puede, as, ser muy estrecha. En un conjunto difuso a
- 46 -

cada elemento del universo se le asocia un grado de pertenencia, que es un nmero entre 0 y 1, a ese conjunto. Un conjunto difuso es pues una correspondencia (o funcin) que a cada elemento del universo le asocia su grado de pertenencia. Enunciada as esta definicin parece ser cclica, mas no lo es: un conjunto difuso es una funcin cuyo dominio es el universo y cuyo contradominio es el intervalo (C,1). En tanto el grado de pertenencia sea ms cercano a 1 tanto ms estar el elemento en el conjunto y en tanto el grado de pertenencia sea ms cercano a 0 tanto menos estar el elemento en el conjunto. Por ejemplo, los siguientes son conjuntos difusos, dados como funciones g, que pueden abarcar el concepto de empleado: De estadstica optimista ``Uno es empleado si trabaja al menos una hora, bajo pago, en un mes. Para cada persona x sea t(x) el nmero de horas trabajadas bajo pago el mes en cuestin. Hagamos gE(X)=1 si T(x) y gE(x)=0 si t(x)=0.

De porcentaje en tiempo ``Uno es empleado en proporcin al tiempo trabajado. Supongamos que el total de horas posibles a ser laboradas en un mes sea 40X4=160. Hagamos gpt(X) igual al valor mnimo que resulte de comparar 1 con la razn t(x)/160. De porcentaje en ingreso ``Uno es empleado en proporcin con que pueda adquirir los bienes de consumo necesarios para su familia. Denotemos por p(x) a la paga que recibe el ciudadano x por hora de su trabajo. Supongamos que la ``canasta bsica'' la evala la Secretara de Comercio en M pesos al mes, por persona, y que cada trabajador tiene en promedio 2 dependientes econmicos, adems de l mismo. El salario del trabajador ha de mantener a 3 personas. Hagamos gPI(x) igual al valor mnimo que resulte de comparar 1 con la razn t (x) p(x)/ (3M).

- 47 -

Ponderacin de tiempo e ingreso ``Uno es empleado cuando trabaje mucho aunque no coma o no tenga apuros econmicos aunque no trabaje. Sean ay bdos coeficientes entre 0 y 1 tales que . Hagamos . El grado de pertenencia gDa un conjunto difuso D puede ser interpretado de diversas maneras, en contextos diferentes. Las siguientes son slo algunas posibles interpretaciones: Proporcin en la que se posee un atributo Si consideramos que D es un atributo, entonces para cada objetoX, 100.gD(x) es el ``porcentaje'' con el que X posee D. Probabilidad Si consideramos que D es un evento probabilista (una variable aleatoria, segn se dice en la Teora de la Probabilidad, con valores en el conjunto de partes del universo), entonces para cada objetoX, gD(x) es la probabilidad de que X ocurra en el evento D, es decir, gD(x)=prob(x D). Medida de creencia Si consideramos que Des un atributo, entonces para cada objeto X, gD(X) es un grado con el que se cree que Xposee el atributo D Por ejemplo, gpt, definida anteriormente, es ciertamente una proporcin del tiempo laborado. es una medida de creencia (y la seleccin de pesos Ay Bsesga el nfasis que se le quiera dar al tiempo laborado o al ingreso obtenido). Para ilustrar la connotacin probabilista, consideremos el conjunto difuso D= ( empleados felices ). Entonces, para cada X, gD(X) sera una probabilidad de que X sea feliz. Un conjunto, en el sentido intuitivo, posee una funcin caracterstica: En cada elemento, la caracterstica vale 1 (``s'') si el elemento est en el conjunto y vale 0 (``no'') en caso contrario. En consecuencia, todo conjunto intuitivo es en s un conjunto difuso. Recprocamente, dado un conjunto difuso D con funcin de pertenencia gD, se puede fijar un umbral Z entre 0 y 1, inclusive,
- 48 -

para formar el conjunto, en el sentido intuitivo, de elementos con grado de pertenencia al menos Z: Xest en si y slo si

