Fuzzy-Logik und Wahrscheinlichkeit: warum „etwas warm“ nicht „wahrscheinlich warm“ bedeutet

Zufälligkeit und Vagheit, Bezdeks zwei Flaschen, die Axiome der Wahrscheinlichkeit gegen die Fuzzy-Zugehörigkeit, die Fréchet-Schranken, die Wahrscheinlichkeit eines Fuzzy-Ereignisses an einer Wettervorhersage und Wörter für Wahrscheinlichkeit als Fuzzy-Mengen.

12 Minuten Matěj Žalmánek 2026-10-15

Serie KI-Grundlagen Teil 33 von 52

1. Landkarte der künstlichen Intelligenz: was was ist und wie alles zusammenpasst
2. Eine kurze Geschichte der künstlichen Intelligenz: von Turing bis zu Sprachmodellen
3. Daten, Modell, Training, Inferenz: die Grundbegriffe an einem einzigen Beispiel
4. Mathematische Notation lesen: Symbole, Indizes, Summen und Quantoren
5. Mengen und Relationen: der Baukasten, aus dem Definitionen in der KI bestehen
6. Funktionen und Abbildungen: warum jedes KI-Modell eine Funktion ist
7. Logik und Beweise: die Regeln, nach denen KI schließt
8. Graphen und Bäume: die Struktur, auf der Suche und neuronale Netze stehen
9. Lineare Algebra für maschinelles Lernen: Vektoren, Matrizen und warum KI vor allem multipliziert
10. Ableitungen, Gradient und Kettenregel: wie ein Modell herausfindet, in welche Richtung es lernen soll
11. Gradientenabstieg: wie ein Modell lernt
12. Was ist Wahrscheinlichkeit: vom Würfelwurf zu den Kolmogorow-Axiomen
13. Bedingte Wahrscheinlichkeit und der Satz von Bayes: wie du deine Einschätzung änderst, wenn du etwas Neues erfährst
14. Zufallsvariable und Verteilungsfunktion: eine Funktion, die alles über eine Verteilung verrät
15. Dichtefunktion und Wahrscheinlichkeitsfunktion: warum eine stetige Zufallsvariable in einem Punkt die Wahrscheinlichkeit null hat
16. Erwartungswert, Varianz und Kovarianz: wo eine Verteilung liegt, wie breit sie ist und was womit zusammenhängt
17. Überblick über Wahrscheinlichkeitsverteilungen: Bernoulli-, Binomial-, Poisson-, Gleich-, Normal- und Exponentialverteilung
18. Gesetz der großen Zahlen und zentraler Grenzwertsatz: Warum sich Durchschnitte so vorhersagbar verhalten
19. Statistik und Parameterschätzung: Maximum Likelihood, MAP und Konfidenzintervalle
20. Informationstheorie: Entropie, Kreuzentropie und KL-Divergenz — woher Verlustfunktionen kommen
21. Zustandsraumsuche: BFS, DFS, UCS und A* mit Animationen
22. Spiele und Gegner: Minimax, Alpha-Beta-Suche und Monte Carlo Tree Search
23. Constraint Satisfaction: Backtracking, Constraint-Propagierung und AC-3 an Sudoku und einer Karte tschechischer Regionen
24. Logik und wissensbasierte Systeme: Vorwärts- und Rückwärtsverkettung, Resolution und Expertensysteme
25. Planung: STRIPS, die Blockwelt, Heuristiken aus Relaxierung und Planung in KI-Agenten
26. Lokale Suche und simulierte Abkühlung: ein Handlungsreisender durch die tschechischen Regionalhauptstädte
27. Genetische Algorithmen: Population, Kreuzung, Mutation und Selektion am Rucksack für die Wanderung
28. Evolutionsstrategien und genetische Programmierung: von der 1/5-Erfolgsregel zum Keplerschen Gesetz
29. Ameisenkolonieoptimierung: wie eine Pheromonspur einen kurzen Weg findet
30. Partikelschwarmoptimierung: Trägheit, eigene Erfahrung und die Erfahrung des Schwarms
31. Neuroevolution: Evolution der Gewichte und der Gestalt neuronaler Netze und der Algorithmus NEAT
32. Fuzzy-Mengen und Zugehörigkeitsfunktionen: wie man „etwas warm“ aufschreibt
33. Fuzzy-Logik und Wahrscheinlichkeit: warum „etwas warm“ nicht „wahrscheinlich warm“ bedeutet
34. Fuzzy-Logik: t-Normen, Implikationen und WENN–DANN-Regeln
35. Fuzzy-Regelung: Mamdani und Sugeno vom Ventilator bis zum Pendel auf dem Wagen
36. Fuzzy-Clustering: der Algorithmus fuzzy c-means und Punkte zwischen den Clustern
37. Neuro-Fuzzy-Systeme (ANFIS): Fuzzy-Regeln, die aus Daten lernen
38. Markow-Ketten: Übergangsmatrix, stationäre Verteilung und PageRank
39. Hidden-Markov-Modelle: der Viterbi-Algorithmus und das unehrliche Kasino
40. Bayessche Netze: warum das Gras nass ist und was das für den Rasensprenger bedeutet
41. Der Kalman-Filter: wie man aus ungenauen Messungen schätzt, wo ein Auto ist und wie schnell es fährt
42. Arten des maschinellen Lernens: überwacht, unüberwacht, halbüberwacht und mehr
43. Prompts, Kontext und RAG: wie man einem Modell die richtigen Informationen gibt
44. Variational Autoencoder (VAE): neue Bilder aus einem stetigen latenten Raum
45. Generative Adversarial Networks (GAN): der Fälscher gegen den Detektiv
46. Diffusionsmodelle: wie aus reinem Rauschen ein Bild wird
47. Markow-Entscheidungsprozesse: Zustände, Aktionen, Belohnungen und Bellman-Gleichungen
48. Q-Learning und DQN: den Wert von Aktionen lernen, von der Tabelle bis zum neuronalen Netz
49. Policy Gradient und PPO: die Strategie direkt lernen
50. Wie ein KI-Agent funktioniert: ein Sprachmodell in einer Schleife mit Werkzeugen
51. Programmieren mit KI-Agenten: Auftrag, Tests und Kontrolle
52. Bewertung und Sicherheit von KI-Systemen: wie man misst und wie man überwacht

