هوش مصنوعی در بورس

هوش مصنوعی در بورس

هوش مصنوعی فناوری است که در تمام زمینه ها در حال نفوذ است و بازار بورس

استفاده از هوش مصنوعی در مدیریت ، به یکی از بزرگترین روندهای مدیریت اوراق

بهادار سرمایه گذاری و انتخاب سهام برنده تبدیل شده است. در حالی که شرکت های بزرگ

سالهاست که از AI استفاده می کنند تا حجم انبوهی از داده ها ، از جمله عملکرد سهام ،

روند رسانه های اجتماعی ، تفسیر شرکت ها ، روند کارت های اعتباری ، رفتار مصرف

کننده و غیره را استخراج کنند ، ظهور و گسترش انتشار مبتنی بر هوش مصنوعی

tech بازارهای جهانی سهام را در دوره جدیدی قرار داده است.از این قضیه مستثنا نیست

ورود هوش مصنوعی در بورس

در گذشته ، تجزیه و تحلیل این داده ها از طریق تجزیه و تحلیل کمی وقت گیر و فراتر از

توانایی های انسان های معمولی بود ، فقط برای شرکت های بزرگ سرمایه گذاری مانند

گلدمن ساکس و J.P مورگان ، که نزدیک به 20٪ از پرتفوی خود را با هوش مصنوعی

مدیریت می کردند ، استفاده می شد. اکنون که هوش مصنوعی تقریباً همه گیر است و موانع

ورود به آن کاهش یافته است ، کارگزاران و شرکت های نوپا به دنبال استفاده از این فناوری

برای ایجاد یک مدل جدید برای سرمایه گذاران برای انتخاب سهام هستند. برای اینکه بهتر با

روند استفاده از هوش مصنوعی در بورس آشنا بشویم باید بدانیم که هوش مصنوعی و بورس

چیست؟

هوش مصنوعی: 

ساده ترین تعریف از هوش مصنوعی ، مربوط به دهه 1950 می باشد که توسط یکی از

پروفسورهای دارتموث ، جوزف مک کارتی ارائه شد. روشی برای استفاده از نرم افزار

برای تقلید از جنبه های یادگیری و تصمیم گیری است ، به گونه ای که می توان از یک

ماشین برای شبیه سازی آن استفاده کرد. از زمان شروع استفاده از هوش مصنوعی ،

برنامه های کاربردی آن تغییر کرده و روش آن برای جابجایی فناوری رشد بیشتر شده

است. اکنون که فناوری مدرن توانسته پا به پای مفهئم هئش مصنئوعی پیش برود،

هوش مصنوعی تقریباً در همه جا مورد استفاده قرار می گیرد. برنامه ویز شرکت گوگل

از هوش مصنوعی برای پیش بینی وضعیت ترافیک بهره می برد. در خرید های آنلاین

هوش مصنوعی قیمت ها را به روز رسانی می کند و برای مشتریان پیشنهاداتی ارائه

می دهد. خدمات تاکسی های اینترنتی از این فناوری برای تخمین قیمت منصفانه بنا به

پیک ترافیک و مسافت استفاده می کنند.بانک ها برای تشخیص کلاه برداری از این

تکنولوژی استفاده می کنند و یا اینکه صلاحیت دریافت اعتبار بیشتر برای کارت اعتباری

را دارند یا خیر. امروزه تمامی پرواز ها از خلبان خودکار هو شمصنوعی استفاده می کنند

و خلبانها ها تنها هفت دقیقه از پرواز که شاما برخواستن و نشستن است را در طول پرواز

در دست دارند. فیلترهای اسپم در ایمیل شما الگوهای رفتاری ناخواسته و تاکنیک های

کلاهبرداری را تحت نظر می گیرند. هوش مصنوعی می تواند درپزدی های ادبی را به

سرعت در مقالات دانشگاهی شناسایی کند. رسانه های اجتماعی ، مانند فیس بوک و

اسنپ چت ، از هوش مصنوعی در چندین عملکرد استفاده می کنند تا شما را با دوستان

خود متصل کنند ، چهره هایی را برای تگ کردن بشناسند.

