Sei sulla pagina 1di 47

I concetti di gradualità e vaghezza nella

ingegneria della conoscenza

Michele Filannino

11 aprile 2010
1

Copyright © 2010 Michele Filannino <filannino.m@gmail.com>.


Permission is granted to copy, distribute and/or modify this document un-
der the terms of the GNU Free Documentation License, Version 1.3
or any later version published by the Free Software Foundation; with
no Invariant Sections, no Front-Cover Texts, and no Back-Cover Tex-
ts. A copy of the license is included in the section entitled "GNU Free
Documentation License".
You should have received a copy of the GNU General Public License along
with this document; if not, write to the Free Software Foundation, Inc.,
675 Mass Ave, Cambridge, MA 02139, USA.
2

"In formal logic, a contradiction is a signal of a defeat;

but in the evolution of real knowledge

it marks the first step in progress towards a victory.

This is one great reason for the

utmost toleration of variety of opinion."

Alfred North Whitehead


Indice

1 Definizioni e correnti di pensiero 7


1.1 Contributi storici . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.1.1 Peirce (1902) . . . . . . . . . . . . . . . . . . . . . . . 10
1.1.2 Black (1937) . . . . . . . . . . . . . . . . . . . . . . . . 11
1.1.3 Austin (1962) . . . . . . . . . . . . . . . . . . . . . . . 13
1.1.4 Khatchadourian (1962) . . . . . . . . . . . . . . . . . . 14
1.1.5 Kohl (1968) . . . . . . . . . . . . . . . . . . . . . . . . 15
1.1.6 Luzzati (1999) . . . . . . . . . . . . . . . . . . . . . . . 16
1.1.7 Wybraniec-Skardowska (2001) . . . . . . . . . . . . . . 18
1.1.8 Dubois e Prade (2009) . . . . . . . . . . . . . . . . . . 19
1.2 Vocabolario . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.2.1 Ambiguità . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.2.2 Imprecisione . . . . . . . . . . . . . . . . . . . . . . . . 22
1.2.3 Vaghezza . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.3 Osservazioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.4 Definizione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

2 Il punto di vista di Zadeh 26


2.1 La logica fuzzy non-tradizionale . . . . . . . . . . . . . . . . . 26
2.2 La rappresentazione della vaghezza . . . . . . . . . . . . . . . 28
2.2.1 Restrizioni . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.2.2 Soluzione . . . . . . . . . . . . . . . . . . . . . . . . . 30

3
INDICE 4

2.2.3 Considerazioni . . . . . . . . . . . . . . . . . . . . . . . 31
2.2.3.1 Misure di vaghezza . . . . . . . . . . . . . . . 33

3 Evoluzione degli insiemi fuzzy di tipo-1 35


3.1 Insiemi fuzzy di tipo-2 . . . . . . . . . . . . . . . . . . . . . . 36
3.1.1 Vantaggi . . . . . . . . . . . . . . . . . . . . . . . . . . 38
3.2 Insiemi fuzzy di ordine-2 . . . . . . . . . . . . . . . . . . . . . 39
3.3 Vaghezza con insiemi fuzzy di ordine-2 . . . . . . . . . . . . . 40
3.4 Conoscenza sociale con insiemi fuzzy di tipo-2 . . . . . . . . . 40

Bibliografia 43
Introduzione

Nella letteratura scientifica spesso vengono utilizzati termini il cui significa-


to non è precisamente noto, in particolare ciò accade anche nella disciplina
della Ingegneria della conoscenza. Il più delle volte chi scrive si affida all’in-
terpretazione di ciascun lettore, confidando in una interpretazione comune
condivisa. Perciò accade che alcuni termini, ritenuti molto simili, vengano
utilizzati come sinonimi, sebbene il loro significato possa essere differente.
Si pensi a termini quali: imprecisione ed inaccuratezza, incompletezza ed
indeterminatezza, incertezza ed ambiguità; questi sono solo alcuni esempi.
In letteratura, i concetti di gradualità (fuzziness) e vaghezza (vagueness),
in particolare, soffrono del medesimo problema. In realtà il significato dei
due termini è profondamente diverso ed alcuni autori hanno introdotto delle
idee che se approfondite potrebbero portare alla definizione di modelli per la
rappresentazione di conoscenza imprecisa del tutto diversi.
Lo scopo di questo rapporto è di approfondire eventuali legami e differenze
tra fuzziness e vagueness, sia dal punto di vista epistemologico sia modelli-
stico. Un particolare interesse sarà dato alla possibilità di rappresentare la
vaghezza attraverso insiemi fuzzy di tipo-2, rendendo i due concetti comple-
mentari, diversamente da quanto sostenuto da Zadeh [29], il quale considera
fuzziness e vagueness alternative.

5
INDICE 6

Panoramica del documento


Il Capitolo 1 presenterà un breve trattazione relativa all’evoluzione del signi-
ficato attribuito al termine vaghezza. Verranno illustrate le definizioni più
autorevoli che nel corso della storia si sono succedute fino ad introdurre le
due scuole di pensiero più accreditate. Al termine del capitolo si definiranno
opportunamente i due termini da un punto di vista epistemologico.
Nel Capitolo 2, partendo dalle definizioni epistemologiche del capitolo
precedente, si analizzeranno le conseguenti implicazioni modellistiche. Si
analizzerà formalmente come è possibile esprimere la vaghezza tramite l’uso
di insiemi fuzzy e quali relazioni, ammesso che ve ne siano, intercorrono tra
la rappresentazione di vaghezza e quella di gradualità.
Il Capitolo 3 approfondirà il tema della possibilità di rappresentare, me-
diante lo stesso modello, conoscenza individuale e conoscenza sociale.
Capitolo 1

Definizioni e correnti di pensiero

In questo documento si studieranno i concetti di gradualità e vaghezza nel


contesto della comunicazione di conoscenza. In semiotica, il modello di ri-
ferimento per lo studio del linguaggio è quello proposto da Ferdinand de
Saussure[24] e perfezionato da Peirce. Il linguista ginevrino definì la lingua
come un prodotto sociale delle facoltà del linguaggio e gettò le basi per quella
che successivamente sarebbe stata definita scienza linguistica .
La struttura di Peirce identifica tre componenti fondamentali nello studio
dei segni linguistici (semiotica):

1. il significato: il concetto, l’idea che viene evocata da un suono o da una


espressione scritta;

2. il significante: il piano dell’espressione strettamente correlato al signi-


ficato, la forma tramite la quale ci si riferisce al significato;

3. il referente: un oggetto o un insieme di oggetti reali, ai quali il segno


(significato + significante) si riferisce.

La trasposizione del modello di Peirce nella ingegneria della conoscenza è


rappresentato dal modello di Bunge [15]: una formalizzazione matematica
della struttura proposta da De Saussure e Peirce.

7
CAPITOLO 1. DEFINIZIONI E CORRENTI DI PENSIERO 8

Oltre alla formalizzazione dei concetti di significato, significante e refe-


rente, Bunge formalizzò anche le relazioni che intercorrono tra di essi: in-
tensione, estensione, designazione, denotazione, percezione, classificazione e
comunicazione.