. Diremos que es el corte a altura de . El corte a altura 0 es entonces todo el universo, en tanto que el corte a altura 1 consta de los elementos con valor de pertenencia 1 al conjunto. Es bien sabido que los conjuntos intuitivos pueden combinarse mediante las operaciones, llamadas booleanas, de complemento, unin e interseccin: El complemento de un conjunto est formado por los elementos del universo que no estn en l, la unin de dos conjuntos la forman los elementos que estn en uno o en otro conjunto y la interseccin la conforman los elementos en ambos conjuntos. Si nos referimos a funciones caractersticas, se tiene que la caracterstica del complemento posee el valor opuesto al de la caracterstica del conjunto, la caracterstica de la unin de dos conjuntos vale uno si al menos una de las caractersticas de los conjuntos vale uno, y la caracterstica de la interseccin vale uno si las caractersticas de ambos conjuntos valen uno. Esto puede servir de motivacin para definir operadores de composicin de conjuntos difusos. De hecho, para cada una de las interpretaciones descritas arriba se puede introducir una coleccin particular de operadores. Veamos en cada caso operaciones de complemento, unin e interseccin: Proporcin en la que se posee un atributo. En este caso, los grados de pertenencia se interpretan como proporciones, por lo cual se definen las operaciones como sigue: Complemento El complemento de un conjunto difuso el grado ``complementario'': Interseccin
- 49 -

asigna a cada objeto .

La interseccin de dos conjuntos difusos , asocia el mnimo de los grados de pertenencia, es decir, para cada objeto : . Unin De manera similar, la unin de dos conjuntos difusos , asocia el mximo de los grados de pertenencia, es decir, para cada objeto : .

Probabilidad. Vistos los grados de pertenencia como probabilidades, se tiene: Complemento La probabilidad del complemento de un conjunto difuso probabilidad ``complementaria'': Interseccin sta es la probabilidad de la ocurrencia simultnea de dos eventos. La interseccin est muy ligada al concepto de a la probabilidad condicional. Si denotamos por probabilidad de que ``ocurra dado que ha ocurrido '', entonces por un clebre resultado de la Teora de la Probabilidad, llamado el Teorema de Bayes, ha de valer la identidad . El valor comn en esta igualdad es, precisamente, la probabilidad de la interseccin . As pues, teniendo una funcin que a dos eventos cualesquiera , les asocia una ``densidad de
- 50 -

es la

probabilidad condicional'' asocia un valor

tal que a cada objeto de manera que

le

(1)

Entonces para dos conjuntos difusos cualesquiera definir el grado de pertenencia a la interseccin

se puede

como . Una densidad de probabilidad condicional que satisfaga la ec. Podra definirse haciendo, por ejemplo, que para cualesquiera dos eventos distintos e . Evidentemente, la ``independientes'' y : nocin de independencia depender del universo en cuestin. Por ejemplo, si consideramos a la poblacin econmicamente activa, el conjunto ``de profesores que ensean en instituciones de educacin superior'' y el conjunto de ``empleados con salarios altos'' pueden ser considerados independientes pues ciertamente se dan los casos de profesores universitarios con bajos salarios, de profesores universitarios con altos salarios, de empleados con altos salarios que no son profesores y de empleados con bajos salarios que no son profesores. As pues, para cualquier ciudadano , y , es decir, se cumple la relacin (1). Vemos pues que para definir la operacin de interseccin, basta tener un operador de ``probabilidad condicional''. De manera recproca, si se tiene definida de alguna manera al operador de interseccin, entonces siguiendo el teorema de Bayes se puede definir un operador de ``probabilidad condicional''. Por tanto, las nociones de interseccin (probabilista) de conjuntos difusos y la de probabilidad condicional son reducibles una a la otra.

- 51 -

Unin La probabilidad de que ocurra uno u otro evento es la probabilidad de uno, ms la probabilidad del otro, menos la probabilidad de que ocurran ambos eventos: . Medida de creencia . Las siguientes funciones pueden parecer definidas de manera arbitraria, pero ciertamente tienen una motivacin intuitiva: Complemento Como en los casos anteriores, se hace: .

Interseccin Dados dos conjuntos difusos , con sendos grados de pertenencia y , si para un punto dado , la suma

es menor que entonces descartamos que ese punto sea comn a ambos conjuntos, es decir, no debe estar ``en la interseccin''. En otro caso, se toma como grado de pertenencia, a la interseccin, a la razn de la diferencia entre el mximo de y . En smbolos

Unin
- 52 -

Dados dos conjuntos difusos pertenencia y

con sendos grados de , la suma

, si para un punto dado

es mayor que entonces convenimos en que ese punto est ``en la unin''. En otro caso, se toma como grado de pertenencia, a la unin, al mximo de las razones y . En smbolos

En la figura 1mostramos las grficas correspondientes a estos operadores de interseccin y de unin.

