Vous êtes sur la page 1sur 29

Extractos de

Pensamiento

Borroso
(Difuso o Fuzzy)

Bart Kosko

Pensamiento Borroso
Bart Kosko
Fuente del artculo

El Principio Borroso
El principio borroso enfatiza que todo se basa en graduacin. Algunas cosas no son borrosas; estas cosas suelen ser
encontradas en el mundo de las matemticas. Pero cuando
emergimos del mundo artificial de las matemticas, los borroso empieza a reinar. Lo borroso tiene un nombre formal
en la ciencia: polivalencia. Lo contrario de lo borroso es la bivalencia (verdadero o falso, 1 0).

Lo borroso toma en cuenta 3 o ms opciones, tal


vez hasta una infinidad, ms que simplemente 2 extremos. Significa anlogo en vez que binario, tonos
infinitos de gris entre el blanco y el negro.

Los lgicos de los aos 20 y 30 elaboraron la lgica de valor


mltiple para poder considerar el Principio de incertidumbre de Heisenberg. Jan Lukasiewicz continu esta lnea de
pensamiento, dejando que lo indeterminado definiera un
continuo-espectro entre lo falso y lo verdadero. Desde el
punto de vista de esta lgica borrosa, cualquier declaracin. puede definirse entre 0% y 100% verdadera. El termino
borroso entrara dentro del vocabulario cientfico unos 30
aos ms tarde. El principio borroso ha surgido de 3000
aos de intentos de rechazarlo, ignorarlo, cancelarlo, reestructurarlo, y eliminarlo. Lo borroso se mantiene, a pesar de
los mejores intentos de hacerlo desaparecer. Nuestro razonamiento se mantiene borroso. La bivalencia intercambia
exactitud por simplicidad. La bivalencia requiere de promedios y aproximaciones.

La Era de la Informacin se basa en la bivalencia debido a


que se basa en la revolucin digital de los procesos de seales y chips de computacin. Debemos muestrear y cuan-

tificar, o promediar seales para que puedan ser utilizadas


dentro del esquema de ceros y unos de las computadoras.
La cultura occidental ahora ve la precisin binaria como parte del mtodo cientfico.

La revolucin digital parece haber digitalizado nuestras mentes. La lgica de Aristteles se encuentra
justo detrs de nuestros instintos bivalentes.
Esperamos que cualquier buena declaracin pueda ser definida como verdadera o falsa, en vez que parcialmente verdadera o falsa. Existe poca tolerancia en la ciencia hacia las
contradicciones, hacia la admisin que existe superposicin
entre cosas y no-cosas: lo borroso comienza donde las
contradicciones comienzan.

El misticismo oriental ofrece los nicos sistemas de


creencia que admiten contradicciones. Unos 200
aos antes de Aristteles, el Buda no permita que
su audiencia lo atrapara con preguntas que exigieran un simple s o no como respuesta.

El punto intermedio de la lnea es la paradoja de la matemtica moderna. Los matemticos sitan el termino paradoja
en el punto medio, parcialmente para sugerir que los casos
de centro o borde son excepciones, simples problemas que
pueden ser resueltos con algo de trabajo. Puedes pensar
que los 3 bordes perpendiculares de algn cubo son medidas de largo, alto, y ancho. Pero tambin puedes pensar que
los 3 bordes son simplemente medidas de grado... la bivalencia se representara en las extremas esquinas del cubo.
La polivalencia quedara en todas las otras zonas del cubo.
Aristteles reina en las esquinas del cubo borroso (casos raros de opciones blanco-negro, entre un continuo de opciones grises). El Buda domina la no-esquina. El Buda reina hasta cierto grado en todo el interior del cubo. Reina 100% en el
centro del cubo. El centro del cubo esta repleto de paradoja.
No importa cuanto intenten los diversos cientficos, nunca
podrn aproximar el centro del cubo hacia una esquina.

La informacin nos ayuda a discernir la realidad. Entre ms informacin obtengamos, ms claramente


podremos ver al mundo. Obtenemos una visin
ms clara de los hechos. Pero, eso elimina lo borroso?
[No necesariamente]. A fin de cuentas, se trata de lo siguiente: dnde marcamos el limite? La teora borrosa disea una
curva entre los contrarios (entre A y no-A). Ms informa-

cin, ms hechos, nos ayudan, simplemente, a dibujar una curva ms precisa. Mayor informacin lleva
a ms hechos. Mayor informacin ayuda a describir
los hechos. Nos brinda una percepcin ms clara,
desde ms puntos de vista.
Pero lo borroso se mantiene como una parte permanente de
esas visiones. Los cientficos, en gran parte, han tratado mal

a la teora borrosa y a los tericos borrosos. Al mismo tiempo, muchos han perdido su fe en la ciencia.

Una de las cosas ms difciles de aprender es que la


ciencia moderna no acepta las ideas novedosas. La
ciencia prefiere los pequeos pasos, ms que los
grandes saltos de creatividad. La moderna ciencia bivalente pretende seguir el nico camino hacia el conocimiento;
la lgica borrosa le ha agregado valor a la ciencia. Ha extendido la matemtica binaria subyacente de la ciencia. Lo borroso ha reducido los conceptos antiguos e indefinidos de
aleatoriedad y probabilidad a una relacin natural que se
mantiene entre conjuntos. La lgica borrosa ha agregado a
la inteligencia de las maquinas, ensendonos cmo disear
maquinas que razonan como nosotros razonamos.

El Todo en la Parte
Durante aos me ha interesado saber cmo se relaciona lo
borroso con la probabilidad, la teora matemtica y filosfica
de lo aleatorio, y la suerte. Es lo borroso tan slo probabilidad disfrazada? Qu es la probabilidad? Qu es lo aleato-

rio? Se puede definir uno sin el otro? Qu es la chanza?


