Zu meiner Studienzeit in den 1990er Jahren war Fuzzy-Logic und
Fuzzy-Control ein ganz heißes, wenn auch kontrovers diskutiertes Thema.
Es gab viele Konferenzen und Publikationen dazu und auch viele
erfolgreiche Anwendungen. Ich habe mich in der Folgezeit aber mit
Regelungstechnik nicht mehr beschäftigt und die Entwicklung aus den
Augen verloren. Nun scheint die Methodik aus der Mode gekommen zu sein,
die Hochschulabsolventen, die ich kenne, haben von Fuzzy-Control nie
etwas gehört und kennen nur klassische PID-Regler. Ein Professor für
Regelungstechnik meinte, das Thema sei seit 10-15 Jahren praktisch tot.
Warum? Es gibt doch auch heute noch Regelprobleme, die hoch nichtlinear
sind oder sich nicht exakt durch mathematische Gleichungen beschreiben
lassen. Ich denke da an das Balancieren eines Segways oder die Steuerung
einer Insulinpumpe, wo sich ein menschlicher Organismus in der
Regelstrecke befindet. Derartige Probleme wurden damals mit
Fuzzy-Control sehr überzeugend gelöst. Wie macht man das heute? Hat man
da bessere Methoden gefunden?
Mike schrieb:> Warum?
Weil's nicht funktioniert.
Du kannst nicht die Funktion einer Maschine auf ein statistisch
vielleicht funktionierendes oder auch nicht Programm legen, das
verbietet dir schon das Produkthaftungsgesetz.
Und wenn es funktioniert, weil nur trainierte Zustände abgefragt werden,
dann kannst du es tausendmal effizienter mit konventioneller Logik
abbilden.
Mike schrieb:> Wie macht man das heute?> Hat man da bessere Methoden gefunden?
Im Nachhinein wurden einige Anwendungen endeckt, da wurde Fuzzy-Control
bereits analog realisiert verwendet, nur begriffen hatte man nicht das
es gleich war.
Funktioniert gut und wird dort auch noch verwendet, aber der Hype war
unangebracht.
Mike schrieb:> Nun scheint die Methodik aus der Mode gekommen zu sein,
Nicht wirklich. Heißt nur heute "KI". Aus Raider wurde Twix, sonst
ändert sich nix...
Nur die Hardcore-Informatiker/Mathematiker haben nicht begriffen, dass
das im Endeffekt absolut dieselbe Soße ist. Irgendwann wird irgendwer
von diesen Leuten den mathematischen Beweis dafür finden und sich
dadurch einen Namen machen. Alle anderen sind auch ohne formalen Beweis
von der Vermutung überzeugt, dass es im Endeffekt dieselbe Soße wäre...
Ist wie mit der Riemanschen Vermutung. Nicht bewiesen, aber jeder geht
davon aus, dass sie es eines Tages bewiesen werden würde und behelfen
sich bis zu diesem Tag einfach mit der Annahme, dass sie zutreffen
würde. Außer Mathematikern/Informatikern natürlich, aber das kann man
denen nicht übel nehmen. Ist schließlich genau ihr Job, das zu
bezweifeln...
Mike schrieb:> Derartige Probleme wurden damals mit> Fuzzy-Control sehr überzeugend gelöst.
War das so? Sinn macht es ja eigentlich nur, wo man die Strecke
mathematisch nicht versteht und nicht verstehen will und Experten (also
nicht den Entwicklern) die Algorithmen formulieren lassen will. Und wenn
man Lücken sicher vermeiden will, muss man vermutlich eh die
resultierenden Kennlinienfelder erstellen und durchrechnen.
c-hater schrieb:> Nur die Hardcore-Informatiker/Mathematiker haben nicht begriffen, dass> das im Endeffekt absolut dieselbe Soße ist.
In Fuzzy formuliere ich ein explizites Regelwerk durch einen Experten.
Wenn es das gleiche ist, dann in der Art, dass dieses Regelwerk durch
die KI entsteht. Nur leider hat das KI-generierte Regelwerk mit dem
Experten-Regelwerk so wenig zu tun wie der disassemblierte Code einer
Steuerung mit dem Quelltext.
MaWin schrieb:> Du kannst nicht die Funktion einer Maschine auf ein statistisch> vielleicht funktionierendes oder auch nicht Programm legen, das> verbietet dir schon das Produkthaftungsgesetz.
Verstehe ich nicht. Ein Fuzzy-Regler ist doch rein deterministisch. Bei
ein und demselben Input kommt immer das Gleiche heraus. Es gab sehr wohl
Fuzzy-Control in sicherheitskritischen Anwendungen, z.B. die Steuerung
der Bremsen für U-Bahnen.
> Und wenn es funktioniert, weil nur trainierte Zustände abgefragt werden,> dann kannst du es tausendmal effizienter mit konventioneller Logik> abbilden.
Was wird da trainiert? Meinst Du vielleicht neuronale Netzwerke?
A. S. schrieb:> War das so? Sinn macht es ja eigentlich nur, wo man die Strecke> mathematisch nicht versteht
Das ist nur ein möglicher Fall. Es gibt auch die Fälle, dass sie
mathematisch einfach nicht abbildbar ist, weil sie VARIIERT. Und
natürlich (wesentlich häufiger): sie wäre zwar abbildbar, aber die
erforderliche Rechenleistung ist einfach weit jenseits dessen, was
wirtschaftlich abbildbar ist.