Figura 1: Grados de pertenencia, segn el enfoque de ``medida de creencia'', de (a) interseccin, , y (b) unin, ,

en trminos de los grados de creencia y . A partir de operaciones de complemento, unin e interseccin, se obtienen conjuntos difusos ``ms complejos'' como resultado de aplicar sucesivamente estos operadores partiendo de una coleccin de conjuntos difusos, digamos, ``primitivos''. Para hablar con un poco de ms precisin: Si
- 53 -

son conjuntos

difusos primitivos, para operadores de complemento, de interseccin y de unin fijos, la clase de conjuntos definibles, partiendo de los conjuntos primitivos, son los que se obtienen mediante las reglas siguientes: 1. Todo conjunto primitivo es definible. 2. El complemento de todo definible es, a su vez, definible. 3. La interseccin y la unin de dos conjuntos definibles, son, a su vez, definibles, tambin. As, por ejemplo, si son tres conjuntos difusos primitivos, los siguientes son meros ejemplos de conjuntos difusos definibles a partir de ellos:

Denotemos a un conjunto definible como

, slo .

para enfatizar el hecho de que se obtiene de los conjuntos

que a Cada tal conjunto tiene asociada una funcin cada objeto del universo le asocia un grado de pertenencia al conjunto definible, la cual, naturalmente, se escribe como una composicin de los grados de pertenencia de los conjuntos primitivos. Existen dos problemas fundamentales en cualquier teora de conjuntos difusos: Problema 2.1 (de deduccin) Para un conjunto definible y un objeto dado , si se sabe que cada grado de
- 54 -

pertenencia cae en un intervalo , entonces se ha de estimar en qu intervalo ha de caer el grado de pertenencia . Utilizando una jerga tcnica actual, podemos decir que ste es un problema de tipo ``hacia adelante'': conociendo los valores iniciales , mediante las funciones de los conectivos de complemento, unin e interseccin, se calcula consecutivamente los grados de pertenencia de los conjuntos involucrados hasta . En etapas de aplicacin, un obtener el valor revolvedor de este problema se ve como un agente que realiza ``pronsticos'': ``Si los valores iniciales son de tales caractersticas, los finales han de ser de tales cuales''. Problema 2.2 (de inferencia) Para un conjunto definible y un objeto dado , si se sabe que el grado de pertenencia cae en un intervalo , y que para sus caen en

algunos conjuntos primitivos correspondientes grados de pertenencia intervalos los otros ndices ,

, entonces se ha de estimar para en qu intervalos debieron

. caer los correspondientes grados de pertenencia Tambin en jerga tcnica, podemos decir que ste es un problema de tipo ``hacia atrs'': conociendo los valores finales y algunos iniciales , teniendo en cuenta las funciones de los conectivos de complemento, unin e interseccin, se busca determinar los valores que debieron asumir los dems grados de pertenencia iniciales para obtener el
- 55 -

valor final. En etapas de aplicacin, un revolvedor de este problema se ve como un agente que realiza ``diagnsticos'': ``Si los valores observados (finales) son de tales caractersticas en unas ciertas condiciones (iniciales), entonces las dems variables iniciales han de haber cumplido con tales hiptesis''. Vemos pues que los conjuntos difusos involucran de manera esencial procedimientos de clculo numrico o simblico. Al contrario de una primera idea sugerida por su nombre, veremos que la lgica difusa es un rea de clculo preciso. Ambos problemas, de deduccin y de inferencia, pueden ser resueltos, efectiva y eficientemente, analizando los tipos de las funciones matemticas involucradas en los grados de pertenencia y en los conectivos lgicos.

