La Lgica Borrosa Es inevitable cruzar el desierto de la epistemologa fundamental asociada al tema.

No obstante ello, vamos a dar una primera aproximacin conceptual, que si bien no aborda en profundidad los alcances del reto semntico, al menos sirve para sentar las bases cognitivas sobre el tema, pues aporta una visin holstica e integradora: 1.- A manera de introduccin temtica: La lgica observado. borrosa o difusa se basa en la relatividad de lo

En tal relatividad, este tipo de lgica toma para el anlisis comparativo dos o ms valores aleatorios pero contextualizados y auto referidos. As, por ejemplo, una persona que mida 2 metros es claramente una persona alta, si y slo si previamente se ha asumido que el valor de altura estndar en una persona es de 1,75 metros, y la altura es baja si es de, digamos, 1,60 metros o menos. Decimos, entonces, que los tres valores estn contextualizados a las personas y referidos a una medida mtrica lineal. El juicio que produce tal razonamiento, basado en trminos relativos, no puede ser exacto, porque representa una impresin subjetiva, quiz probable pero no exacta. Por ello, la Teora de los Conjuntos Borrosos es ms idnea que la lgica clsica para representar y analizar la mayora del conocimiento humano, ya que permite que los fenmenos y observaciones tengan ms de dos estadios lgicos. Una manera de abordar la lgica borrosa' sera sta: Juan mide 2 metros y es diestro. Mara mide 1.65 metros y tiene los ojos azules. Pedro es de ojos caf y es zurdo ser alto o bajo? Esta paradoja se convierte en paradigma de lo difuso pues desmonta la lgica lineal al introducir una incertidumbre inesperada, o al menos incongruente con los postulados iniciales. La incertidumbre valida la Lgica Borrosa Pero no nos debe sorprender que la incertidumbre sea moneda corriente' en nuestras vidas Se ha detenido a pensar cules fueron sus expectativas de ayer? Si, las de ayer. Cunta seguridad y certeza tena Usted ayer en la maana acerca de lo que le sucedera durante las 24 horas transcurridas hasta hoy? La incertidumbre puede derivarse de una falta de informacin o incluso por que exista desacuerdo sobre lo que se sabe o lo que podra saberse. Puede tener varios tipos de origen, desde errores cuantificables en los datos hasta terminologa definida de forma ambigua o previsiones inciertas del comportamiento humano. La incertidumbre puede, por lo tanto, ser representada por medidas cuantitativas (por ejemplo, un rango de valores calculados segn distintos modelos) o por afirmaciones cualitativas (por ejemplo, al reflejar el juicio de un grupo de expertos). La realidad social, en todos sus mbitos y niveles est saturada de incertidumbre. El concepto de incertidumbre, tan importante para resaltar la validez de la lgica borrosa, tiene varias acepciones, lo cual introduce una variable externa de orden semntico y lingstico que ralentiza' las operaciones de despeje conceptual. Veamos: Para los cientficos, la gua ISO 3534-1 [ISO 1993], define incertidumbre como "una estimacin unida al resultado de un ensayo que caracteriza el intervalo de valores dentro de los cuales se afirma que est el valor

