ファジーロジックは、同じ変数を通じて複数の可能な真理値を処理できるようにする変数処理手法です。ファジー ロジックは、オープンで不正確なデータ スペクトルとヒューリスティックを通じて問題を解決し、一連の正確な結論を得ようとします。
ファジー ロジックは、利用可能なすべての情報を考慮し、入力に基づいて最適な決定を下すことによって問題を解決することを目的としています。
ファジー ロジックは、雑誌「Information and Control」に掲載された 1965 年の論文で Lotfi Zadeh によって初めて提案されました。。ザデ氏は、「ファジー集合」というタイトルの論文で、情報処理で使用されるデータの種類を反映し、そのような集合の基本的な論理規則を導き出そうとしました。
「現実の物理世界で遭遇するオブジェクト クラスには、正確に定義されたメンバーシップ基準がないことがよくあります。しかし、そのような不正確に定義された『クラス』が、特に人間の思考において重要な役割を果たしているという事実は変わりません。」と Zadeh 氏は説明します。パターン認識、情報伝達、抽象化の分野です。」
それ以来、ファジー ロジックは、機械制御システム、画像処理、人工知能、およびファジー解釈を持つ信号に依存するその他の分野でうまく使用されてきました。
ファジー ロジックは、最も基本的な意味では、決定木タイプの分析を通じて開発されます。したがって、より広範なスケールでは、ルールベースの推論に基づく人工知能システムの基礎を形成します。
一般に、「ファジー」という用語は、デシジョン ツリー システムで開発できる多数のシナリオを指します。ファジー論理プロトコルの開発には、ルールベースのプログラミングの統合が必要になる場合があります。これらのプログラミング ルールは、包括的なモデルに基づいて独自に開発されるため、ファジー セットと呼ぶことができます。
ファジーセットはさらに複雑になる場合もあります。より複雑なプログラミングに例えると、プログラマは変数の包含と除外を決定するために使用されるルールを拡張できる場合があります。これにより、ルールベースの推論の精度が低くなり、選択肢の幅が広がる可能性があります。
ファジー ロジックとファジー セマンティクスの概念は、人工知能ソリューションのプログラミングの中核となるコンポーネントです。ファジー ロジックのプログラミング機能が拡大し続けるにつれて、人工知能のソリューションとツールは経済のさまざまな分野で拡大し続けています。
IBM の Watson は、ファジー ロジックとファジー セマンティクスのバリエーションを使用する最もよく知られた人工知能システムの 1 つです。特に金融サービスでは、投資インテリジェンスの出力をサポートする機械学習およびテクノロジー システムでファジー ロジックが使用されます。
一部の高度な取引モデルでは、ファジー論理数学の統合を使用して、アナリストが自動売買シグナルを作成できるようにすることもできます。これらのシステムは、投資家が投資に影響を与えるさまざまな市場変数の変化に対応するのに役立ちます。