Como ya vimos en el post anterior la lógica difusa abre nuevas perspectivas que se encontraban cerradas en la lógica clásica. En comparación con los métodos de análisis convencionales, aporta nuevas características que convierten su utilización en muy prometedora para la ciencia. En concreto para la biología, ya que la mayoría de los procesos biológicos son complejos, no lineales, poseen grandes lagunas de datos en muchos casos, de gran variabilidad y muy difíciles de definir. Todo esto finalmente (si conseguimos analizarlo teniendo todo en cuenta) nos puede dar un resultado muy muy difícil de interpretar…
Sin embargo (y ésta es la gran ventaja de esta tecnología) la lógica difusa utiliza etiquetas lingüísticas, algo muy aproximado y cercano a nuestra forma de acumular información en nuestra memoria, lo que nos da salidas más fácilmente interpretables. Y cómo hace esto??
Ser humano en actitud pensativa. Fuente: www.errumm.co.uk/
Pues mediante la lógica proposicional, utiliza una serie de reglas difusas (SI-ENTONCES) con una serie de antecedentes para finalmente obtener un consecuente y modelar el problema que se quiere resolver. Tomando como ejemplo el conjunto de «hombres altos» de Zadeh podría ser algo como así:
«SI Juan es un hombre Y mide 1.83 m ENTONCES Juan es ALTO» con un grado de pertenencia X.
En esta proposición se han mezclado datos cuantitativos numéricos con datos lingüísticos más imprecisos, sin embargo nos ha dado una información interesante y es que Juan es ALTO.
De la misma forma, éste probablemente sea uno de los sistemas del futuro para tratar de organizar la información en Internet. Millones de millones de datos circulan por la red. Por ejemplo agrupados en tags, como los de éste blog, desde los cuales podemos alcanzar más fácilmente la información que nos interesa. Pero, cómo organizar tamaña cantidad de información?
Quizás la lógica difusa pueda ser la clave, una organización que promueve la agrupación y no el aislamiento como la lógica clásica (Citando al Prof. Zadeh en el congreso sobre Internet and Multimedia Systems and Applications 2009 en Honolulu, Hawai).
«Soft computing was born in Berkeley in 1991. In science, as in many other realms of human activity, there is a tendency to be nationalistic – to proclaim that one methodology is superior to others. However, it is much more constructive to form a coalition. This is what motivated the genesis of BISC (Berkeley Initiative in Soft Computing). The principal members of soft computing are fuzzy logic, neurocomputing, evolutionary computing and probabilistic computing. The basic tenet of soft computing is that better results can be obtained by using the members of the coalition in combination rather than in isolation»