Intenta encontrar probabilidad en un circulo u ovalo inexacto. Considera 2 puntos de vista relacionados al ovalo inexacto. El punto de vista probabilstico: el ovalo probablemente
es un circulo. El punto de vista borroso: el ovalo es un circulo borroso. Cul de los 2 es ms cierto? El punto de vista
probabilstico se basa en una propiedad del ovalo que es difcil precisar. Dnde se encuentra lo aleatorio? Podemos
medir todos los aspectos del ovalo inexacto que deseemos,
y an as no podremos precisar la cualidad aleatoria.

A menudo utilizamos la probabilidad para hablar de


cosas de las cuales no estamos seguros. Durante siglos hemos utilizado la probabilidad para describir actos y
eventos poco certeros. En la conversacin casual, o en ensayos cientficos cargados de matemticas, podramos utilizar
el adverbio probable para describir la inexactitud de la figura ovalada; la manera en la que es diferente de la perfeccin
circular.
Ahora considera el punto de vista borroso. El adjetivo borroso implica que la figura es, hasta cierto punto, un circulo,
y hasta cierto grado, no es un circulo. Nos recuerda que, en
prctica, no podemos precisar entre cosas circulares y cosas
no-circulares. El punto de vista borroso se refiere a la ambigedad que yace entre cosas y no-cosas. Esto es muy diferente que decir que un circulo puede ocurrir aleatoriamente. Tal parece que Kant tena razn: l pensaba que nuestras
mentes estructuran nuestras percepciones.
La probabilidad es parte esencial de nuestras mentes.

Nuestras mentes; imponen una infraestructura sobre nuestro pensamiento. La mente impone un fondo de tiempo y espacio y conectividad causal. No
existen grmenes causales que causen que un evento con-

lleve a otro, pero la mente nos hace pensar que as es (insertando vnculos causales entre los diversos eventos). La probabilidad parece ser parte de la misma infraestructura mental. Forma parte de nuestro fundamento mental, junto con
el tiempo y espacio y la causalidad y similitud y las nociones
topolgicas de continuidad y conectividad. La probabilidad
nos ayuda a organizar nuestras percepciones y memorias y
la mayora de nuestras expectativas. Las relaciones probabilsticas no existen afuera de nuestras mentes. No tienen una
realidad fsica, pero presentan una poderosa realidad psicolgica, arraigada dentro de nuestra micro-estructura mental.
El instinto de probabilidad se presenta a travs de las diversas culturas y especies.
Un instinto de probabilidad explicara la probabilidad cientfica, pero no los orgenes de los axiomas de la probabilidad.
No ofrece ningn indicio sobre la naturaleza formal de la
probabilidad. Creo que no hemos tomado en cuenta la idea
borrosa de comprensin (cuanto de un elemento es comprendido dentro de otro; el grado al cual un conjunto contiene a otro conjunto). Los conjuntos borrosos surgen cuando
un conjunto contiene a un elemento parcialmente. Desde
cierto punto de vista, el conjunto no es borroso, pero sus
elementos son borrosos. Qu sucede cuando un conjunto
contiene a otro conjunto? Mete una pequea caja dentro de
una caja ms grande. En ese caso, la caja grande contiene a
la pequea. Contiene la caja pequea 100%. Pero mete slo
la mitad de la caja pequea dentro de la caja grande. Ahora
la caja grande contiene la pequea slo 50%.
Una nueva teora de probabilidad podra tomar en cuenta las
experiencias aleatorias de los juegos de azar. La frecuencia
relativa se encuentra en el centro del instinto probabilstico
y los juegos de azar. chate 100 volados y te salen 46 gui-

las. Aqu, la frecuencia relativa es de 46 por 100, o 46%. En lo


general, frecuencia relativa equivale a triunfos entre intentos totales. Con cada intento puedes perder o ganar. El numero total equivale al numero de triunfos ms el nmero de
prdidas. Por esta razn, los estadsticos se refieren a la frecuencia relativa como proporcin de triunfos, la proporcin de soles a guilas. Dnde se encuentra lo borroso en
los juegos de azar? Por diseo, todos los eventos de este
marco probabilstico son blancos o negros. La moneda cae
de un lado u otro, y no parada. El resultado es bivalente: 1 o
0. Todo el conjunto de intentos resulta bivalente. Si se triunfa 46 veces de 100, se pierde 54 veces. Ninguno de los 2 conjuntos se sobrepone sobre el otro, y, juntos, equivalen al espacio total de intentos... As que, dnde se encuentra la
comprensin borrosa? Slo queda una posibilidad: el todo
en la parte. Todo entero contiene sus partes. Pero, es posible que las partes contengan al todo? A primera vista, la respuesta sera no. La nica excepcin es el caso degenerado
en que la parte equivale al todo. Aqu vemos que cualquier
parte siempre contiene a un todo parcialmente. La parte
contiene cierto grado del todo. Y la parte no puede contener al todo entero a menos que equivalga al todo. La parte
contendr al todo en directa proporcin a su tamao en relacin con el todo.
Qu es el todo en la parte? El todo en la parte es la probabilidad. Es la probabilidad de la parte. En lo general, la probabilidad de un conjunto o evento A equivale el grado en que
la parte A contiene al espacio de muestreo X. La probabilidad de A equivale a cuanto de X cabe dentro de la parte A.

El Pasado Borroso
Toda idea proviene de otras ideas. La lgica borrosa no surgi, ya hecha, de entre un mundo de ciencia e ingeniera.

