Fuzzy Thinking: The New Science of Fuzzy Logic
(avril 1993). Flamingo, Londres : 1994
Bart Kosko
Par Sarina Basta (février
2003)
Sarina Basta
"Chasseur-cueilleur" d'information disparate.
Passionnée d'épistémologie, de notions d'espace-temps
et de Science-Fiction.
Vit et travaille entre New York et Genève.
Diplômée en Sciences Politiques et en Histoire de l'Art
Curatrice d'expositions. "New Deal" 2002, au Centre d'Art Contemporain
et expositions indépendantes dans l'espace public.
Éditrice d'un magazine intitulé "l'Envol", à
paraître prochainement
Bart Kosko
Théoricien et conférencier de la pensée fuzzy.
Vit à Los Angeles
Diplômé en philosophie, économie, math et physique
ainsi qu’en ingénierie électrique. Pour l’anecdote,
il a commencé sa carrière en tant que compositeur.
Il est actuellement professeur d’ingénierie électrique
à l’Université de Southern California. Il est aussi
auteur de Neural Networks and Fuzzy Systems : A Dynamical Systems Approach
to Machine Intelligence (1992).
Bart Kosko commence Fuzzy Thinking avec une opposition
entre Aristote et Bouddha. Cette opposition tient lieu de fil conducteur
à travers ce livre du domaine de la science et technique et des
sciences cognitives.
Fuzzy peut se traduire par : flou, discret (au sens du signal discrétisé
de la computation), variable, pluri-zone, ou logique interactive multipolaire.
Sarina Basta
"Chasseur-cueilleur" d'information disparate.
Passionnée d'épistémologie, de notions d'espace-temps
et de Science-Fiction.
Vit et travaille entre New York et Genève.
Diplômée en Sciences Politiques et en Histoire de l'Art
Curatrice d'expositions. "New Deal" 2002, au Centre d'Art Contemporain
et expositions indépendantes dans l'espace public.
Éditrice d'un magazine intitulé "l'Envol", à
paraître prochainement.
Notes de lecture.
I Bouddha versus Aristote
Aristote: à l’origine de la démarche
positiviste dans les sciences, si question bien formulée:
A ou non A
Bouddha: à l’origine de la pensée
orientale
A et non A
Lors de la fin des années 20, Werner Heisenberg
étonna le monde scientifique avec le principe de l’incertitude
en mécanique quanta (uncertainty principle in quantum mechanics).
Plus proche se fait l’observation, moins on arrive à voir
(on ne peut déterminer à la fois la vitesse et la position
d’une particule subatomique).
La physique et la vérité de statements (affirmations) sont
indéterminés à un certain degré.
Lorsqu’on étudie la relation entre les choses, on se rend
compte qu’avec un facteur déterminé, on ne connaît
pas forcément le résultat de la deuxième variable.
Cela ramène la pensée fuzzy à une théorie
de la complexité. La précision et la signification (pertinence)
d’un comportement ont une relation en sens inverse.
Exemple: la relation entre la vélocité d’une voiture
et sa position.
Cela est aussi le cas dans la relation entre l’énergie et
le temps, dans les champs magnétiques et électriques.
La lumière se comporte à la fois comme une particule et
une onde.
Cela remet en question la pensée d’Aristote ou la logique
bivalente comme quoi une théorie bien formulée doit être
vraie ou fausse.
Le système n’est plus noir et blanc mais aussi gris.
Le facteur d’incertitude vient s’introduire dans l’âge
de l’information (Information Age).
II FAT: Fuzzy Approximation Theory
Les mathématiques sont linéaires, or
le monde ne l’est pas.
La mécanique des quantas est linéaire mais le sujet auquel
il s’applique ne l’est pas forcément.
Heisenberg, dans Physiques and Philosophy (1958):
« Ce que l’on observe n’est pas la nature en elle-même,
mais la nature exposée à notre mode de questionnement. »
(p 267)
Kosko compare le système linéaire à une feuille de
papier et un système non linéaire à une feuille de
papier mise en boule.