verdadero". Esta definicin tiene poca aplicacin prctica ya que el "valor verdadero" no puede conocerse. Esto ha hecho que el Vocabulario de Metrologa Internacional, VIM [BIPM, 1993], evite el trmino "valor verdadero" en su ms reciente edicin y redefina la incertidumbre como "un parmetro, asociado al resultado de una medida, que caracteriza el intervalo de valores que puede ser razonablemente atribuidos al mensurando". En esta definicin, el mensurando indica: "la propiedad sujeta a medida" [BIPM 1993]. El contenido de zinc en un acero o el ndice de octano en gasolina son dos ejemplos de mensurandos en anlisis qumicos. El concepto de incertidumbre refleja, pues, duda acerca de la veracidad del resultado obtenido una vez que se han evaluado todas las posibles fuentes de error y que se han aplicado las correcciones oportunas. Por tanto, la incertidumbre nos da una idea de la calidad del resultado ya que nos muestra un intervalo alrededor del valor estimado dentro del cual se encuentra el valor considerado verdadero. En la esfera de lo social, la inseguridad puede ser un rasgo caracterstico de las sociedades contemporneas, porque delimita los estados (individuales y/o sociales) invadidos por la perplejidad y la desconfianza. Es decir, nos habla de una realidad en la que sus agentes se encuentran anmicamente desconcertados a la hora de encontrar el sentido que tienen sus ideas, sus valores y sus acciones con respecto a las cosas que pasan en la realidad. La perplejidad que sentimos y la desconfianza que tenemos cotidianamente a la hora de salir a la calle estn muy relacionadas con la costumbre, cada vez ms desarrollada, de percibir la realidad sin contrastes. No nos referimos a la incapacidad orgnica de distinguir entre el fro o el calor, la noche o el da, lo dulce o lo amargo, sino a la incapacidad cultural de encontrarle un significado coherente a la imposibilidad de percibir con claridad los contrastes de las realidades cuya principal caracterstica son precisamente los altos contrastes; por ejemplo, no percibir un contrasentido entre la pobreza extrema de determinados pases y el hecho de que la obesidad aparezca como un relevante problema sanitario en los pases ms desarrollados. Las situaciones de incertidumbre son cada vez ms recurrentes, es decir, su periodicidad no slo responde a una repeticin estadstica (frecuencia) sino ms bien a una reiteracin cultural que la hace, paradjicamente, ms habitual. No obstante, la nica y mayor seguridad posible que se puede dar en esas circunstancias se concentra en la sensacin del incremento del riesgo a padecer un cambio o un trastorno de carcter destructivo, esto es, la inseguridad se reactiva a s misma. La incertidumbre no es un trastorno (padecimiento, destruccin o cambio por el acaecimiento de algo tangible), sino ms bien vulnerabilidad en estado puro hacia los trastornos que, a pesar de no haber culminado, se perciben muy cercanos y de aparicin inminente. En consecuencia, la incertidumbre es una situacin de propensin a un padecimiento, destruccin o cambio no deseados, y se manifiesta en contextos muy proclives para que aflore la inseguridad. Por ltimo la incertidumbre es una situacin presencial, sentidamente experimentada por quienes estn inmersos bajo su influencia; no tiene una conclusin en s misma, sino siempre apunta hacia un futuro de obligado cumplimiento. Si al final se consolidan y se materializan las peores previsiones, la incertidumbre da paso a una realidad (ya trastornada) que se desvela con

certezas muy crudas, con seguridades forzosamente renovadas y con un nuevo y diferente estado en calma con respecto al que le dio origen. Pero, tanto en el caso de alcanzarse o no los pronsticos proyectados, la situacin de incertidumbre no desaparece por completo, permanece, en un segundo plano, tanto en el nimo como en la memoria de las personas y las sociedades. Teoras de la Lgica Borrosa Recientemente han surgido, desde diferentes campos y disciplinas cientficas, una serie de teoras que permiten aproximaciones a la realidad social, abordndola en toda su complejidad, todas ellas con un claro nfasis epistemolgico. Una de estas teoras de la complejidad es la de los conjuntos borrosos o difusos (Zadeh)[1] como formalizacin matemtica de un modelo lgico de lo impreciso, de lo indeterminado, lo difuso y lo borroso. Los estudios sobre lgica borrosa nos presentan de forma mucho ms creble la naturaleza social de los conglomerados humanos y la comprensin de sus eventos, porque los sistemas convencionales que diariamente se utilizan en las ciencias sociales, en algunos casos no aportan una decisin real; sucede lo contrario en la lgica difusa, que se ha convertido en parte fundamental para el desarrollo de sistemas inteligentes. Esta lgica no-convencional nos permite generar una toma de decisin a partir de un cmulo de informacin imprecisa, puesto que es un tipo de lgica que reconoce los valores que estn en la zona gris de simples estimaciones verdaderas y falsas, y porque en la lgica difusa, las proposiciones pueden ser representadas con distintos grados de veracidad o falsedad, como aquellos que se expresan semnticamente desde una perspectiva subjetiva: "ms que...", "casi como..." El catedrtico de ingeniera elctrica de la Universidad de California (Berkeley), el iran L.A. Zadeh public en 1965 un artculo en la revista "Information and Control"[2], en el que aplic la lgica multivalente de Lukasiewicz a los conjuntos o grupos de objetos. Comienza a referirse a cierto tipo de agrupaciones indefinidas y difusas como los "conjuntos borrosos" ("fuzzy sets" fue el ttulo del mencionado artculo). As, respecto al concepto de "lgica borrosa", consideraremos su acepcin ms amplia, entendindola como... "... un sistema lgico que est dedicado a la formalizacin de modos de razonamiento que son aproximados y no exactos." Basndose en la teora de conjuntos borrosos, que es una teora de clases "con fronteras no ntidas" (Zadeh, 1996: Information and Control p.p. 422), la lgica borrosa consiste en razonar con conjuntos imprecisos. Pero, qu es un conjunto borroso? Cmo se puede analizar los acontecimientos sucedidos recientemente en Venezuela a partir de la lgica borrosa? La realidad no siempre se manifiesta en blanco-y-negro Al hablar y referimos a nuestras percepciones, en la vida cotidiana hacemos mencin a infinidad de conjuntos borrosos. Es decir, a "conceptos que no tienen fronteras ntidamente definidas, como por ejemplo: alto', gordo', muchos', la mayora', lentamente', viejo', familiar'... los nombres de los colores como rojo', verde', azul', prpura'..." (Zadeh, 1996: : Information and Control p.p. 425). Zadeh denomina

