Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Michele Filannino
11 aprile 2010
1
3
INDICE 4
2.2.3 Considerazioni . . . . . . . . . . . . . . . . . . . . . . . 31
2.2.3.1 Misure di vaghezza . . . . . . . . . . . . . . . 33
Bibliografia 43
Introduzione
5
INDICE 6
7
CAPITOLO 1. DEFINIZIONI E CORRENTI DI PENSIERO 8
Questo modello rappresenta quello più attuale e vicino agli studi sulla
semiotica. E’ doveroso precisare che esistono oggigiorno differenti correnti di
pensiero circa lo studio del linguaggio.
Attualmente esistono almeno quattro differenti scuole di pensiero nel cam-
po della studio del segno: semiotica strutturale, semiotica interpretativa, se-
miotica generativa e semiotica della cultura. Il modello in alto appartiene
alla scuola della semiotica strutturale.
La scuola della semiotica strutturale è l’unica delle quattro sopra citate
che abbia prodotto un modello formale. All’interno del documento si farà
riferimento a questo modello.
Il tema della vaghezza è ritornato al centro della ricerca filosofica nella prima
metà del XX secolo con Russell, il quale la definì come complemento della
CAPITOLO 1. DEFINIZIONI E CORRENTI DI PENSIERO 10
precisione. Tale definizione di vaghezza era affine a quella che poi sarebbe
stata più avanti definita fuzziness da Zadeh [29].
Questa interpretazione erronea e semplicistica ha caratterizzato quasi tut-
ta la letteratura di riferimento fino ai giorni nostri. La maggior parte de-
gli autori riportati di seguito, cadono anch’essi in questa problematica pur
fornendo degli ottimi spunti di riflessione.
Secondo l’idea di Black, un’etichetta linguistica non può essere vaga: sol-
tanto i concetti ad essa collegati. Una parola può essere ambigua o meno e
può riferirsi ad uno o più concetti vaghi. In altri termini la vaghezza è una
proprietà del significato (vedi Sezione1).
Ad esempio, in italiano i significanti venti e tema sarebbero ambigui
poiché collegabili ad un numero di significati superiore ad uno. Nel caso di
venti esso può riferirsi al concetto di numero ma anche a quello di agente
atmosferico. Nel caso di tema esso può riferirsi al concetto di documento
scritto e a quello di verbo. In entrambi i casi si tratta di una parola con
medesima grafia e medesimo suono (parole omografe ed omofone) la cui forma
lessicale si relaziona a signicati differenti. In tal senso, il concetto di verbo
relazionato alla forma tema potrebbe risultare vago.
Black tuttavia non fornisce alcun chiarimento relativamente alla defini-
zione di termine vago, ponendo l’enfasi su due importanti aspetti:
dell’impiego di ’Y” ’ ... “le espressioni vaghe sono quelle nelle quali
non vi sono regole linguistiche ben definite o relativamente rigide
oppure non vi sono istanze paradigmatiche del suo impiego”
In altri termini, una parola non è vaga se esistono un certo numero di esem-
pi del suo impiego in frasi emblematiche (rappresentative), solitamente non
contestate.
Ancora una volta emerge la presenza del senso comune in questo caso
rappresentato dall’insieme delle frasi paradigmatiche o emblematiche.
L’articolo esprime diversi parallelismi tra Rough Sets [19] e Fuzzy Sets [29],
sebbene il concetto di vaghezza venga completamente sovrapposto a quello
di granularità.
CAPITOLO 1. DEFINIZIONI E CORRENTI DI PENSIERO 19
1.2 Vocabolario
Dopo aver analizzato i contributi più autorevoli degli ultimi cento anni circa
il significato del termine vaghezza, sono emersi punti di vista inevitabilmente
diversi senza che fosse possibile definire chiaramente il significato del concetto
in esame.
Per completezza ritengo doveroso completare la trattazione di indagine
epistemologica riportando le definizioni presenti sul Dizionario Garzanti
della lingua italiana. Ho deciso di riportare, oltre che la definizione
di vaghezza, anche le definizioni di quei sinonimi incontrati nella precedente
CAPITOLO 1. DEFINIZIONI E CORRENTI DI PENSIERO 21
sezione. Vale a dire tutti quei termini che in letteratura venivano proposti
quasi come sinonimi.
