La logica fuzzy è un tipo di matematica e programmazione che rappresenta in modo più accurato il modo in cui il cervello umano classifica gli oggetti, valuta le condizioni ed elabora le decisioni. Nel sistema logico tradizionale, un elemento che appartiene o non appartiene strettamente a un gruppo è chiamato insieme. Ad esempio, un animale è o non è un cane. La logica fuzzy consente a un oggetto di appartenere a un insieme in una certa misura o con una certa sicurezza. Le applicazioni della logica fuzzy nei sistemi informatici contemporanei sono troppo numerose per essere citate, ma controllano cose come il riscaldamento di miscele e parti di utensili.
Il mondo è incredibilmente complesso, sia in ampiezza che in profondità. In un certo senso, è difficile aderire ai vincoli logici della teoria degli insiemi tradizionale quando si descrive come vengono prese le decisioni semplici e quotidiane, come cucinare un arrosto o guidare nel traffico. Tuttavia, ci si aspetta che i computer prendano queste decisioni semplificando o riducendo la complessità e non tenendo conto dell’incertezza. La logica fuzzy è stata inventata e coniata dal dottor Lotfi Zadeh all’Università di Berkeley nel 1965, quando pensava a matematica, linguistica e buon senso.
Per capire come la logica fuzzy non sia un sistema vago e provvisorio, ma possa essere utilizzata in modo molto pratico per insegnare ai computer come prendere decisioni, può essere utile un esempio. Partendo dalla regola “Niente cani in casa”, logicamente questo significa che SE l’oggetto è un cane, ALLORA non deve essere in casa. In qualche modo, si può dedurre che un animale di pezza che somiglia a un dalmata sarà ammesso, ma un vero dalmata vivo non lo farà. Tuttavia, potrebbero rimanere alcune domande, come se i cani per non vedenti possano essere ammessi o se gli animali che sono metà Husky e metà lupo siano ammessi all’interno.
La logica fuzzy consente queste vie di mezzo quando si tratta di soddisfare i requisiti e inizializzare le conseguenze. Invece di un animale assolutamente appartenente all’insieme dei cani, può appartenere in una certa misura. Un golden retriever potrebbe avere un valore associato di 1.0, il più vicino possibile a un cane “completamente”, mentre un chihuahua potrebbe avere 0.8, a causa delle sue dimensioni. Un cane per non vedenti potrebbe avere un valore di solo 0.4, poiché è spesso consentito dove altri cani non sono ammessi.
Questo sistema flessibile risolve problemi e controlla macchine che un sistema logico semplicistico non potrebbe. L’output, o la decisione, è sempre chiara e non sfocata; in altre parole, l’output è sempre “nitido”. Alla fine, il cane è in casa o fuori sotto il portico – non è mai a metà strada. Ecco perché “sfocato” non significa incerto o sconosciuto.