"granulacin" al proceso de formar clases borrosas de conceptos agrupados por una similitud fundamentalmente subjetiva; un proceso que est determinado por "la capacidad limitada de los humanos para resolver y/o almacenar detalles" (Zadeh, 1996: : Information and Control p.p. 426). Si usted detiene la lectura de este ensayo y le formula la siguiente pregunta a, digamos, las primeras 10 personas que se tropiece: "Cmo est el clima poltico de hoy en el pas?" inevitablemente descubrir que hay una imprecisin conceptual que de manera difusa produce una dificultad para la medicin cuantitativa de las respuestas. Por esta circunstancia, la borrosidad de los conceptos puede graficarse en una "curva borrosa" o curva de borrosidad y al hacerlo conseguimos una correspondencia ms precisa con la realidad, un nuevo modo de conocerla o al menos de construirla conceptualmente, con transacciones lgicas no probabilsticas. Entonces se sobrepone a la probabilidad el concepto de posibilidad, un extenso camino cualitativo que nos abre la epistemologa.(Munn,[3] 1995). Aunque la lgica borrosa ha sido aplicada prioritariamente al control de sistemas ingeniera civil y en procesos industriales (llamados tambin sistemas expertos'), la lgica borrosa se ha comenzado a considerar como un elemento clave en el estudio de la realidad social, un contexto impregnado permanentemente de borrosidad como casi todo en las ciencias humanas, en las que conceptos particulares como emocin, grupo, cognicin o clase social son esencialmente imprecisos. Un ejemplo de esto son las categoras borrosas de una escala de Likert[4], as como todas las aplicaciones que directa o indirectamente se hacen de la misma, tal como la tcnica de la rejilla de Kelly[5] para la exploracin de los constructos personales. Smithson plantea otra aplicacin de la lgica borrosa en la construccin de un cuestionario acerca del consumo de drogas. Se utilizan variables borrosas para recoger las respuestas (cualitativas) de dicho cuestionario. Concretamente, Smithson analiza la distribucin de posibilidad que se "esconde" tras las respuestas pre-categorizadas de "algunas veces" o "unas pocas veces" ante la pregunta "cuntas veces has consumido drogas?". Gil Quesada[6] (1990) realiza una aproximacin emprica de aplicacin de la teora de los conjuntos borrosos para la evaluacin escolar. Para ello elabora un examen con una serie de tems puntuados segn una valoracin continua (de O a 1) con un punto de corte ntido y una "zona de corte borrosa" de aceptacin de las respuestas. Con ello, Gil Quesada persigue una mayor adecuacin en las evaluaciones de rendimientos acadmicos en exmenes grupales. Con esta aplicacin borrosa, Gil Quesada accede al clculo de una serie de nuevos ndices, como son: (1) el ndice de suficiencia ntida: % de alumnos del grupo que obtienen una puntuacin superior al punto de corte ntido; (2) el ndice de suficiencia borrosa: probabilidad de que un alumno supere el examen si consideramos la funcin de pertenencia como funcin de probabilidad; (3) el ndice de borrosidad: % de alumnos del grupo que estn ntidamente clasificados. Es de destacar que la teora borrosa en la lgica computacional o inteligencia artificial ha tenido grandes e importantes aplicaciones para disponer de lenguajes y programas borrosos (Boehm, 1999; Zu-Guo Yu, 2000; Wei-Yi Liu, 2000)[7].

He aqu algunas reflexiones crticas acerca de la lgica borrosa y su aplicabilidad epistemolgica a las ciencias sociales. Una primera valoracin positiva respecto de la teora de la borrosidad tiene directa relacin con el "problema de la discordancia" (Kosko)[8]: Tradicionalmente, la ciencia se ha planteado el abordaje de los problemas como la dicotoma "blanco o negro" para referirse a un mundo que es "gris". En este sentido, el nuevo paradigma estara reflejando con mayor precisin la realidad, porque como afirma Kosko: "Cuando hablas simplificas, mientes". (cientficamente), simplificas. Y cuando