هوش مصنوعی مدرن

این لیست به همین موارد ختم نمی شود و ادامه دارد پس اگر فکر می کنید که هوش مصنوعی

 یک پیامد نوین است کاملا در اشتباه هستید. هوش مصنوعی، هر چقدر ساده، دهه ها است که

وجود دارد. جنبه های هوش مصنوعی در سال های اخیر اصلاح شده است ، که یادگیری ماشین

و یادگیری عمیق از جمله مهمترین و محبوب ترین آنها است.یادگیری ماشین تکنیکی از

هوش مصنوعی است که شما با استفاده از یک الگوریتم که توسط تکنسین نوشته شده است به

ماشین یاد می دهید تا کاری را انجام دهد. این شامل مواردی مانند شناسایی شماره تلفن مجازی

خاص از کشور دیگر و سپس انتقال آن به یک مرکز تماس خاص است. با افزودن الگوریتم های

بیشتر و جمع آوری داده ها ، هوش مصنوعی دقیق ترمی شود و قادر به پردازش داده ها برای

تصمیم گیری آگاهانه بهتر می شود. یادگیری عمیق هم شبیه به یادگیری ماشینی است یعنی

با استفاده ار مجموعه ای از الگریتم ها کار خاصی را انجام می دهد و در مرور زمان عملکرد

خود را بهتر می کند. اما این تکنیک فرا تر می رود و و از شبکه های عصیس که به عملکرد

مغز شباهت دارند استفاده می کند تا الگو های جدید را یاد بگیرد. با توجه به اینکه محققان هر ساله

مرز های این تکنولوژی را جا به جا می کنند و مفهوم های جدیدی را ارائه می دهندیادگیری عمیق

به نوعی هوش احساسی تبدیل شده که به یادگیری ادامه می دهد. به طور معمول ، یادگیری عمیق

با ایجاد توانایی سازگاری با داده های جدید و ایجاد الگوریتم ها برای ایجاد خروجی مطلوب ،

باعث ایجاد یادگیری در دستگاه می شود. البته انجام این کار مستلزم داضشتن توان محاسباتی

قوی است که اخیرا انسانها توانسته اند که به این توانایی دست یابند.

بازار بورس چیست ؟

حالا که یک شناخت نسبی به هوش مصنوعی ارید باید بدانید که بورس چیست و بازار بورس

چگونه کار می کند ؟ بازار بورس مکانی است که سهام شرکت های دارای فهرست های معاملاتی

معامله می شود. بورس اوراق بهادار کارگزاران سهام را برای تجارت سهام شرکت و سایر اوراق

بهادار تسهیل می کند. سهام فقط درصورتی که در بورس موجود باشد می تواند خریداری یا فروخته

شود. سهام یک ابزار مالی است که نشان دهنده مالکیت در یک شرکت یا کسب و کار کرده است .

مالکیت سهام به این معنی است که سهامدار صاحب یک قطعه از شرکت برابر با تعداد سهام است

که به عنوان بخشی از کل سهام باقیمانده شرکت در اختیار دارد. به عنوان مثال ، یک شخص یا

مؤسسه ای که صاحب 100000 سهم یک شرکت با یک میلیون سهم برجسته است ، می تواند 10٪

سهام مالکیت در آن داشته باشد. اکثر شرکت ها سهم قابل توجهی دارند که به میلیون ها میلیارد ها

سهم می رسند. معاملات بورس شامل خرید و فروش سهام بصورت مکرر در تلاش برای زمانبندی

بازار است. هدف معامله گران بورس این است که بر رویداد های کوتاه مدت در بازار سرمایه گذاری

کنند تا سهام را برای سود بفروشند یا سهام را با کمترین میزان خریداری کنند. سرمایه گذاران که

تجارت سهام می کنند تحقیقات گسترده ای انجام می دهند و اغلب روزانه ساعت ها را برای پیگیری

اخبار بازار اختصاص می دهند.