CALCULO PROPOSICIONAL DIFUSO

Recordamos que Gottfried Wilhelm Leibniz plante en el s. XVII la necesidad de un calculus ratiocinator que sera un sistema con un propio formalismo que permitiera la manipulacin simbl ica de enunciados, en concordancia con las leyes de la lgica, para descubrir nuevas verdades o bien para verificar como verdaderas a tesis postuladas como tales. Por lo menos desde entonces se reconoci la relevancia del manejo (procesamiento) simblico de enunciados lgicos. Naturalmente, George Boole y Gottlob Frege contribuyeron de manera notabilsima en el origen mismo del razonamiento automtico. Ms, desde la perspectiva de las lgicas difusas, en los antecedentes de ellas es necesario mencionar a Jan Lukasiewicz. En su sistema trivaluado, si a los valores de verdad Falso, Desconocido y Verdadero se les representa,
- 56 -

respectivamente, por los valores numricos 0, las nociones de complemento

y 1, entonces

, conjuncin

y disyuncin , corresponden a la interpretacin intuitiva de esos conectivos lgicos (invitamos al lector a que escriba las tablas de verdad de los conectivos y a que se cerciore de esta aseveracin). Este sistema trivaluado entraa, ciertamente, una nocin de difusidad. En un clculo proposicional difuso se tiene inicialmente una coleccin de proposiciones primitivas, o ``atmicas'', una serie de conectivos lgicos y reglas definidas de ``buena formacin'' de proposiciones ``compuestas'' a partir de las atmicas. Cada proposicin puede asumir un valor de verdad que puede ser Falso, o Verdadero o alguno otro ``entre'' esos dos valores extremos de verdad. Cada conectivo lgico tiene asociada una funcin que determina el valor de verdad de la proposicin resultante de l en trminos de los valores de verdad de las proposiciones que componen a esa proposicin resultante. Resultan entonces sendos problemas ``de deduccin'' (dado que los valores de las proposiciones atmicas quedan caracterizados, se ha de caracterizar los de proposiciones compuestas partiendo de ellas) y ``de inferencia'' (dado que los valores de las proposiciones compuestas han sido observados, se ha de formular hiptesis, y adems probarlas, respecto a los valores de las proposiciones atmicas involucradas que debieron dar origen a los valores observados). En lo que sigue, detallaremos esta construccin de un clculo proposicional difuso. Comencemos con conjuntos de valores de verdad a los cuales llamaremos de valuaciones. Un conjunto de valuacin puede ser finito o bien puede ser un contnuo. Como ejemplos de valuaciones finitas consideremos primero un enfoque de creencias, que a cada proposicin atmica le asocia una etiqueta lingstica tal como: Falso Casi _ falso Tal_vez_falso Desconocido Tal_vez_cierto Casi _ cierto Verdadero
- 57 -

o bien, con un enfoque de ``posesin de atributos'' del tipo `` es '', las etiquetas lingsticas pueden ser Definitivamente_no Ms_bien_no Al_parecer_no No_se_sabe Al_parecer_s Ms_bien_s Definitivamente_s De este segundo tipo son las mediciones de variables de control cuando stas varan de manera discreta, es decir, cuando los aparatos de medicin detectan tan solo cambios de una determinada magnitud. El vendedor de telas en la mercera de la esquina mide longitudes con un metro marcado hasta centmetros. Sus ``etiquetas lingsticas'' seran .00 .01 .02 .5 .98 .99 1. Si es un conjunto de valuacin finito, entonces al enumerar a , se puede suponer sus elementos, digamos que esa enumeracin concuerda con el orden interno de , es decir, si entonces la etiqueta lingstica es menor, en el

orden de , que . En tal caso, puede identificarse con un subconjunto de nmeros entre 0 y 1, incluyendo stos, de manera que el primer elemento corresponda a 0 y el ltimo, se le asocia el

, corresponda a 1 (esto se logra si a cada nmero

lo cual dara una distribucin uniforme de las pero ciertamente sta no es la

etiquetas en el intervalo

nica manera de insertar a en , la manera en la que se inserte depender de la aplicacin, evidentemente). Como ejemplos de valuaciones contnuas tenemos los que resultan cuando se estima ``probabilidades de ocurrencia''. Si a una proposicin se le asocia la probabilidad de que ocurra (en cierto espacio de eventos) entonces su valor de verdad puede ser un nmero real entre 0 y 1 inclusive. O bien, cuando se
- 58 -

observa una parmetro en algn proceso, el cual vara de manera contnua y puede asumir valores entre uno mnimo