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.

1.1 Contributi storici


Cogliere le differenze di significato di termini che vengono utilizzati come sino-
nimi, persino nella letteratura scientifica, non è banale. Per questa ragione si
CAPITOLO 1. DEFINIZIONI E CORRENTI DI PENSIERO 9

è pensato di raccogliere in prima istanza i principali contributi interpretativi


del concetto di vaghezza.
Il significato di gradualità non necessita di approfondimenti ed oltretutto
è ben formalizzato tramite l’uso di insiemi fuzzy e relativa funzione di appar-
tenenza. Per questa ragione, di seguito ci si concentrerà esclusivamente sul
concetto di vaghezza.
Il tema in esame è stato acceso oggetto di discussione in diverse aree
del sapere: filosofia, matematica, linguistica, semiotica, stilistica, diritto,
psicologia ed informatica.
La trattazione che segue ha lo scopo di illustrare le varie definizioni, met-
tendo via via in luce i punti più significativi con l’obiettivo di formulare una
definizione finale di vaghezza che si presti alla rappresentazione attraverso in-
siemi fuzzy e che allo stesso tempo rifletta le posizioni storiche più autorevoli
di seguito riportate.
L’obiettivo di questa rassegna è quello di maturare una conoscenza esau-
stiva del significato di vaghezza, prima di cimentarsi nella proposizione di un
modello di rappresentazione in logica fuzzy.
Va premesso che lo studio della vaghezza ha radici profondissime che
partono dalla filosofia greca. Il primo approccio al tema si fa risalire al
famoso Paradosso del sorite, nella seguente formulazione:

“Dato un mucchio di sabbia, se eliminiamo un granello dal


mucchio avremo ancora un mucchio. Eliminiamo poi un altro
granello: è ancora un mucchio. Eliminiamo ancora un granello,
e poi ancora uno: il mucchio diventerà sempre più piccolo, fin-
ché rimarrà un solo granello di sabbia. E’ ancora un mucchio,
quando rimane un solo granello? E se un solo granello non è un
mucchio, allora in quale momento quel mucchio iniziale non è più
un mucchio?”

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.

1.1.1 Peirce (1902)


Il primo contributo del secolo scorso alla definizione di vaghezza è senza
dubbio quello di Peirce[20]:

“A proposition is vague when there are possible states of things


concerning which it is intrinsically uncertain whether, had they
been contemplated by the speaker, he would have regarded them
as excluded or allowed by the proposition. By intrinsically uncer-
tain we mean not uncertain in consequence of any ignorance of
the interpreter, but because the speaker’s habits of language were
indeterminate.”

“Una frase è vaga quando ci sono possibili stati di cose con-


cernenti la quale essa è intrinsecamente incerta nel caso in cui,
essendo (gli stati) stati considerati dal parlante, egli (il parlan-
te) li avrebbe considerati esclusi o pertinenti alla frase. Per
intrinsecamente incerto non si intende incerto come conseguen-
za dell’ignoranza generale dell’ascoltatore, ma incerto a causa
dell’indeterminatezza delle abitudini del linguaggio del parlante.”

Una frase è vaga se interpretata in determinati stati di cose determi-


na incertezza a causa dell’indeterminatezza del background culturale del
parlante evidentemente diverso da quello di chi ascolta. L’incertezza dell’in-
CAPITOLO 1. DEFINIZIONI E CORRENTI DI PENSIERO 11

terlocutore nel comprendere le abitudini linguistiche del parlante, implica che


l’intera frase sia vaga.
Peirce sostiene implicitamente che il parlante nell’atto di comunicazione
sia a conoscenza dei possibili stati di cose, lasciando all’ascoltatore l’onere di
fronteggiare l’indeterminatezza delle sue abitudini linguistiche.

1.1.2 Black (1937)


Il secondo contributo importante alla definizione di vaghezza arriva da Max
Black[2]. Il filosofo anglo-americano fu uno dei più importanti esponenti della
filosofia analitica, ed in uno dei suoi primi articoli definì la vaghezza come
segue:

“Vagueness is distinguished from generality and from ambigui-


ty. The former is constituted by the application of a symbol to a
multiplicity of objects in the fields of reference, the latter by the
association of a finite number of alternative meanings having the
same phonetic form; but it is characteristic of the vague symbol
that there are no alternative symbols in the language, and its va-
gueness is a feature of the boundary of its extension, and is not
constituted by the extension itself.”

“La vaghezza è diversa dalla generalità e dall’ambiguità. La


prima è costituita dall’applicazione di un simbolo ad una molte-
plicità di oggetti nei contesti di riferimento, l’ultima è costituita
dall’associazione di un numero finito di significati alternativi che
hanno la medesima forma fonetica; ma la caratteristica del sim-
bolo vago è che non ci sono simboli alternativi nella lingua, e la
sua vaghezza è una proprietà dei limiti della sua estensione e non
è costituita dall’estensione stessa.”
CAPITOLO 1. DEFINIZIONI E CORRENTI DI PENSIERO 12

Black utilizza il termine ambiguità come sinonimo di omonimia: un signifi-


cante è ambiguo se vi sono due o più concetti esprimibili mediante esso. La
relazione che lega significanti e significati si chiama percezione. Le etichette
ambigue, secondo Black, godono di due proprietà:

1. presi due significati, tra quelli riferiti al medesimo significante, non vi


sono significati comuni con i quali questi si relazionano; cioè tutti i
significati appartengono a domini concettuali diversi.

2. presi due significati, tra quelli riferiti al medesimo significante, non vi


sono referenti con i quali questi si relazionano; cioè tutti i significati
appartengono a domini fisici diversi.

La formulazione della definizione di ambiguità (analogamente a quella di


generalità) è descritta in maniera piuttosto formale, da Toth [9], con un
imprenscindibile riferimento al modello del linguaggio verbale di Bunge [15].
Relativamente al concetto di vaghezza, Black abbandona le possibili asso-
ciazioni tra etichette linguistiche e oggetti e/o concetti, definendo la vaghezza
in questi termini:

“that while the vague symbol has a part to play in language


which cannot be equally well performed by more accurate symbols
from another level (wave lenghts as substitute for names of colors)
the transition to levels of higher accuracy can always in principle
be made.” ... ”a symbol’s vagueness is held to consist in existence
of objects concerning which it is intrinsically impossible to say
either that symbol in question does, or does not apply”

Nell’articolo di Black il concetto di estensione rimane indefinito, rappre-


sentando di fatto un’ostacolo all’interpretazione di cosa è vago e cosa no.
Sarà lo stesso Toth nel 1999 a chiarire il senso di boundary of extension 1
collocando il concetto all’interno del suo modello formale.
1
Limite dell’estensione semantica. L’estensione semantica è definita [15] come
relazione tra significati e referenti.
CAPITOLO 1. DEFINIZIONI E CORRENTI DI PENSIERO 13

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:

• solo i significati possono essere vaghi;

• lo stato di vaghezza di un significato dipende, in qualche misura, dai


limiti della sue estensione semantica.

