Det luddiga expertsystemet är en form av problemlösning som används av ett datorsystem, som ofta används för att skapa artificiell intelligens. Expertsystem är typer av beslutsfattande datorprogram baserad på boolesk logik, vilket innebär att systemet använder en rad ja eller nej-svar för att försöka lösa ett problem. Fuzzy expertsystem expanderar på det traditionella expertsystemet och baseras på fuzzy logik istället för boolesk logik. Fuzzy logic, som namnet antyder, betyder att svaret inte är ett tydligt ja eller nej. Det faller någonstans i mitten, och datorn måste försöka räkna ut ett svar utifrån svar som kanske inte är helt sanna men kanske inte heller är helt falska.
Dr. Lotfi Zadeh, känd som ”fuzzy logikens fader”, introducerade konceptet fuzzy logic på 1960-talet när han var anställd vid University of California i Berkeley. Han publicerade en tidning 1965 som täckte suddiga uppsättningar. Han förklarade inte bara idén med luddiga uppsättningar och logik, utan också ett ramverk för att införliva denna nya logik i ingenjörsvärlden. Han myntade också termen ”fuzzy”, med hänvisning till denna speciella logiska stil, och namnet fastnade.
För att förstå teorin bakom fuzzy expertsystem är det nödvändigt att förstå de grundläggande begreppen boolesk logik och fuzzy logik. Även om båda förlitar sig på avancerade matematiska algoritmer, är kärnkonceptet enkelt. Båda använder svar på en rad frågor eller påståenden för att formulera ett nytt svar. I boolesk logik är svaren antingen sanna eller falska, medan i fuzzy logik kan ett svar vara sant, delvis sant, falskt, delvis falskt och flera värden däremellan, beroende på vilka termer programmeraren matar in i programmet.
Till exempel, om ett expertsystem ville fatta ett beslut med hjälp av boolesk logik, skulle det i slutändan svara sant eller falskt, även kallat ja eller nej. Ett expertsystem som använder luddig logik kan dock svara ja, nej, kanske eller någon annan kombination. Den gör detta genom att dra slutsatser från sin nuvarande kunskapsbas av information.
Kunskapsbaser är hjärtat i fuzzy expertsystem. Om en dator inte kan komma med rätt svar, antas det att kunskapsbasen inte innehåller tillräckligt med information snarare än att anta att programmet i sig är fel. Kunskapsbasen kan innehålla ett påstående som ”När x=ja och y=nej då z=kanske.” Från detta uttalande kan suddiga expertsystem dra slutsatsen att när ”x=yes” och ”y=yes” måste ”z” också vara lika med ”yes”, eller att när ”x=no” och ”y=yes” är ”z” ” är fortfarande lika med ”kanske.” Om det inte är svaret som programmeraren ville ha betyder det att kunskapsbasen behöver mer information för att komma fram till rätt svar.
Fuzzy expertsystem gör dessa beräkningar baserat på matematiska värden. ”Ja”, ”nej” och ”kanske” tilldelas vissa värden. Datorn tittar på vad termernas värden i påståenden som ”x=yes and y=no” är lika och lägger till deras värden. Den lägger sedan till alla andra relevanta värden och matchar det slutliga värdet med ett svar som ”kanske”, ”ja” eller ”nej”. Att lägga till de matematiska värdena för ”x=no” och ”y=yes” talar om för datorn att det matematiska värdet för ”z” är lika med ”kanske.”