Mike schrieb:> Es gab sehr wohl Fuzzy-Control in sicherheitskritischen Anwendungen,
Das gab es sogar als mechanische Ausführung bei Zügen mit
Dampflokomotive.
c-hater schrieb:> sie wäre zwar abbildbar, aber die> erforderliche Rechenleistung ist einfach weit jenseits dessen, was> wirtschaftlich abbildbar ist.
Es geht ja nicht darum, ein perfektes Modell zur Laufzeit zu rechnen.
Sondern mit irgend einer Simulation oder Berechnung eine ausreichende
Annäherung zu finden. Egal ob Kennlinienfelder oder
Näherungsgleichungen.
> Ich denke da an das Balancieren eines Segways oder die Steuerung> einer Insulinpumpe, wo sich ein menschlicher Organismus in der> Regelstrecke befindet. Derartige Probleme wurden damals mit> Fuzzy-Control sehr überzeugend gelöst.
Ich erlaube mir mal einen Widerspruch: die Insulinpumpe mit closed loop
gibt es erst seit ca 5 Jahren, weil vorher keine geigneten
Blutglukosesensoren für Dauerbetrieb verfügbar waren. Also nix damals,
überzeugend oder fuzzy.
Bürovorsteher schrieb:> Ich erlaube mir mal einen Widerspruch: die Insulinpumpe mit closed loop> gibt es erst seit ca 5 Jahren, weil vorher keine geigneten> Blutglukosesensoren für Dauerbetrieb verfügbar waren. Also nix damals,> überzeugend oder fuzzy.
Zumindest die Theorie dazu gab es schon 2007, ob das zu einem fertigen
Produkt gediehen ist, weiß ich nicht:
https://pubmed.ncbi.nlm.nih.gov/17052939/
Ich sehe den Unterschied bzw. Fortschritt, wie das zu Grunde liegende
Regelwerk erzeugt wird. Das was seinerzeit bei Fuzzy quasi per Hand
gemacht wurde, wird heute über Algorithmen und "deep learning" erzeugt.
Fuzzy war einfach auf einer simpleren Abstraktionsebene, die schnell
"überholt" werden konnte.
Gruß Rainer
Als Softwareentwickler haben Kunden mich oft gebeten, etwas "Fuzzy" zu
machen, wenn sie nicht imstande waren, die Regeln ihrer
Geschäftsprozesse vollständig zu formulieren. Sei meinten damit, dass
der Computer irgendwie selbst herausfinden sollte, was der Kunde
braucht.
Fuzzy-Logig == Nim an den Entscheidungsgrenzen nen Würfel (Weil mehr
Info zur Entscheidung ja nicht zur Verfügung stehen). Wann macht das
wohl Sinn?! :D
Das ist ja fast schlimmer wie KI == "Trial and
Error"-Programmgeneratoren <-- Man(n) da steckt wahrlich "Intelligenz"
drin. :DDD
Ist eine etablierte Steuerung, allerdings nur mit einfachen
de/fuzzificationen. Temperatursteuerungen, Landung von UAV , Kombination
von Solarsteuerung sowie Brenner und Wettervorhersage, Klassifizierung
von gut/schlecht aus Ergebnissen von Bildklassifizierungen usw. Also
einfache deterministische Aufgaben mit festen Regeln. Bei komplizierten
oder nicht begriffenen Prozessen wird KI eingesetzt, da braucht es aber
deutlich mehr Rechenleistung und good/fail pattern sowie ein Algorithmus
welcher das Resultat bewertet.
Und trotzdem, bleibst unterm Strich beim Würfeln und Trail and Error.
Teo schrieb:> Wann macht das> wohl Sinn?! :D
OK, das musste falsch rüberkomme... :/
Natürlich gibts so einiges, wo das Sinn macht. Egal was du da so alles
Gewichtest, wenn das Ergebnis nicht passt, musst du "würfeln". Den wer
hat mal gesagt: "Immer das selbe tun und andere Ergebnisse zu
erwarten...." :)
Das mit der sogenannten "KI" halte ich allerdings für eine bedenkliche
Entwicklung.... Nein nicht die KI-Kaffeevollautomaten, sondern
Sicherheitsrelevantes, gepaart mit dämlichen BWLer, die wirklich
glauben, das hätte wirklich was mit KI zu tun.
Teo schrieb:> Das mit der sogenannten "KI" halte ich allerdings für eine bedenkliche> Entwicklung.... Nein nicht die KI-Kaffeevollautomaten, sondern> Sicherheitsrelevantes, gepaart mit dämlichen BWLer, die wirklich> glauben, das hätte wirklich was mit KI zu tun.
Bloss: wann werden die Trottel merken, dass das mit dem autonomen Fahren
nichts wird?
Wenn man wenigstens seinen Standortvorteil in Deutschland nutzen wurde
mit umfangreichem Autobahnnetz auf dem schon heute gilt dass man so
schnell fahren darf dass man bei stehenden Hindernissen anhalten kann
aber nicht mit Gegen- oder Querverkehr oder Ampeln rechnen muss und
selbst Tiere weitgehend durch Zäune abgehalten werden, dann könnte man
wenigstens von Auffahrt bis Abfahrt auf Autopilot schalten, in dem nur
minimale Ergänzungen an der vorhandenen Infrastruktur nach
Automobilherstellerwunsch geschaffen werden (z.B. Funkbaken für
Geschwindigkeit, oder in die Fahrbahn eingelassene Kabel zur
Fahrspurkennzeichnung)
Aber Nein, man vergeigt auch das. Deutschland schafft sich ab, durch
Inkompetenz nicht nur bei Impfkampagnen.