1.2.1 Ambiguità
Il dizionario della lingua italiana, in corrispondenza del lemma ambiguo,
recita:
1.2.2 Imprecisione
Il dizionario della lingua italiana, in corrispondenza del lemma impreciso,
recita:
1.2.3 Vaghezza
Il dizionario della lingua italiana, in corrispondenza del lemma vago, recita:
1.3 Osservazioni
L’analisi storica ha messo in luce l’evoluzione del concetto di vaghezza nel
tempo.
Tutti i contribuiti storici riportati nella precedente sezione hanno intro-
dotto il concetto di vaghezza come sinonimo di gradualità. Molti degli articoli
scritti dopo il 19652 e riportati in questo documento (vedi Sezione 1.1 nella
pagina 8) accostano la vaghezza alla gradualità, indicando i Fuzzy Set come
una possibile soluzione alla rappresentazione di entrambe le definizioni, senza
che siano chiare le differenze tra i due concetti.
In realtà, l’obiettivo di questo documento è quello di scindere i due
concetti individuando delle caratteristiche non comuni ad entrambi.
Sebbene lo stesso Zadeh, in tutti i suoi scritti, abbia sempre usato co-
me sinonimi le parole fuzzyness e vagueness, si vuole dimostrare come i due
concetti siano diversi e come la logica fuzzy possa offrire un contributo alla
rappresentazione di entrambi. In tal senso, la logica fuzzy costituisce l’am-
biente essenziale per rappresentare i singoli limiti dell’estensione semantica
di una espressione.
Nella maggior parte dei casi gli scienziati confondono l’atto di comprensio-
ne semantica dall’atto di comunicazione di un termine. Vaghezza, incertez-
za, gradualità sono concetti fortemente correlati tra loro ma che classificano
momenti della comunicazione molto diversi.
2
Il 1965 è l’anno in cui Zadeh pubblica l’articolo sui Fuzzy Sets [29]
CAPITOLO 1. DEFINIZIONI E CORRENTI DI PENSIERO 24
1.4 Definizione
Il termine “alto” è inerentemente vago poiché la sua definizione prevede casi
limite che non possono essere nettamente classificati come alto/non-alto. La
stessa cosa vale per il concetto di “obeso”.
Ogni essere umano ha una sua definizione di “obeso” che, a grandi linee,
può essere condivisibile con altri. Significa che nella maggior parte dei casi
siamo in grado, con un ragionevole margine di accordo, di stabilire tout court
se un soggetto campione è obeso o meno. Questo è vero solo nella mag-
gior parte dei casi, poiché esiste un numero di casi (quindi un numero di
soggetti/campioni) per i quali non è facile stabilire se siano o meno obesi.
A questo punto si potrebbero cercare sistemi per misurare con certezza
se il soggetto è obeso o meno: uno fra tutti, l’indice di massa corporea.
Tuttavia, anche questo semplice calcolo include dei casi limite (il soggetto
potrebbe avere le ossa più pesanti o una massa muscolare abnorme).
Si comprende così che l’incertezza circa l’assunzione che il soggetto sia
obeso o meno è una mera conseguenza del fatto che “obeso” è un termine
inerentemente vago, piuttosto che della nostra ignoranza su tutti i possibili
strumenti per misurare l’obesità.
In tal senso l’incertezza è un aspetto che emerge in chi valuta o cerca di
comprendere un termine vago. La vaghezza sta proprio nella proprietà del
particolare termine di possedere, all’interno della sua definizione, dei casi-
limite. Cioè la definizione del termine vago ammette dei casi limite, che
sono essi stessi vaghi. Di qui ne consegue l’aspetto ricorsivo della definizione
di vaghezza: “vago” è un termine vago.
Quando un termine ha più significati, questo si dice ambiguo. Quando
un significato è vago, il termine si dice vago. Un termine ambiguo può anche
essere vago, un termine vago non può essere anche ambiguo, poiché per de-
finirlo vago ci stiamo riferendo ad un suo preciso significato (eventualmente
ignorandone tutti gli altri).
