Professional Documents
Culture Documents
RODOLFO QUIJADA
1.1 Introduccin
En la ciencia hay una divisin tradicional del trabajo: por un lado tenemos
investigaciones lgicas y tericas y por otro lado tenemos examinaciones
experimentales y orientados a aplicaciones. El trabajo terico en la ciencia utiliza las
lgicas y las matemticas para formular axiomas y leyes. Esto est vinculado con la
visin filosfica del racionalismo, mientras que los otros aspectos de la ciencia
empleando experimentos para descubrir probar o refutar las leyes naturales tienen sus
races en el empirismo filosfico.
En ambas direcciones - a partir de los resultados experimentales de las leyes
tericas o desde leyes tericas a pruebas experimentales o refutaciones - cientficos
tienen que cerrar la brecha que separa la teora y la prctica.
A partir de ya en el siglo XVII, un factor primordial en la calidad cientfica
trabajo ha sido el mximo nivel de exactitud. Galileo Galilei (1564-1642) y Ren
Descartes (1596-1650) iniciaron el proceso de dar a la ciencia moderna, su exactitud
mediante el uso de las herramientas de la lgica y de las matemticas. El lenguaje de las
matemticas ha servido de base para la definicin de los teoremas, axiomas y pruebas.
Las obras de Isaac Newton (1643-1727), Gottfried Wilhelm Leibniz (1646-17169,
Pierre-Simon Laplace (1749-1827), y muchos otros llevaron a la supremaca de la
ciencia moderna, fomentar la impresin de que los cientficos fueron capaces de
representar - completamente y exactamente todos los hechos y procesos que las
personas observan en el mundo. Pero este optimismo gradualmente ha comenzado a
parecer algo ingenuo a la vista de las discrepancias entre los cientficos de la exactitud
de las teoras y lo que observamos en el mundo real. Desde el
punto de vista empirista, la fuente de nuestro conocimiento es la experiencia sensorial.
John Locke (1632-1704) utiliz la analoga de la mente de un beb recin nacido como
una "tabula rasa" que ser escrito por las percepciones sensoriales que tiene el nio ms
tarde. En opinin de Locke estas percepciones proporcionan informacin sobre el
mundo fsico. La visin de Locke es llamada "empirismo material" mientras llamado
empirismo idealista fue la posicin de George Berkeley (1685-175) y David Hume
(1711-1776): el material mundo no existe, slo las percepciones son reales.
Immanuel Kant (1724-1804) logr una sntesis de racionalismo y el empirismo
en su obra magna, Crtica de la razn pura, publicado en 1781. Kant argument
que la experiencia humana de un mundo slo es posible si la mente proporciona una
estructura sistemtica de sus representaciones que es lgicamente anterior a las
representaciones mentales que fueron analizadas por los empiristas y racionalistas. Con
estos puntos de vista filosficos por s solos, no seramos capaces de explicar la
naturaleza de nuestra experiencia porque estos visiones filosficas slo consideraron
los resultados de la interaccin entre la mente y el mundo, pero no la contribucin hecha
por la mente. Kant lleg a la conclusin de que debe ser la propia estructuracin de la
mente que hace posible la experiencia.