MaWin schrieb:> Bloss: wann werden die Trottel merken, dass das mit dem autonomen Fahren> nichts wird?
Meines Erachtens gibt es 2 Gruppen, die völlig unterschiedlich aufs
autonome Fahren blicken.
A: die viel-und-gerne-Fahrer, die schlafen oder lesen wollen. Da ist
jeder kleine Schritt willkommen, z.B. nur Autobahn.
B: die Öffler, die kein Auto haben oder wollen und mit öffentlichen
Verkehrsmitteln unterwegs sind. Die möchten per App ein Shared-Car
ordern und am Ziel einfach aussteigen.
Die erste Gruppe zahlt die Entwicklung (Assistenzprogramme), die zweite
Gruppe (Studenten, Visionäre, Stadtbewohner, Radiomoderatoren) prägt das
Bild in der Öffentlichkeit. Mit Visionen die
a) utopisch sind (fahrerlose Autos gibt in 30 Jahren nicht im realen
Straßenverkehr)
b) nur Taxifahrer wegrationalisieren
c) nur den Anwendungsfall der Öffler im Blick haben
Ein typischer Autofahrer richtet sich in seinem Auto ein. Er möchte am
Ziel seine Jacke darin ablegen und spontan zurückfahren können. Ein
typischer Öffier möchte von der Haustür loslegen statt 100m zur S-Bahn
zu laufen.
Die meisten Diskussionen scheitern dann, weil Angehörige der "anderen"
Gruppe als schräg und extrem wahrgenommen werden.
BabaIzDa schrieb im Beitrag #6612027:
> Die Regelungstechnik bietet heute auch für nichtlineare Regelstrecken> wesentlich bessere Methoden als Fuzzy Regelung.
Nur, das ich "Fuzzy" auch auf einem 10F200 hinbekomme (naja, soweit das
meine Fähigkeiten halt zulassen:).
Teo D. schrieb:> Nur, das ich "Fuzzy" auch auf einem 10F200 hinbekomme (naja, soweit das> meine Fähigkeiten halt zulassen:).
Das bezweifle ich. Also dass eine Fuzzy-Realisierung in Code, Speicher
und Laufzeit kleiner ist als ein Kennlinienfeld oder sinnvolle
Approximationen.
A. S. schrieb:> Teo D. schrieb:>> Nur, das ich "Fuzzy" auch auf einem 10F200 hinbekomme (naja, soweit das>> meine Fähigkeiten halt zulassen:).>> Das bezweifle ich. Also dass eine Fuzzy-Realisierung in Code, Speicher> und Laufzeit kleiner ist als ein Kennlinienfeld oder sinnvolle> Approximationen.
Ja, mein Gott, ich war grad so schön in Fahrt und das Fenster stand weit
offen..... Solange ich keinen Atommüll... Ja OK Sorry :}
Schöner thread.
Mode gibts bei Kleidung und Haaren und auch in den 'harten'
Naturwissenschaften. Was in der '80/90ern 'fuzzy' und 'Expertensysteme'
waren (und in den '60/70ern 'Kybernetik') sind heute 'kI' und 'deep
learning'. Bist du Hochschulprofessor und willst Geld von Deutsche
Forschungsgemeinschaft, Bundesministerium, VW oder sonstwem kommen in
deinem Antrag obengenannte Worte vor. Das machen alle so dies' irgendwie
können. Das verstärkt sich anfangs selbst und läuft sich irgendwann tot.
Es läuft sich nicht tot weil es schlecht wäre oder nicht funktionieren
würde, es hat bei 'fuzzy' sicher super Ergebnisse gegeben. Aber der
Begriff 'fuzzy' ist von klugen Wissenschaftvermarktern 'gecoint' worden,
der Begriff schlägt dann durch und ist wie ein Leuchtturm auf den alle
hinsegeln. Es gibt nicht DAS 'fuzzy' Verfahren und auch nicht DIE 'deep
learning' Strategie, das sind Schlagworte.
Grundlegende Umwälzungen kommen eher auf leisen Sohlen daher, zB. gäbs
keine Smartphones ohne gute touchscreens und stromsparende schnelle
Prozessoren, das sind mE. die eigentlichen Top-Innovationen.
Cheers
Detlef
PS: künstliche Intelligenz funktioniert noch nicht so gut, künstliche
Dummheit geht aber super.
Mike schrieb:> Zu meiner Studienzeit in den 1990er Jahren war Fuzzy-Logic und> Fuzzy-Control ein ganz heißes, wenn auch kontrovers diskutiertes Thema.> Es gab viele Konferenzen und Publikationen dazu und auch viele> erfolgreiche Anwendungen. Ich habe mich in der Folgezeit aber mit> Regelungstechnik nicht mehr beschäftigt und die Entwicklung aus den> Augen verloren. Nun scheint die Methodik aus der Mode gekommen zu sein,
Nein, nur der Hype ist weg, und die Methode ist etabliert. Deswegen sind
die Diskussionen vorbei...
Zunächst: die Fuzzy Logic ist in bestimmten Situationen ein sehr
leistungsfähiges Werkzeug. Sie ist keine Artificial Intelligence und
auch kein Machine Learning; wer sowas sagt, hat weder das Eine, noch das
Andere verstanden, fürchte ich.