Un ordinateur classique verrait la feuille en boule comme un agencement
de feuilles planes. Le système fuzzy le verrait comme des zones.
Probabilité classique détermine le pourcentage de chance
que cela soit 1 ou 0
Le fuzzy détermine la probabilité que cela se situe entre
0 et 1
Ce n’est plus une pensée basée sur les bits 0100011101001001
Dans un système fuzzy, les bits deviennent des fits (Fuzzy Units,
% entre 0 et 1)
(Dans le système classique de probabilités : ou 0 ou 1.
Ici le pourcentage entre 0 et 1 est basé sur le hasard. Quelle
est l’intensité du gris ?)
1965 Lotti Zadeh (professeur à Berkeley en Californie) invente
les Fuzzy Sets, publication dans la revue Information and Control.
1980 Les recherches sont commercialisées.
1990 Plus de 100 applications différentes pour le fuzzy control.
On parle de fuzzy systems parce qu’ils conçoivent le sujet
en interaction avec un environnement.
C’est associer graduellement un nom à un phénomène.
Le professeur Ebrahim Mamderly du Queen Mary College à Londres
énonce que « l’idée de base derrière
cette approche était d’incorporer « l’expérience
d’un opérateur de contrôle humain dans le design de
contrôle. » (p. 169)
L’algorithme de contrôle, c’est la machine qui associe
un chiffre à une situation qui est fuzzy.
Bart Kosko oppose à la notion d’ordinateur digital (digital
computer) celui de réseau neural (neural network). Dans un système
neural, la machine forme des patterns (ou frises) qui s’auto-organisent,
proche du fonctionnement des synapses.
Pour Stephen Grossberg dans Studies of Mind and Brain, 1982 : «
Le cerveau est un instrument de mensuration universel qui agit au niveau
du quantum » (p. 201)
Le système fuzzy détermine quels sont les patterns régissant
ce qu’il observe. Ce système nécessite moins de données
de bases et donc moins de mémoire. (Système classique :
plus on stocke d’information, plus la machine prend du temps à
« processer » ou à parcourir l’information. Dans
le système fuzzy, la machine à le pouvoir d’inférer).
Pour Nils Nilsson dans Learning Machines, 1965: « Une machine qui
apprend est un outil dont les actions sont influencés par des actions
passées. » (p 201)
III Applications
La pensée fuzzy règle et adapte les comportements de systèmes
cybernétiques mais les heuristiques de l’AI ne sont pas exactement
la définition du fuzzy.
Pour l’instant, les domaines d’application se situent principalement
dans:
Intelligence artificielle
Biotechnologie
“Optical computing”
À l’instant où le livre s’écrit, il n’existe
pas d’application majeure, c’est plutôt un changement
dans le système de pensée qui est observable. Il faudrait
réexaminer le champs d’application de la pensée fuzzy
aujourd’hui.
Or en 1989, le Ministère japonais du commerce et de l’industrie
a lancé, à l’aide des plus grandes compagnies japonaises
le Laboratory for International Fuzzy Engineering Research (LIFE).
Chairman : Katsuga Mita.
«L’on s’attend à ce que l’intelligence
artificielle fuzzy joue un rôle important dans l’établissement
futur d’une relation intime entre l’homme et l’ordinateur.
Cette approche est indispensable pour configurer des machines «
human friendly » et des systèmes reconnaissant la voix tels
que dans l’infirmerie et les robots à domicile ainsi que
pour développer des outils d’intelligence artificielle qui
soutient l’homme dans le contrôle de production, les diagnostics
médicaux, les finances et la sécurité, et la prise
de décision à un niveau plus général. »
p193.