Esta disputa epistemolgica es de gran inters para los historiadores de la
ciencia, pero desde que est todava en curso, tambin es de gran inters para los
filsofos actuales de la ciencia. La manera de tratar de encontrar una manera de salvar la
ciencia. En ella, Hertz estableci su teora de conocimiento: l vea las teoras fsicas
como "fotografas" de la realidad. Comenz su introduccin con las siguientes palabras:
The most direct, and in a sense the most important, problem
which our conscious knowledge of nature should enable us to
solve is the anticipation of future events, so that we may
arrange our present affairs in accordance with such
anticipation. As a basis for the solution of this problem we
always make use of our knowledge of events which have
already occurred, obtained by chance observation or by prearranged experiment. In endeavoring thus to draw inferences
as to the future from the past, we always adopt the following
process. We form for ourselves images or symbols of external
objects; and the form which we give them is such that the
necessary consequents of the images in thought are always
the images of the necessary consequents in nature of the
things pictured. ([10], p. 1)
The images which we here speak of are our conceptions of
things. With the things themselves they are in conformity in
one important respect, namely, in
satisfying the above-mentioned requirement. For our purpose
it is not necessary that they should be in conformity with the
things in any other respect whatever. As a matter of fact, we
do not know, nor have we any means of knowing, whether
our conceptions of things are in conformity with them in any
other than this one fundamental respect. ([10], p. 1)
Figura 1.1
Figura 1.2
II
Wittgenstein I
Wittgenstein concluy su trabajo en el Tractatus logico-philosophicus en 1918 y
que fue publicado por primera vez - con el apoyo de Bertrand Russell (1872-1970),
quien escribi una introduccin a la misma - en alemn en 1921, y un ao ms tarde, en
una edicin bilinge (alemn e Ingls). Estas proposiciones demuestran que el
pensamiento filosfico de Wittgenstein fue influenciado por Los Principios de Mecnica
de Heinrich Hertz (como Wittgenstein tambin escribi en su diario y explcitamente en
otra parte del Tractatus: "En la proposicin debe haber exactamente tantas cosas
distinguibles como hay en el estado de cosas que representa. Ambos deben poseer la
misma multiplicidad lgica (matemtica)" ([24], prop. 4,04). Hertz tambin enfatiz en
que las imgenes de los hechos no pueden ser inequvoca, por lo que pueden existir
diferentes teoras de la ciencia que representan al mismo hecho.
Las dos primeras proposiciones en el Tractatus de Wittgenstein son:
1.El mundo es todo lo que acaece.
2. El mundo es la totalidad de hechos, no de las cosas.
En su introduccin al Tractatus, Bertrand Russell intent explicar el pensamiento
de Wittgenstein:
A picture", he says, is a model of the reality, and to the
objects in the reality correspond the elements of the picture:
the picture itself is the fact. The fact that things have a
certain relation to each other is represented by the fact that
in the picture its elements have a certain relation to one
another. In the picture and the pictured there must be
something identical in order that the one can be a picture of
the other at all. What the picture must have in common with
reality in order to be able to represent it after its mannerrightly or falsely-is its form of representation. (2.161, 2.17)
(([12], p. 10)
Consider for example the proceedings that we call games. I mean board-games, Cardgames, ball-games, Olympic games, and so on. What is common to them all? Dont say:
There must be something common, or they would not be called games but look and see
whether there is anything common to all. For if you look at them you will not see
something that is common to all, but similarities, relationships, and a whole series of them
at that. To repeat: dont think, but look! Look for example at board-games, with their
multifarious relationships.
Now pass to card-games; here you find many correspondences with the first group, but
many common features drop out, and others appear. When we pass next to ball-games,
much that is common is retained, but much is lost. Are they all amusing? Compare chess
with noughts and crosses. Or is there always winning and losing, or competition between
players? Think of patience.
In ball games there is winning and losing; but when a child throws his ball at the wall
and catches it again, this feature has disappeared. Look at the parts played by skill and
luck; and at the difference between skill in chess and skill in tennis. Think now of games
like ring-a-ring-a-roses; here is the element of amusement, but how many other
characteristic features have disappeared sometimes similarities of detail. And we can go
through the many, many other groups of games in the same way; can see how similarities
crop up and disappear. And the result of this examination is: we see a complicated network
of similarities overlapping and crisscrossing: sometimes overall similarities. ([25], 66)
La Figura 1.3 muestra la relacin entre los objetos y los conceptos y sus
familias.
Figura 1.3
Los Conceptos y sus familias no tienen lmites claros, como l tambin escribi
en el prrafo 119 de las Investigaciones filosficas:
One might say that the concept game is a concept with blurred edges.