En este sentido, la lgica borrosa aporta matices enriquecedores a una perspectiva epistemolgica, comprensiva y hermenutica, como alternativa a la explicativa-positivista que es an el enfoque dominante para las ciencias sociales. La lgica borrosa contribuye con el pensamiento holstico y facilita el anlisis y la comprensin de las fases entrpicas de cualquier realidad social porque le aporta sentido y relevancia a las sutiles pero importantes diferencias que surgen del magma gris y cuantitativamente impreciso de las percepciones, los sentimientos y las particularidades. 2.- Metodologa del razonamiento aproximado. Como pueden inferir mis lectores, el desierto epistemolgico prosigue en este epgrafe. Comprendo sus angustias porque ya las sufr en carne propia', y ahora que vengo de cruzar este desierto puedo asegurarles que el oasis de las aplicaciones prcticas de la teora de La Lgica Borrosa como instrumento para el anlisis de la Teora del Caos Social est cerca, detrs de esta duna, que si bien no es la ltima, al menos es la ms inminente. Por eso sugiero que no se salten' este captulo (la tentacin es grande, se los aseguro) porque aqu encontrarn los elementos metodolgicos que convirtieron al razonamiento aproximado en el instrumento ideal para la comprensin del Caos Social. Tmese un vaso de agua, estire las piernas o actualice sus anotaciones; luego de esta pausa, respire hondo porque lo que viene es ms denso an. Listos? Adelante. Ya lo hemos mencionado en prrafos anteriores; Zadeh introdujo la teora del razonamiento aproximado y otros muchos autores han hecho contribuciones importantes a este campo. Aunque superficialmente pueda parecer que la teora del razonamiento aproximado y la lgica clsica se diferencian enormemente, la lgica clsica puede ser vista como un caso especial, una excepcin' que se muestra a partir de un raciocinio explicativo-positivista. En ambos sistemas, se pueden ver a las premisas como inductoras de subconjuntos de mundos posibles que las satisfacen, aunque en el caso de la teora del razonamiento aproximado, esos conjuntos estarn integrados por subconjuntos borrosos que se superponen, y al solaparse arrojan nuevos constructos informativos, escalares y subjetivos, pero no menos importantes ni menos significativos que las respuestas obtenidas a partir de la lgica clsica. La inferencia en ambos sistemas est basada en una regla de inclusin: una hiptesis se infiere de una coleccin de premisas si el subconjunto de mundos posibles que satisfacen la conjuncin de las premisas est contenido en el subconjunto de mundos posibles que satisfacen la hiptesis.

Variables y cuantificadores del razonamiento aproximado La contribucin fundamental del razonamiento aproximado es el uso que hace de las variables y la representacin de las proposiciones en trminos de valores de verdad lingsticos -subconjuntos borrosos- como valores de esas variables. La lgica clsica slo usa de modo implcito de idea de variable, en el sentido de valor de verdad asociado a una proposicin. Sin embargo, su naturaleza binaria le permite ocultar este hecho, ya que nos podemos referir a una proposicin que es verdadera por su denotacin, p, y a una que es falsa simplemente por su negacin, p, evitando as la introduccin de una variable Vp cuyo valor sea la valoracin de la proposicin p. El uso del concepto de variable en la teora del razonamiento aproximado conduce a tratar dominios que no estn dentro del mbito de la lgica clsica, como es el caso de los problemas que tratan los Sistemas Expertos borrosos o los controladores borrosos. La teora del razonamiento aproximado permite representar tambin cuantificadores lingsticos situados entre dos baremos difusos. Zadeh indic que un cuantificador como "la mayora" puede ser representado como un subconjunto borroso sobre un universo de discurso. Los cuantificadores aproximados se usan para representar conocimiento de sentido comn. Una extensin interesante de la teora del razonamiento aproximado es la posibilidad de tratar con ella el conocimiento prototpico. Reiter[9] sugiri una aproximacin a la representacin de conocimiento de sentido comn usando reglas por defecto y Yager lo estudi en el marco de la teora del razonamiento aproximado. De acuerdo con Reiter, una regla por defecto tal como "tpicamente los pjaros vuelan", puede ser interpretada as: Si un objeto es un pjaro y nuestro conocimiento disponible no es incompatible con que el objeto vuele, entonces asumimos que el pjaro vuela. La lgica binaria puede ser vista como un caso especial de la teora del razonamiento aproximado en el cual los conjuntos base tienen dos elementos {T, F} y los grados de pertenencia se restringen a 1 0. La lgica posibilstica puede ser vista como una extensin de sta, en tanto que, aunque se restringen los conjuntos base de valores a dos, T y F, se permiten que los grados de pertenencia sean nmeros en el intervalo unidad. Es por esta percepcin cuntica que la Lgica Borrosa va ms all de la lgica binaria permitiendo su formalizacin en trminos de la teora del razonamiento aproximado. As, lo que es verdadero alcanzara varias representaciones y lo que es asumido como falso tambin; ambas indican que el valor de verdad absoluta de la proposicin es desconocido. La regla principal de inferencia en lgica clsica, el modo de razonamiento introducido por los Megricos y Estoicos en tiempos de Aristteles, es el Modus Ponens (nombre asignado en la Edad Media), que consiste en que si se tiene la regla A B y, por ejemplo, la regla es "Si llueve entonces me mojo", si se da el hecho cierto de que "llueve", entonces podr concluir que "me mojo". En lgica borrosa se puede generalizar esta regla, quedando su esquema de la siguiente forma: Por ejemplo, la regla podra ser "Si la ciudad es grande (x es A), el trfico es muy denso (y es B)", el hecho podra ser "la ciudad no es muy grande (x es A')", Qu se podra decir del trfico (B'(x))?.