Lors d’une conférence en 2001, LIFE définit un nouveau
champ de recherche : FLINS, Design Concepts for Fuzzy Natural Language
Communication System développé par Tano Shun'ichi , Okamoto
Wataru, Iwatani Toshiharu:
“The Laboratory for International Fuzzy Engineering Research (LIFE)
is developing a natural language communication system called FLINS, which
is short for Fuzzy Lingual System. The final goal of the project is to
implement a lingual computer that can communicate and learn, both by being
taught and on its own, through use of a fuzzy natural language. We found
that three key technologies, natural language processing, knowledge engineering
and fuzzy engineering, must be applied to realise our goal. In this paper,
the goal of FLINS is briefly presented. Next, the problems and limitations
of conventional systems are summarised and we propose new design concepts,
text-based architecture and fuzzy-centred architecture, to overcome those
problems and limitations. Two experimental systems, a text-based natural
language understanding system, called AB-System, and a fuzzy expert system,
called FOREX, were built to examine the possibility of those approaches
before the development of FLINS.
Plus d’information sur ce laboratoire de recherche est contenue
dans leur publication:
Applied Research in Fuzzy Technology
Results of the Laboratory for International Fuzzy Engineering (LIFE)
Translated and edited by Anca L. Ralescu
Laboratory for International Fuzzy Engineering, Yokohama, Japan; and the
University of Cincinnati, OH, USA
Preface. 1: Future Vision of Fuzzy Engineering; T. Terano. 2: Decision
Support System; S. Fukami, M. Yoneda. 3: Intelligent Plant Operation Support;
M. Yoneda, H. Tsunekawa. 4: Fuzzy Modeling and Process Control System
Design; K. Suzuki. 5: Inference Function for Understanding Linguistic
Instructions; T. Yokogawa. 6: Fuzzy Theory in an Image Understanding Retrieval
System; T. Norita. 7: Research into Intelligent Behavior Decision Making
of Robots; Y. Maeda. 8: Fuzzy Neural Net System; T. Yamaguchi, K. Goto,
T. Takagi. 9: Fuzzy Expert System Shell -- LIFE FEShell; S. Tano. 10:
The Fuzzy Computer; H. Tokunaga, S. Yasunobu.
IV Conclusion
Une opposition existe toujours au sein des mathématiques et de
la physique concernant la pensée fuzzy. Kosko construit d’ailleurs
son livre comme une lutte personnelle en défense du fuzzy thinking.
Au Japon et aux Indes, un véritable culte est dédié
à cette approche qui rencontre plus de scepticisme dans le monde
occidental.
Le concept s’est aujourd’hui infiltré dans des raisonnements
hors du monde scientifique. Il existe aujourd’hui plus de 350 000
sites qui reprennent la pensée fuzzy, dont la logique s’est
popularisée jusqu’au point où certains tentent de
l’appliquer à la quête du régime alimentaire
idéal ou à la recherche de l’âme sœur.
Ce phénomène rappelle l’enthousiasme qui a entouré
certains développements scientifiques dans les années soixante-dix
sur la côte Ouest des Etats-Unis où il existait, par exemple,
des groupements nommés « Eglises de la macrobiotique ».
Evidemment, cette dimension ésotérique ne rend pas service
à la crédibilité de ceux qui soutiennent la théorie.
Nous n’avons pas forcément les outils pour évaluer
cette approche. Elle a pourtant une incidence philosophique sur une certaine
conception du monde. Cette conception peut être ramenée à
l’opposition Aristote (1) et Bouddha (2) évoquée dans
l’introduction:
(1) : Le tout contient les parties
(2) : Les parties contiennent le tout à un certain degré.
Pour plus d’information sur la théorie fuzzy, il existe les
sites suivants:
http://www-2.cs.cmu.edu/Groups/AI/html/faqs/ai/fuzzy/part1/faq-doc-18.html
http://www.comp.nus.edu.sg/~pris/FuzzyLogic/RelatedSitesDetailed1.html
Définitions utiles, élaborées par les chercheurs
eux-mêmes:
http://www.abo.fi/~rfuller/ifsa.html |