Il termine “good” in lingua inglese è ambiguo poiché ha: 4 significati
CAPITOLO 1. DEFINIZIONI E CORRENTI DI PENSIERO 25
3
Fonte WordNet 3.0
Capitolo 2
Lotfi Zadeh, padre della logica fuzzy, nei suoi primi articoli scientifici utilizza
i termini vaghezza, incertezza, ambiguità come fossero sinonimi. In una delle
sue più recenti pubblicazioni [32] egli introduce una nuova visione della logica
fuzzy, relativamente diversa da quella assunta fin dalla sua creazione.
Zadeh presenta un nuovo modo di utilizzare la logica fuzzy aprendo ul-
teriormente il ventaglio delle sue possibilità di impiego. Una delle appli-
cazioni fondamentali, secondo l’autore, è quella relativa ad una branca del
soft-computing nota come NL-computation. Si tratta di una disciplina il
cui obiettivo è quello di approfondire lo studio del linguaggio naturale com-
prendendo anche gli aspetti più umani: vaghezza, ambiguità, incertezza,
incoerenza, parzialità, imprecisione.
26
CAPITOLO 2. IL PUNTO DI VISTA DI ZADEH 27
2.2.1 Restrizioni
La granulazione infatti, per come è definita e per gli esempi forniti, è una
proprietà ammissibile solo per i sostantivi dai quali è possibile ricavare agget-
tivi che esprimono i singoli granuli. Utilizzando la funzione di granulazione
non si fa altro che esprimere un concetto come somma delle definizioni di
tutte le possibili etichette linguistiche attribuibili. Ad esempio: l’età può
essere avvalorata con le etichette linguistiche piccolo, giovane ed anziano; il
peso (espresso nel contesto corporeo) può essere avvalorato dalle etichette
linguistiche sottopeso, normale, sovrappeso ed obeso.
Come è possibile granularizzare l’aggettivo obeso? o anche solo il so-
stantivo obesità? Sebbene teoricamente ogni oggetto sia granularizzabile,
nella pratica non è facile come sembra. Obesità è un termine vago, come
abbiamo avuto modo di asserire precedentemente (vedi Sezione 1.3 nella pa-
gina 23), la cui unica granulazione possibile potrebbe essere quella espressa a
partire da una graduazione del dominio peso (kg). Tuttavia una operazione
CAPITOLO 2. IL PUNTO DI VISTA DI ZADEH 30
2.2.2 Soluzione
La rappresentazione della granulazione del concetto di età, evidenzia come la
vaghezza diminuirebbe se vi fossero delle etichette linguistiche capaci di iden-
tificare i punti di intersezione dei diversi granuli. Nella figura che segue ho
definito ulteriori etichette linguistiche rendendo più evidente l’aumento asso-
luto di punti limite, ma al tempo stesso la diminuzione della loro profondità
(importanza dei casi limite).
CAPITOLO 2. IL PUNTO DI VISTA DI ZADEH 31
2.2.3 Considerazioni
Per alcuni termini, soltanto quelli che esprimono delle caratteristiche e che
ammettono un insieme di valori associabili, è possibile utilizzare la granula-
zione di Zadeh per rappresentarne la vaghezza Per il resto dei termini, l’uti-
lizzo di questo strumento non è sufficiente. Per poter rappresentare vaghezza,
in questo caso, è necessario che ogni concetto sia granularizzabile.
CAPITOLO 2. IL PUNTO DI VISTA DI ZADEH 32
“Un lago è una grande massa per lo più d’acqua dolce raccolta
nelle cavità terrestri.”
ˆm
AU = 1 dx;
0
ˆm [
AG = ( g) dx;
0 g∈G
m = max(DG );
1
L’autore ha una spiccata tendenza all’astrazione rendendo talvolta molto ardua
l’attività di contestualizzazione dei suoi articoli.