Fuzzy Logic basiert auf unscharfen Mengen (Fuzzy Sets) und kann in
verschiedenen Situationen helfen. Ein Beispiel ist ein Auto, das mit 200
km/h als "schnell" definiert ist. In der klassischen zweiwertigen
aristotelischen Logik wäre also ein Auto, das lediglich 199 km/h fährt,
nicht schnell. Mithilfe von Fuzzy Logic läßt sich dagegen mathematisch
abbilden, daß die Aussage "das Auto ist schnell" zwar ebenfalls wahr
ist, aber ein bisschen weniger. Die Variable "schnell" ist dann also
einerseits mit einem Wahrheitswert behaftet, andererseits gibt es aber
auch einen Zugehörigkeitwert, der ausdrückt, wie wahr der Wahrheitswert
ist.
Ein anderes sehr beliebtes Beispiel ist das Trinkgeld-Problem. Wenn das
Essen und der Service gut waren, gibt es ein hohes Trinkgeld, wenn beide
mittelmäßig waren, gibt es ein mittleres, und wenn beide schlecht waren,
gibt es ein niedriges oder sogar gar kein Trinkgeld -- so weit, so
einfach. Aber was, wenn das Essen gut, aber der Service nur mittelmäßig
war? Klar, dann liegt das Trinkgeld irgendwo zwischen hoch und mittel,
aber wie hoch?
Und genau hier kommt die Fuzzy Logic ins Spiel. indem sie einerseits die
linguistischen Terme "gut", "mittel" und "schlecht" für Essen und
Service, und die linguistischen Terme "hoch", "mittel" und "niedrig"
andererseits in ein mathematisches, mithin: berechenbares Modell
überführen hilft. Dadurch wird es fachlichen Experten -- etwa für
Logistik, Banken- oder Versicherungsbetrug -- ihre Regeln mit
linguistischen Termen zu formulieren, und die Entwickler können diese
dann in ein berechenbares Modell überführen.
Beispiele dafür, wie Fuzzy Logic heutzutage in der Praxis angewendet
wird, liefert der Softwarehersteller INFORM, der auf das Thema
spezialisiert ist. Dort wird zum Beispiel die Steuerungssoftware
entwickelt, die den Fraport und das weltweit größte Fluglogistikzentrum
der Welt in Dallas, TX steuert, eine andere Software steuert den
Hamburger Hafen, und weitere Softwareprodukte dienen der
Betrugserkennung und -Prävention für Banken und Versicherungen. Bei
Interesse empfehle ich die Website [1].
Letzten Endes, wie gesagt, sind der Hype und die Diskussionen vorbei,
und Fuzzy Logic ist heute ein Standardwerkzeug geworden, vielleicht
nicht mehr so sehr in der Steuerungs- und Regelungstechnik wie zu
Anfangszeiten, dafür jedoch in der Entscheidungsfindung (neudeutsch
Decision Making). Sie ist immer noch hilfreich, um linguistische Terme
in Rechenvorschriften umzuwandeln, ebenso bei komplexen Entscheidungen,
die sich widersprechenden Zielen genügen müssen.
Daß die Fuzzy Logic noch nicht tot, sondern ein Standarswerkzeug
geworden ist, sieht man schon daran, daß so ziemlich jede Datenanalyse-
und Statistiksoftware eine Lösung dafür mitbringt: Matlab, Simulink, und
Pythons SciKits mit skfuzzy, aber auch die Sprache R, um nur einige
Beispiels zu nennen.
[1] https://www.inform-software.de/
Dieter D. schrieb:> Mike schrieb:>> Es gab sehr wohl Fuzzy-Control in sicherheitskritischen Anwendungen,>> Das gab es sogar als mechanische Ausführung bei Zügen mit> Dampflokomotive.
Nein, eben nicht. In den Zügen mit Dampflok gab es einen Lokführer und
einen Bremser, die mit viel Gefühl und Erfahrung dafür gesorgt haben,
daß der Zug sowohl an der richtigen Stelle zu stehen kann und sich
andererseits die Bremsen nicht überhitzten. Das Gefühl und die Erfahrung
orientierten sich dabei an etlichen Faktoren: Gefälle, Außentemperatur,
Radschlupf, der Rückmeldung der Bremsen, Gesamtmasse des Zuges, Anzahl
der gebremsten Räder, Zustand der Gleise, und womöglich noch viel mehr.
Und genau da, in der mathematischen Abbildung dieser humanen Regler
"Gefühl" und "Erfahrung", liegt die Stärke der Fuzzy Logic.
Sheeva P. schrieb:> Dieter D. schrieb:>> Mike schrieb:>>> Es gab sehr wohl Fuzzy-Control in sicherheitskritischen Anwendungen,>>>> Das gab es sogar als mechanische Ausführung bei Zügen mit>> Dampflokomotive.>> Nein, eben nicht. In den Zügen mit Dampflok gab es
Er meint wohl eher den Fliehkraftregler
https://de.wikipedia.org/wiki/Fliehkraftregler
Sheeva P. schrieb:> Fuzzy Logic basiert auf unscharfen Mengen (Fuzzy Sets) und kann in> verschiedenen Situationen helfen. Ein Beispiel ist ein Auto, das mit 200> km/h als "schnell" definiert ist. In der klassischen zweiwertigen> aristotelischen Logik wäre also ein Auto, das lediglich 199 km/h fährt,> nicht schnell. Mithilfe von Fuzzy Logic läßt sich dagegen mathematisch> abbilden, daß die Aussage "das Auto ist schnell" zwar ebenfalls wahr> ist, aber ein bisschen weniger. Die Variable "schnell" ist dann also> einerseits mit einem Wahrheitswert behaftet, andererseits gibt es aber> auch einen Zugehörigkeitwert, der ausdrückt, wie wahr der Wahrheitswert> ist.