Supongamos que las variables estn relacionadas, y no necesariamente por una funcin, sino por cualquier relacin. Supongamos que es una relacin binaria borrosa R en el universo XxY. A' y B' son conjuntos borrosos en X e Y respectivamente. Si conocemos R y A' podramos conocer B' mediante la denominada Regla composicional de inferencia: B'= A'(x) R(x, y) B'(y) = supxXmin[A'(x), R(x, y)] Donde R(x, y) = I(A(x), B(y)) (Funcin de Implicacin). Y esto es posible porque una inferencia es una evaluacin que realiza la mente entre conceptos que, al interactuar, muestran sus propiedades de forma discreta, necesitando utilizar la abstraccin para lograr entender las unidades que componen el problema, o creando un punto axiomtico o circunstancial, que permite trazar una lnea lgica de causa-efecto, entre los diferentes puntos inferidos en la resolucin del problema. Una vez resuelto el problema, nace lo que conocemos como postulado, o una premisa transformada de la original, de la que al estar enmarcada en un contexto referencial distinto, se obtiene un significado equivalente. Un ejemplo que lo clarifica todo Todo lo que hemos enunciado hasta aqu se lo explico con un ejemplo que, estoy seguro, comprender de inmediato, y entonces me criticar por no haberlo utilizado "antes - de" el abordaje terico. Una familia de clase media venezolana entra en un escenario de crisis. Una crisis cuyas variables le voy a exponer de seguidas, y que presentan una aparente relacin de causa-efecto': Luego de 25 aos de matrimonio, pap y mam se enfrentan a la posibilidad de un divorcio. Sus tres hijos (las gemelas de 25 aos y el menor de 21) son solteros y viven en la casa familiar, una cmoda y espaciosa quinta de tres niveles en el Este de Caracas, que la familia hered de los abuelos maternos. No obstante que pap es un demcrata convencido y ex- trabajador de PDVSA de los que ya-no-estn' (particip activamente en el "paro cvico" para unos o boicot petrolero' para otros) las gemelas son chavistas contumaces. Mam' ha decidido retornar a las aulas universitarias (quiere optar por una segunda maestra) y el hijo menor ha decidido formar una banda que l llama de limpieza tnica' con otros cinco vecinos del exclusivo sector donde vive, y todas las noches sale con sus amigos a ubicar indigentes en el centro de la capital, y filman sus tropelas para colgar los vdeos en YouTube. Cualquier explicacin psicolgica o social es posible para exponer el probable epicentro y las posibles causalidades de la crisis de esta familia. Se podran inferir cientos de lneas lgicas de causa-efecto y cualquiera de ellas tendra altas contingencias de acierto en el diagnstico de este trance familiar, porque el anlisis binario bueno malo', correcto incorrecto', cierto falso' sera el baremo a utilizar. Sin embargo, la realidad es imprecisa y vaga, an en las apariencias ms slidas. Si ya usted ha mentalizado' las causas de la crisis de esta familia, haga el siguiente ejercicio: Antelas... Si, pare de leer, busque lpiz y papel y escriba lo que a su entender, son las causas de la crisis de esta familia. No anote muchas, slo cinco.