Aristteles vs. Buda

A principio de los aos 90, lo borroso emergi


como emblema cultural del Lejano Oriente. Japn
ha sido el lder de la revolucin borrosa, en cuestin
de productos de alta tecnologa.
Los ingenieros japoneses han utilizado la lgica borrosa para
alzar el coeficiente intelectual de video-grabadoras, transmisiones, aspiradoras, y cientos de otros productos.
Lo borroso tambin ha arraigado en otros pases del Lejano
Oriente. Cada uno expresa su punto de vista borroso de manera particular.
Japn se ha enfocado en la ingeniera prctica. Corea del Sur
le ha seguido el paso, con su propia sociedad y conferencias
y actividades corporativas, borrosas, mientras intenta competir contra Japn. Singapur, Malasia, y otros pases del Sureste Asitico elaboran lgica borrosa en sus universidades y
en nuevas empresas. De India han surgido muy buenos tericos borrosos. Taiwn y Hong-Kong tambin han creado nuevas empresas, pero parecen equilibrar buena parte del aspecto de ingeniera borrosa con una cierta expresin ms filosfica y matemtica.

Yo veo que el budismo se relaciona con el surgimiento de ingeniera borrosa, en pases basados en
economas de alta tecnologa.

El Buda y Aristteles parecen haber iniciado el proceso de


cadenas causales a travs de las historias de Este y Oeste,
pero estas an no han comenzado a entrelazarse. Aristteles y el Buda vivieron vidas muy diferentes. Aristteles era

un hombre de la corte y acadmico. Ms tarde, Aristteles


fue maestro de prncipes. Aristteles redujo todos los procesos universales a piezas metafsicas. La Iglesia Catlica le
debe mucho a Aristteles. Aristteles resultaba polti-

camente correcto en sus das, aunque no en los


nuestros: argumentaba a favor de la legitimidad de
la aristocracia y de la esclavitud. Aristteles escriba las
cosas. La mayora de sus textos han sido perdidos, pero suficientes han sobrevivido como para dar forma a la historia
occidental. Aristteles escribi varios volmenes sobre la lgica y la razn. Escribi sobre todas las ramas de la filosofa
y ciencia y arte de sus das. Su Potica presenta la estructura de 3-actos que se utiliza hoy da en toda pelcula de Hollywood.
El Buda slo predicaba. A los 28 aos abandon toda la riqueza y poder de su principado, y nunca volvi. El Buda comenz a vagar como mendigo, para difundir su mensaje de
rechazo. No dejaba que sus seguidores escribieran sus palabras, o que lo dibujaran a l, o que de alguna manera lo exageraran, romantizaran, o deificaran. El Buda no era un

terico borroso, pero tena la idea de tonos-degris: l toleraba A y no-A.


Qu es la Verdad?

Esta pregunta parece ser la cuestin suprema de la filosofa


y la ciencia y de toda elaboracin de conocimiento.
La verdad tambin es el punto en que la lgica borrosa comienza. El punto de vista borroso explica que casi toda verdad es verdad gris, verdad parcial, verdad fraccional, verdad
borrosa. Permite que las verdades matemticas se mantengan como blancas o negras, como casos extremos de gris.
La lgica borrosa dice que toda verdad cientfica es gris. La

ciencia bivalente dice que ninguna de ellas es gris. Ese es el


conflicto.

Lo gris

Las declaraciones tienen verdad. Las declaraciones afirman


descripciones. Declarar es afirmar. Afirmar algo es decirlo.
Decimos que una declaracin es verdica si la hiptesis es
precisa, si la experiencia confirma la declaracin. Las declaraciones afirman o rechazan algn mundo posible. Las declaraciones combinan descripcin con afirmacin. Una declaracin es una afirmacin, adems de una descripcin.
Los filsofos distinguen entre verdad lgica y verdad factual. La verdad lgica se presenta en declaraciones que describen relaciones matemticas o lgicas. la verdad lgica deriva de smbolos y de sus relaciones formales. No depende
de cmo sea o no sea el mundo. La verdad factual se presenta en declaraciones que describen la posibilidad de ciertos
eventos o acciones.
Aristteles denomin esta verdad factual contingencia,
mientras que llamaba a la verdad lgica necesidad. Las verdades lgicas son verdicas en todos los casos. Las falsedades lgicas son falsas en todos los casos. Las verdades contingentes a veces son verdicas y a veces son falsas.
Esta diferencia entre verdad lgica y verdad factual sirve
como fundamento para 2 teoras generalizadas de la verdad,
la teora de coherencia y la teora de correspondencia. La
verdad lgica cae dentro de la teora de coherencia de la verdad. La declaracin 1 + 1 = 2 es verdad porque hemos aplicado las reglas matemticas de manera coherente... Todos
los sistemas formales funcionan de esta manera. Las declaraciones son verdicas, en un lenguaje formal, si siguen las
reglas, si se relacionan de manera coherente con las reglas.
Pero la teora de correspondencia de la verdad dice que una

declaracin es verdica si acaso corresponde con algn hecho. Las declaraciones verdicas, aqu, encajan o corresponden con eventos en el espacio-tiempo. La verdad por correspondencia slo puede fallar. Cada declaracin factual es
una descripcin imprecisa, cada declaracin es relativamente verdica, pero no completamente verdica (ergo, un poco
verdadera y algo falsa).
La lgica borrosa ve la verdad como precisin. Cualquier declaracin sobre el mundo tiene una calificacin de precisin
del 0 al 100%. Si puedes comprobar que una declaracin es
100% verdica, entonces no describe al mundo. Si describe al
mundo, no se puede comprobar. Del mundo, slo se pueden
comprobar tautologas o verismos lgicos (como lluvia es
lluvia, o A es A), pero nada realmente sobre el mundo
real.