But is a blurred concept a concept at all? Is an indistinct photograph a
picture of a person at all? Is it even always an advantage to replace an
indistinct picture by a sharp one? Isnt the indistinct one often exactly
what we need? Frege compares a concept to an area and says that an
area with vague boundaries cannot be called an area at all. This
presumably means that we cannot do
anything with it. But is it senseless to say: Stand roughly there? ([25],
71)
cualidad general y necesaria de la mente humana que no somos capaces de aportar algo
a la mente o para definir conceptualmente las cosas externas sin aadir propiedades que
inherentemente no tienen. Nosotros no podemos hacer esto ya sea en la vida cotidiana o
en la ciencia. ([11], S. 35) Hertz devotamente crey que necesitamos constructos
imaginarios de las concepciones en la ciencia exacta, y dio dos ejemplos:
1. Geometra:
If anything deserves to be called an exact science, this does. It deals
with the attributes of spatial conceptions. And to define these, it requires
us to imagine a series of spatial conceptions. But all these are
constituted in such a manner that sensual imagination of them is not
possible if we do not give them attributes that geometry knows nothing
about and which are explicitly supposed to form the basis of our
abstractions. If we are asked to imagine an infinitely thin spherical shell
or an infinitesimal component of space, the designated objects will
appear in our minds eye. But neither will they appear infinitely thin nor
infinitesimal, nor without colour, nor without other attributes that are
absolutely foreign to the intended object. ([11], p. 35)
2. Fsica:
Imagine an atom as a ball-shaped space filled with matter that has a
diameter of 1 millionthmm [. . . ] Indeed, we are not able to imagine this
space in real dimensions; and we cannot visualize it filled, without
visualizing it filled with glass, iron, or some other specific substance.
However, we can bring to mind which attributes are circumstantial and a
core will remain that constitutes the basic attributes in which we are
interested. What we add will always be fictitious imaginings; we cannot
remove them and replace them with better ones, but must add them or
abandon all imagining in this domain. ([11], p. 36)
V
Lo Metodologas FSS, CW, y CTP de Lotfi Zadeh
V.1.- Aspectos histricos y principios bsicos.
. . . we need a radically different kind of mathematics, the mathematics
of fuzzy
or cloudy quantities which are not describable in terms of probability
distributions,
Por lo tanto, Zadeh estaba pensando en una teora matemtica manejar conceptos
sueltos, a condicin de que estos conceptos se definen por la ausencia de lmites
estrictos. Tres aos ms tarde, present su teora de los conjuntos borrosos y sistemas
(fuzzy sets and systems). l estableci la teora de los conjuntos borrosos en su paper
"Conjuntos Difusos" en el journal de Informacin y de Control [30]: A diferencia de la
teora de conjuntos convencional, un objeto no se requiere a ser un elemento de un
conjunto (valor de pertenencia 1) o no un elemento de este conjunto
(Valor de asociacin 0), pero tambin puede tener un valor de asociacin entre 0 y 1. As
que defini los conjuntos borrosos por sus funciones de pertenencia , que se le permite
asumir cualquier valor en el intervalo [0,1], ms que por su funcin caracterstica, que
asume los valores de slo 0 o 1 [30]. Al principio Zadeh introdujo las nuevas entidades
matemticas - "conjuntos difusos" - con "simples" ejemplos solamente: "La 'clase' del
nmeros reales que son mucho ms grandes que, por ejemplo, 10 "y" la "clase" de los
hombres calvos ", pero tambin la "clase" de los sistemas adaptativos". Pero enfatiz: "
Ya que no dicotomizan todos los objetos en los que pertenecen a la clase y los que no.
Zadeh introdujo el concepto de un "conjunto borroso", que es una clase en la que puede
haber
un
infinito
continuo
de
grados de pertenencia, con el grado de pertenencia de un objeto x en un conjunto difuso
A representado por un nmero A (x) en el intervalo [0,1]. Zadeh sostuvo que estos
nuevos conceptos proporcionan una forma "conveniente de definir la abstraccin - un
proceso que desempea un papel fundamental en el pensamiento humano y la
comunicacin. "([28] p. 29). El problema fue como a generalizar conceptos diferentes Unin de conjuntos, la interseccin de conjuntos, y as sucesivamente. Zadeh indic las
definiciones que figuran en la Figura 1.5 para todo x X:
Figura 1.5
El espacio de todos los conjuntos difusos en X se convierte en una red de distribucin
con 0 y 1, por lo que un lgica proposicional de conceptos difusos constituye la lgica
difusa.
En abril de 1965, cuando el Simposio sobre Teora de Sistemas se llev a cabo en la
Escuela Politcnica en Brooklyn, Lotfi Zadeh present "una nueva visin de la Teora
de Sistemas", que se ocupa de los conceptos de conjuntos difusos y ofrece "una manera
de tratar borrosidad de manera cuantitativa." En las actas del coloquio, qued un
pequeo manuscrito de esta charla bajo el epgrafe "Conjuntos Difusos y sistemas."