otro mximo , entonces el propio intervalo constituye un espacio de valuacin continuo. Utilizando una sencilla regla de tres, es decir, asocindole a cada nmero entre y , el nmero se puede identificar al conjunto de

valuacin con el intervalo . As pues, sin ninguna prdida de generalidad, podremos suponer siempre que el conjunto de valuacin es un subconjunto del intervalo y contiene a los extremos 0 y 1. Supondremos tambin que es simtrico respecto al punto medio , es decir, supondremos que si para un nmero se tiene que est en entonces est tambin en . Para construir un clculo proposicional difuso, elijamos un conjunto de proposiciones atmicas. Una en le

asignacin es una correspondencia que a cada tomo

en o bien lo deja sin ningn valor asocia bien un valor asociado. Supongamos ahora que se tiene tres conectivos lgicos: complemento , conjuncin y disyuncin , cada una con una respectiva operacin de evaluacin, digamos . Entonces la coleccin de proposiciones booleanas compuestas se define como sigue: Todo tomo el complemento de una proposicin en es un elemento de est tambin en ; ;

y la conjuncin y la disyuncin de dos proposiciones en

estn

tambin en . Toda asignacin , definida sobre los tomos se extiende naturalmente a una asignacin definida en toda la
- 59 -

coleccin

. A saber: Si es un tomo, entonces en se tiene

Si para una proposicin entonces proposiciones en

. Similarmente, si para dos se tiene , entonces

En jerga tcnica, se dice que la asignacin est propagando incertidumbres partiendo de la asignacin . Ya hemos visto ejemplos de funciones de evaluacin en la seccin anterior. En la tabla 1 presentamos un resumen de ellas en el contexto actual y adems presentamos una nueva coleccin de funciones de evaluacin debidas tambin a lukasiewicz. Tabla 1: Funciones de evaluacin para conectivos de complemento, conjuncin y disyuncin.

(a) Proporcionalidad

(b) Creencia

- 60 -

(c) Probabilstica

(d) Lukasiewicz

Hasta ahora hemos slo considerado tres tipos de conectivos lgicos: complemento, conjuncin y disyuncin. Sin embargo, los dems quedan prcticamente determinados pues siempre se puede definir a la implicacin haciendo equivalencia lgica haciendo, por y a la

ejemplo, . Recprocamente, si se tuviese definidas nicamente funciones de evaluacin para el complemento y para una implicacin `` '' entonces se podra definir a los dems conectivos haciendo: ,y . ,

En varias lgicas difusas se procede segn esto ltimo. As pues, cada posible seleccin de funciones de evaluacin de conectivos da origen a un distinto clculo proposicional difuso. Lo que tienen en comn todos ellos es que cuando se les restringe a y considerar slo valores de verdad deterministas entonces coinciden con el clculo proposicional clsico. No se puede afirmar que ninguno de los presentados aqu es el correcto. Dependiendo de algunas aplicaciones acaso uno de ellos es el ms adecuado, mas dejar de serlo, cuando se cambie de aplicaciones.

- 61 -

CALCULO DE PREDICATIVO DIFUSO

De igual manera a como se procede en el clculo de predicados clsico, se supone dada una signatura, consistente de una coleccin de constantes, una coleccin de relaciones y una coleccin de funciones. Cada relacin y cada funcin tiene asociada una aridad, es decir, un nmero de argumentos. Los trminos se forman considerando a las constantes y a las variables como trminos y a la composicin de smbolos de funciones con trminos, como trminos tambin. Las frmulas atmicas se obtienen como composicin de smbolos de relaciones con trminos. Las frmulas se obtienen considerando como tales a las frmulas atmicas, a la composicin de frmulas con conectivos lgicos y a las cuantificaciones universales y existenciales de frmulas (vase los detalles de construccin en el escrito de Jos Alfredo Amor en este mismo libro). Tambin, al igual que en el caso clsico, una interpretacin consiste de un universo , de una correspondencia de cada constante en la signatura con un elemento en y de una correspondencia : Si es un smbolo

de smbolos de funciones con funciones en de funcin de aridad , entonces

es una funcin con

dominio y contradominio , es decir, . De esta manera, a cada trmino que no involucre variables, le corresponder un elemento en . Para completar la nocin de interpretacin, a cada smbolo de relacin , digamos que de aridad , se le asocia un conjunto difuso en el universo ; y a los conectivos lgicos se les asocia funciones especficas de evaluacin. Pues bien, una asignacin asocia a cada variable un elemento en (escribiremos para denotar el hecho de que y coinciden en todas las variables, excepto, quiz, en
- 62 -