Irnico como suene, la imprecisin es la elaboracin


central de la ciencia. Ninguna conjetura cientfica o
hiptesis o teora o declaracin es 100% precisa. La
imprecisin domina a la ciencia. Las declaraciones
cientficas son inexactas y provisionales. Dependen

de docenas de suposiciones simplificadoras y de una eleccin particular de palabras y smbolos y del hecho de que
todo lo dems se debe mantener igual. Pero simplemente
se involucran demasiadas molculas en cualquier hecho
como para ser tomadas en cuenta por una sola declaracin.
Cuando se habla, se simplifica. Y cuando se simplifica, se
miente. Los cientficos hablan sobre precisin y buscan precisin y recompensan la precisin. Pero slo logran la imprecisin. Los cientficos intentan encontrar la matemtica que
mejor encaje en el mundo o al mundo que mejor encaje en la
matemtica. Elaboran modelos matemticos exactos para
describir alguna pequea parte del universo o, igual, todo el

universo. Los cientficos empiezan a creer que estn involucrados en matemtica, cuando lo que hacen es ciencia. Esto
sucede principalmente en las ciencias avanzadas como la fsica, o en la frontera terica de cualquier ciencia donde los
resultados se elaboren como resultados matemticos. La
primera victima es la verdad (resulta alterada, resultando en
lgica binaria).
La filosofa es una versin exagerada de este mismo proceso. La filosofa se basa en elaborar declaraciones certeras
sobre el mundo, haciendo declaraciones lgicas sobre ciertos hechos, tratando de comprobar declaraciones que no
son matemticas.
Immanuel Kant sola decir que existan declaraciones sintticas a priori, declaraciones que eran actualmente verdicas
y lgicamente verdicas... Los positivistas lgicos rechazaron
esto inmediatamente. Y en esto los tericos borrosos estn
de acuerdo con los positivistas. La lgica y el hecho (la actualidad) se dividen. Empero, positivistas y cientficos y fsicos, etc. aceptan esta divisin, pero la rechazan en la prctica, al hacer que toda declaracin sea cierta.

Los Mtodos de la Paradoja


2 eventos al comienzo del Siglo XX dieron luz a la lgica borrosa. Primero, el lgico Bertrand Russell re-descubri las
paradojas greco-clsicas, fundamento de la matemtica moderna. Despus, el fsico Werner Heisenberg descubri el
principio de incertidumbre de la fsica quntica.
Las paradojas surgen en todo punto de nuestro mundo y
nuestras visiones del mundo porque en todas partes negamos cosas y obtenemos no-cosas. Una rosa rosa se presenta
en contra de un mundo de rosas rojas o no-rojas. La paradoja original de Zeno se presenta de la misma manera. Considera un montn de arena. Es un montn? Si. Elimina un

grano de arena. An es un montn de arena? Si. Contina a


eliminar granos de arena. Eventualmente te quedas sin granos de arena y sin montn, pero el punto de transicin se
pierde. Considera cualquier cosa hecha de algo. Est hecha
de molculas. Las cosas y la gente y los lugares son tan slo
grupos de molculas. Y las molculas que flotan en los bordes rechazan clasificacin. Y an si se pudiera distinguir claramente entre objeto y no-objeto, surge la paradoja original.
Elimina 5% de las molculas de un objeto. An es ese
objeto? Multiplica un montn de certezas y el resultado ser
certeza. Multiplica una bola de incertidumbres y el resultado
es una incertidumbre acumulada. La bivalencia multiplica un
montn de unos. As que recibe como resultado el nmero 1.
La lgica borrosa multiplica fracciones y recibe de vuelta una
fraccin menor. El razonamiento no es un beneficio gratuito.
Entre ms pasos le agreguemos a nuestro argumento, ms
borroso se volver el argumento.
Las paradojas y las auto-referencias tienen la misma forma.
Las dos se aciertan y se rechazan: El cretense que dice que
todos los cretenses mienten, el barbero que slo afeita a los
hombres que no se afeitan a s mismos.
Bertrand Russell encontr una paradoja que elimin la certeza que haba prevalecido en la matemtica desde antes de
Aristteles. La paradoja de Russell trata conjuntos de conjuntos: el conjunto de todos los conjuntos que no son miembros de s mismos. La paradoja de Russell era una contradiccin. Implicaba que uno poda comprobar cualquier declaracin, visto que la contradiccin implica todo. Y ah finaliza la
certeza. Las diversas paradojas de Russell no eran simples.
Nadie saba qu suposicin deban eliminar para prevenir las
paradojas. La matemtica se basa en diversos axiomas e intuiciones. Cul haba causado el problema? Se comenzaron

a buscar nuevos axiomas que eliminaran las paradojas y preservaran la matemtica. Pero los nuevos axiomas no eran intuitivos. Eran demasiado abstractos.
La lgica borrosa dice que las paradojas de auto-referencia
son medias-verdades. Contradicciones borrosas. Las para-