( [ 35], p. 29) En este papel, Zadeh define el concepto de un sistema difuso por primera
vez.
En los procedimientos del simposio, hay un reducido manuscrito de esta charla bajo el
ttulo "Conjuntos Difusos y Sistemas." ([28], p. 29) En ese trabajo, Zadeh defini el
concepto de un sistema difuso por primera vez:
Definition
A system S is a fuzzy system if input u(t), output y(t), or state x(t) of S or any combination
of them ranges over fuzzy sets. ([35], p. 33)
Zadeh explic que "estos conceptos se refieren a situaciones en las que la fuente de
imprecisin no es una variable aleatoria o un proceso estocstico, sino ms bien una
clase o clases que no poseen lmites bien definidos. "([35], p. 29]) Argument
que "La diferencia entre sistemas difusos y estocstico es que en este ltimo caso el
origen de imprecisin es no estadstico en la naturaleza y tiene que ver con la falta de
lmites ntidos de las clases entrar en las descripciones de los input, output o estado."
([30], p. 33)
Una lgica proposicional de conceptos difusos que constituye una "lgica de los
conceptos inexactos" como qued demostrado por Joseph Goguen, un estudiante de
doctorado que trabaj con Zadeh en Berkeley, a finales de 1960 [10] y ms tarde en sus
artculos publicados [10], [9]. Para esta lgica, George Lakoff, profesor de Berkeley de
lingstica, introdujo el trmino "Lgica difusa" en su trabajo de 1973 "Hedges: A
Study in Meaning Criteria and the Logic of Fuzzy Concepts [12]. El fue que
influenciado por el artculo de Zadeh titulado A Fuzzy-Set-Theoretic Interpretation of
Linguistic Hedges,, publicado en 1972 [37], donde Zadeh discute las lenguajes
naturales, que son los medios los seres humanos utilizan para expresar sus percepciones
y observaciones del mundo real de los sistemas y fenmenos. A diferencia de lo que
estrictamente es la lgica clsica y los lenguajes artificiales que apareci en ese
momento en la esfera de la informtica, los lenguajes naturales y lgica difusa, en
general, no se consideraron herramientas adecuadas para la ciencia. Esto refleja una vez
ms la brecha entre el desenfoque bsicamente carcter de percepciones humanas de
sistemas y fenmenos en el mundo real y la precisin se cree que es necesario en el
mbito de la ciencia.
En ese artculo Zadeh introdujo la expresin hedges para describir la falta de claridad
lingstica, que son trminos como "muy", "poco", "bastante", "mucho", "ms o
menos", "tipo de", "en esencia", etc En vista de Zadeh, los hedges son "los
operadores que actan en los subconjuntos borrosos en el universo del discurso ". [37],
p. 468). En su artculo "Esbozo de una nueva visin ena el anlisis de sistemas
complejos y procesos de decisin ", publicado el mismo ao, Zadeh introdujo el
concepto de "variables lingsticas", que son variables cuyos valores pueden ser frases
de un idioma especfico natural o artificial. [38] Por ejemplo, los valores de la
lingstica variable "edad" puede ser expresable como "joven", "muy joven", "no muy
joven", "un poco viejo", "ms o menos joven". Estos valores se forman con la etiqueta
de "viejo", la negacin "no", y los hedges "muy", "algo", y "ms o menos". En este
sentido, la variable "edad" es una variable lingstica. As, las variables lingsticas se
convirtieron en una herramienta adecuada para el razonamiento sin valores exactos.
Como en muchos casos, es imposible o se consume demasiado tiempo (y por lo tanto
demasiado costoso) para medir o calcular los valores exactos, el concepto de variable
lingstica se ha utilizado con xito en muchos sistemas de aplicacin difusos, por
ejemplo, en control y toma de decisiones.
