传奇的模糊理论之父Lotfi Zadeh院士（二）：神奇的模糊理论

为什么Zadeh先生的排名如此靠前，在全球科学家综合排名中名列第46位，在伯克利教授中排名第一，在人工智能、计算机、自动控制等领域的科学家中也排名第一？甚至遥遥领先于很多图灵奖获得者，甚至很多诺贝尔奖获得者？我在伯克利访问期间多次听人说到，Zadeh先生也被图灵奖和诺贝尔奖的多次提名，可惜差一点没有拿到，与之擦肩而过。尽管没有图灵奖和诺贝尔奖光环，Zadeh先生仍然对科学有如此大的影响力，我认为可能有以下三点原因。

首先，模糊理论影响力依然存在，很可能在蓄势待发。模糊理论（Fuzzy Theory）作为处理人类思维和推理的一个新思路和新方法，与模拟人类智能的人工智能密切相关。Zadeh先生从1965年开始，经过50多年的不懈努力，终于为我们打开了一扇大门，为人工智能的发展开创了一个新方向。通过大数据计算出来的Zadeh教授的排名，充分说明了，他的理论有旺盛的生命力，对今天的人工智能有很大的借鉴和指导作用。2010年Zadeh先生被IEEE选为人工智能名人堂的第一批10人名单，与众多图灵奖获得者并列。我查了一下Zadeh先生的论文引用。最近几年，他的论文年引用次数超过1万次，还在不断增长中。作为一个享誉世界的大科学家，即使已经长眠地下，他的科学的影响力还在与日俱增，真是一个奇迹。IEEE Transaction on Fuzzy System等国际期刊依然是国际顶级期刊之一，这说明研究模糊理论的专家还在继续努力，积蓄力量，争取早日取得重大突破。

其次，模糊理论是一个系统化的理论方法，具有重要理论价值。模糊理论有模糊集合、模糊化、模糊数学、模糊逻辑、模糊推理、模糊合成、解模糊等七种武器，环环相扣。模糊理论很好地体现了人类的推理过程和计算过程。而且，模糊理论可以从数据中自动获取模糊规则和模糊系统，是一个很好的数据知识转换器，这对于我们今天大数据时代的数据泛滥尤其重要。现在，我们不缺数据，但是缺知识，更缺智慧。模糊规则有些像专家系统，但是隶属度函数参数和规则权重都是可以学习和优化的，可以称之为可优化可计算的专家系统，可以将知识驱动和数据驱动有机的融合起来，这是传统的专家系统和今天流行的神经网络难以做到的。模糊系统的可解释性好，模糊规则非常易于理解。模糊系统的鲁棒性强，即使隶属度函数不同，参数不同，变量划分为不同的模糊集合，对最终系统的性能影响不是很大。

此外，模糊理论是一个兼容并包的开放性理论，具有广泛的兼容性和适应性。模糊理论可以应用在很多领域，比如模糊建模、模糊控制、模糊聚类、模糊数学、模糊分类、模糊识别等等。而且,模糊理论可以与其他理论方法很好的结合，比如自适应模糊系统、自学习模糊控制、遗传模糊优化、进化模糊系统、模糊线性规划、模糊神经网络等等。Zadeh教授指导博士生Jang, 将模糊系统的5个计算步骤可以转化为一个5层自适应网络，进行学习和优化，试图用模糊理论可以将专家系统、优化技术、自适应网络三者的优点融为一体，该模型和算法取名ANFIS，取得了巨大的成功，目前引用次数超过1.8万次，也是一个奇迹。

      人无完人，法无完法，模糊理论也不是没有缺点。相比深度神经网络带来神经网络的再度辉煌和人工智能的第三次复兴，模糊理论目前还处于低潮期。模糊理论还不能解决高维图像识别等难题，还需要不断完善，砥砺前行，以不负Zadeh先生的厚望。