快思逻辑犹如早期人工智能　高效决策助提高家电医疗设备效率

近来人工智能再掀起话题，内地AI新创公司DeepSeek 以较低的成本制作AI模型，有指其技术媲美市面上的高性能OpenAI，令美国矽谷和全球科技界震惊，相信人工智能界将掀起一番龙争虎斗。现时本港较为常用的AI软件以“ChatGPT”为主，但其实在工程界，早年已有一种名为“快思逻辑（FUZZY LOGIC）”的理论，亦可称得上是非常早期、至今仍然有所应用的人工智能技术。

撰文：资深工程师及工程师学会前任会长源栢梁

从数学的观点来说，可把人类广阔活动范围所遇到的现象大致分为三类：确定现象、随机现象和模糊现象。为解决“确定现象”问题的数学工具有几何、代数、数学分析和微分方程等，一般称为古典数学；机率论与数理统计则是研究“随机现象”的数学工具。而“模糊数学”则是专为研究模糊现象的数学工具，模糊数学或逻辑是一种处理不确定性和不精确的推理形式，允许考虑真实程度，而不是电脑一般通常表达的真或假（即壹或零）或二进位制逻辑。

事实上，模糊现象在现实生活中常见，好像形容天气很冷或距离很近等事物时模糊不清的描述。因为这些都是每个人对于外在环境主观的感受而有所不同，并不是真或假，所以表达这些感受时通常都是相当模糊的。为了要将这些日常生活中实际存在的模糊叙述与模糊现象加以分析，以得到较确切的表达，故有模糊数学的出现，其后更被广泛运用作为科技上的控制，管理时的决策分析及其他不同领域的应用。笔者2000年代在城大功读工程学博士时，也有授习快思逻辑理论，及以相关软件作为硏究工具。

简单来说，它的工作原理是以模糊逻辑使用“模糊集成”，而非严格的分类，例如“高”可能意味著某人身高6英尺，但在模糊逻辑中，5.5英尺的人可能仍在一定程度上被认为是合乎“高”的资格。它如一种语言变数，模糊逻辑通常使用单词或短语来描述其代表值，而不是数字值。例如，温度可以分为“冷”、“暖”或“热”，每个值都有著一定的范围。而模糊逻辑系统使用的规则是以“如果是 - 就这样”（if-then 语句）来做出决策。例如如指示是“如果温度很高，那么把风扇开到高点”，系统根据模糊的输入值评估规则，以此推理确定输出，通常汇总多个规则评估后以形成最终决定。

最后，模糊输出被转换为一个清晰的值，可放于现实世界作操作模式，如控制恒温器或空调等。从本质上来说，模糊逻辑运算是模仿了人类的推理，在不同的规则下允许在不确定情况做出灵活和细微的决策。

这种“模糊逻辑”，又名为“快思逻辑”（FUZZY LOGIC），早年已经出现，其诞生与工程系统管理有关。早于20世纪60年代时此理论已面世，根据资料显示，于1965年时美国加州柏克莱大学一名教授，在资讯与控制学术期刊上所发表了一篇名为“Fuzzy Sets（模糊集成）”的论文，成为日后此理论的基础。此理论之后在70年代开始在工程中使用，以便在不确定的工程系统控制条件下作出最好的决策。其后，快思逻辑逐渐转至于日本家庭电器中流行起来，在1986年期间当地家器生产商以此理论去控制家庭电器，包括调整空调机冷气量、电饭煲的烹调及洗衣机的洗涤程式上。

例如支援医院服务必备的大型洗涤系统中，需要输入衣物物料、重量及污渍情况等资料，由快思逻辑运算以确认使用多少水量或清洁剂等，并计算所需洗涤时间，以提高洗涤效率，减少浪费及污水排放。在医疗应用方面，据悉有推断病人再入院预测的模型，是透过模糊逻辑整合多个临床指标来评估患者再次入院的风险，以加强预防措施；更有远端医疗系统应用于患者症状分析，以模糊逻辑在虚拟咨询期间分析患者报告的症状，帮助进行初步诊断和建议。

虽然现今人工智能大行其道，但将存在已久的模糊逻辑与人工智能整合可在未来各个领域带来好处。模糊逻辑允许在不确定和不精确的情况下进行推理，这可以增强人工智能系统的决策能力，使它们能够更有效地处理模棱两可或不完整的资讯，并透过管理来自不同来源的物联网（IoT）感测器资料的不确定性，增强资料分析和决策过程，以改进人机互动，达至更紧密地模仿人类推理，令人工智能系统可以变得更加直观和容易使用，这的确是模糊逻辑的强项，可以促进更好的自然语言处理和理解。

总括而然，当要解决许多现实世界的复杂且定义不明确的问题，模糊逻辑可以透过允许多值推理，而不是二进位制（真或假）逻辑来帮助人工智能系统解决这些问题。随著人工智能的不断发展，模糊逻辑的整合可能会在应对复杂挑战和增强智慧系统能力方面发挥关键作用。模糊逻辑可更有效地对专业知识进行建模，从而导致人工智能系统可以在专业领域进一步模拟类似人类的推理。

《01医务所》与资深工程师源栢梁合作，逢周一推出专栏“源途有你”，分享工程与医疗的大小事。

源栢梁一直以推动工程界专业发展为己任，是香港工程师学会前任会长。数十年专业路途，著实值得回忆，亦深信后来者或可从中领会工程专业要点所在。源途有你，就让大家一起体会。