在上篇認知偏差：大腦的「非理性」你認知多少？的文章中，我們介紹了人的大腦認知中存在的幾種基本的認知偏差，分析了它們的「非理性」的一面及其所起到的不良作用。
有人可能會問：這些看起來「非理性」的認知方式，為什麼我們每個人或多或少都有，是普遍存在同時也是普遍接受的呢？而且，這些看起來「非理性」的認知方式，許多時候並不認為是「非理性」的，而是「理性」的。
因為，這些看起來「非理性」的認知方式，它們有時確實起到一定積極的作用，比如說使人們思維更簡捷、更省力、有時更有效。實際上，我們每天所做的各種認知判斷與決策，絕大部分是從潛意識的、看起來「非理性」的方式做出的。我們往往沒有必要、常常也是沒有時間凡事從完全「理性」的詳細分析出發來生活。
有人可能會感到納悶：一會兒說這些人的大腦認知是「非理性」的，怎麼一會兒又說是 「理性」的了呢？一會兒說這些思維方式起到消極作用，怎麼一會兒又說起到積極作用了呢？許多人會感到相當奇怪，這不是被搞糊塗了嗎！?這是什麼邏輯呀！?
最後這兩個驚嘆加問號感嘆與問到了點子上。有一種邏輯，就叫做」模糊邏輯」。模糊邏輯，英文Fuzzy Logic，是一門建立在多值邏輯基礎上，運用模糊集合的方法來研究人的模糊性認知思維、語言形式及其規律的科學。
對於這個模糊邏輯的科學定義，有人可能又會感到有點模糊，什麼是多值邏輯？什麼是模糊集合？什麼是模糊性認知思維、語言形式及其規律？下面，我們用通俗的語言來簡單解釋這個用來描述人的大腦認知邏輯的模糊邏輯。
要簡單解釋模糊邏輯，首先自然需要簡單解釋一下邏輯。邏輯，英文Logic的音譯，又稱推理或推論。簡單來說，邏輯基於一定的前提條件，基於前提的真實性及其聯繫，推導出一定的結論。對人的思維來講，就是根據所接收到的外界輸入信息，基於所具有的知識與規則，推導出一定的輸出判斷與決策信息。
信息的輸入與輸出是現代邏輯學及現代科技中極為重要的工具。我們就從一個極為簡單的信息的輸入與輸出方式說起，結合日常生活實例，來對模糊邏輯理論的基本原理加以簡單解釋。
舉例來講，日常生活裡我們總是面對這樣或那樣的認知與決策，比如「是」還是「否」，是「想要」還是「不想要」，等等。傳統邏輯比如用1表示想要的，0表示不想要的，就如電腦裡的基本計算的比特單位一樣，不是開就是關。當電流開關打開時為1，當電流開關關閉時為0。我們現在每天所接觸的海量的信息都是基於這樣的邏輯以及由1010所組成的文字、圖像、聲音、語言等組成。
這樣的基本邏輯是，如果輸入的是1或0，那麼輸出就應該是1或0的準確信息，如俗話所說：「一是一、二是二，毫不含糊」。設想如果輸入的是1或0，電腦輸出的不是代表1或0的準確信息，而是一會兒這樣、一會兒那樣的模糊信息，那麼當今電腦與網際網路就不可能為我們做任何精確計算與準確的信息存儲與傳輸。
可是，用這樣傳統電腦的邏輯思維與分析方式來描述人的複雜的認知思維方式時，事實證明往往行不通。舉例來說：當一個人一心一意、全心全意地想要或不想要的時候：輸出不是等於1就是0，這時體現的是上面傳統的思維與分析模式。如果當一個人半心半意、半真半假地想要或不想要的時候：輸出則為1/2。如果當一個人三心二意、猶豫不決地想要或不想要的時候：輸出則為1/3或為2/3，等等。人的認知所輸出的想要和不想要的概率並不只是單純地等於1或0，而可能是在0與1之間的任何數。這些所有可能的數的集合，數學裡表示為[0,1]，在模糊數學裡就稱為模糊集合。
有人可能會問，模糊數學裡的模糊集合是如何來描述人的認知的邏輯思維方式的呢？我們舉個邏輯推斷悖論為例來解釋。舉例來講，剛出生1天的人為小孩，出生2天的人為小孩，出生3天的人為小孩，……，出生n天的人為小孩；既然出生n天的人為小孩，那麼出生n+1天的人也為小孩，……；以此類推，出生36500天的人也為小孩。最後得出的悖論是：100歲的老人竟然也是小孩。
這樣的邏輯推斷悖論在日常生活中很多，比如，賭1次成不了賭癮，賭2次成不了賭癮，賭3次成不了賭癮，……，賭n次成不了賭癮；既然賭n次成不了賭癮，那麼賭n+1次也成不了賭癮，……；以此類推，賭1萬次也成不了賭癮。又如，減肥吃1口肥肉沒問題，吃2口沒問題，吃3口沒問題，……，吃n口沒問題；既然吃n口沒問題，那麼吃n+1口也沒問題，……；以此類推，吃上一千口也沒問題。
有人可能會問，這些悖論的問題在哪裡呢？問題的關鍵所在是：把n的概念搞得模糊不清了。比如第一個例子，雖然人的認知沒有n的明確概念，但是人們基於本能、或常識、或知識等都知道n為大約多少天即大約多少歲時成為少年、青年、壯年、老年等。由於有這些不同概念的比較，雖然概念本身並未精確定義為多少天，是模糊的，但是卻搞得清。
當一個認知不能用一個分明的集合來表達其外延的時候，便有某些對象在認知的正反兩面之間處於亦此亦彼的形態，它們的類屬劃分便不分明了，呈現出模糊性。所以模糊性也就是認知外延的不分明性、我們對認知歸屬的亦此亦彼性。
在研究系統的不確定性現象中，隨機性是人們最熟悉的概念。但是模糊性與隨機性是不同的另一種不確定性。隨機性是由於條件不充分而導致的結果的不確定性；模糊性所反映的是即使條件充分而導致的結果的不確定性。隨機性可用概率論的數學方法加以處理，模糊性則需要運用模糊數學來加以處理。
模糊這個詞意味著東西。在我們的日常生活中，我們每天都在使用許多的不太清楚或含糊不清的模糊語言，比如，有點、稍微；略微、差不多、大概、一般、基本上、大多、相當、幾乎、……等等。它使我們不必要用準確的百分比來表達，從而更簡單、省力、有效等。可是，這些模糊的認知色彩如果用電腦就不可能直接表示，比如電腦需要搞清楚：「有點」具體是有多少，「差不多」具體是差多少。為此，我們需要制定一定的模糊界限或模糊區間。
傳統邏輯賦予電腦自動判斷和決策的能力，但是卻並不完美，甚至限制了電腦的能力，因為人類判斷和決策往往沒那麼簡單。傳統邏輯能夠很好處理是非很清晰的場景，比如用電腦可以輕鬆編寫這樣的程序，模擬我們這樣的認知：「如果下雨那麼出門就帶傘」，因為下不下雨是一個清晰的是非邏輯。
然而，實際中我們往往需要考慮的還有諸如似是而非的問題：如果下的是毛毛細雨，或即將雨過天晴，或多小的雨才不需帶傘，多久的雨才用帶傘呢？在這些情況下，我們的認知是：「即使下雨，根據下雨情況，才決定是否帶傘」。
所以，你的親友也許會說，還是帶上傘好；你卻可能會說，不用帶傘。你和你的親友都沒有一個清晰的帶傘的標準，有的是一個模糊的帶傘與不帶傘的概念。對於人的決策來說往往沒有一個清晰的門檻。
模糊邏輯就是用來解決這樣的分類和決策難題的。模糊邏輯為推理提供了有價值的靈活性。模糊邏輯便於我們更好地描述人的認知、語言、概念等的模糊性。基於模糊理論的模糊決策開始廣泛應用於企業管理決策系統，如模糊證券交易決策支持系統。
以人的大腦思維模式為模型的計算神經網絡，越來越多地與模糊邏輯相結合，以執行更多、更有效的智能模擬。軟體人員使用神經網絡來產生模糊規則，使用模糊技術設計神經網絡。
模糊邏輯已廣泛應用於從控制理論到人工智慧領域，如汽車、冰箱、空調、微波爐、洗碗機、手寫識別軟體等等。 它旨在讓計算機確定數據之間的區別，既不是真也不是假。類似於人類認知推理的過程。模糊邏輯可能不提供準確的推理，但可提供唯一可接受的推理，它為複雜問題提供了最有效的解決方案。