dojas son literalmente mitad verdad y mitad mentira. Las paradojas son la regla y no la excepcin . Existen 2 extremos aristotlicos de blanco y negro, 0 y 1, y una
variedad infinita de grises entre ellos.
A finales de los aos 20, Werner Heisenberg impresion a la
comunidad cientfica con su principio de incertidumbre. Demostr que uno puede ver ms de cerca y ver menos. Uno
necesita saber 3 cosas sobre el principio de incertidumbre
de Heisenberg. En primer lugar, no tiene nada que ver con la
manera en que la medicin interfiere con lo medido. En segundo lugar, existen varios principios de incertidumbre que
no tienen que ver con la mecnica quntica. En tercer lugar,
los principios de incertidumbre se relacionan directamente
con el teorema de tringulos rectos de Pitgoras.
Si conduces muy veloz sobre una carretera recta probablemente no sabrs en que lugar te encuentras en un momento
dado.
Velocidad o posicin. Una u otra. Entre ms fcilmente puedas determinar tu velocidad, menos podrs determinar tu
posicin, y al revs. Heisenberg descubri esta relacin a fines de los aos 20 (junto con las similares relaciones entre
energa y tiempo, y fuerzas de campos magneticos y elctricos). De cerca se puede aproximar una lnea ondulada con
una recta. Y de cercas la tierra redonda parece estar plana.
En la misma manera, puedes ver cualquier sistema lineal
como una hoja de papel plana, y un sistema no-lineal, como
una hoja arrugada de papel. No importa cuan arrugada, en

una regin muy enfocada aparentar estar lisa y plana. Pero


cuando te alejas y observas desde un punto de vista global,
se notan las diferencias entre las 2 hojas de papel.
Una teora lineal te ofrece un todo desde las partes. Agrega
todas las partes y te sale el todo. Estudia cmo se comportan las partes,... y ya haz estudiado el todo. Una teora no-lineal no te lleva al todo desde las partes. Las partes sumadas
no equivalen al todo... Los grupos no reaccionan de la misma manera que sus partes. Puedes estudiar brazos y piernas
y rganos todo lo que quieras, y an as no sabrs cmo
reacciona una persona, o una multitud.
El teorema de Pitgoras soporta nuestra nocin moderna de
optimizacin, la obtencin de las mejores soluciones posibles. En la matemtica y la ingeniera, las respuestas optimas
a menudo se derivan de la interseccin de 2 objetos abstractos en un ngulo recto (como si fueran 2 lados de un triangulo recto). Cuando sea que seleccionas 2 objetos abstractos
en un espacio abstracto, se presenta una relacin de ngulo recto entre ellos. Considera dos puntos, A y B, sobre una
superficie. Los 2 puntos son simples objetos abstractos.
Ahora supone que estos puntos definen las puntas de 2 flechas que originan en el mismo lugar. [Si la flecha B se orienta a la horizontal,] la relacin de Pitgoras surge de una proyeccin perpendicular, desde el punto A a la lnea B. Una
inequivalencia resulta cuando las lneas A y B no son paralelas. La equivalencia se presenta cuando A y B son paralelas.
En la inequivalencia, el teorema de Pitgoras te permite la
medida borrosa, la medida del todo en la parte.

Conjuntos Borrosos
Las palabras representan conjuntos. Todos hablamos y escribimos con las mismas palabras, pero no pensamos las mismas palabras. Cules estructuras son casas y cuales no? Al-

gunas cosas se pueden describir como casas mejor que otras


cosas. Qu de los castillos y traileres y condominios de
tiempo compartido y chozas y cuevas y toldos y cajas de cartn en algn callejn? Algunas estructuras son ms casa
que otras. Todas, hasta cierto grado, son casa y no-casa.
Esto no sucede tan slo con nombres. Agrega un adjetivo y
an te queda un conjunto borroso. Una casa vieja caera
dentro de un marco ms reducido de objetos. Pero, qu tan
viejo es viejo? Es cuestin de grado.

Nuestros cerebros estn llenos de conjuntos borrosos. Pensamos en trminos de conjuntos borrosos y
cada uno de nosotros define sus limites borrosos de
manera diferente y con ejemplos diferentes.
Todo es cuestin de grado. As que, qu de los nmeros?
Es posible obtener nmeros borrosos? Antes se crea que
no. Cero pertenece 100% al conjunto cero y ningn otro nmero pertenece ah. Pero, qu de los nmeros cercanos a
cero o casi cero? Estos nmeros, al igual que los nmeros
grandes, intermedios, y pequeos, son nmeros borrosos. El nmero cero pertenece 100% al conjunto cero, pero
nmeros cercanos podran pertenecer un 80%, 50%, 0 10% a
ese mismo conjunto... Se podra presentar un diagrama borroso donde se distingue entre no-cero y cero absoluto a travs de una inclinacin alrededor de la zona de cero. Los nmeros son borrosos, y trabajamos con nmeros borrosos
todo el tiempo.

Sistemas Borrosos
Los sistemas borrosos han logrado incrementar el coeficiente intelectual de videograbadoras, transmisiones de automvil, y estabilizadores de helicpteros. Futuros sistemas
borrosos pueden alzar estos coeficientes an ms. Los teo-

remas de las aplicaciones borrosas tienen una geometra


simple: se trata de cubrir una curva con zonas. Cualquier
sistema borroso es simplemente un montn de zonas. Las
reglas definen zonas que cubran alguna curva irregular. Entre mejor cubran la curva esas zonas, ms inteligente el sistema. Ms reglas implican ms zonas y una mejor cobertura.
Entre menos precisas las reglas, ms grandes las zonas. Entre menos borrosas las reglas, ms pequeas las zonas.
Las respuestas se derivan con reglas. Las reglas asocian
ideas. En idiomas naturales y computacionales, las reglas se
presentan como declaraciones de si-entonces (if-then)
El conocimiento basado en reglas data al menos de los tiempos de Aristteles. Hoy da, los cientficos computacio-