Ya lo hizo? Las tiene a mano? Ahora intente precisar sus aciertos con estos cuantificadores lingsticos situados entre baremos difusos: Mam' retorna a las aulas universitarias porque estima que "algunas veces" no es tan bien evaluada y aceptada en su dintorno social como su esposo. Pap', luego de su expulsin de PDVSA, descubri que es ms un lder democrtico que un tecncrata ('Cunto' ms ser significativamente ms'?). Las gemelas' entraron al PSUV inducidas por una amiga que tambin se convirti en amante de las dos y el menor' sale casi' todas las noches ms o menos' a localizar indigentes, y cuando les disparan con un rifle de paint ball filman esos acontecimientos como parte del trabajo de campo de una investigacin social sobre la reaccin de las personas a la agresin fsica inesperada, y que integra su Tesis de Grado. Cmo quedaron sus causas de esta crisis familiar? Verdad que le faltaron datos e informacin adicional? Lo que le sucedi es que al aplicar la inferencia de la lgica clsica en un escenario construido sobre informacin concreta pero parcial, usted obvi el impacto de las causalidades que se generan en el vrtice de lo indefinible. La poca o casi nula inter relacin entre los deseos de mam' con el descubrimiento de las nuevas habilidades sociales de pap', es tan inasible como relacionar la exploracin homosexual de las gemelas con la tesis de grado del hijo menor. Hasta se podra inferir que la crisis del matrimonio (si es que la hay o la hubo) nada tiene que ver con las actividades o las nuevas acepciones de los miembros de esta familia. La lgica binaria, lineal, deja de ser relevante y entonces surge la Teora del Razonamiento Aproximado como la opcin ms idnea para el anlisis del caos en el que se ha sumergido esta familia. Ahora extrapole este anlisis situacional a la globalidad del pas Son acertados los anlisis y las percepciones que escucha en la calle y en los medios sobre el acontecer poltico y social? Contemplan estos anlisis las imperceptibles, aunque importantsimas diferencias lingsticas que existen entre los baremos extremos'? Aunque la intencin original del profesor Zadeh era crear un formalismo para manipular de manera ms eficiente la imprecisin y vaguedad del razonamiento humano expresado lingsticamente, caus cierta sorpresa que el xito de la lgica borrosa llegase primero al campo del control automtico de los procesos. Esto se debi principalmente al "boom" de lo borroso en Japn, iniciado en 1987 y que alcanz su mximo apogeo a principios de los noventa. Desde entonces, han sido infinidad los productos lanzados al mercado que usan tecnologa borrosa, muchos de ellos utilizando la etiqueta "fuzzy" como smbolo de calidad y prestaciones avanzadas. Un ejemplo de ello es el anuncio publicitario de la lavadora Bosch con sistema eco-fuzzy. En 1974 el profesor Mamdani experiment con xito un controlador borroso en una mquina de vapor, pero la primera implantacin real de un controlador de este tipo fue realizada en 1980 por F. L. Smidth & Co. en una planta cementera en Dinamarca. En 1983, Fuji aplica lgica borrosa para el control de inyeccin qumica para plantas depuradoras de agua, por primera vez en Japn. En 1987 la empresa OMRON desarrolla los primeros controladores borrosos comerciales con el profesor Yamakawa. A partir de ese momento, el control borroso ha sido aplicado con xito en muy diversas ramas tecnolgicas, por ejemplo en la metalurgia,

en los robots de fabricacin, en controles de maniobra de aviones, ascensores o trenes (tren-metro de Sendai, Japn, 1987), en los sensores de imagen y sonido (sistema de estabilizacin de imagen en cmaras fotogrficas y de video Sony, Sanyo, Cannon...), en los electrodomsticos como las lavadoras de Panasonic o Bosch, o el aire acondicionado Mitsubishi con sistema rice-cooker. Tambin en la industria automovilstica, cuyo ejemplo ms notable est en los sistemas de ABS de Mazda o Nissan, o en el cambio automtico de las cajas de velocidad de Renault y una larga lista de aplicaciones comerciales. Pero dnde radica el xito de las aplicaciones de control? El xito est en la simplicidad, tanto conceptual como de desarrollo. Los dos paradigmas clsicos de control borroso son el enfoque de Mamdani y el de Takagi-Sugeno que describo brevemente a continuacin. Las etiquetas lingsticas de Mamdani y Takagi Sugeno En el enfoque de Mamdani un experto ha de especificar su conocimiento en forma de reglas lingsticas, ha de definir las etiquetas lingsticas que van a describir los estados de las variables. Para cada entrada (input informativo) se ha de especificar la correspondiente etiqueta lingstica que define la salida informativa. Cada una de las n variables de entrada y la de salida han de repartirse en conjuntos borrosos especficos con unos significados. As, podrn ser definidos diversos conjuntos borrosos, todos distintos, en la variable de salida .Lo mismo se puede hacer con el resto de las otras variables involucradas en el proceso y sus salidas. Cada conjunto borroso debe llevar asociado a l una etiqueta lingstica. He aqu un ejemplo de uso del enfoque borroso de Mamdani para aplicar en un restaurant. Si capturamos lo esencial del problema y dejamos a un lado todos los factores que pudieran ser arbitrarios, podramos quedarnos con el siguiente conjunto de reglas: 1. Si el servicio es pobre o la comida es mala, entonces la propina ser poca 2. Si el servicio es bueno, entonces la propina ser media 3. Si el servicio es excelente o la comida es deliciosa, entonces la propina ser generosa En estas tres reglas se basa la solucin. Acabamos de definir las reglas de un sistema de inferencia borrosa. Si diramos significado matemtico a las variables lingsticas, tendramos un sistema de inferencia borrosa completo. No entraremos en detalles en esta seccin, lo que nos interesa es lo que acabamos de mostrar: la lgica borrosa es adaptable, simple y se aplica fcilmente. (No est en el documento original) Este es el grfico asociado al sistema de inferencia borrosa, y generado por las tres reglas de arriba. Simplemente con estas tres reglas hemos podido generar una solucin al problema, de una manera mucho ms cercana a la forma de pensar humana y por tanto ms fcil para nosotros. Todo lo contrario ocurre en el enfoque clsico, en el que nos tenemos que adaptar a la forma de actuar de la mquina.

