퍼지 제어 시스템 - 불확실성을 다루는 AI

English (N/A)
#fuzzy#control system#AI

"온도가 '높다'는 건 정확히 몇 도인가?" 이 질문에 명확한 답은 없다. 사람마다, 상황마다 다르다. 퍼지 논리(Fuzzy Logic)는 이런 불확실하고 모호한 개념을 컴퓨터가 처리할 수 있게 해주는 기술이다. 이 글에서는 퍼지 제어 시스템의 개념과 동작 원리를 정리한다.

퍼지 제어란?

퍼지 제어란 입력 신호를 퍼지 시스템을 통해 퍼지화하고 그에 맞는 출력을 내보내는 제어 방식이다. 이러한 학습과 추론이 가능한 시스템을 fuzzy expert system이라고 부른다.

퍼지 제어의 동작 프로세스

  1. 먼저, 시스템에 입력으로 들어오는 값은 fuzzy encoder를 통해 fuzzy value로 변환되게 되는데, 이를 fuzzification이라 한다. 여기서 fuzzification이란 기존의 단순한 제어 시스템 에서는 입력값이 on과 off 두가로 표현되는 boolean한 값이 들어오는데, 입력값을 특정 값과, 그것이 일어날 확률(어떤 사건에 소속될 확률을 나타냄) membership function의 쌍인 fuzzy set으로 표현해 주는 것이다. 이러한 입력들의 형태는 Fuzzy Linguistic Variable인데, 가령 "온도가 높다" 혹은 "온다가 낮다"처럼 언어적인 입력을 말하고, 이것이 fuzzy encoder를 통해서 정확한 값과 그 값이 발생할 확률인 membership function의 쌍인 fuzzy set으로 변환되는 과정을 fuzzy encoding 이라고 한다. 아래 도식에서 fuzzy encoder 에서 이런 역할을 수행한다.

  2. FIE(Fuzzy Inference Engine) 을 거쳐 특정 입력값에 대한 퍼지 출력을 보낸다. 여기서 FIE는 KBS(Knowledge Base System)을 기반으로 분석을 시행한다. FIE는 다양한 Rule 을 토대로 결과값을 추론하는 역할을 하고 결정을 내린다.

  3. 출력된 퍼지 출력을 fuzzy decoder 를 통해 crisp한 값으로 변환한다.

Structure of fuzzy control

퍼지 스스템의 구성요소

fuzzy encoder 다음의 기능을 수행한다.

  • Input Interface
  • A/D Converter
  • Quantization
  • Discretization
  • Fuzzification

fuzzy inference Engine

  • robust reasoning system
  • max-min or other operators

FIE의 종류에는 다음과 같은 것들이 있다. Direct Methods: Mamdani, Larsen, Mizumoto Indirect Methods: Baldwin, Tsugamoto Hybrid Methods: Sugeno, Simplified

KBS(Knowledge Base System) ~= Fuzzy Memory 예제들에 관해서 학습하고 또는 실험적인 데이터를 기반으로 학습을 한다. rule base란 일련의 규칙들의 집합이며, 주로 state와 action으로 구분이 된다. 이를 state space description으로 나타내면 다음과 같다.

state space description of fuzzy rule base

fuzzy decoder

  • output Interface
  • D/A Converter
  • Defuzzification

퍼지 시스템의 디자인 프로세스

  1. Define control I/O variables
  2. Determine Fuzzy Inference engine
  3. obtain fuzzy rule base(most important)
  4. choose fuzzy decoding schema

마무리

퍼지 제어 시스템의 핵심 개념을 정리하면:

구성요소역할
Fuzzy Encoder입력을 퍼지 집합으로 변환 (Fuzzification)
FIE (추론 엔진)규칙 기반으로 출력 추론
KBS규칙과 지식 저장
Fuzzy Decoder퍼지 출력을 명확한 값으로 변환 (Defuzzification)

개인적인 생각: 퍼지 논리는 "확실하지 않은 것을 다루는" 기술이라는 점에서 현대 AI의 확률적 접근법과 맥락이 통한다. 딥러닝이 대세가 되면서 퍼지 논리 단독으로 쓰이는 경우는 줄었지만, 설명 가능한 AI(Explainable AI)에서 다시 주목받고 있다. 규칙 기반이라 "왜 그런 결정을 했는지" 설명하기 쉽기 때문이다.

실제로 가전제품(에어컨, 세탁기)의 온도/수위 조절, 자동차의 ABS 브레이크 시스템 등에서 퍼지 제어가 여전히 널리 쓰인다. "딱 떨어지는 숫자"보다 "적당히", "조금" 같은 인간의 표현을 다루는 데 여전히 유용하다.