Das stellt die Sache ziemlich richtig dar.
> Sie ist keine Artificial Intelligence und> auch kein Machine Learning; wer sowas sagt, hat weder das Eine, noch das> Andere verstanden, fürchte ich.
Was genau ist deiner Meinung nach denn der Unterschied? Mal abgesehen
von dem Sachverhalt, dass diese unscharfen Mengen durch Analyse
existierender Ereignisse elektronisch abgegrenzt werden? Das gab es auch
schon zu Fuzzy-Zeiten. Siehe z.B. auch heute noch sehr verbreitete
lernfähige Sensoren von OMRON (und der Konkurrenz). Da passiert genau
dasselbe wie heute bei "KI". Nur eben noch nicht mt den universellen
Rechenzeit-Monstern heutiger KI, sondern deutlich bescheideneren, auf
den konkreten Zweck angepassten Implementierungen. Das PRINZIP ist
aber EXAKT schon dasselbe. Es gibt ein gewisses Basis-Wissen und es
gibt etwas über den konkreten Prozess zu lernen.
Im Unterschied zu KI funktioniert es aber schon seit Jahrzehnten in
vielen praktischen Anwendungsfällen sehr zuverlässig...
Naja, inzwischen wurde natürlich auch das "fuzzy logic" zumindest
teilweise aus den Produktbeschreibungen entfernt und durch "AI" ersetzt.
Zum Glück funktionieren aber die Produkte trotzdem immer noch. Hat sich
ja durch die Umtitulierung nicht wirklich etwas geändert... ;o)
c-hater schrieb:> Sheeva P. schrieb:>> Sie ist keine Artificial Intelligence und>> auch kein Machine Learning; wer sowas sagt, hat weder das Eine, noch das>> Andere verstanden, fürchte ich.>> Was genau ist deiner Meinung nach denn der Unterschied? Mal abgesehen> von dem Sachverhalt, dass diese unscharfen Mengen durch Analyse> existierender Ereignisse elektronisch abgegrenzt werden?
Daß genau das eben nicht geschieht. Fuzzy Logic ist im Endeffekt "nur"
eine mehrwertige Art der Mengenlehre, mit der (mathematisch) unscharf
formuliertes Wissen in ein berechenbares Modell überführt werden kann.
Es gibt da gewisse Überschneidungen mit dem wissensbasierten
Expertensystemen der Künstlichen Intelligenz, wo Fuzzy Logic zur
Abbildung von von Teilgebieten des Wissens in einem Business Rule
Management System angewendet werden kann und wird. Aber das
Expertenwissen ist bereits vorhanden, die Business Rules und als teil
dieser die Fuzzy Logic sind lediglich die Methoden, mit denen das schon
vorhandene Wissen berechenbar abgebildet wird.
Machine Learning und Deep Learning hingegen sind "lernende" Systeme, sie
dienen vornehmlich der Mustererkennung und haben so auch häufig das
Porential, neues Wissen aus vorhandenen Daten abzuleiten. Das ist also
genau umgekehrt, es wird dabei Wissen aus Daten generiert; im
Wesentlichen geht es um Mustererkennung.
> Siehe z.B. auch heute noch sehr verbreitete> lernfähige Sensoren von OMRON (und der Konkurrenz). Da passiert genau> dasselbe wie heute bei "KI". Nur eben noch nicht mt den universellen> Rechenzeit-Monstern heutiger KI, sondern deutlich bescheideneren, auf> den konkreten Zweck angepassten Implementierungen. Das PRINZIP ist> aber EXAKT schon dasselbe. Es gibt ein gewisses Basis-Wissen und es> gibt etwas über den konkreten Prozess zu lernen.
Ja, genau: es gilt, etwas zu lernen. Darum geht es bei der Fuzzy Logic
allerdings nicht, daß ist das Wissen bereits vorhanden und muß nurmehr
auf eine berechenbare Weise abgebildet werden.
> Naja, inzwischen wurde natürlich auch das "fuzzy logic" zumindest> teilweise aus den Produktbeschreibungen entfernt und durch "AI" ersetzt.> Zum Glück funktionieren aber die Produkte trotzdem immer noch. Hat sich> ja durch die Umtitulierung nicht wirklich etwas geändert... ;o)
Was irgendwelche Marketingfuzzis aus einem Fachbegriff machen, ist zwar
hin und wieder enorm lustig, aber selten zutreffend. Das ist übrigens
einer der Gründe, warum die Objektorientierung in manchen Bereichen so
einen schlechten Ruf hat, aber das nur am Rande...
Fuzzy Logic läßt sich übrigens im Gegensatz zu den meisten Ergebnissen
aus dem Machine Learning auch grafisch darstellen. Verwenden wir ein
Beispiel aus der Praxis: einem Gegenstand sollen die Terme "alt" und
"neu" zugeordnet werden. Beispielsweise haben wir festgelegt, daß ein
Auto direkt nach dem Kauf 0% alt, und 100% neu ist (ach), und es nach
sechs Jahren 100% alt und 0% neu ist. Eine zweiwertige Logik müßte dann
einen Zeitpunkt festlegen, sagen wir: drei Jahre, davor ist das Auto neu
und danach ist es alt, das ändert sich an einem Tag: vor diesem Tag ist
das Auto nur "neu" und kein bisschen "alt", nach diesem Tag ist das
Auto nur "alt" und kein bisschen neu.