Por ltimo cabe destacar que si quisiramos aadir o modificar ciertas consideraciones del problema, nos bastara con incluir o cambiar reglas. Esta forma es mucho menos costosa que la utilizada en el enfoque clsico. En el enfoque de Takagi-Sugeno se mantiene la misma especificacin de las particiones borrosas de los dominios de las entradas que en el modelo de Mamdani, pero no se requiere una particin borrosa del dominio de salida. Las reglas de control deben contener una funcin que se supone generalmente lineal: El grado de aplicabilidad se obtiene de la misma manera que el modelo de Mamdani. 3.- Etapas de un controlador borroso Este segmento va expresamente explicitado para los investigadores sociales, y tambin para los dems lectores, aclaratoria que hago para evitar una dispora' entre quienes han tenido la valenta de acompaarme hasta aqu. Vamos a abordar las etapas que integran el proceso de construccin de un controlador borroso'. En trminos coloquiales, vamos a decirle cmo construir la regla' para que usted mismo, desde su casa u oficina, se entretenga midiendo' y evaluando' los fenmenos sociales que considera son ms impactantes o atractivos. Y para qu? Se preguntar con toda la razn que le aporta la incertidumbre. Pues para muchas cosas. Le menciono dos, las ms comunes: 1.- Para recabar informacin relevante y confiable, si se dedica a la investigacin social. 2.- Para que pueda exhibir resultados slidos y pertinentes cada vez que a usted se le ocurra hablar, informalmente o en algn foro, sobre la incidencia de X' fenmeno social. Busque lpiz y papel (o un resaltador) y squele punta a lo que viene. La mayora de los fenmenos que se presentan en el acontecer diario se pueden catalogar como imprecisos, es decir tienen implcito cierto grado de difusin en la descripcin de su naturaleza. Esta imprecisin puede estar asociada con su forma, posicin, momento, color, textura e incluso en la semntica que describe lo que son. En muchos casos el mismo concepto puede tener diferentes grados de imprecisin en diferentes contextos de tiempo. Un da clido en Venezuela no es exactamente lo mismo que un da clido en Dinamarca. Este tipo de imprecisin o dispersin asociada a los fenmenos atmosfricos es muy comn en otros campos de estudio; las ciencias del comportamiento social es uno de ellos. Ya hemos definido a la lgica borrosa como un sistema matemtico que modela funciones no lineales, que convierte unas entradas en salidas, acordes con los planteamientos lgicos que usan el razonamiento aproximado. Se fundamenta en los denominados conjuntos borrosos y un sistema de inferencia borroso basado en reglas de la forma relativa ("Si entonces"), donde los valores lingsticos de la premisa y el consecuente estn definidos por conjuntos borrosos, por lo que las reglas siempre convierten un conjunto borroso en otro. Para la evaluacin de los riesgos sociales se precisa de un controlador social borroso, un instrumento de medicin cualitativa que consta de 4 etapas: 1. Interfase de borrificacin.