1.1.3 Austin (1962)


Austin fu un filosofo e linguista inglese. Per primo ammise che il linguaggio
fosse pieno di parole vaghe. In realtà non si è mai occupato specificatamente
di definire il termine vaghezza, ma in un articolo [1] l’autore scrive:

“a few notoriously useless words - ’democracy’, for instance -


uses of which are always liable to leave us in real doubt what is
meant; and here it seems reasonable enough to say that the word
is vague.”

“alcune parole notoriamente vane - ’democrazia’, ad esempio -


i cui usi tendono sempre a lasciarci in dubbio su cosa si intenda;
CAPITOLO 1. DEFINIZIONI E CORRENTI DI PENSIERO 14

in questo caso è abbastanza ragionevole asserire che la parola è


vaga.”

Con la sua argomentazione, Austin limitava il concetto di vaghezza a tutte


quelle parole il cui uso fosse notoriamente vano.
Questa definizione non chiarisce la definizione di vaghezza e porta ad un
controsenso: se solo le parole notoriamente vane sono vaghe, allora le pa-
role del linguaggio verbale ordinario non possono essere vaghe perché non
sono notoriamente vane (se lo fossero nessun uomo le utilizzerebbe per
comunicare).
In realtà l’argomentazione di Austin introduce un particolare interessante.
Il paradosso enunciato precedentemente non è tale se distinguiamo nell’atto
della comunicazione le due figure: parlante e ascoltatore. Se per il par-
lante sarebbe un contro-senso utilizzare parole vane, è altresì vero che per
l’ascoltatore un termine possa apparire vano.
Il problema della vaghezza è tutto di chi ascolta ed interpreta
una espressione. Lo stesso Peirce (vedi 1.1.1 nella pagina 10) aveva già
collocato la sua definizione dell’atto di interpretazione.

1.1.4 Khatchadourian (1962)


Il giovane filosofo Haig Khatchadourian evitò la strada infruttuosa di Austin
e fornì un’analisi [12] estremamente più utile sebbene un po’ troppo ristretta.

“for any non-vague expression ’Y’, there exist some (usually


at least several) paradigm or standard, hence generally unconte-
sted, instances of ’Y’s’ employment.” ... “vague expression are
expressions in whose case there are no relatively fixed, well defined
linguistic rules or no paradigm instances of their employment”

“per ogni espressione non vaga ’Y’, esistono alcune istanze


paradigmatiche o standard, quindi generalmente non contestate,
CAPITOLO 1. DEFINIZIONI E CORRENTI DI PENSIERO 15

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.

1.1.5 Kohl (1968)


Il filosofo Marvin Kohl [13]contrappone due modi di intendere il concetto di
vaghezza: quello degli essenzialisti e quello dei contestualisti.
Gli essenzialisti supportano la teoria secondo la quale esiste un aspetto
del significato, all’interno delle parole, che implica una vaghezza intrinseca.
Gli appartenenti a questa scuola di pensiero credono che ad essere vaghi siano
alcuni tipi di parole (significanti ). A questa categoria appartengono filosofi
come: Locke, M. Cohen, B. Russell e S. Ullman.
Al contrario, i contestualisti credono che la vaghezza di una o più parole
dipenda dal mondo in cui queste vengano utilizzate. Per i contestualisti
alcuni concetti possono essere vaghi, ma mai le parole. A questa categoria
appartengono: A. Sidgwik, L. J. Cohen e M. Black.
La differenza è che nel primo caso la vaghezza non può essere eliminata
poiché è una caratteristica inscindibile del significante, nel secondo caso può
essere eliminata, almeno nella maggior parte dei casi, operando sul contesto.
Kohl criticò l’approccio di Khatchadourian sostenendo che la natura della
vaghezza non potesse essere unica rispetto a tutte le parole. Kohl individuò,
all’interno della lingua parlata, espressioni utili a rendere più vaghi i
concetti espressi e di conseguenza diversi forme di vaghezza; esse sono:

• intensificatori di negazione (non tanto, non molto, non tutti);


CAPITOLO 1. DEFINIZIONI E CORRENTI DI PENSIERO 16

• quantificatori indeterminati (un po’, alcuni, pochi, molti);

• espressioni di molteplicità (aspetti, fattori, tipi);

• espressioni di possibilità (può, potrebbe darsi, potrebbe essere);

• espressioni di probabilità (probabilmente, a volte, solitamente, spesso,


frequentemente).

Il filosofo statunitense si rifece direttamente all’origine del termine vaghezza


(dal latino vag-us) scoprendo due importanti fatti:

1. l’etimologia e lo sviluppo storico del termine vago suggerivano che ta-


le termine fosse stato usato per indicare qualsiasi tipo d’assenza di
chiarezza;

2. che il termine vago funzionava come etichetta linguistica generale


per l’intera gamma di fenomeni nei quali era riscontrabile poca
chiarezza.

Secondo Kohl, limitare la definizione di vaghezza all’assenza di chiarezza


significherebbe modificare il significato di vago. Perciò:
“’Vague is a vague word, and to make it appreciably clearer is to alter its
meaning.”

1.1.6 Luzzati (1999)


Claudio Luzzati, professore in filosofia del diritto, definisce in un suo articolo
[14] il concetto di vaghezza nei seguenti termini:

“Un’espressione linguistica si dice vaga allorché i confini della


sua area di applicazione, attuale o meramente possibile (a se-
conda che si tratti di vaghezza estensionale oppure di vaghezza
intensionale), non sono delineati in modo netto. A causa di ta-
li fluttuazioni dell’uso, accanto a una serie di ipotesi applicative
CAPITOLO 1. DEFINIZIONI E CORRENTI DI PENSIERO 17

non particolarmente controverse e relativamente chiare, o para-


digmatiche, si verificano anche alcuni casi-limite (borderline ca-
ses), detti altresì casi marginali o di penombra. Quando i membri
di una comunità linguistica si trovano di fronte a un caso-limite
sono intrinsecamente incerti se l’espressione considerata si ap-
plichi o non si applichi alla situazione in esame. L’incertezza è
“intrinseca” in quanto dipende dalle regole di significato e, pertan-
to, non può venire ridotta accrescendo le informazioni sul mondo
esterno.
La vaghezza si configura come un problema quantitativo, e non
come un problema qualitativo, perché tutti i termini sono più o
meno vaghi. Si è talvolta tentati di sostenere che i termini nu-
merici e quelli logici sono assolutamente precisi, ma una simile
opinione è frutto di un equivoco. Non bisogna, infatti, confondere
la dimensione puramente sintattica del calcolo con la dimensio-
ne semantica sottesa nella rappresentazione di un modello fisico:
una cosa sono i numeri e le formule in astratto, un’altra sono le
misure le quali, notoriamente, vengono sempre espresse con un
qualche grado di approssimazione. Com’ebbe a dire Bertrand Rus-
sell, ”All traditional logic habitually assumes that precise symbols
are being employed. It is therefore not applicable to this terrestial
life, but only to an imagined celestial existence””