En el escrito, Similarity Relations and Fuzzy Orderings [36], Zadeh fundament el
concepto de las relaciones borrosas: Si L (A B) es el conjunto de todos los conjuntos
difusos en el producto cartesiano A B de los conjuntos ordinarios A y B, a
continuacin, una relacin difusa es un subconjunto de L (A B). Usando
tres conjuntos A, B y C para componer las relaciones borrosas Q L(AB) and R
L(BC) y as obtener una nueva relacin difusa T L(AC), introdujo la regla de
Ahora, despus de este breve esbozo de la teora de Zadeh de los conjuntos borrosos y
sistemas (FSS), proporcionaremos breves bosquejos de su computacin con palabras
(CW), y su teora de la percepcin computacional (CTP). As, se utiliza el programa
estructuralista en la filosofa de la ciencia para distinguir una capa de realidad a partir de
una capa de la teora, y vamos a construir una capa de borrosidad entre estas dos capas en terminologa de Hertz, las capas de los objetos externos (cosas) y de sus imgenes y
smbolos (Concepciones de las cosas). Por ltimo, vamos a modelar la fuzziness en la
nueva capa con la jerarqua de Zadeh y las metodologas FSS, CW y CTP.
V.1.- Computacin con palabras y la teora de la Percepcin computacional.
En los primeros das, Zadeh llam a "los principios y la organizacin de las mquinas
que se comportan como un cerebro humano ", pero en los ltimos aos del siglo pasado,
se dio cuenta de que las "mquinas pensantes" no piensan como los humanos. En los
aos que siguieron a esto, l cambi su punto de vista sobre la investigacin y a
mediados de 1980 se centr en Making Computers Think like People [40]. Para este
propsito, la habilidad de la mquina "para calcular con los nmeros" se complement
con una capacidad adicional que era similar a pensamiento humano. Zadeh fue y es
inspirado en la "capacidad notable humana de realizar una amplia variedad de tareas
fsicas y mentales sin ninguna medicin y ningn clculo" y en muchos papers l ha
dado ejemplos cotidianos de dichas tareas: estacionar un automvil, jugar al golf,
descifrar la escritura descuidada, y hacer el resumen de una historia. Detrs de esto est
la capacidad humana de razonar con percepciones, "percepciones de tiempo, distancia,
velocidad, fuerza, direccin, forma, intencin, la probabilidad, la verdad, y otro
atributos de los objetos fsicos y mentales. "([35], p. 903). Como un potencial reemplazo
de computar nmeros exactos, propuso computar con palabras (CW) en 1996 en un
artculo titulado "Fuzzy Logic = Computing with Words". Asegur que "la principal
contribucin de la lgica difusa es una metodologa para la computacin con palabras.
No otra metodologa sirve a este propsito "([34], p. 103). Tres aos despus public
From Computing with Numbers to Computing with Words From Manipulation of
Measurements to Manipulation of Perceptions,, para mostrar que el nuevo clculo de la
teora de computacin de las percepciones (CTP) se basa en la metodologa de CW.
En 2001 Zadeh public A New Direction in AI. Toward a Computational Theory of
Perceptions [37]. La teora computacional de la percepcin (CTP) se inspir en la
notable capacidad humana para operar en, y con razn, la informacin basado en la
percepcin. Zadeh escribi:
Humans have a remarkable capability to perform a wide variety of
physical and mental tasks without any measurements and any
computations. Everyday examples of such tasks are parking a car,
driving in city traffic, playing golf, cooking a meal, and summarizing a
story. In performing such tasks, forexample, driving in city traffic,
humans base whatever decisions have to be made on information that,
for the most part, is perception, rather than measurement, based. In
CTP, words play the role of labels of perceptions and, more generally,
perceptions are expressed as propositions in natural language. ([42], p.
105)
En [34] y [35] Zadeh indic que: 1) las mediciones se pueden representar o manipulado
por nmeros, y 2) que somos capaces de representar o manipular percepciones
con palabras. Por lo tanto tenemos una jerarqua de metodologas en una "pila" que se
muestra en Figura 1,6.