nales han desarrollado el campo de la inteligencia


artificial, basndose en la creencia que el conocimiento es una serie de reglas. Despus de 30 aos
de investigacin y billones de dlares en patrocinio,
la inteligencia artificial no ha logrado producir maquinas o productos inteligentes. Los seguidores de la
inteligencia artificial dicen que eso se debe a que an no han
logrado meter suficientes reglas dentro de las computadoras. Pero los investigadores borrosos han producido cientos
de mquinas inteligentes. S, se necesitan reglas. No, no se
necesitan muchas reglas. Se necesitan reglas borrosas.
Un sistema borroso se elabora en 3 pasos. Primero, eliges
las variables. Llammoslas X e Y. X sera la informacin de
entrada. Y, la informacin de salida. Causa, efecto. Estimulo,
respuesta. Segundo, definimos sub-conjuntos borrosos de
los nombres X e Y. Trazamos estos como curvas o tringulos.
Los conjuntos ms amplios son los menos importantes. Slo
proveen control generalizado. Para el control detallado bus-

camos conjuntos delgados. En tercer lugar, se seleccionan


las reglas borrosas.
Este paso asocia los conjuntos X con los conjuntos Y.
Cmo se ven las reglas borrosas? Qu sucede cuando se
combina un triangulo con otro triangulo? Un triangulo? No.
Se obtiene una zona. En matemticas, esta zona es denominada el producto de 2 tringulos. Esta zona es en realidad
una figura tridimensional. Asemeja a una tienda de campaa
con cuatro bordes diagonales. Cada punto en el suelo de
esta carpa es un par de nmeros X-Y. La altura de la carpa
te indica a que % pertenece el par de nmeros en el conjunto. Slo el punto central pertenece un 100%. Los otros puntos pertenecen menos. Fuera del suelo de la carpa
todos los puntos caen a un 0%.
Los sistemas borrosos nos permiten adivinar un poco mejor
que de alguna otra manera. Los sistemas borrosos nos permiten adivinar sobre un mundo no-lineal, sin tener que escribir la matemtica precisa. El termino tcnico de este proceso es estimacin o aproximacin sin modelo. Si tienes un

modelo matemtico, eso est bien. Pero slo se encuentran buenos modelos en los textos de curso y
en las aulas. Son respuestas de juguete para problemas de juguete. El mundo real no le presta atencin
a la mayora de estos.
En teora, toda ecuacin se puede traducir a una zona de regla. Estas aproximan sistemas. Los sistemas borrosos se
pueden utilizar en cualquier lugar donde utilicemos nuestros
cerebros. En los sistemas borrosos, todas las reglas se disparan al mismo tiempo. Se aplican en paralelo. Todas las reglas
se aplican hasta cierto grado. La mayor parte de ellas, hasta
un 0% Un chip borroso pasa por el proceso de seleccin de

reglas millones de veces por segundo. El chip borroso toma


un nmero de entrada y lo compara con todos los conjuntos
borrosos de entrada. De ah saca conjuntos borrosos de salida, transformndolos en un nmero de salida, repitiendo
todo esto una y otra vez.
Qu sucede con 2 tringulos que se sobreponen? Los viejos
sistemas borrosos tomaban el contorno de los 2 tringulos
para formar el conjunto final de salida.
Yo demostr que, si haces esto con demasiados conjuntos,
el resultado sera una lnea recta. Para arreglar esto, suger
que las reas de los 2 tringulos deberan ser agregadas.
Aqu, un esquema hace ver cmo razona un sistema. Cada
regla se presenta en el formato si A, entonces B. Los datos
de entrada X aplican la parte A de cada regla hasta cierto
grado (lo que deriva la parte B de la respuesta, hasta cierto
grado). El sistema agrega todas las partes B para sacar un
promedio que ser la respuesta Y. Todos los sistemas transforman datos de entrada en datos de salida.
El tren ligero de Sendai utiliza unas 59 reglas borrosas. Varias cmaras automticas utilizan unas 10 reglas, para controlar el enfoque automtico.
Cmo decide uno actuar o no actuar? Y qu se hace despus? Se eligen promedios borrosos. Uno agrega un montn de razones, considerndolas hasta cierto grado. La solucin es resultado del promedio. Uno no soluciona formulas
matemticas precisas o dibuja zonas de regla sobre una hoja
de papel. Uno lo intuye. Mucha gente opina de manera diferente. Opinan de manera bivalente. La respuesta lgica. Cadenas de lgica. Ramas dentro de rboles de decisin. Si A,
entonces B. Si C, entonces D. Si B y D, entonces E. Cmo es
que un juez decide un caso?. La letra y el espritu de la ley representan el conflicto entre reglas y principios. Las reglas

son precisas, blanco y negro, todo o nada. Los principios son


vagos y abstractos y llenos de excepciones. La ley como regla. Esta an es la visin predominante el la actual teora del
derecho. pero la nueva visin es que las reglas se encuentran dentro de un nido de principios. Las reglas van y vienen
con las pocas. Los principios cambian lentamente. Cada
caso considera todos los principios hasta cierto grado. Un
juez debe, primero, considerar todos los principios, y, despus, promediarlos para obtener una decisin.
Cmo funciona una lavadora borrosa? La mayora de estas
nuevas mquinas tienen un pequeo chip o microprocesador dentro. El chip est programado con reglas, para poder
considerar respuestas promediadas. El sistema borroso se
encuentra dentro del microprocesador. El sistema borroso
transforma los datos detectados en ordenes a la maquina.
Una lavadora borrosa podra seguir unas 600 ordenes diferentes. Cada segundo o fraccin de segundo, el sistema le
indica al agitador como rotar, y si se debera utilizar ms o
menos agua, y si el ciclo debera ser de lavado o secado, o si
algo debera repetirse. De la misma
manera, una secadora borrosa transforma el flujo del aire c
liente, la cantidad de ropa, y el tipo de telas en tiempos y estrategias de secado. Los hondos de microondas borrosos miden temperatura, humedad, patrones de luz infrarroja, y
cambios en la forma del alimento para producir tiempos de
coccin y patrones de circulacin de aire caliente. En la ma-