Il contributo del prof. Luzzati è prezioso poiché sottolinea il legame tra


incertezza e vaghezza. I due concetti sono estremamente separati e l’autore
definisce Kosko, dilettantesco nel suo tentativo di trasformare la fuzziness in
una filosofia a tutto campo.
Luzzati sebbene separi i concetti di incertezza e vaghezza, utilizza il con-
cetto di gradualità (fuzziness) come sinonimo di vaghezza, reintroducendo
sovrapposizione nelle definizioni.
CAPITOLO 1. DEFINIZIONI E CORRENTI DI PENSIERO 18

Il suo pensiero è tuttavia ascrivibile alla categoria dei pensatori essenziali-


sti (vedi Sezione 1.1.5 nella pagina 15) rivelando questo aspetto in conclusione
del suo articolo:

“La vaghezza, però, alla luce delle considerazioni qui svolte,


non può in nessun caso venire ignorata dal legislatore, poiché non
è un fenomeno qualitativo che riguardi poche espressioni, come,
per esempio, “buona fede”, ma è un fenomeno quantitativo che,
pur essendo riducibile per mezzo di ridefinizioni, è ineliminabile”

Il contributo più importante del prof. Luzzati è dovuto all’introduzione di un


nuovo concetto, mai incontrato finora: i casi-limite. Quando ci si trova da-
vanti a dei casi-limite è l’interpretazione ad essere incerta (vedi Sezione 1.1.1
nella pagina 10).

1.1.7 Wybraniec-Skardowska (2001)


La prof.ssa Wybraniec-Skardowska, allieva del prof. Pawlak, ha trattato
l’argomento della vaghezza all’interno di un suo articolo [28]. Malgrado cerchi
di formalizzare la vaghezza utilizzando i Rough Sets [19], l’articolo offre un
importante contributo alla definizione del concetto di vaghezza dal momento
che individua ben quattro piani diversi lungo i quali misurare la
vaghezza:

• epistemico: conoscenza vaga;

• ontologico: oggetto vago;

• semiotico: segno vago;

• logico: concetto vago.

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

Nello stesso articolo, l’autrice pone l’enfasi sull’estensione semantica, co-


me già osservato in origine da M. Black (vedi 1.1.2 nella pagina 11):

“This knowledge is determined by a system of concepts, which


is determined by a system of their extensions. When an exten-
sion of a concept is vague, it is determined by the rough set
understood as the family of sets with the same lower and upper
approximations.”

“Questa conoscenza è scaturita da un sistema di concetti, che


è scaturito dal sistema delle loro estensioni. Quando l’estensione
di un concetto è vaga, è identificato dal rough set inteso come
la famiglia di insiemi con la stessa approssimazione superiore ed
inferiore.”

1.1.8 Dubois e Prade (2009)


Il contributo più recente nella esplorazione dei concetti di gradualità e va-
ghezza è dato da uno short-paper scritto da Didier Dubois e Henri Prade. Il
documento enfatizza l’esistenza, in letteratura, di termini diversi ma sovente
utilizzati in maniera congiunta ed illustra, per ognuno di essi, le possibili
definizioni. L’obiettivo è quello di chiarire le differenze e le relazioni tra i
diversi termini.
Nel caso del termine gradualità, gli autori ne enunciano una definizione:

“Gradualness: the idea that many categories in natural lan-


guage are a matter of degree, including truth. The extension
of a gradual predicate is a fuzzy set, a set where the transition
between membership and non-membership is gradual rather than
abrupt. This is Zadeh’s original intuition.”
CAPITOLO 1. DEFINIZIONI E CORRENTI DI PENSIERO 20

“Gradualità: l’idea che diverse categorie del linguaggio natu-


rale siano una questione di gradi, inclusa la verità. L’estensione di
un predicato graduale è un insieme fuzzy, un insieme dove il pas-
saggio tra appartenenza e non-appartenenza è graduale anziché
brusco. Questa è l’intuizione originale di Zadeh.”

Circa il significato di vaghezza, gli autori individuano due principali cor-


renti di pensiero:

• chi considera la vaghezza un problema relativo all’incertezza di signifi-


cato;

• chi considera la vaghezza come conseguenza dello scontro tra concezione


per categorie graduali e logica binaria nel linguaggio naturale.

Purtroppo l’articolo non include una definizione di vaghezza, tuttavia la


divisione riportata individua esattamente quanto visto finora.
Da un lato è emerso che alcuni importanti autori ritengono la vaghezza
una proprietà dei concetti (significati), dall’altra abbiamo incontrato una
serie di definizioni dalle quali emerge la presenza di categorie graduali con
annessi casi-limite.

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:

“che ha significato oscuro o dà luogo a dubbi e sospetti:


risposta ambigua; comportamento ambiguo.”

Il dizionario etimologico italiano, recita:

“che può prendersi in due o più sensi , e perciò: Non chiaro,


Che lascia dubbiezza.”

Malgrado il vocabolario non aiuti a tracciare una definizione minimamente


formale, il contributo del dizionario etimologico introduce un’indizio più inte-
ressante: due o più sensi. Formalmente, tale indizio consente di immaginare
un insieme finito di sensi differenti associati alla medesima parola: la parola
ambigua.
Il centro della questione si sposta, a questo punto, sul significato di senso.
A seconda di tale significato è possibile definire concetti relativamente diversi:
polisemia ed omonimia.
L’omonimia si distingue dalla polisemia in quanto i diversi significati del
lessema vengono rappresentati da un’unica forma ortografica solo per caso:
prevalentemente per una serie di controversie etimologiche. Nel caso della
polisemia i diversi significati della parola polisemica sono correlati etimolo-
gicamente e semanticamente, e tale correlazione è avvertita chiaramente dal
parlante.
Ad esempio, “riso” (pianta erbacea asiatica) e “riso” (da ridere) sono
omonimi. Penna è polisemica poiché “Penna” (dell’uccello) e “penna” (per
scrivere) sono due parole aventi una base etimologica identica.
CAPITOLO 1. DEFINIZIONI E CORRENTI DI PENSIERO 22

E’ evidente come tali definizioni si avvicinino moltissimo a quella di Black


(vedi Sezione 1.1.2 nella pagina 11).

1.2.2 Imprecisione
Il dizionario della lingua italiana, in corrispondenza del lemma impreciso,
recita:

“che manca di precisione; indeterminato: idee, parole impre-


cise; essere impreciso nell’esprimersi.”

Il dizionario etimologico italiano non prevedeva il lemma impreciso. Per


questa ragione segue la descrizione del lemma preciso:

“dal latino praecìsus: troncato, tagliato; circoscritto.”

Anche in questo caso, il dizionario etimologico pone l’enfasi su un’aspetto


fondamentale: il troncamento tipico di ciò che si dice preciso. Di rimando,
è ragionevole assumere che è impreciso tutto ciò che non è tagliato, tron-
cato o circoscritto (fortemente). A tal proposito si rimanda al concetto di
precisazione espresso da Zadeh [32] ed illustrato in 2.1 nella pagina 26.