Genau hier kommt die Fuzzy Logic ins Spiel, eine entsprechende Grafik
habe ich angehängt (hoffentlich gehen SVGs hier). In diesem Beispiel ist
dem Term "neu" die blaue, dem Term "alt" die orangene Linie zugeordnet.
Du kannst erkennen: der Wahrheitswert der Eigenschaft "neu" nimmt im
Laufe von sechs Jahren immer weiter ab, jener von "alt" hingegen immer
weiter zu. Unser 3.5 Jahre altes Auto, hier dargestellt durch die
gestrichelte senkrechte Linie, ist also zu 0.42 "neu" und zu 0,58 "alt".
Klar, das ist ein sehr einfaches (und obendrein vereinfachtes) Beispiel,
aber Du kannst daran schon sehen, daß das nichts mit KI, ML oder
ähnlichem zu tun hat -- und auch nicht mehrdeutig oder hinsichtlich
seiner Ergebnisse unscharf ist. Im Kern ist Fuzzy Logic also ein
spezieller Anwendungsfall der Mengenlehre und im Übrigen meist auch
nicht sonderlich rechenaufwändig -- für das in meinem Beitrag oben
beschriebene Trinkgeld-Problem mit je drei Variablen dauert die
Berechnung auf einem AMD Ryzen 7 3800X deutlich unter 300 Mikrosekunden.
Übrigens sei abschließend darauf hingewiesen, daß lineare Funktionen in
der Fuzzy Logic zwar häufig, aber nicht zwangsläufig genutzt werden
müssen, und daß ich in meinem Beispiel die Defuzzifizierung nicht
erwähnt habe, die -- im Kern -- genau dasselbe wie die im Beispiel
beschriebene Fuzzyfizierung ist, aber umgekehrt.
Wenn Du es noch genauer wissen magst, empfehle ich Dir gerne und
wärmstens die Schriften meines Ex-Chefs (und Freundes) Hans-Jürgen
Zimmermann, viel Spaß!
Edit: Yay, SVGs gehen! :-)
c-hater schrieb:> Riemanschen Vermutung
Was passiert eigentlich wenn man eine Primzahl nicht als Primzahl
sondern als keine Primzahl plus minus einem Korrekturwert betrachtet?
Also 3 ist 4 (keine Primzahl)-1.
Teo schrieb:> Fuzzy-Logig == Nim an den Entscheidungsgrenzen nen Würfel
Treffer.
Teo schrieb:> dämlichen BWLer, die wirklich glauben, das hätte wirklich was mit KI zu> tun.
Treffer.
Sheeva P. schrieb:> Und genau da, in der mathematischen Abbildung dieser humanen Regler> "Gefühl" und "Erfahrung", liegt die Stärke der Fuzzy Logic.
Traumtänzer.
Sheeva P. schrieb:> Mengenlehre, mit der (mathematisch) unscharf formuliertes Wissen
Die Fuzzy-Logic und die KI haben doch eines gemeinsam: Man kann sich auf
nichts wirklich verlassen, was schon fast wieder menschlich ist. 🐽
Beides taugt doch nur für einfache, nebensächliche Aufgaben. Sobald es
kompliziert oder kritisch wird geht gar nichts mehr., wobei sich mir die
Parallele zum kompletten Vollidioten aufdrängelt.
Und mit den Primzahlen verhält es sich doch so wie mit den Blümchen auf
der Wiese: Die Schönheit liegt im Auge des Betrachters. Das sind, wie
die division durch Nul,l Stilblüten der Mathematik.
Man könnte die Primzahlen zum Beispiel nach ihren "Korrekturwerten"
sortieren. Der Phantasie sind hier keine Grenzen gesetzt. Die
interessante Frage ist doch, ob es Parallelen zur realen Welt gibt.
Solche Parallelen können einen leicht in die Irre führen, sind aber
weder verwunderlich noch vermeidbar, weil die Mathematik als Parallele
zur realen Welt erschaffen wurde. Genaugenommen können wir uns gar
nichts Anderes ausdenken, als Parallelen zur realen Welt.
spiderman schrieb:> Sheeva P. schrieb:>> Mengenlehre, mit der (mathematisch) unscharf formuliertes Wissen>> Die Fuzzy-Logic und die KI haben doch eines gemeinsam: Man kann sich auf> nichts wirklich verlassen, was schon fast wieder menschlich ist. 🐽
Es tut mir aufrichtig leid, daß Dich meine Ausführungen überfordern.
> Beides taugt doch nur für einfache, nebensächliche Aufgaben. Sobald es> kompliziert oder kritisch wird geht gar nichts mehr., wobei sich mir die> Parallele zum kompletten Vollidioten aufdrängelt.
Der geneigte Leser sieht schon, wer hier der komplette Vollidiot ist.
Hm, von Fuzzy-Logic habe ich das erste Mal 1992 bei der Knoff-Hoff-Show
(!) gehört. Ich glaube, da war die Sau aber schon zu Tode getrieben
worden.
A. S. schrieb:> Er meint wohl eher den Fliehkraftregler>> https://de.wikipedia.org/wiki/Fliehkraftregler
Für mein Verständnis ist das aber ein reiner P-Regler, zumal durch den
Schlupf auf dem Antriebsriemen zum Fliehkraftregler und auf der
Transmission zum eigentlichen Verbraucher. Das Trägheitsmoment des
Schwungrades und der Fliehgewichte verhindert einen D-Anteil. Einen
I-Anteil kann ich auch nicht wirklich erkennen.