yora de las mquinas el sistema borroso ha vencido


a la competencia no-borrosa. Las cmaras Canon H-800
utilizan tan slo 13 reglas para controlar el enfoque automtico. El sistema borroso ocupa poca memoria (unos 1.1 kilobytes). En una aspiradora borrosa, sensores infrarrojos detectan el tipo de superficie y miden la cantidad de polvo absor-

bido. Los datos de superficie y polvo dan inicio a las reglas


borrosas. Si la superficie es una alfombra gruesa, aspira
duro. Si es piso, aspira poco. Si la alfombra est sucia, aspira
ms. Los sistemas de los automviles hacen an ms. Nissan
ha patentado sistemas borrosos para frenos que frenan de
manera optima, y para transmisiones que cambian automticamente de velocidad, dependiendo de las condiciones del
terreno y del automvil. Nissan tambin utiliza una serie de
reglas para controlar la inyeccin de algunos de sus cilindros
de motor. Mitsubishi utiliza sistemas borrosos para controlar la suspensin, el aire acondicionado, la transmisin, y aspectos mecnicos. Y hay an ms aplicaciones.

Sistemas Borrosos Adaptativos


Los sistemas borrosos pueden ser bobos o inteligentes.
Todo depende de las reglas borrosas. Todo se basa en la bsqueda de buenas reglas borrosas. Hasta ahora, esta bsqueda ha dependido del cerebro humano. Lo que se est in-

tentando es que los cerebros salgan del ciclo, permitiendo que los sistemas borrosos desarrollen sus
propias reglas. En teora, siempre se deberan poder encontrar reglas borrosas para simular o aproximar cualquier
tipo de control o proceso computacional. Pero, en practica,
no sabemos dnde comenzar. Como veremos, las redes neuronales (sistemas computacionales con caractersticas de cerebros) pueden ayudar a encontrar estas reglas borrosas.
Buscamos un sistema que aprenda reglas borrosas de experiencia. Esto significa que aprendera de los datos. Buscamos
un sistema de aprendizaje que transforme accin experta en
reglas borrosas. Un sistema borroso decide una accin basndose en datos entrantes. Pero un sistema borroso adaptivo cambia sus reglas mientras que descubre nuevos datos.

Al principio, las reglas cambian rpidamente. Esto permite


que el sistema adquiera experiencia. Despus, con ms
ejemplos, las reglas cambian ms lentamente, ya que el sistema simplemente afina su conocimiento.

Qu significa aprender? Se trata de cmo se aprenden


zonas. La respuesta es que las zonas son aglomeraciones de
datos. Aprende aglomeraciones de datos y aprenders zonas y aprenders reglas y tendrs un sistema borroso adaptivo. Pero todo depende del aprendizaje en s.
As que, qu es el aprendizaje?
Esa respuesta se basa en las redes neuronales. Aprender

significa cambiar. Y cambiar es aprender. Qu es lo


que cambia el aprendizaje? Cambia tu enfoque y tu
cerebro. Tambin puede cambiar tu actitud y tu cerebro. Tu
cerebro cambia. Todo lo que notes cambia tu cerebro. Un
solo fotn de luz cambia tu cerebro. Est cambiando mientras lees esto. En los cerebros, las neuronas no actan como
sitios de memoria computacionales. Lo que cuenta es la conexin entre las clulas. Estas son las conexiones neuronales. Cada neurona puede conectarse con otras 10 mil neuronas. El aprendizaje y la memoria yacen en las enredadas redes de conexiones. Aprender significa cambiar conexiones.
El aprendizaje la cantidad y velocidad de intercambio de
neurotransmisores.
Bebe una taza de caf o un vaso de t, y, durante algunos
minutos, tu coeficiente de intelecto incrementa. Te vuelves
ms alerta. Las conexiones neuronales utilizan ms neurotransmisores. Aprender cambia las conexiones. Pero esto
an no nos indica cmo codificar o decodificar algn patrn
en una red neuronal.
Cmo o dnde se almacena un patrn de informacin? La

respuesta es: en toda la red de neuronas Las neuronas son


tontas y egostas... Cada neurona acta como si guiada por
una mano invisible. Ese es el poder de las redes neuronales.
Son capaces de auto-organizarse. La geometra total es
como una superficie con muchos pozos. Un patrn sera
equivalente a una bola que rueda sobre la superficie. La bola
Q roda y cae dentro del pozo P. Importa dnde estn los
otros pozos? No. Podra haber 100 o 100 millones de pozos.
Q siempre rodar al ms cercano, en la misma cantidad de
tiempo. Un pensamiento sera equivalente a un pozo. Pensar sera equivalente a la bola cayendo dentro de un pozo. El
aprendizaje esculpe la superficie total. Cada vez que ves tu
cara en el espejo la aprendes un poco ms; excavas un
pozo ms amplio para ella. La superficie total tambin presenta una nueva manera de pensar sobre los dvus. Cualquier experiencia real excava pozos necesarios y adems
puede excavar algunos pozos extra. Cuando experimentamos una experiencia similar (pero nueva), la bola rueda a
uno de los pozos similares, hacidonos sentir que reconocemos esa experiencia. Tambin se elaboran pozos en el
centro de varias experiencias (como una especie de promedio; un pozo rojo, entre manzanas, sangre, y juguetes rojos).
De tal manera, lo Bueno y Dios pueden ser promedios que
nunca hemos experimentado.
Reglas de Aprendizaje:
1. Una regla es un patrn. Una regla es una zona. As que se
deben conectar pozos y zonas.
2. Un sistema borroso puede representar cualquier sistema,
cubriendo su curva de sistema con pequeas zonas borrosas. Con suficientes datos, el sistema borroso puede aprender cualquier sistema. En un nivel especfico-local, una red
neuronal promedia zonas o reglas. En un nivel global, las zo-

nas promedian el sistema total. Puntos componen las zonas


igual que plumas rellenan una almohada. Cualquier zona crecer si agregamos ms puntos a una regin. Ms pares de
datos conllevan a ms aglomeraciones, ms pozos, y ms reglas...