1.2.3 Vaghezza
Il dizionario della lingua italiana, in corrispondenza del lemma vago, recita:

“non molto chiaro; incerto, indefinito: una vaga impressione,


speranza; risposte vaghe ed inconcludenti; ne parlò solo per vaghi
accenni; ne ho un’idea molto vaga / anno vago, quello di 365
giorni, in adozione presso gli antichi Egizi ed i cui limiti erano
imprecisi .”

Il dizionario etimologico italiano, recita:


CAPITOLO 1. DEFINIZIONI E CORRENTI DI PENSIERO 23

“dal latino vagùs: errante, indeterminato, instabile, volubi-


le.”

Anche nella definizione del dizionario ritorna la presenza dell’estensione se-


mantica (vedi Sezione 1.1.2 nella pagina 11) senza limiti precisi.

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

diversi come nome, ben 21 significati diversi come aggettivo e 2 significati


diversi come avverbio 3 . Nel momento in cui si analizza la vaghezza di “good”
si sceglie implicitamente un suo particolare significato. In altri termini la
vaghezza è una proprietà del significato e non del significante.
Un altro aspetto molto interessante, è che la maggior parte dei termini
del linguaggio naturale (i significati celati dietro di essi) sono vaghi a meno
di quelli costruiti ad-hoc dall’uomo.
Il termine “cittadino” potrebbe sembrare vago ma non lo è poiché con
un’opportuna ricerca è possibile giungere ad una definizione precisa di “citta-
dino” che, per volere di chi l’ha redatta, non lascia spazio ad interpretazioni
e quindi non ammette la presenza di casi dubbi o limite. Sembra pertanto
che i termini vaghi non siano stati costruiti dall’uomo, ma emergano dalla
necessità comunicativa e tale istinto di comunicatività prevalichi la conoscen-
za vaga del significato associato al termine. E’ da puntualizzare che anche
le definizioni volutamente non vaghe, lo siano comunque, ad un determinato
livello di approfondimento. Ancora una volta non vi è una dicotomia assoluta
tra termini non vaghi e termini vaghi, ma a giocare un ruolo discriminante è
il livello di profondità dell’analisi testuale.
Eccettuando i significati costruiti ad-hoc, ogni termine ad un diverso livel-
lo di profondità semantica è vago. Relativamente agli aggettivi, ad esempio,
la ragione della loro vaghezza portebbe essere spiegata dal loro metodo di co-
struzione (sintagma aggettivale): essi hanno una radice in un nome (sintagma
nominale) che descrive un concetto (sicuramente vago), senza descrivere una
sua possibile misura. La definizione di una misura è lasciata all’evoluzione
di ciascun significato e a quella degli uomini che la utilizzano.

3
Fonte WordNet 3.0
Capitolo 2

Il punto di vista di Zadeh

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.

2.1 La logica fuzzy non-tradizionale


Nello stesso articolo prima citato[32], Zadeh propone nuovi modi di inter-
pretare la logica fuzzy dai quali emergono nuovi inediti tipi di utilizzo della
stessa. I quattro aspetti inediti fondamentali della logica fuzzy, secondo
l’autore, sono:

• graduazione: è una proprietà che ogni concetto deve possedere per

26
CAPITOLO 2. IL PUNTO DI VISTA DI ZADEH 27

poter essere meglio precisata o imprecisata. Serve a stabilire la scala


di misurazione di un concetto. Ad esempio: graduare il concetto di
terremoto significa associargli la scala Richter, graduare il concetto di
altezza significa associargli il numero di cm;

• granulazione: è la proprietà mediante la quale è possibile scomporre


un dominio in un insieme di concetti che ne esprimono tutti i suoi
valori ammissibili. Ad esempio: età può essere granulato in giovane,
ragazzo, adulto. Ogni granulo rappresenta un insieme di elementi che
per loro natura sono indistinguibili, equivalenti o simili. Quando i
confini di ogni granulo non sono netti ma sfumati allora si ricorre alla
granulazione graduata;

• vincoli generalizzati: in matematica ed informatica una delle assun-


zioni più frequentemente formulate è che i vincoli di un sistema siano
netti. Ad esempio “il limite massimo di velocità è di 90Km/h” oppure
“chi supera 1,75m è alto”. In programmazione questi vincoli vengono
verificati attraverso l’uso del costrutto if-then-else. L’autore propone
un complesso framework per la verifica di vincoli più rilassati: i vincoli
generalizzati;

• precisazione: si tratta di una operazione che trasforma un oggetto p,


in un altro oggetto p∗ che è più precisamente definito, laddove la pre-
cisione viene misurata in riferimento ad un particolare senso. La fun-
zione inversa è nota come imprecisazione. I parametri della funzione di
precisazione sono precisiendo e precisando.

Graduazione, granulazione, vincoli generalizzati e precisazione sono i quattro


pilastri indispensabili all’utilizzo della logica fuzzy come framework per la
rappresentazione ed elaborazione della percezione umana, che per sua natura
è parziale ed imprecisa.
CAPITOLO 2. IL PUNTO DI VISTA DI ZADEH 28

Zadeh, inoltre, concentra la sua attenzione sul problema della precisazione


individuandone due forme distinte: la precisazione del valore (v-precisation)
e la precisazione del significato (m-precisation). Supponendo di avere una
variabile X il cui valore non è precisamente noto, allora una formulazione del
tipo a ≤ X ≤ b è precisa per valore ed è precisa per significato. Quando alla
variabile X attribuisco una rappresentazione inerentemente imprecisa, come
può essere quella di un insieme fuzzy, allora X sarà m-precisa e v -imprecisa.
L’operazione di compressione dei dati può essere vista, in alcuni casi,
come una forma di v -imprecisazione.
Relativamente alla precisazione di significato, Zadeh introduce un’ulte-
riore distinzione: precisazione umana del significato (mh-precisation) e pre-
cisazione macchina del significato (mm-precisation). La definizione di un di-
zionario, ad esempio, è una forma di mh-precisazione, laddove la definizione
matematica di una formula è invece una forma di mm-precisazione.

2.2 La rappresentazione della vaghezza


Per rappresentare un concetto vago, sebbene non venga mai esplicitamente
spiegato all’interno dell’articolo, Zadeh fa ricorso a due dei quattro pila-
stri sui quali poggia la visione non-tradizionale di logica fuzzy: graduazione
e granulazione. Graduando la granulazione del concetto in esame è possi-
bile rappresentare le componenti elementari di un concetto, attribuendo a
ciascuna di esse dei confini sfumati piuttosto che netti.
CAPITOLO 2. IL PUNTO DI VISTA DI ZADEH 29

Zadeh ignora l’aspetto puramente linguistico del linguaggio naturale al-


l’interno di tutti i suoi articoli. Non vi sono differenze, ad esempio, tra un
nome, un verbo, un aggettivo o un avverbio: tutto è ridotto al concetto di
etichetta linguistica.
Questo aspetto della sua personale visione del linguaggio naturale, molto
ingegneristico e molto poco umanistico, è giustificato dal fatto che mira ad un
livello di rappresentazione talmente alto da rendere indistinguibili le funzioni
di ogni singola componente grammaticale.