 نقش هوش مصنوعی در خرید و فروش در بورس سهام

بنابراین ، چگونه هوش مصنوعی در بورس سهام اعمال می شود؟ برای فناوری ای که برای جمع آوری

سریع شماره ها و تصمیم گیری بهینه استفاده می شود ، هوش مصنوعی به صورت  طبیعی برای دنیای

امور مالی مناسب است. یادگیری عمیق و یادگیری ماشینی به بنگاههای اقتصادی این امکان را می دهد که

نه تنها نوسانات قیمت سهام را تجزیه و تحلیل کنند ، بلکه داده های ساختار بندی نشده ای را نشان می دهند

که الگوهای رفتاری را آشکار می کند که ممکن است توسط یک انسان قابل درک  نباشد. این امر می تواند

شکل جدیدی از دقت را در تصمیم گیری های معاملات که فراتر از استراتژی های سنتی سرمایه گذاری

است ، فراهم کند. به همین ترتیب ، فناوری هوش مصنوعی تقاضای خود را برای “مشاوران رباتیک”

افزایش داده است ، که می تواند الگوهای معاملاتی یک سرمایه گذار را شخصی سازی کند و اهداف مالی

آنها را به شیوه ای منسجم تر مورد هدف قرار دهد. البته اینها فقط برخی از کاربردهای شناخته شده

هوش مصنوعی است. بورس های اوراق بهادار در سراسر جهان کاربرد AI را درک کرده اند و تمرکز

خود را به سمت جذب متخصصان هوش مصنوعی از دره سیلیکون و وال استریت  وافراددیگر آغاز کرده اند.

این شرکت رقابتی باعث شده است که شرکتها این برنامه را با کاربردهای سرمایه گذاری در دنیای واقعی

پیش ببرند ، اما میزان اینکه شرکتهای سرمایه گذاری چه بزرگ و چه کوچک ، آشکار یا محرمانه از آن

استفاده می کنند مشخص نیست . نمی توان انکار کرد که هوش مصنوعی یک جهش بزرگ در دنیا محسوب

می شود اما کارشناسان اعتقاد دارند که با استفاده بیشتر از هوش مصنوعی در بازار بورس سهام

هوش مصنوعی بی فایده می شود چرا که همه از همان تحلیل ها استفاده می کنند اما باز می تواند تفاوت هایی

وجود داشته باشد برای مثال کدام هوش مصنوعی بهتر عمل می کند و یا دقیق تر می باشد. اما با این حال

هوش مصنوعی از اکثر مردم آنالیز دقیق تری خواهد داشت.

تاثیر های هوش مصنوعی و یادگیری ماشینی در بورس

در واقع ، هوش مصنوعی و یادگیری ماشینی قدرت حل مشکلات در مقیاس بزرگ در حوزه بورس را دارند.

این شرایط یا مشکلات معمولاً در رابطه با بهینه سازی ، تحلیل و پیش بینی است. با استفاده از این قدرت ،

AI و ML به روش های مختلف بر تجارت تأثیر گذاشته اند.

شناسایی و تجزیه و تحلیل پیش بینی کننده ها (عوامل) قیمت سهام

هوش مصنوعی و ML از شبکه های عصبی و چندین روش یادگیری برای شناسایی و تجزیه و تحلیل عوامل

منجر به تغییردر  قیمت سهام خاص استفاده می کنند. این عوامل همچنین به عنوان پیش بینی کننده یا ویژگی

شناخته می شوند. بر اساس این عوامل ، AI و ML قیمت سهام آینده را پیش بینی می کنند. همچنین، این کاربرد

هوش مصنوعی نمونه ای از Machine Learning است.

تصمیمات مبتنی بر واقعیت

هوش مصنوعی یک سیستم خودکار است که مبتنی بر واقعیت می گیرد بر خلاف انسان که تصمیمات آن توسط

احساساتی مانند ترس ، حرص و طمع ، امید و دستور کار هدایت می شود. با این تصمیمات مبتنی بر واقعیت،

تجارت برای فعالان بازار سود آورتر شده است.