Figura 1.6
Zadeh pretendi establecer estas metodologas como una nueva dimensin de
inteligencia artificial. Su tesis era que:
that progress has been, and continues to be,slow in those areas where
a methodology is needed in which the objects of computation are
perceptions perceptions of time, distance, form, and other attributes of
physical and mental objects. ([44], p. 73)
modeling):
Figura 1.7
Cabe sealar que el mismo sistema de ecuaciones fueron usados segn la teora de
sistemas y la teora de los sistemas difusos, pero los significados de la entrada, estado, y
de salida se han cambiado: en el modelado de sistemas por percepcin, ellas se asumen
que son percepciones, as como tambin la transicin de estado funcin de transicin
de estado, f , y la funcin de salida, g. ( [37], p. 77).
La metodologa-jerarqua de FSS, CW, y CTP es hoy el ncleo de "soft
computing "o" inteligencia computacional ", que se convirti en parte del campo de la
artificial inteligencia (AI) al comienzo del siglo pasado. En la siguiente seccin,
esta jerarqua de metodologas para la reduccin de la brecha entre los sistemas reales y
tericos se aborda desde un punto de vista filosfico. El llamado enfoque estructuralista
de las teoras cientficas sern estudiados y este enfoque ser modificada o "fuzzified"
mediante la ampliacin del marco estructuralista, utilizando conjuntos difusos y
relaciones borrosas para representar las percepciones..
V.3 El Visin estructuralista de la ciencia
La filosofa de la ciencia se ocupa de la base de la ciencia, sus hiptesis y sus
consecuencias, sus mtodos y resultados, y sus teoras y experimentos. Podemos
distinguir entre las filosofas de la fsica y la astronoma, la qumica, y otras ciencias
empricas, y podemos preocuparnos de las filosofas de lo social, las ciencias y las
humanidades. Sin embargo, estas filosofas de disciplinas cientficas
surgi durante diferentes perodos histricos, y las primeras reflexiones filosficas
en la ciencia moderna comenz con las teoras y experimentos en mecnica en el
siglo XVII. Dos puntos de vista principales en la filosofa de la ciencia surgieron casi al
mismo tiempo: El punto de vista filosfico del racionalismo empleada fundamental,
lgica y terica investigaciones utilizando la lgica y las matemticas para formular
axiomas y leyes, mientras que el punto de vista del empirismo era que los experimentos
para encontrar o probar o refutar las leyes naturales. En ambas direcciones - a partir de
los resultados experimentales de las leyes tericas y de las leyes tericas a las pruebas
experimentales o refutaciones - los cientficos tienen que cerrar la brecha que separa la
teora y la prctica. Los cientficos observan sistemas reales o fenmenos y datos que se
miden, establecen las leyes e introducen teoras empricas que dicen que las leyes para
mantener los datos. Es decir: Para estudiar sistemas o fenmenos de la realidad, los
conectamos con una estructura terica. Para este fin les damos una estructura de s
mismos. Cmo hacer esto, que no est claro !
Este es uno de los problemas centrales de la filosofa de la ciencia. El filsofo de la
ciencia alemn Wolfgang Balzer escribi en su libro sobre las teoras empricas:
The problem is that we create a connection between real systems and
theoretical structures. We assume that this can be done. Without this
Figura 1.8
Figura 1.9
y por lo tanto tenemos que distinguirlos de los sistemas reales y fenmenos que no
tienen estructura antes alguien impone una sobre ellos. La capa de percepcin se
encuentra entre la capa de los sistemas reales y los fenmenos y la capa de estructuras
tericas. Conforme a la teora computacional de percepciones de Zadeh (CTP),
nosotros representamos las percepciones en esta capa intermedia como conjuntos
difusos. Mientras que las medidas son claras (determinsticas) las percepciones
son difusas, y debido a la resolucin de nuestros rganos de los sentidos (por ejemplo,
la alineacin de la discriminacin del ojo) las percepciones son tambin granulares,
como Zadeh escribi en el AI Magazine en 2001: perceptions, in general, are both
fuzzy and granular or, for short f -granular (see Figure 1.10) [37]". Cuando Zadeh
estableci CTP sobre la base de CW, que a su vez se bas en su teora de la FSS, el
crea firmemente que estas metodologas alcanzara una posicin determinada en la
ciencia: In coming years, computing with words and perceptions is likely to emerge as
an important direction in science and technology. [35]
Para tomar Zadeh en su palabra, vamos a establecer sus metodologas de conjuntos
difusos y sistemas, computacin con palabras y la teora computacional de percepciones
en nuestro enfoque estructuralista en la filosofa de la ciencia. Como se mencion
anteriormente, lo haremos al introducir una capa difusa de percepcin entre la capa
emprica de los sistemas reales y fenmenos y la capa terica, en la que tienen las
estructuras de modelos y los modelos potenciales. As, la relacin entre los sistemas
reales y las estructuras tericas tienen dos partes: "fuzzificacin" y "defuzzificacin".