Der ganze Lehrplan der Serie 52 von 83 Themen fertig

„Morgen wird es etwas warm.“ „Morgen wird es wahrscheinlich warm.“ Beide Sätze enthalten Unsicherheit, und beide lassen sich durch eine Zahl zwischen null und eins ausdrücken. Trotzdem sagen sie etwas völlig anderes. Der erste spricht davon, wie sehr das Wetter dem Wort „warm“ ähneln wird; der zweite davon, ob etwas eintritt, das wir noch nicht wissen. Die Verwechslung dieser beiden Arten von Unsicherheit führte zu einem der leidenschaftlichsten Streite in der Geschichte der künstlichen Intelligenz — und bis heute ist sie ein häufiger Fehler.

Der Teil knüpft an die Teile Fuzzy-Mengen und Zugehörigkeitsfunktionen und Was ist Wahrscheinlichkeit an.

1. Zwei Arten von Unsicherheit

Definition — Zufälligkeit und Vagheit

Zufälligkeit (Unsicherheit über das Ergebnis) betrifft ein Ereignis, das entweder eintritt oder nicht; wir wissen nur nicht, welches von beiden. Sie wird durch die Wahrscheinlichkeit P(A) ∈ [0, 1] eines scharfen Ereignisses A beschrieben.

Vagheit (Unschärfe eines Begriffs) betrifft, wie gut ein bekanntes Element zu einem unscharf abgegrenzten Begriff passt. Sie wird durch den Zugehörigkeitsgrad μ_A(x) ∈ [0, 1] zur Fuzzy-Menge A beschrieben.