تغییر در الگوهای استخدامی در حوزه تجارت

با ظهور تجارت مبتنی بر واقعیت ، هوش مصنوعی نیز نیاز انسان را برای کمک به مدیریت همین امر به

ارمغان آورده است. از آنجا که تجارت مبتنی بر AI و ML به افراد ماهر در ریاضیات ، برنامه نویسی رایانه

و غیره نیاز دارد ، اکنون دامنه تجارت استخدام کارمندان در زمینه های مختلف افزایش یافته است.

استفاده از Chatbot ها

AI و ML به طور قابل توجهی ارزش زندگی روزمره معامله گران را با چندین مورد مفید مثلاً چت بات ها

افزوده اند. Chatbot ها نحوه تجارت را بهبود بخشیده است زیرا معامله گران نه تنها راحت تر می توانند

با chatbot ارتباط برقرار کنند بلکه به طیف وسیعی از اطلاعات  نیز دسترسی دارند. علاوه بر این،

چت بات ها خود را آموزش می دهند و نیازی به مداخله انسانی ندارد.

سناریوهای خطر شبیه سازی شده

از آنجا که هوش مصنوعی به پیش بینی قیمت سهام در حوزه تجارت کمک می کند ، بهترین ابزار

برای بازار سهام است. با پیش بینی دقیق ریسک ، معامله گر می تواند تصمیمات عاقلانه ای اتخاذ کند.

هوش مصنوعی توانایی جمع آوری داده های جمعی را برای تجزیه و تحلیل مشابه با سرعت و دقت

استثنایی دارد. با استفاده از این توانایی ، می توان سودهای بالقوه را به حداکثر رساند و سناریوهای خطر

را شبیه سازی کرد. از این رو ، AI و ML تجارت تجاری را به سمت سودآور تر معامله گران سوق داده اند.

پیاده سازی و کاربردهای هوش مصنوعی در تجارت بورس

یادگیری ماشینی در حوزه تجارت چندید ساز و کار دارد که به معرفی برخی از آنها می پردازیم

پیش بینی تغییر قیمت سهام بر اساس داده های پیشین

یادگیری ماشینی مستلزم تغذیه داده های تاریخی به سیستم است تا بتواند تصمیم خود را در آینده بر اساس

آنها بگیرد. از این رو ، برای پیش بینی قیمت سهام که متغیرهای هدف نامیده می شوند ، یادگیری ماشین

از داده های پیشین استفاده می کند که متغیرهای پیش بینی کننده نام دارد. برای انجام این کار ، الگوریتم

موجود در یادگیری ماشینی می آموزد که متغیرهای پیش بینی کننده را برای پیش بینی متغیرهای هدف

بکار گیرد.

تسریع جستجو برای استراتژی های بازرگانی الگوریتمی موثر

یادگیری ماشینی همچنین برای تسریع در جستجوی استراتژی های مؤثر تجارت الگوریتمی توسعه یافته شده

است. از آنجا که یک رویکرد خودکار ارائه می دهد ، بسیار بهتر از فرآیند دستی است. این استراتژی های

معاملات الگوریتمی با کمک بهینه سازی سود و شبیه سازی خطرات ، به معامله گران کمک می کنند.

به هر حال ، در صورت داشتن اتوماسیون برای حمایت از شما برای هر کار ، مزیت رقابتی وجود دارد.

به عنوان مثال ، استراتژی های مختلفی وجود دارد که از آن استفاده می کند تا از یاد گیری ماشینی برای

بهینه سازی الگوریتم ها ، مانند رگرسیون خطی ، یادگیری عمیق ، شبکه های عصبی و غیره استفاده کند.

تعداد بازار های تحت نظر

یادگیری ماشینی همچنین به افزایش تعداد بازارهای تحت نظر توسط فرد و پاسخ به آنها کمک می کند.

هرچه تعداد بازارها بیشتر باشد ، شانس یک معامله گر بهتر است که در سود آور ترین بازار سرمایه گذاری

کند. از این رو می توانید با اجرای این برنامه ماشینی ، فرصت های خود را افزایش دهید. چندین شرکت

مشهور مانند Renaissance Technologies و Citadel وجود دارند که برای تصمیم گیری در زمینه

سرمایه گذاری خود از یادگیری ماشینی استفاده می کنند.