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

di granulazione che si riduca a graduazione smette di coinvolgere etichette


linguistiche.
In altri termini, il concetto di obeso è un esempio di termine atomico (non
granularizzabile) poiché non è possibile associare granuli che ne definirebbero
meglio il significato. Il termine obeso per poter rimanere vago ha bisogno
di essere rappresentato unitamente agli altri granuli di peso corporeo (tutti
espressi in modo graduale). Soltanto in questo caso è possibile cogliere, non
solo visivamente, i punti nei quali si annidano i casi limite.
In questa modalità di rappresentazione, un caso limite esiste quando
l’attività di comprensione del termine ci pone dinanzi ad un dubbio circa
l’etichetta linguistica da associare ad un dato campione in esame. Affin-
ché sia preservata la vaghezza è opportuno che siano note tutte le etichette
linguistiche associabili all’istanza.
Si ricorda che la vaghezza è uno stato mentale che emerge nell’atto dell’in-
terpretazione di un testo, vocabolo o discorso. L’incertezza è una conseguenza
della vaghezza che emerge quando si cerca di risolvere un’interpretazione.

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

Per ciascuna espressione, il livello massimo di non vaghezza sarebbe rap-


presentato dalla quantizzazione: l’esistenza di etichette linguistiche capaci di
coprire tutti i casi limite. L’immagine di seguito illustra il caso in cui esistano
un numero finito di etichette linguistiche realizzate in modo da tale da non
prevedere casi limite (vedi 1.3 nella pagina 23).

Nel linguaggio naturale ogni etichetta linguistica ha un significato intrin-


secamente vago quindi la sua rappresentazione, il più delle volte, non può mai
essere precisa. Tale assunzione fa si che solo l’esistenza di infinite etichette
linguistiche possa garantire la totale copertura del concetto.
Tuttavia, nel linguaggio naturale non disponiamo di infinite etichette lin-
guistiche: abbiamo fondamentalmente tante etichette linguistiche quante ne
sono necessarie per garantire una comunicazione soddisfacente a seconda de-
gli ambiti comunicativi. Il concetto di età potrebbe essere sufficientemente
descritto da giovane, adolescente, ragazzo, adulto ed anziano laddove nel
linguaggio medico questa granulazione potrebbe non essere adeguata.
Ciò che emerge è che ogni concetto ha una granulazione differente a
seconda dell’ambito comunicativo.

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

Se volessi esprimere la vaghezza dell’etichetta linguistica “lago” dovrei


ricercare tutti i possibili granuli del concetto ed esprimerli gradualmente.
Quali possono essere i granuli di lago? Il termine scelto non è, come nel caso
di “peso”, un’etichetta linguistica che ammette come possibili valori delle
categorie (a loro volta etichette linguistiche). La definizione di lago è la
seguente:

“Un lago è una grande massa per lo più d’acqua dolce raccolta
nelle cavità terrestri.”

Ciò che si può realizzare per rappresentare la vaghezza di questa definizione


è scomporre la frase alla ricerca di quelle componenti che possono nasconde-
re in sé vaghezza. In questo caso l’aggettivo “grande” è riferito alla “massa”.
Tale ricerca può essere condotta attraverso algoritmi di NLP classici. Suppo-
nendo di disporre di una base di conoscenza ampia che includa la definizione
granulare di massa, è possibile rappresentare una “grande massa” includendo
all’interno anche l’aspetto della vaghezza.

Nell’esempio in alto è stato rappresentato il concetto di massa (di un lago)


granularizzandolo a seconda delle dimensioni: atomica, piccola, modesta,
grande. La parte evidenziata mostra i punti di vaghezza, quelli che sono stati
definiti “casi limite” (vedi Sezione 1.3 nella pagina 23). L’area evidenziata in
rosso mostra graficamente la superficie di vaghezza dell’etichetta “grande”,
CAPITOLO 2. IL PUNTO DI VISTA DI ZADEH 33

quell’area all’interno della quale la fase di interpretazione della definizione di


lago implica incertezza tra l’etichetta linguistica “modesta” e “grande”.
Nel suo articolo, Zadeh parla in termini astratti1 di etichette linguistiche.
L’impiego della logica fuzzy al fine dell’interpretazione del linguaggio natura-
le, non può avvenire senza riconoscere i diversi ruoli che le diverse componenti
grammaticali giocano all’interno della comunicazione (nomi, verbi, aggettivi,
avverbi, etc...). In tal senso questo modello di rappresentazione deve essere
utilizzato a supporto degli algoritmi di NLP oggigiorno esistenti per far si
che si possano creare sistemi di interpretazione del linguaggio naturale vicini
a quello impiegato dagli esseri umani.

2.2.3.1 Misure di vaghezza

Limitatamente ai concetti granularizzabili, l’approccio di Zadeh consentireb-


be di misurare diverse importanti caratteristiche.
Siano AU l’area totale dell’intero universo cartesiano di riferimento, AG
l’area sottesa all’unione delle definizioni dei singoli granuli di una espressione
ed m il massimo valore attribuibile alla variabile primaria (dominio di G),
definite come segue:

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

Vaghezza. Si definisce vaghezza di una espressione linguistica Le il


rapporto tra l’area totale dell’unione delle curve e l’area totale del piano
cartesiano.

AG
vag(Le) = ;
AU

Robustezza. L’interpretazione di una espressione linguistica Le si dice


robusta se la definizione di ciascun granulo è normale, cioè se:

∃x : µg (x) = 1, ∀g ∈ G

Normalità. L’interpretazione di una espressione linguistica Le si dice


normale se l’insieme delle definizioni dei singoli granuli è normale, cioè se:

∃x : µG (x) = 1
Capitolo 3

Evoluzione degli insiemi fuzzy di


tipo-1

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

precisione il valore di appartenenza di un elemento linguistico ad un insieme.


Questa caratteristica non è propria solo dei sistemi linguistici, bensì di
tutti quei sistemi nei quali è forte la componente collaborativa/sociale. Il
livello di appartenenza di un soggetto all’insieme “bello” non può essere defi-
nito con precisione in un intervallo [0,1] ma al più rappresentato in maniera
sfocata: a sua volta attraverso l’impiego di un insieme fuzzy.