Fuzzificacin: A partir de los fenmenos hacia la Percepcin
Las mediciones son ntidas, las percepciones son borrosas y granuladas. Para
representar las percepciones utilizamos conjuntos difusos, por ejemplo, AF, BF, CF, ...
Tambin es posible que un cientfico perciba no slo los fenmenos individuales pero
interrelacionados, por ejemplo, dos entidades que se mueven de manera similar
o a la inversa, o algo as es ms rpido que otra cosa, o es ms brillante o malos olores
en una forma anloga, etc. Tales interrelaciones pueden ser caracterizadas por
relaciones fF , gF, hF, . . . .
Defuzzificacin: A partir de las percepciones hacia los Modelos
"Mide lo que es medible y hacer medible lo que no es as" es una declaracin
atribuida a Galileo. En la ciencia moderna es la manera de pasar de la percepcin
a mediciones o, respectivamente, cantidades a ser medidas. Nosotros interpretamos esta
transferencia como defuzzificacin de las percepciones representados por conjuntos
difusos AF, BF , CF , . . . y las relaciones entre las percepciones representada por las
relaciones borrosas fF , gF , hF, . .. a conjuntos ordinarios (crisp) AC, BC, CC,. . y las
relaciones fC, gC, hC,,. . . Estos conjuntos y las relaciones son entidades bsicas para la
construccin de (potenciales) modelos.
Teorizacin:
A
partir
de
los
fenmenos
hacia
los
modelos
La composicin de fuzzification y defuzzificacin produce la operacin de una relacin
T que puede ser llamada teorizacin, ya que transfiere sistemas y fenmenos de la capa
real a las estructuras de la capa terico (ver Figura 1.9).
En la visin estructuralista de las teoras el concepto de teorizacin se define como una
relacin interterica, es decir, configura un conjunto de relaciones entre dos teoras T
y T. Esta relacin terica existe si T resulta de T mediante la adicin de nuevos
trminos tericos y la introduccin de nuevas leyes que conectan los primeros trminos
tericos de la teora T con los nuevos trminos tericos en la teora T. Adiciones
sucesivas de nuevos trminos tericos establece una jerarqua de teoras y un concepto
comparativo de teoricidad.
De esta manera, la teora de espacio-tiempo surgi de la geometra euclidiana aadiendo
el trmino "tiempo" a la expresin "longitud", y desde la clsica teora del espaciotiempo obtenemos cinemtica clsica, aadiendo el trmino "velocidad". La cinemtica
clsica se convirti en clsica (newtoniana) Mecnica por la introduccin adicional de
los trminos "Fuerza" y "masa".
La teora vieja T se cubre con una capa terica nueva por la nueva teora T.
T- trminos tericos no son T- trminos Tericos, pero T- trminos No-tericos y
recprocamente ellos puede no ser cualquiera de los trminos T- trminos no tericos. La
vieja teora no puede cambiar por la nueva teora de ninguna manera.
En esta jerarqua, se considera que los trminos ms tericos existen en lo ms alto de
la jerarqua, mientras que las capas inferiores se caracterizan por la base no terica de la
teora
Que ocurre en la capa ms baja de la jerarqua? Aqu, existe una teora T, con
trminos tericos y relaciones, pero no es una teorizacin de otra teora. Esta
teora T abarca fenmenos y sistemas previstos inicialmente con trminos tericos.
Se trata de una teorizacin inicial porque los trminos T-tericos son slo los trminos
tericos de esta situacin. Ellos se han derivado directamente como mediciones
de los fenmenos observados. Esta derivacin se llama teorizacin y es un serial
conexin serial entre fuzzification y defuzzificacin.