Blickt da jemand mehr durch?
Sheeva P. schrieb:> Daß genau das eben nicht geschieht. Fuzzy Logic ist im Endeffekt "nur"> eine mehrwertige Art der Mengenlehre, mit der (mathematisch) unscharf> formuliertes Wissen in ein berechenbares Modell überführt werden kann.
[...]
>> Machine Learning und Deep Learning hingegen sind "lernende" Systeme
[...]
Das schließt sich aber nicht aus. Auch die Regeln der Fuzzy-Logic kann
man über lernende Methoden überprüfen und verbessern.
Aber wenn man das richtig ausnutzt, kommen wieder die rechtlichen
Grenzen, weil niemand die daraus entstehenden Regeln überprüfen kann.
Man darf somit die Regeln über lernende Methoden nur innerhalb
validierter Grenzen verändern. Sprich: Ein Bremsassistent mit
Fuzzy-Logic hat mehrere Kennlinien - z.B. eine, die sich besser für
Glatteis eignet und eine andere, die besser für warmes Wetter geeignet
ist. Entscheidend ist, dass beide für alle Wetterbedingungen zugelassen
sind. Dann darf die lernende Methode für den Fahrer noch festlegen, in
wieweit bei 2 Grad, Sprühregen und geringfügigem Unterdruck im rechten
Vorderreifen die Glatteis-Kennlinie und die Warm-Wetter-Kennlinie
eingesetzt wird.
Klaus P. schrieb:> Sheeva P. schrieb:>> Daß genau das eben nicht geschieht. Fuzzy Logic ist im Endeffekt "nur">> eine mehrwertige Art der Mengenlehre, mit der (mathematisch) unscharf>> formuliertes Wissen in ein berechenbares Modell überführt werden kann.> [...]>>>> Machine Learning und Deep Learning hingegen sind "lernende" Systeme> [...]>> Das schließt sich aber nicht aus. Auch die Regeln der Fuzzy-Logic kann> man über lernende Methoden überprüfen und verbessern.
Das habe ich nie ausgeschlossen und will es natürlich gar nicht
bestreiten, aber es sind trotzdem vollkommen unterschiedliche Ansätze.
> Aber wenn man das richtig ausnutzt, kommen wieder die rechtlichen> Grenzen, weil niemand die daraus entstehenden Regeln überprüfen kann.
Die aus dem Machine Learning tatsächlich nicht, schon weil sie sich
nicht verständlich darstellen lassen, die der Fuzzy Logic dagegen wohl.
> Man darf somit die Regeln über lernende Methoden nur innerhalb> validierter Grenzen verändern.
Das stimmt natürlich, und auch die Fuzzy Logic muß innerhalb der
validierten Grenzen bleiben. Aber Fuzzy Logic ist gar keine lernende
Methode. Das ist ein konzeptioneller Denkfehler, den hier anscheinend
viele machen, vielleicht auch, weil die Namen "Fuzzy Logic" oder
"unscharfe Logik" möglicherweise ein wenig unglücklich und irreführend
sind.
> Sprich: Ein Bremsassistent mit> Fuzzy-Logic hat mehrere Kennlinien - z.B. eine, die sich besser für> Glatteis eignet und eine andere, die besser für warmes Wetter geeignet> ist.
An einer Abstandsregelung auf der Basis von Fuzzy Logic mit den
Eingangsgrößen "Witterung", "Fahrertypus" und "Wunschgeschwindigkeit"
hat BMW bereits 1993 geforscht und auf den 3. Dortmunder Fuzzy Logic
Tagen einen Vortrag darüber gehalten, weil die vorher versuchten starren
Ansätze gescheitert waren. Diese "klassischen" Möglichkeiten taten sich
nämlich sehr schwer mit der Gewichtung von Eingangsgrößen wie dem
Fahrertypus ("vorsichtig" oder "sportlich"), und sie tendierten dazu,
daß das Folgefahrzeug die ruckelnde Fahrweise des Vorgängers übernommen
hätte. Außerdem hat BMW ein witterungsabhängiges Antiblockiersystem mit
Fuzzy Logic entwickelt und in seinen damaligen Spitzenmodellen verbaut.
Für diesen Anwendungsfall Motorola eigens den Mikrocontroller 68HC12 mit
internen Fuzzy Logic-Funktionen ausgestattet [1].
Übrigens listet die Website [2] unter dem Menüpunkt "Fuzzy Application
Library" => "Technical Applications" einige weitere praktische
Anwendungsfälle aus der damaligen Zeit auf. Sehr spannend dabei finde
ich zum Beispiel die Technik zur Vermeidung schwingender Betonbauteile
an Kränen bei Hochtief und das Monitoring von Glaukomen an der Münchener
Klinik rechts von der Isar.
[1] https://www.fuzzytech.com/e/e_a_mot.html
[2] https://www.fuzzytech.com/
Im HC12/HCS12/S12X (uC-Familie, entwickelt Anfang der 90er von
Freescale/jetzt NXP) wurden ein paar Maschinenbefehle eingebaut, die
Fuzzy Logic Anwendungen unterstützen sollten. Vor ein paar Jahren sind
die aber bei neueren Core-Versionen wieder rausgeflogen.
Mal ein Ausschnitt aus dem S12X CPU Ref Manual v01.01 (3/2005), Chapter
9 FuzzyLogic Support:
...