CAPITOLO 2. IL PUNTO DI VISTA DI ZADEH 34
AG
vag(Le) = ;
AU
∃x : µg (x) = 1, ∀g ∈ G
∃x : µG (x) = 1
Capitolo 3
Gli insiemi fuzzy esistono ormai da più di quaranta anni ed hanno trovato
diverse applicazioni in contesti reali. Nella maggior parte dei casi il loro
utilizzo è stato limitato agli insiemi fuzzy di ordine-1: insiemi formati da
elementi la cui appartenenza è definita puntualmente in un intervallo chiuso e
limitato [0,1]. La rappresentazione grafica di tali insiemi, unitamente ai valori
di appartenenza di ciascun elemento, è visualizzabile su un grafico cartesiano
bidimensionale che ha sull’asse delle ascisse la variabile osservata e sull’asse
delle ordinate il coefficiente di appartenenza (vedi le figure precedenti).
Gli insiemi fuzzy di tipo-1 vengono generalmente impiegati come appros-
simatori di funzioni matematiche e non linguistiche. In questi ambiti appli-
cativi, gli insiemi fuzzy sono utilizzati come strumenti di supporto, sicché
essi non vengono coinvolti nel processo di modellizzazione del problema in
esame.
Modellare sistemi linguistici (ma potremmo estendere il discorso a diver-
si domini) utilizzando insiemi fuzzy di tipo-1 è scorretto, poiché il dominio
linguistico si articola su equilibri che sono il frutto delle interazioni comuni-
cative di diversi soggetti. In altri termini non è mai possibile asserire con
35
CAPITOLO 3. EVOLUZIONE DEGLI INSIEMI FUZZY DI TIPO-1 36
FT 2 : D → F([0, 1])
3.1.1 Vantaggi
L’esempio mette in luce la maggiore capacità di astrazione linguistica che è
possibile ottenere attraverso l’utilizzo di insiemi fuzzy di tipo-2.
E’ indubbio che la rappresentazione di un sistema linguistico trovi nel-
l’impiego di insiemi fuzzy di tipo-2 diversi vantaggi:
lore di una moneta” si scopre possa essere avvalorata con alto, medio, basso,
irrisorio).
Questa tipo di conoscenza ha due pregi:
[5] Manlio Cortelazzo and Paolo Zolli. Dizionario etimologico online, 2010.
[7] Didier Dubois and Henri Prade. Possibility Theory. Springer, February
1988.
[8] Didier Dubois and Henri Prade. Quantifying vagueness and possibi-
lity: new trends in knowledge representation (Chap. 16) . In G.M.
43
BIBLIOGRAFIA 44
[13] Marvin Kohl. Vague words. State University of New York, 1968.
[15] Bunge Mario. The search for systems. In Scientific Research I. Springer,
Berlin/Heidelberg/New York, 1967.
[17] Jerry M. Mendel. Type-2 fuzzy sets: Some questions and answers. IEEE
Neural Networks Society, pages 10–13, August 2003.
[18] Jerry M. Mendel and Robert I. Bob John. Type-2 fuzzy sets made
simple. IEEE Transactions on fuzzy systems, 10(2):117–127, April 2002.
BIBLIOGRAFIA 45
[22] Timothy J. Ross. Fuzzy Logic with Engineering Applications. John Wiley
& Sons, August 2004.
[26] Andrzej Skowron and Roman W. Swiniarski. Rough sets and higher
order vagueness. In Dominik Slezak, Guoyin Wang, Marcin S. Szczuka,
Ivo Düntsch, and Yiyu Yao, editors, RSFDGrC (1), volume 3641 of
Lecture Notes in Computer Science, pages 33–42. Springer, 2005.
[27] The LyX Team. LyX 1.6.1 - The Document Processor [Computer soft-
ware and manual]. Internet: http://www.lyx.org, 2009. Retrieved
February 16, 2009, from http://www.lyx.org.
BIBLIOGRAFIA 46
[30] Lotfi A. Zadeh. The concept of a linguistic variable and its application
to approximate reasoning. Information Sciences, 8:199–249, 1975.
[32] Lotfi A. Zadeh. Is there a need for fuzzy logic? Inf. Sci., 178(13):2751–
2779, 2008.
[33] Lotfi A. Zadeh. Toward extended fuzzy logic - a first step. Fuzzy Sets
and Systems, 160(21):3175–3181, 2009.