2. Creacin de la base de datos (para definir los conjuntos borrosos) y de la base de reglas (para caracterizar las acciones de control) 3. Proceso de inferencia basado en lgica borrosa. 4. Interfase de desborrificacin. Desglose de las etapas del controlador social borroso: La primera etapa de un controlador social borroso es la "Interfase de borrificacin". En ella se debe identificar el riesgo social asociado con el evento. Asignar los factores de riesgo social correspondientes al conglomerado en estudio, que se considerarn como variables de entrada' susceptibles de control, y se har la medicin de las variables de entrada en el contexto del universo discursivo del problema, donde las medidas de frecuencia y de consecuencia se combinarn para obtener un nivel de riesgo, que ser el que caracterizar el evento en cuestin. En dicha matriz influirn muchos factores subjetivos, pues las apreciaciones para cada individuo u organizacin en particular pueden no coincidir en muchos aspectos. Esta primera etapa determinar una escala entre los valores lingsticos y un rango numrico que se relacionar con los valores lingsticos y asumir estos valores desde cero hasta uno, es decir usando el sistema endecadario. La segunda etapa Consiste en la creacin de una base de datos, donde se definen los riesgos sociales, los factores de esos riesgos, las magnitudes a contemplar y el criterio semntico para su evaluacin y la determinacin de una base de reglas para utilizar en el proceso de inferencia, la cual est dada por el formulario que describe cada categora que evala el sistema de riesgos. En la tercera etapa el proceso de inferencia simula la toma de decisiones operando sobre las bases de datos y reglas establecidas en cada caso por la cantidad de riesgo (n), luego el ndice recorre n' valores o riesgos. Cada riesgo estar asociado a diferentes y variados factores, los cuales le darn origen; y cada uno de estos factores tendr asociado a su vez una magnitud o rango numrico, en dependencia de su nivel de riesgo, el cual fue tomado segn la relacin existente entre la frecuencia y la severidad. Finalmente, la cuarta etapa, llamada "Interfase de desborroficacin", consiste en la interpretacin del resultado en trminos del problema real, el establecimiento de las acciones de control consecuentes, tomando la previsin que las acciones de control consecuentes deben precisar, por su orden de prioridad, los objetivos de control, las tcnicas de control correspondientes y los responsables de ejecutarlos. Quisiera finalizar esta aproximacin epistemolgica a la metodologa investigativa con el lema que acompaa el escudo de La Universidad del Zulia en Maracaibo, Venezuela, y que resume y explicita la importancia de la Lgica Borrosa para el anlisis del caos social: "Post Nubila Phoebus" , que se traduce...Despus de las nubes, el sol.

[1] Lotfi Asker Zadeh (en azer Lfti Zad). Matemtico azerbaiyano profesor de la Universidad de Berkeley. Es famoso por introducir en 1965 la teora de conjuntos difusos o lgica difusa. Se le considera asimismo el padre de la teora de la posibilidad. [2] Lotfi Asker Zadeh; B. Bouchon-Meunier; Ronald R. Yager. 9783540543466. Publisher: Springer-Verlag Publication Date: 1991. ISBN:

[3] Barcelona 1934 / Profesor Emrito de la Universidad de Barcelona y Catedrtico de Psicologa social en la Facultad de Psicologa. ha sido profesor en las Facultades de Derecho, de Medicina, de Ciencias Econmicas y Empresariales, de Filosofa y Letras, de Filosofa y Ciencias de la Educacin, as como en diversos Masters de la misma Universidad, habiendo dirigido un Master sobre Ciencias del Consumo. [4] Rensis Likert La Escala de Liker' es una escala psicomtrica comnmente utilizada en cuestionarios, y es la escala de uso ms amplio en encuestas para la investigacin. Cuando respondemos a un elemento de un cuestionario elaborado con la tcnica de Likert, lo hacemos especificando el nivel de acuerdo o desacuerdo con una declaracin (elemento, tem o reactivo). La escala se llama as por Rensis Likert, que public un informe describiendo su uso. [5] Rejilla de Kelly La Tcnica de Rejilla es un instrumento de evaluacin de las dimensiones y estructura del sistema de construccin personal que se deriva directamente de la Teora de los Constructos Personales (Feixas, 2003). Consiste en un formato de entrevista que genera una matriz de datos; stos se someten a varios anlisis para revelar su estructura aparente e implcita [6] Gil Quesada, Xavier / La teora de los conjuntos borrosos en la medicin escolar. Universidad de Barcelona. Departamento de Mtodos de Investigacin e Diagnstico en Educacin [7] Boehm Autor de El desarrollo en espiral un modelo de ciclo de vida del software desarrollado en 1985, utilizado generalmente en la Ingeniera de software. Las actividades de este modelo se conforman en una espiral, en la que cada bucle o iteracin representa un conjunto de actividades. Zu-Guo Yu Wei-Yi Liu [8] Bart Kosko KC USA 7 de febrero de 1960 / profersor de ingeniera elctrica en la University of Southern California (USC). Principal defensor de la Lgica Borrosa, que la populariz mediante la propuesta de un teorema con soluciones algebraicas para calcular la entropa de cualquier sistema borroso y resolver sus paradojas. [9] Reiter, R. Nonmonotonic Reasoning. Annual Reviews Comput. Sci. No. 2, pp. 147-186, 1987. Autor: Andrs Simn Moreno Arreche TEORA DEL CAOS 9789801241312 SOCIAL / CAPTULO 3: La lgica borrosa / ISBN

http://www.articuloz.com/monografias-articulos/la-logica-borrosa3161929.html