Bibliografa
1. Balzer, W.: Empirische Theorien: Modelle Strukturen Beispiele. Die
Grundzge der modern en Wissenschaftstheorie. Fr. Vieweg & Sohn,
Braunschweig (1982)
2. Balzer,W., Moulines, C.U., Sneed, J.D.: An Architectonic for Science. The
Structuralist Program. Riedel, Dordrecht (1987)
3. Balzer, W.: Die Wissenschaft und ihre Methoden. Grundstze der
Wissenschaftstheorie. Ein Lehrbuch. Verlag Karl Alber, Mnchen (1997)
4. Bourbaki, Nicolas(pseudo.): Elements of Mathematics: Theory of Sets.
Addison-Wesley, Reading (1968)
5. Cohen, R.S., Schnelle, T. (eds.): Cognition and Fact. Materials on Ludwik
Fleck, pp. 3946. D. Reidel Publishing Company, Dordrecht (1986)
6. Darwin, C.R.: On the Origin of Species by Means of Natural Selection, or the
Preservation of Favoured Races in the Struggle for Life (1859),
http://www.talkorigins.org/faqs/origin.html
22. Seising, R.: Fuzzy Epistemology: The Fuzziness of Experimental Systems. In:
Proceedings of the 2008 Annual Meeting of the North American Fuzzy
Information Processing Society NAFIPS 2008, Rockefeller University of New
York, May 19-22 (2008)
23. Seising, R.: Fuzziness in Evolutionary Biology. In: Proceedings of the 2008
Annual Meeting of the North American Fuzzy Information Processing Society
(NAFIPS 2008), Rockefeller University of New York, May 19-22 (2008)
24. . Sneed, J.D.: The Logical Structure of Mathematical Physics. Reidel,
Dordrecht (1971)
25. Wittgenstein, L.: Tractatus logico-philosophicus. Routledge & Kegan Paul,
London (1922) (First in German: Ludwig Wittgenstein: LogischPhilosophische Abhandlung. Ostwalds Annalen der Naturphilosophie, Band
14, Leipzig 1921)
26. Wittgenstein, L.: Philosophical Investigations. Blackwell Publishing, Oxford
(1953)
27. Wittgenstein, L.: Das Blaue Buch. In: Werkausgabe in acht Bnden. Frankfurt
am Main: Suhrkamp, Bd. 5 (1984)
28. Zadeh, L.A.: From Circuit Theory to System Theory. In: Proceedings of the
IRE, vol. 50, pp. 856865 (1962) Zadeh, L.A.: Fuzzy Sets. Information and
Control 8, 338353 (1965)
29. Zadeh, L.A.: Fuzzy Sets and Systems. In: Fox, J. (ed.) System Theory.
Microwave Research Institute, Symposion Series XV, pp. 2937. Polytech.
Press, Brooklyn (1965) References 35
30. Zadeh, L.A.: Similarity Relations and Fuzzy Orderings. Information Sciences
3, 177200 (1971)
31. Zadeh, L.A.: A Fuzzy-Set-Theoretic Interpretation of Linguistic Hedges.
Journal of Cybernetics 2, 467498 (1972)
32. Zadeh, L.A.: Outline of a New Approach to the Analysis of Complex Systems
and Decision Processes. IEEE Transactions on Sytems, Man, and Cybernetics
SMC-3(1), 2844 (1973)
33. Zadeh, L.A.: On the Analysis of Large-Scale Systems. Memorandum No.
ERL-M418, College of Engineering, UC, Berkeley, January 8 (1974)
34. Zadeh, L.A.: Making Computers Think like People. IEEE Spectrum 8, 2632
(1984)
35. Zadeh, L.A.: Fuzzy Logic = Computing with Words. IEEE Transactions on
Fuzzy Systems 4(2), 103111 (1996)
36. Zadeh, L.A.: The Birth and Evolution of Fuzzy Logic - A Personal
Perspective Part 1and 2. Journal of Japan Society for Fuzzy Theory and
Systems 11(6), 891905 (1999)
37. Zadeh, L.A.: From Computing with Numbers to Computing with Words From Manipulation of Measurements to Manipulation of Perceptions. IEEE
Transactions on Circuits and Systems-I: Fundamental Theory and Applications
45(1), 105119 (1999)
38. Zadeh, L.A.: A New Direction in AI. Toward a Computational Theory of
Perceptions 22(1), 7384 (2001)