3.1 Insiemi fuzzy di tipo-2


Gli insiemi fuzzy di tipo-2 furono introdotti da Zadeh[30] come estensione del
concetto di insieme fuzzy ordinario al fine di catturare e controllare anche
l’inesattezza propria dei dati rappresentati. La caratteristica di tali insiemi è
quella di avere i gradi di appartenenza a loro volta espressi attraverso insiemi
fuzzy anziché attraverso numeri compresi nell’intervallo [0,1].
Per ogni valore della variabile primaria, la funzione di appartenenza (se-
condary membership function) restituisce non un semplice valore puntuale
compreso tra 0 ed 1, bensì un insieme fuzzy di tipo-1. Il codominio della fun-
zione di membership di ciascun insieme fuzzy di tipo-1 è l’intervallo chiuso e
limitato [0,1]. Più formalmente:

FT 2 : D → F([0, 1])

Sebbene abbiano riscosso successo nella modellazione di sistemi reali, l’im-


plementazione è molto ardua rispetto ai sistemi basati su insiemi fuzzy di
tipo-1, principalmente a causa della complessità delle operazioni algebriche
con essi e tra essi eseguibili.
La visualizzazione grafica di tali insiemi è teoricamente di tipo tridimen-
sionale, sebbene essa non ne agevoli l’interpretazione. La visualizzazione più
utilizzata è infatti quella bidimensionale che mostra l’impronta del dominio.
Per impronta si intende la visualizzazione, in corrispondenza di ciascun valore
CAPITOLO 3. EVOLUZIONE DEGLI INSIEMI FUZZY DI TIPO-1 37

della variabile primaria, di tutti i valori di membership coperti dall’insieme


fuzzy associato.

Nella figura in alto viene mostrato un esempio di visualizzazione con


impronta e visualizzazione tridimensionale. Nella prima immagine, in corri-
spondenza di ogni valore della variabile di input (x1 ) viene associata, sull’asse
delle ordinate, direttamente la proiezione dell’insieme fuzzy associato. I pun-
ti croce nel grafico indicano i punti nei quali la funzione di membership del
fuzzy set di tipo-1 ha valore 1. Nella seconda immagine viene mostrata la
visualizzazione tridimensionale nella quale viene rappresentato graficamente
anche l’insieme fuzzy associato a ciascun valore della variabile di input (x1 ).
Per motivi di leggibilità, nell’immagine viene riportata la visualizzazione di
un solo insieme fuzzy, quello corrispondente ad x1 = 9.
Di seguito si riportano altri esempi di insiemi fuzzy di tipo-2.
CAPITOLO 3. EVOLUZIONE DEGLI INSIEMI FUZZY DI TIPO-1 38

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:

1. possibilità di contestualizzare la definizione fuzzy delle etichette lingui-


stiche in un dominio specifico (Es. Alto, medio, basso, irrisorio riferite
al dominio del valore delle monete);

2. possibilità di raggruppare definizioni di etichette linguistiche simili in


diversi domini (Es. Alto, medio, basso, irrisorio potrebbero essere
uguali sia per il valore delle monete che per paghetta giornaliera di
un bambino);

3. possibilità di sintetizzare le informazioni riducendo la ridondanza (se-


gue dalla 2);

4. possibilità di isolare le definizioni delle etichette linguistiche dalla rete


delle espressioni linguistiche (o domini).
CAPITOLO 3. EVOLUZIONE DEGLI INSIEMI FUZZY DI TIPO-1 39

3.2 Insiemi fuzzy di ordine-2


Gli insiemi fuzzy di ordine-2 si differenziano da quelli di tipo-2 in virtù della
loro formalizzazione matematica. Se in un insieme fuzzy di tipo-2 il dominio
della funzione di appartenenza rimane invariato, laddove muta solo il suo
codominio, in un insieme fuzzy di ordine-2 è proprio il dominio della funzione
di appartenenza ad essere espresso come insieme fuzzy, laddove il codominio
rimane l’intervallo chiuso e limitato [0,1]. Più formalmente:

FO2 : F(D) → [0, 1]

Al fine di chiarire ulteriormente il significato pratico degli insiemi fuzzy di


ordine-2 si riporta il seguente esempio: è necessario rappresentare l’insieme
delle monete metalliche in corso in Europa in base al loro valore.
La rappresentazione di tale problema è possibile utilizzando sia un insieme
fuzzy di tipo-1 che un insieme fuzzy di ordine-2.
Utilizzando la rappresentazione con un insieme fuzzy di tipo-1 si otter-
rebbe:
A = {1.0/2.00+0.5/1.00+0.25/0.50+0.125/0.20+0.0625/0.10+0.03125/0.05+
0.015625/0.02 + 0.0078125/0.01}
Utilizzando la rappresentazione con un insieme fuzzy di ordine-2 si otter-
rebbe:
A = {alto/2.00 + medio/1.00 + medio/0.50 + basso/0.20 + basso/0.10 +
irrisorio/0.05 + irrisorio/0.02 + irrisorio/0.01}
alto = {1.0/2.00 + 0.7/1.00 + 0.4/0.50 + 0.1/0.20}
medio = {0.3/2.00 + 0.8/1.00 + 0.7/0.50 + 0.4/0.20 + 0.2/0.10}
basso = {0.2/1.00 + 0.5/0.50 + 0.8/0.20 + 0.9/0.10 + 0.5/0.05 + 0.2/0.02}
irrisorio = {0.1/0.20 + 0.3/0.10 + 0.8/0.05 + 0.9/0.02 + 1.0/0.01}
CAPITOLO 3. EVOLUZIONE DEGLI INSIEMI FUZZY DI TIPO-1 40

3.3 Vaghezza con insiemi fuzzy di ordine-2


La vaghezza, intesa come è stata definita precedentemente (vedi Sezione 1.3
nella pagina 23), è una caratteristica propria già degli insiemi fuzzy di tipo-1,
o meglio della loro unione. L’utilizzo di insiemi fuzzy di ordine superiore al
primo non aggiunge nulla alla rappresentazione della vaghezza. Trattandosi
di una caratteristica scaturita dalla fase di interpretazione, essa è propria
delle etichette linguistiche utilizzate e non delle espressioni.
L’espressione “Ho ricevuto una moneta di basso valore.” è vaga perché
vaga è l’interpretazione che il sottoscritto attribuisce alla definizione del-
l’etichetta basso. Una espressione in sé non può essere vaga, per esserlo è
necessario che una o più etichette linguistiche in essa contenute siano vaghe.
In una delle sezioni precedenti si era introdotto in lettore agli inediti
aspetti della logica fuzzy, tra i quali vi era quello della granulazione (vedi
Sezione 2.1 nella pagina 26). Di particolare interesse è il fatto che l’utilizzo di
insiemi fuzzy di ordine-2 richieda necessariamente l’individuazione dei singoli
granuli di un’espressione linguistica. In tal senso, l’utilizzo di insiemi fuzzy
di ordine-2, riferito al contesto linguistico, rappresenta il metodo attraverso
il quale è possibile giungere alla granulazione introdotta da Zadeh [32].
Vieppiù, utilizzare gli insiemi fuzzy di secondo ordine consente di rappre-
sentare la struttura che connette le etichette linguistiche alle espressioni.