2. Zwei Flaschen

Den Unterschied zeigt ein Beispiel von James Bezdek sehr schön. Du bist in der Wüste und hast Durst. Vor dir stehen zwei Flaschen. Auf der ersten steht: „Die Zugehörigkeit zur Menge der trinkbaren Flüssigkeiten ist 0,91.“ Auf der zweiten: „Die Wahrscheinlichkeit, dass die Flüssigkeit trinkbar ist, ist 0,91.“ Aus welcher trinkst du?

Die erste Flasche enthält etwas, das fast trinkbar ist — etwa leicht trübes Wasser. Es wird dir garantiert nicht viel schaden. In der zweiten ist mit Wahrscheinlichkeit 0,91 sauberes Wasser, aber in neun von hundert Fällen etwas völlig anderes, etwa Gift. Nach dem Öffnen zeigt sich der Unterschied auch in den Zahlen: Die Zugehörigkeit der ersten Flasche bleibt 0,91, weil wir nichts Neues erfahren. Die Wahrscheinlichkeit bei der zweiten springt auf 1 oder auf 0 — das Zufallsereignis ist entweder eingetreten oder nicht.

3. Was die Axiome sagen

Erinnerung — die Kolmogorow-Axiome

Wahrscheinlichkeit ist eine Funktion P auf Ereignissen mit P(A) ≥ 0, P(Ω) = 1 und Additivität: Für unvereinbare Ereignisse gilt P(A ∪ B) = P(A) + P(B). Daraus folgt P(A) + P(¬A) = 1 und P(A ∩ ¬A) = 0.

Herleitung. Die Ereignisse A und ¬A sind unvereinbar und ergeben zusammen Ω, also folgt aus der Additivität P(A) + P(¬A) = P(Ω) = 1. Der Durchschnitt A ∩ ¬A ist das unmögliche Ereignis ∅; es ist mit sich selbst unvereinbar, also P(∅) = P(∅ ∪ ∅) = 2 P(∅), und das geht nur für P(∅) = 0. ∎

Eine Zugehörigkeitsfunktion hat kein solches Budget. Im letzten Teil waren 25 °C zu 0,6 „angenehm“ und zu 0,5 „warm“ — zusammen 1,1, und das ist in Ordnung. Die Unterschiede fasst die Tabelle zusammen:

Woher kommen die Zahlen 0,5 in der Tabelle? Das Fuzzy-„und“ ist hier das Minimum, „oder“ das Maximum und „nicht“ das Komplement 1 − μ, wie im Teil über Fuzzy-Mengen.

Satz — „A und nicht A“ und „A oder nicht A“ in Fuzzy-Mengen

Für jedes a = μ_A(x) ∈ [0, 1] gilt min(a, 1 − a) ≤ 0,5 ≤ max(a, 1 − a), mit Gleichheit genau für a = 0,5.

Beweis. Die Zahlen a und 1 − a ergeben zusammen 1, also ist die kleinere höchstens die Hälfte der Summe und die größere mindestens die Hälfte. Beide sind nur dann gleich 0,5, wenn sie einander gleich sind, also für a = 0,5. ∎

Beispiel. Bei 25 °C ist es zu 0,5 „warm“. Dann ist „warm und nicht warm“ = min(0,5; 0,5) = 0,5 und „warm oder nicht warm“ = max(0,5; 0,5) = 0,5 — der klassische Satz vom Widerspruch würde 0 verlangen, der Satz vom ausgeschlossenen Dritten 1. Bei der Wahrscheinlichkeit hätte „es wird mindestens 25 °C und es wird nicht mindestens 25 °C“ immer die Wahrscheinlichkeit 0.

4. Verknüpfen: wer mehr Information braucht

Die letzte Zeile der Tabelle ist vielleicht die wichtigste. Fuzzy-Logik ist wahrheitsfunktional: Der Wert von „A und B“ wird allein aus den Werten von A und B berechnet. Bei der Wahrscheinlichkeit geht das nicht.

Definition — Wahrheitsfunktionalität

Die Verknüpfung „und“ ist wahrheitsfunktional, wenn es eine Funktion g : [0, 1]² → [0, 1] gibt, sodass für alle Aussagen A, B der Wert von „A und B“ gleich g(Wert von A, Wert von B) ist. In der Fuzzy-Logik ist g = min (oder eine andere t-Norm).