). A una frmula atmica cerrada, es decir sin variables, la asignacin le asocia como valor de verdad el grado de pertenencia de la difuso . En smbolos: -ada al conjunto Si entonces .

es un conectivo lgico, con funcin de evaluacin para dos frmulas , se define Finalmente, para frmulas cuantificadas se define:

As pues, ya sea en un clculo difuso de proposiciones o en uno de predicados, se puede plantear los siguientes dos problemas: Problema 4.1 (de deduccin o de ``pronstico'') Para una frmula , si se sabe que las frmulas atmicas que involucra toman valores de verdad en ciertos intervalos, entonces se ha de estimar en qu intervalo ha de caer el valor de verdad de .

Problema 4.2 (de inferencia o de ``diagnstico'') Para una frmula , si se sabe que el valor de verdad cae en un

intervalo , y que para algunos tomos involucrados en sus correspondientes valores de verdad caen en ciertos intervalos, entonces se ha de estimar para los tomos restantes en qu intervalos debieron caer sus correspondientes valores de verdad.
- 63 -

PROBLEMA FUNDALMENTAL DE LA LOGICA

Se puede identificar como problema fundamental el de inferencia enunciada anteriormente. En efecto, un programa de lgica difusa corresponde de una lista de parejas consistente, cada una, de una frmula y de un valor de verdad asociado. En estas condiciones se ha de resolver el problema de inferencia: Determinar los valores de verdad que debieron haber asumido los tomos involucrados para obtener las condiciones establecidas en el programa lgico. En jerga tcnica, decimos que se ha de satisfacer la consulta (query satisfaccin) planteada por el programa lgico. Existen diversos procedimientos para localizar una solucin a este problema, y tanto en el artculo de Mauricio Osorio como en el conjunto de Jos Alfredo Amor y Raymundo Morado se presentan tcnicas, considerando lgicas deterministas. Propiamente las tcnicas pueden repetirse aqu, mas en este caso, se ha de tener especial cuidado en el manejo de valores de incertidumbre. No abundamos ms en este tema y remitimos al lector a la literatura especializada.

- 64 -

- 65 -

 Este tipo de lgica es la lgica que utiliza expresiones que no son totalmente ciertas ni totalmente falsas , es decir, es una lgica aplicada a conceptos que pueden tomar un valor determinado de veracidad dentro de un conjuntos de valores cuyos extremos son la verdad absoluta o falsedad absoluta.

 Podemos definir a este tipo de lgica como una tcnica de la inteligencia computacional que ayuda o permite trabajar con informacin que es imprecise y no est bien definida.

 La lgica fuzzy se diferencia de todas las lgicas por que nos permite introducir valores intermedios entre la afirmacin complete y la negacin absoluta. [Estambien llamada ambigua

- 66 -

- 67 -

y www.google.com
y
y

Guillermo morales-luna (introduccin la lgica borrosa) Dubois, D., Prade, H. Fuzzy sets in approximate reasoning II (Logical approaches), Fuzzy sets and systems. 40, pp. 203-244, 1991.

y Dubois, D., Prade, H. Fuzzy sets and systems: Theory and applications, Academic Press, 1980. y Hjek, P., God Ll. Deductive systems of fuzzy logic, unpublished manuscript, 1997. y Kantrowitz, M. et al, FAQ: Fuzzy Logic and Fuzzy Expert Systems, disponible en ftp.cs.cmu.edu:/user/ai/pubs/faqs/fuzzy/fuzzy.faq, (desde 1995). y Kaufmann, A., Introduccin a la teora de los subconjuntos borrosos, Ca. Editorial Continental, 1982. y Zadeh, L. Fuzzy sets, Information & Control., 8, 1965. y Zadeh, L. Fuzzy logic, IEEE Computer, 1:83, 1988. y Libros: Sinopsis de Futuro Borroso o el Cielo en un Chip, el (B) Desde la teora del caos no haba aparecido en la comunidad cientfica un concepto ms explosivo que la lgica borrosa. y Biografa del autor: Bart Kosko

- 68 -