3.4 Conoscenza sociale con insiemi fuzzy di tipo-


2
Con particolare riferimento al punto 4 (vedi Sezione 3.1.1 nella pagina 38),
uno dei vantaggi conseguenti dall’uso di insiemi fuzzy di ordine-2 è quel-
lo di individuare per ogni espressione linguistica l’insieme dei suoi possibili
valori, espressi come etichette linguistiche (Es. l’espressione linguistica “va-
CAPITOLO 3. EVOLUZIONE DEGLI INSIEMI FUZZY DI TIPO-1 41

lore di una moneta” si scopre possa essere avvalorata con alto, medio, basso,
irrisorio).
Questa tipo di conoscenza ha due pregi:

• è scorrelata dalle definizioni delle etichette;

• è comune a tutti gli individui che condividono lo stesso linguaggio.

L’individuazione di queste relazioni espressione-etichette renderebbe sempli-


ce l’interpretazione soggettiva del linguaggio naturale a patto che per ogni
individuo si potessero inferire le sue personali definizioni di ciascuna etichet-
ta. In altri termini, l’interpretazione soggettiva di espressioni linguistiche
sarebbe il frutto delle definizioni soggettive delle etichette linguistiche. Più
semplicemente, a variare da individuo ad individuo sono le definizioni di
alto, medio, basso, irrisorio e non il legame tra “valore di una moneta” e
alto, medio, basso, irrisorio, il quale è condiviso da ogni individuo che usa il
medesimo linguaggio.
A tal proposito l’espressione linguistica “Ho ricevuto un’alta paghetta” po-
trebbe essere interpretata diversamente a seconda della definizione (insieme
fuzzy di tipo-1) dell’etichetta linguistica alto.
Fin qui si è descritto il procedimento attraverso il quale è possibile preser-
vare l’identità interpretativa di ogni singolo individuo. L’aspetto importante
dell’utilizzo di insiemi fuzzy di tipo-2 è la possibilità di rappresentare cono-
scenza di tipo sociale intesa come sintesi delle singole conoscenze individuali.
La rappresentazione delle definizioni soggettive di ogni etichetta linguistica
può essere rappresentata utilizzando insiemi fuzzy di tipo-2.
In tal caso, disponendo di una base di conoscenza sociale formalizza-
ta attraverso l’uso congiunto di insiemi fuzzy di tipo-2 ed insiemi fuzzy di
ordine-2, è possibile anche solo graficamente (FOU) visualizzare quali etichet-
te linguistiche godono di universalità concettuale e quali invece sono perce-
pite in maniera variabile. Tale variabilità potrebbe essere misurata dall’area
dell’impronta (FOU).
CAPITOLO 3. EVOLUZIONE DEGLI INSIEMI FUZZY DI TIPO-1 42

La conoscenza di tipo sociale può essere rappresentata in due modi:

• calcolando per ciascuna etichetta linguistica una definizione media tra


tutte quelle individuali;

• identificando l’individuo più vicino alla media delle definizioni.


Bibliografia

[1] J. L. Austin and G. J. Warnock. Sense and sensibilia / J.L. Austin ;


reconstructed from the manuscript notes by G.J. Warnock. Clarendon
Press, Oxford, 1962.

[2] M. Black. Vagueness. an exercise in logical analysis. Philosophy of


Science 4, pages 425–455, 1937.

[3] Zbigniew Bonikowski, Edward Bryniarski, and Urszula Wybraniec-


Skardowska. Extensions and intentions in the rough set theory. Inf.
Sci., 107(1-4):149–167, 1998.

[4] Zbigniew Bonikowski and Urszula Wybraniec-Skardowska. Vagueness


and roughness. T. Rough Sets, 9:1–13, 2008.

[5] Manlio Cortelazzo and Paolo Zolli. Dizionario etimologico online, 2010.

[6] D. Dubois and H. Prade. Fuzziness, uncertainty and bipolarity: a critical


review. In LINZ2009: The legacy of 30 seminars - Where do we stand
and where do we go?, pages 32–35. LINZ2009, February 2009.

[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

Von Furstenberg, editor, Acting Under Uncertainty: Multidisciplinary


Conceptions , pages 399–422. Kluwer Acad. Publ., Boston, 1990.

[9] Toth Herbert. Towards fixing some ’fuzzy’ carchwords: a terminological


primer. In Computing with Words in Information/intelligent Systems:
Foundations, volume 1. Physica-Verlag HD, 1999.

[10] H. M. Hersh and A. Caramazza. A fuzzy set approach to modifiers and


vagueness in natural language. In Journal of Experimental Psychology:
General, volume 105, pages 254–276. 1976.

[11] Joint Conference on Information Sciences. Type-2 Fuzzy Classifier


Ensembles for Text Entailment. Atlantis Press, 2008.

[12] Haig Khatchadourian. Vagueness. The Philosophical Quarterly,


12(47):138–152, 1962.

[13] Marvin Kohl. Vague words. State University of New York, 1968.

[14] Claudio Luzzati. Le metafore della vaghezza. In R. Guastini P. Coman-


ducci, editor, Analisi e Diritto - Ricerche di giurisprudenza analitica,
pages 117–130. Giappichelli, Torino, 1999.

[15] Bunge Mario. The search for systems. In Scientific Research I. Springer,
Berlin/Heidelberg/New York, 1967.

[16] Corrado Mencar. Theory of fuzzy information granulation: contributions


to interpretability issues. PhD thesis, Università degli Studi di Bari,
December 2004.

[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

[19] Z. Pawlak. Rough sets. International Journal of Information and


Computer Sciences, 11(5):341–356, 1982.

[20] C.S. Peirce. Vague. In J.M. Baldwin, editor, Dictionary of Philosophy


and Psychology, page 748. MacMillan, New York, 1902.

[21] Supriya Raheja and Smita Rajpal. Vagueness of linguistic variable.


Journal of Computing, 2(6):106–110, June 2010.

[22] Timothy J. Ross. Fuzzy Logic with Engineering Applications. John Wiley
& Sons, August 2004.

[23] C.S. Russell. Accounting for perception in possibility distributions: an


algorithmic approach to solving the problem “how tall is dan?”. In Proc.
Third IEEE Conference on Fuzzy Systems, volume 3, pages 1939–1944.
IEEE, 1994.

[24] Ferdinand De Saussure. Course in General Linguistics. Open Court


Pub Co, 1986.

[25] Rudolf Seising. On the absence of strict boundaries - vagueness, haziness,


and fuzziness in philosophy, science, and medicine. Appl. Soft Comput.,
8(3):1232–1242, 2008.

[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

[28] Urszula Wybraniec-Skardowska. Knowledge, vagueness and logic. Inter-


national Journal of Applied Mathematics and Computer Science, 11((no.
3)):719–737, 2001.

[29] Lotfi A. Zadeh. Fuzzy sets. Information and Control, 8(3):338–353,


June 1965.

[30] Lotfi A. Zadeh. The concept of a linguistic variable and its application
to approximate reasoning. Information Sciences, 8:199–249, 1975.

[31] Lotfi A. Zadeh. Toward a generalized theory of uncertainty (gtu)–an


outline. Inf. Sci., 172(1-2):1–40, 2005.

[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.