Beispiel — warum Wahrscheinlichkeit nicht wahrheitsfunktional ist

Wir würfeln einmal. Das Ereignis A = „eine gerade Zahl fällt“ = {2, 4, 6} hat P(A) = 3/6 = 1/2. Nehmen wir drei Ereignisse B, alle mit Wahrscheinlichkeit 1/2:

• B = {2, 4, 6} (gerade): A ∩ B = {2, 4, 6}, P = 3/6 = 1/2,
• B = {4, 5, 6} (mindestens 4): A ∩ B = {4, 6}, P = 2/6 = 1/3,
• B = {1, 3, 5} (ungerade): A ∩ B = ∅, P = 0.

Die Eingaben sind jedes Mal gleich (1/2 und 1/2), die Ergebnisse drei verschiedene. Keine Funktion g kann aus (1/2, 1/2) zugleich 1/2, 1/3 und 0 liefern.

Satz — die Fréchet-Schranken

Für beliebige Ereignisse A, B gilt

max(0, P(A) + P(B) − 1) ≤ P(A ∩ B) ≤ min(P(A), P(B))

und beide Schranken können erreicht werden. Ohne Kenntnis der Beziehung zwischen A und B lässt sich P(A ∩ B) nicht genauer bestimmen.

Beweis. Obere Schranke: A ∩ B ⊆ A, also P(A ∩ B) ≤ P(A), und ebenso ≤ P(B). Untere Schranke: Aus der Formel für die Vereinigung P(A ∩ B) = P(A) + P(B) − P(A ∪ B) und aus P(A ∪ B) ≤ 1 folgt P(A ∩ B) ≥ P(A) + P(B) − 1; die Nichtnegativität liefert die 0. Die obere Schranke wird erreicht, wenn ein Ereignis ganz im anderen liegt (A ⊆ B); die untere, wenn sich die Ereignisse so wenig wie möglich überlappen — sind sie nicht unvereinbar, decken sie zusammen ganz Ω ab. ∎

max(0, P(A) + P(B) − 1) ≤ P(A ∩ B) ≤ min(P(A), P(B))

P(A ∩ B)

die Wahrscheinlichkeit, dass beide Ereignisse eintreten — das, was wir wissen möchten, aber aus zwei Zahlen nicht bestimmen können

max(0, P(A) + P(B) − 1)

untere Schranke — zwei Wahrscheinlichkeiten, die zusammen mehr als 1 ergeben, passen ohne Überlappung nicht ins Ganze; der Überschuss über eins muss sich überlappen. Die Null steht dort, weil die Überlappung ganz fehlen kann, wenn es keinen Überschuss gibt

min(P(A), P(B))

obere Schranke — beide Ereignisse zusammen können nicht häufiger eintreten als das seltenere von ihnen

Jede Annahme über die Beziehung der Ereignisse liefert eine Zahl aus dem Intervall — und jeder entspricht ein Fuzzy-„und“ (t-Norm) aus dem Teil über Fuzzy-Logik:

Daraus ergibt sich ein praktischer Unterschied. Ein Fuzzy-System lässt sich leicht und schnell berechnen, setzt aber stillschweigend eine bestimmte Beziehung zwischen den Begriffen voraus. Ein Wahrscheinlichkeitsmodell muss die Beziehungen ausdrücklich angeben — oder sie aus Daten lernen — und bekommt dafür Ergebnisse, die zu den Häufigkeiten in der wirklichen Welt passen.

5. Wahrscheinlichkeit eines Fuzzy-Ereignisses

Die beiden Unsicherheiten schließen sich aber nicht aus — oft tauchen beide zugleich auf. „Wie wahrscheinlich ist es, dass es morgen warm wird?“ enthält Zufall (welche Temperatur es geben wird) und Vagheit (was „warm“ ist).