Mapas Cognitivos
Un mapa cognitivo borroso presenta un dibujo causal. Conecta hechos y cosas y procesos con valores y reglas y objetivos. Y te permite predecir la manera en que interactan
eventos complejos. Los nodos o conceptos son borrosos.
Cada nodo puede activarse entre 0 y 100%. Se pueden agregar o cambiar flechas y reglas entre nodos.

El mapa cognitivo borroso permite que cada uno incorpore sus conocimientos. Una vez hecho esto, se
pueden predecir resultados y se pueden comparar
datos. Los mapas cognitivos han existido durante los ltimos 10 aos, en psicologa y ciencia poltica. Pero estos mapas cognitivos no permitan la incorporacin de nodos o flechas borrosas. Y no consideraban la retroalimentacin. Y las
fechas no podan presentar crculos cerrados. Los mapas
cognitivos borrosos dependen de la retroalimentacin. Estos nuevos mapas son sistemas dinmicos. Los ciclos de re-

troalimentacin incrementan entre ms nodos se agregan.


Qu se puede hacer con tantos ciclos cerrados? Se buscan
patrones escondidos. Observas el mapa en accin. Permites
que presente algn estado de equilibrio.
Qu es un patrn escondido? Es donde el movimiento se
para. Es un estado de equilibrio. La energa del mapa gira
como una bola sobre una superficie llena de pozos, cayendo
dentro de uno de ellos. El pozo acta como un atractor. Las
bolas se paran o giran eternamente en los bordes del pozo.
Tal vez tarden en llegar al pozo, pero siempre llegarn. Los
mapas cognitivos presentan patrones globales. Entre ms
complejo el mapa cognitivo, ms difcil ser encontrar los
patrones escondidos. Tal vez necesites mtodos matemticos para encontrarlos. Y te sorprendern.

Pienso que en el futuro veremos mapas cognitivos


al final de artculos de opinin, en los peridicos.
Eliminacin de ego
Al principio, el mapa cognitivo se presentar como una especie de apndice impresionante. Ms tarde, nos acostum-

braremos a verlos en todas partes. Y aprenderemos


a comparar la informacin del artculo con la del
mapa cognitivo. Llegaremos a utilizarlos en nuestros argumentos tal y como hasta ahora hemos utilizado diagramas y estadsticas. Entonces los mapas cognitivos se presentarn primero, seguidos por el texto.
El futuro borroso presentar muchas herramientas. La lgica
borrosa y las redes neuronales formarn parte de la cultura
popular. Pasarn de estado de amenaza a moda, a herramienta.

La lgica borrosa penetrar los absolutos morales.

Sobre el autor
(fuente: Wikipedia)
Bart Kosko Andrew
(7 de febrero de 1960) Escritor y profesor de ingeniera elctrica y derecho
en la Universidad del Sur de California
(USC). Se di a conocer ecomo investigador y divulgador de
la lgica difusa, redes neuronales y el ruido, autor de varios
libros de comercio, as como de libros de texto sobre estos y
otros temas relacionados de la inteligencia artificial.

Experiencia personal
Kosko es licenciado en filosofa y en economa de la USC, un
ttulo de maestra en matemticas aplicadas de la Universidad de California San Diego, un doctorado en ingeniera
elctrica de la Universidad de California en Irvine, y un JD en
lnea en Derecho por la Facultad de Derecho en lnea Concord. Es abogado con licencia en California y el tribunal federal, y trabajaba a tiempo parcial como asistente legal para la
Oficina del Fiscal del Distrito de Los ngeles.

Escritos
El libro ms popular de Kosko hasta la fecha era El pensamiento borroso, xito de ventas internacional, sobre el
hombre y las mquinas pensantes en tonos de gris, y su libro
ms reciente fue El ruido. Tambin ha publicado relatos cortos de ficcin y la novela ciber-thriller como NanoTime, acerca de una posible III Guerra Mundial que se lleva a cabo en
dos das del ao 2030. Acu el trmino "nanoTime" para
describir la aceleracin del tiempo que se produce cuando

en la mente se alojan chips de computadoras rpidas, sustituyendo los lentos cerebros.


Kosko tiene un estilo de prosa minimalista distintivo, ni siquiera el uso de comas en sus ltimos varios libros.

Investigacin
Las contribuciones tcnicas de Kosko se han organizado en
tres reas principales: la lgica difusa, redes neuronales, y el
ruido.

Libros
No ficcin
- Ruido
- Procesamiento de Seal inteligente .. (coautor con Simon
Haykin)
- Futuro Fuzzy: El cielo en un chip. Visiones Fuzzy de la sociedad y la ciencia en la era digital
- Ingeniera difusa
- Pensamiento confuso: La Nueva Ciencia de la Lgica Difusa.
- Redes neuronales y sistemas difusos: Un Enfoque de Sistemas Dinmicos de la mquina Intelligence
- Las redes neuronales para el procesamiento de seales
Ficcin
- NanoTime
Ms textos en: