Selecciona tu país

A ningún “Científico de Datos” (“Data Scientist”) se le olvida la importancia de la gestión de la imprecisión y la incertidumbre en el tratamiento de datos masivos (Big Data). Por ello, en el marco de nuestro Máster en Big Data, no podíamos olvidar hacer un pequeño homenaje al Profesor Lotfi A. Zadeh (Azerbaiyán, 1921), introductor de la Teoría de Conjuntos Borrosos a mediados de los años 60 del siglo pasado, que todavía, a su avanzada edad, ejercía como profesor emérito de la Universidad de California en Berkeley y falleció el pasado septiembre. Previamente, Max Black (1909 - 1989), en un artículo de 1937 titulado “Vagueness: An exercise in Logical Analysis” y Karl Menger (1902 - 1985) con los artículos de 1942 “Statistical Metrics” y los de los años 50 sobre relaciones borrosas de indistinguibilidad, sentaron las bases de lo que hoy es una teoría tan utilizada y con tan buenos resultados.

Bajo el concepto de Conjunto Borroso (Fuzzy Set) reside la idea de que los elementos clave en el pensamiento humano no son números, sino etiquetas lingüísticas. Estas etiquetas permiten que los objetos pasen de pertenecer de una clase a otra de forma suave y flexible. Es decir, mientras que en un conjunto clásico los elementos pertenecen o no pertenecen a él totalmente (por ejemplo, un número puede pertenecer o no al conjunto de los pares, pero no pertenecerá con un determinado grado), en los conjuntos borrosos hay grados de pertenencia en referencia a un universo local. En el contexto de nuestra sociedad actual una persona de 45 años pertenecerá al conjunto borroso “viejo” con un grado supongamos de 0.5. Si en vez de usar de referencia nuestra sociedad actual aludimos a una sociedad donde la esperanza de vida fueran 40 años este grado cambiaría.

La Lógica Borrosa o difusa se puede inscribir en el contexto de la Lógica Multivaluada. En 1922 Lukasiewicz cuestionaba la Lógica Clásica bivaluada (valores cierto y falso). Además, adelantaba una lógica de valores ciertos en el intervalo unidad como generalización de su lógica trivaluada. En los años 30 fueron propuestas lógicas multivaluadas para un número cualquiera de valores ciertos (igual o mayor que 2), identificados mediante números racionales en el intervalo [0, 1].

Uno de los objetivos de la Lógica Borrosa es proporcionar las bases del razonamiento aproximado que utiliza premisas imprecisas como instrumento para formular el conocimiento.

Además, uno de los grandes éxitos de la Lógica Borrosa fue en el campo del control automático. La frenada del tren de Sendai, las lavadoras Bosch con sistema “ecoFuzzy”, el estabilizador de imagen de algunas cámaras Canon, el aire acondicionado de Mitsubishi, los sistemas ABS de Mazda, etc. son una pequeña muestra de las más de 50.000 patentes que llevan la palabra “fuzzy” en su título.

En el análisis de datos y en particular en los métodos basados en Inteligencia Artificial (Aprendizaje Automático y Reconocimiento de Patrones), hay diversas técnicas y herramientas que incorporan estas ideas, tanto en métodos de agrupamiento (“Clustering”) y Clasificación (en diversos paradigmas como los Algoritmos Genéticos o las Redes Neuronales Artificiales “borrosas”) como en otros aspectos de representación del conocimiento, impreciso en su propia naturaleza en la mayoría de los casos. Para más información podéis consultar mi artículo divulgativo ‘La lógica borrosa y sus aplicaciones’.

Además de sus más de 20 doctorados Honoris Causa (entre ellos los de las Universidades de Oviedo, Granada, Politécnica de Madrid…), podéis ver una entrevista con motivo de la concesión del premio “Fronteras del Conocimiento” del BBVA.

https://youtu.be/dD5lpzL61rY

Tuve la suerte de trabajar con el profesor Zadeh estos últimos 30 años. ¡Hasta la vista Lotfi!...

José A. Olivas

Profesor del Máster en Big Data y Data Science de la VIU