Definition — Wahrscheinlichkeit eines Fuzzy-Ereignisses (Zadeh, 1968)

Ist X eine Zufallsvariable mit Dichte f und A eine Fuzzy-Menge auf ihren Werten, so ist die Wahrscheinlichkeit des Fuzzy-Ereignisses A

P(A) = E[μ_A(X)] = ∫ μ_A(x) f(x) dx.

Für eine scharfe Menge ist das die gewöhnliche Wahrscheinlichkeit. Hat X nur endlich viele Werte x_i mit Wahrscheinlichkeiten p_i, wird das Integral zur Summe: P(A) = ∑_i μ_A(x_i) p_i.

P(A) = ∫ μ_A(x) · f(x) dx

P(A)

Wahrscheinlichkeit des Fuzzy-Ereignisses — eine einzige Zahl, die beide Unsicherheiten zugleich trägt

f(x)

Dichte der Vorhersage — Zufälligkeit: wie wahrscheinlich die Temperatur x ist (im Bild die graue Kurve)

μ_A(x)

Zugehörigkeit — Vagheit: wie viel von der Temperatur x „warm“ ist; statt eines scharfen „zählt / zählt nicht“ geht jede Temperatur nur mit ihrem Anteil ein (im Bild bernsteinfarben)

∫ … dx

Aufsummieren über alle Temperaturen — wie bei der gewöhnlichen Wahrscheinlichkeit, nur wird nicht die ganze Dichte summiert, sondern die mit der Zugehörigkeit gewichtete Dichte; das Ergebnis ist die im Bild gefüllte Fläche

Die Vorhersage sagt, dass die Temperatur morgen normalverteilt ist mit Erwartungswert 24 °C und Standardabweichung 3 °C. „Warm“ ist das Dreieck (22, 28, 34) aus dem letzten Teil:

Beispiel — das Integral als Summe in Schritten von einem Grad

Die Dichte der Normalverteilung mit Erwartungswert m = 24 und Standardabweichung σ = 3 ist f(x) = e^{−(x − m)² / (2σ²)} / (σ √(2π)). Für 25 °C: f(25) = e^−1/18 / (3 · 2,5066) = 0,9460 · 0,1330 = 0,1258. Die Zugehörigkeit zum Dreieck (22, 28, 34) auf der steigenden Seite ist (x − 22) / (28 − 22), also μ(25) = 3/6 = 0,5. Die Temperatur 25 °C trägt also 0,5 · 0,1258 = 0,0629 pro Grad bei.

Außerhalb des Intervalls (22, 34) ist μ = 0, also genügt es, die Beiträge der ganzen Grade von 23 bis 33 zu addieren (jeweils mal eine Breite von 1 °C):

x (°C)	23	24	25	26	27	28	29	30	31	32	33
μ(x)	0,17	0,33	0,50	0,67	0,83	1,00	0,83	0,67	0,50	0,33	0,17
f(x)	0,126	0,133	0,126	0,106	0,081	0,055	0,033	0,018	0,009	0,004	0,001
μ · f	0,021	0,044	0,063	0,071	0,067	0,055	0,028	0,012	0,004	0,001	0,000

Die Summe der letzten Zeile ist 0,367 — selbst mit einem so groben Schritt dasselbe wie das exakte Integral. Die größten Beiträge liefern nicht die wärmsten Tage (28 °C sind ganz „warm“, aber wenig wahrscheinlich) und auch nicht die wahrscheinlichsten (24 °C sind nur zu einem Drittel „warm“), sondern 25–28 °C, wo beide Zahlen vernünftig groß sind.

Die Wahrscheinlichkeit des Fuzzy-Ereignisses „es wird warm“ ergibt 0,367 — fast genauso viel wie die Wahrscheinlichkeit des scharfen Ereignisses „es wird mindestens 25 °C“ (0,369). Das ist ein Zufall dieser Vorhersage. Wenn wir die Vorhersage verschieben, gehen sie auseinander:

Bei einer kühlen Vorhersage liefert das Fuzzy-Ereignis mehr, weil es auch die „etwas warmen“ Tage unter 25 °C mitzählt. Bei einer Vorhersage von 28 °C dagegen deutlich weniger: Das scharfe Ereignis „mindestens 25 °C“ schließt mit Sicherheit auch 33 °C ein, aber das ist nach unserer linguistischen Variable nicht mehr „warm“, sondern „heiß“. Das Fuzzy-Ereignis hält sich an das, was das Wort wirklich bedeutet.