The four fuzzy logic instructions are:
• MEM (determine grade of membership), which evaluates trapezoidal
membership functions
• REV (fuzzy logic rule evaluation) and REVW (fuzzy logic rule
evaluation weighted), which perform unweighted or weighted MIN-MAX rule
evaluation
• WAV (weighted average), which performs weighted average
defuzzification on singleton output membership functions.
Other instructions that are useful for custom fuzzy logic programs
include:
• MINA (place smaller of two unsigned 8-bit values in accumulator A)
• EMIND (place smaller of two unsigned 16-bit values in accumulator D)
• MAXM (place larger of two unsigned 8-bit values in memory)
• EMAXM (place larger of two unsigned 16-bit values in memory)
• TBL (table lookup and interpolate)
• ETBL (extended table lookup and interpolate)
• EMACS (extended multiply and accumulate signed 16-bit by 16-bit to
32-bit)
...
SheevaPlug
>> Sie ist keine Artificial Intelligence und>> auch kein Machine Learning; wer sowas sagt, hat weder das Eine, noch das>> Andere verstanden, fürchte ich.
Das sehe ich genauso.
>Was genau ist deiner Meinung nach denn der Unterschied?
Fuzzy Logik hat wie von SheevaPlug beschrieben, klar definierte Regeln,
die man formulieren und programmieren kann.
Die wesentliche Eigenschaft von "machine learning" ist es, sich aus
großen Datensätzen automatisiert angepasste Lösungsstrukturen (z.B.
Inferenzsysteme) für ein Problem errechnen zu lassen.
Die Betohnung lieg hier auf dem Begriff "Big Data" also der
Verfügbarkeit von großen Datensätzen für's Training.
Sheeva P. schrieb:> Es tut mir aufrichtig leid, daß Dich meine Ausführungen überfordern.
Die KI wird sowieso am falschen Ende aufgezäumt. Was ist der Mensch ohne
Wissen? Oder das Tier ohne Datenerfassung und Speicherung? Eine Pflanze?
Sheeva P. schrieb:> lernende Methode
Eine Modularisierung ist hier nicht möglich. Es muß ein eindeutiges
Konstruktionsziel geben. Man muß mit Kanonen auf Spatzen schießen.
spiderman schrieb:> Sheeva P. schrieb:>> Es tut mir aufrichtig leid, daß Dich meine Ausführungen überfordern.>> Die KI wird sowieso am falschen Ende aufgezäumt. Was ist der Mensch ohne> Wissen? Oder das Tier ohne Datenerfassung und Speicherung? Eine Pflanze?>> Sheeva P. schrieb:>> lernende Methode>> Eine Modularisierung ist hier nicht möglich. Es muß ein eindeutiges> Konstruktionsziel geben. Man muß mit Kanonen auf Spatzen schießen.
Schau, wenn Du keine Ahnung hast, ist das ja nicht schlimm. Du kannst
dann eines von zwei probaten Dingen Möglichkeiten wählen: a) Dich schlau
machen und dann mit Deinem neu erworbenen Fachwissen kompetent mitreden,
oder b) einfach mal den Mund halten, wenn Erwachsene sich unterhalten.
Möglichkeit c), nämlich keine Ahnung zu haben und trotzdem
herumzublöken, ist für alle Beteiligten -- inklusive Deiner selbst --
eine langweilige und überflüssige Zeitverschwendung.
Dieter D. schrieb:> Im Nachhinein wurden einige Anwendungen endeckt, da wurde Fuzzy-Control> bereits analog realisiert verwendet, nur begriffen hatte man nicht das> es gleich war.
Beispiele?
Markus W. schrieb:> Beispiele?
Naja, überall wo man Analogtechnik nur so "ungefähr" abgeglichen hat.
Oder wo man inzwischen vergessen hat, dass hinter der Dimensionierung
Mathematik steckt (ein Professor dachte lange, der
Linearisierungswiderstand für NTCs sei empirisch ermittelt :-)
Matthias L. schrieb:> empirisch ermittelt" ist nur eine wissenschaftlichere Formulierung für
ausprobiert.
Ja. Der Professor nahm an, die Widerstände wären durch ausprobieren
gefunden. Und nicht rechnerisch.
Sheeva P. schrieb:> Letzten Endes, wie gesagt, sind der Hype und die Diskussionen vorbei,> und Fuzzy Logic ist heute ein Standardwerkzeug geworden, vielleicht> nicht mehr so sehr in der Steuerungs- und Regelungstechnik wie zu> Anfangszeiten, dafür jedoch in der Entscheidungsfindung (neudeutsch> Decision Making).
Danke für deine ausführlichen Erläuterungen und modernen Beispiele die
mir unbekannt waren.
Auch die Beschleuniger-Befehle im HC12 fand ich eine spannende Ergänzung
zum Thema.
Matthias L. schrieb:> A. S. schrieb:>> empirisch ermittelt :-)>> Naja, "empirisch ermittelt" ist nur eine wissenschaftlichere> Formulierung für ausprobiert.
Damals als Lehrlinge wollten unsere Lehrmeister immer wieder von uns
wissen, wie wir auf eine Lösung gekommen sind oder wie wir etwas
dimensioniert haben. Nachvollziehbarer weise reagierten sie allergisch
auf die Antwort "Ausprobieren". Wir haben natürlich auch gelernt wie es
richtig geht, aber haben nebenbei eben auch Spass gehabt an Worten die
Ausprobieren meinen aber viel professioneller klingen, eben wie
empirisch.
Unser Liebling war dann aber Sukzessive Approximation :-)