6. Wörter für Wahrscheinlichkeit

In einem Artikel von 1964 beschrieb Sherman Kent, Analyst der CIA, dass Geheimdienstberichte voller Wörter wie „wahrscheinlich“ oder „fast sicher“ sind — und dass sich jeder Leser darunter eine andere Zahl vorstellt. Er schlug eine Tabelle vor: „fast sicher“ um 93 %, „wahrscheinlich“ um 75 %, „etwa halbe-halbe“ um 50 %, „eher nicht“ um 30 % und „fast sicher nicht“ um 7 %, jeweils mit einer Spannweite. Hier treffen sich die beiden Unsicherheiten perfekt: Wörter für Wahrscheinlichkeit sind Fuzzy-Mengen auf Wahrscheinlichkeiten.

Beispiel — welches Wort zu einer gegebenen Wahrscheinlichkeit passt

Die Wörter sind Dreiecke um Kents Werte: „wahrscheinlich“ ist (0,6; 0,75; 0,9), „eher nicht“ (0,18; 0,3; 0,42), „etwa halbe-halbe“ (0,38; 0,5; 0,62). Die Breite der Dreiecke ist unsere Wahl zur Veranschaulichung, nicht Kents Tabelle. Auf der fallenden Seite des Dreiecks (a, b, c) ist μ(p) = (c − p) / (c − b), auf der steigenden (p − a) / (b − a).

• p = 0,8: μ_{wahrscheinlich} = (0,9 − 0,8) / (0,9 − 0,75) = 0,1 / 0,15 = 0,67; die übrigen Wörter haben bei 0,8 null.
• p = 0,37: μ_{eher nicht} = (0,42 − 0,37) / (0,42 − 0,3) = 0,05 / 0,12 = 0,42; „etwa halbe-halbe“ beginnt erst bei 0,38, hat also 0,00.

Am besten passt das Wort mit der größten Zugehörigkeit: Wort(p) = argmax_s μ_s(p).

Die Wahrscheinlichkeit 0,8 ist zu zwei Dritteln „wahrscheinlich“; die 0,37 aus unserer Vorhersage trifft am besten „eher nicht“. Ähnlich arbeitet heute etwa der Weltklimarat (IPCC): „likely“ bedeutet 66–100 % und „very likely“ 90–100 %, damit die Wörter in den Berichten nicht zu einer anderen Deutung verleiten.

7. Der Streit um die Unsicherheit

In den achtziger Jahren entbrannte ein Streit, den zwei Stimmen gut wiedergeben. Der Statistiker Dennis Lindley behauptete, die einzige vernünftige Beschreibung von Unsicherheit sei die Wahrscheinlichkeit — und alles, was die Fuzzy-Logik tut, könne die Wahrscheinlichkeit besser. Bart Kosko argumentierte umgekehrt, Wahrscheinlichkeit sei nur ein Spezialfall von Unschärfe. Beide hatten ein Stück weit recht. Für Entscheidungen unter Unsicherheit, Lernen aus Daten und Wetten hat die Wahrscheinlichkeit ein starkes theoretisches Fundament: Wer nach anderen Zahlen als Wahrscheinlichkeiten wettet, mit dem lässt sich eine Reihe von Wetten abschließen, bei denen er sicher verliert. Für die Arbeit mit unscharfen Wörtern, handgeschriebene Regeln und einfache Regelung sind Fuzzy-Mengen natürlicher und verständlicher. Heute werden beide Theorien nebeneinander verwendet, jede für das, wozu sie passt.

Beispiel — Wetten, bei denen man sicher verliert

Das Argument formulierte Bruno de Finetti (1931, unabhängig von ihm Frank Ramsey 1926); hier in vereinfachter Form. Wer einem Ereignis A einen „Grad der Überzeugung“ q(A) zuschreibt, ist bereit, für q(A) Euro eine Wette zu kaufen, die 1 Euro auszahlt, wenn A eintritt.

Ein Wettender glaubt zu 0,6, dass es morgen regnet, und zu 0,6, dass es nicht regnet — zusammen 1,2, im Widerspruch zu P(A) + P(¬A) = 1. Wir verkaufen ihm beide Wetten:

• er zahlt 0,6 + 0,6 = 1,20 €,
• wie auch immer das Wetter ausfällt, genau eines der Ereignisse tritt ein, also bekommt er genau 1 € zurück,
• er verliert 1,2 − 1 = 0,20 € — sicher, unabhängig vom Wetter.

Ergäben die Zahlen zusammen weniger als 1 (etwa 0,4 + 0,4), kaufen wir ihm die Wetten umgekehrt für 0,8 ab und zahlen 1 aus — er verliert wieder 0,2. Sicher ist nur eine Summe von genau 1. Ähnlich lässt sich zeigen, dass der Schutz vor sicherem Verlust alle Kolmogorow-Axiome erfordert (für endlich viele Ereignisse). Fuzzy-Zugehörigkeiten haben keine Summe 1 — und das ist kein Fehler, denn es geht nicht um Wetten darauf, was eintritt.

8. Beide Unsicherheiten in der künstlichen Intelligenz

• Maschinelles Lernen ist überwiegend probabilistisch. Klassifikatoren und Sprachmodelle liefern Wahrscheinlichkeitsverteilungen; sie lernen durch Maximierung der Likelihood, wie die Teile über Statistik und Informationstheorie gezeigt haben.
• Kalibrierung. Wenn ein Modell 90 % behauptet, sollte es in neun von zehn Fällen recht haben. Kalibrierung ist eine rein probabilistische Eigenschaft und lässt sich messen.
• Sicherheit in Worten. Sprachmodelle drücken ihre Sicherheit oft in Worten aus — „wahrscheinlich“, „höchstwahrscheinlich“, „vielleicht“. Hier hilft Kents Überlegung: Ein Wort ist eine Fuzzy-Menge auf Wahrscheinlichkeiten, und wenn verbale Sicherheit nützlich sein soll, muss sie den Zahlen entsprechen, die dahinterstehen.
• Fuzzy-Regeln werden weiterhin dort eingesetzt, wo eine handgemachte, lesbare Regelung ohne große Datenmengen gebraucht wird — von Waschmaschinen bis zur Prozesssteuerung in der Produktion.

9. Zusammenfassung

• Wahrscheinlichkeit beschreibt Zufälligkeit — ob ein Ereignis eintritt; Fuzzy-Zugehörigkeit beschreibt Vagheit — wie sehr ein Element einem Begriff entspricht.
• Nach der Beobachtung wird die Wahrscheinlichkeit zu 0 oder 1, die Zugehörigkeit bleibt gleich (Bezdeks Flaschen).
• Wahrscheinlichkeiten summieren sich zu eins und P(A ∩ ¬A) = 0; Zugehörigkeiten nicht.
• Fuzzy-Logik ist wahrheitsfunktional; bei der Wahrscheinlichkeit liegt P(A ∩ B) nur zwischen den Fréchet-Schranken, und das Fuzzy-Minimum ist die obere.
• Beide Unsicherheiten lassen sich verbinden: Die Wahrscheinlichkeit des Fuzzy-Ereignisses „es wird warm“ ist der Erwartungswert der Zugehörigkeit; Wörter für Wahrscheinlichkeit sind Fuzzy-Mengen auf Wahrscheinlichkeiten.

Willst du es selbst ausprobieren? Frag ein paar Leute, welche Prozentzahl sie sich unter „wahrscheinlich“ und „eher nicht“ vorstellen, und lass einen KI-Agenten aus den Antworten Zugehörigkeitsfunktionen zeichnen.

Siehst du das anders? Schreib an support@coden-app.com.