البته باید این مورد را در نظر داشت که هوش مصنوعی چون بر مبنی  یکسری از قوانین فعالیت می کند

 نمی تواند همه جنبه ها را در نظر بگیرد اتفاقات غیر مترقبه ای که امکان وقوع آن وجود دارد خارج از

دید هوش مصنوعی قرار دارد بنابراین می تواند تاثیر منفی در داد و ستد بازار بورس داشته باشد.

همانطور که در این مطلب اشاره کردیم جای هیچ شکی وجود نئارد که هوش مصنوعی برای انجام امور مالی

بسیار گزینه مناسبی است و می تواند کارایی فوق العاده ای را در این حوزه داشته باشد. اما باید در نظر داشت

که برای گرفتن تصمیمات با کمترین درصد خطا باید حجم عظیمی از اطلاعات را در اختیار ماشین تعریف کرد.

هوش مصنوعی می تواند بسیاری واقعیت ها را در نظر بگیرد و بر آن مبنی تصمیم گیری کند می تواند خطرات

را در یک سناریو شبیه سازی کند و حتی به شمادر زیر نظر گرفتن چندین بازار سهام کمک کند.

هوش مصنوعی و شغل

هوش مصنوعی و شغل

شاید به نظر برسد که رابطه هوش مصنوعی و شغل ملزم به یادگیری برنامه نویسی باشد اما در واقع اینگونه نیست.

میلیون ها نفر در سراسر جهان بخاطر شیوع کرونا شغل خود را از دست داده اند. اما میزان در خواست نسبت به

عرضه بسیار بیشتر است.  مدیریت منابع انسانی و مدیریت مجموعه ها بر این باورند که هوش مصنوعی می تواند

کلید حل این معضل برای کل جهان باشد. بنابراین محققان اعتقاد دارند که که استفاده از هوش مصنوعی می تواند

 عمدتا روند شغل یابی را کارآمد تر سریع تر و راحت تر می کند.

هوش مصنوعی متقاضیان و شغل ها را به هم وصل می کند

در طول سه سال گذشته ، نقش هوش مصنوعی در استخدام به شدت مورد مطالعه قرار گرفته است. این تحقیق

نشان می دهد که نامزدهای شغلی تمایل به استفاده از هوش مصنوعی در فرآیند استخدام و پیدا کردن راحت تر

شغل دارند تا روی آوردن به رویکردهای آنالوگ سنتی. اگرچه شرکت ها چند سال است که از هوش مصنوعی

برای استخدام استفاده می کنند ، اما متقاضیان کار اخیراً قدرت هوش مصنوعی را برای کمک به آنها در

جستجوی خود کشف کرده اند. قبلا اگر می خواستید دنبال شغل باشید باید به سایت های شغل یابی مثل

 Monster.com,می رفتید و با استفاده از کلمه کلیدی شغل مورد نظر خود را انتخاب می کردید که صدها و یا هزاران

جواب را به شما بر می گرداند. حتی طبقه بندی آنها نیز کار بسیار دشواری بود.

راهکار هوش مصنوعی برای یافتن شغل

امروزه با وجود شرکت های مبتنی بر هوش مصنوعی مانند  Eightfold, Skillroads و Fortay, دیگر

فرایند کاری، جوستجوی شغل نیست بلکه در مورد تطابق متقاضیان با شغل های موجود می باشد. شما در مورد

قابلیت ها و تنظیمات برگزیده خود به چند سؤال پاسخ می دهید و پیوندی به LinkedIn یا پروفایل های دیگر

خود ارائه می دهید. سپس سیستم های هوش مصنوعی که قبلاً هم مشاغل آزاد را ثبت کرده اند ، و هم شرکت های

پشت پرده را بازبینی کرده اند  گزارش های مطابقت را تهیه می کنند که از نظر شغل و شرکت بهترین

گزینه ها را برای شما ایجاد می کنند. به طور معمول ، یک نمره کلی وجود دارد که درصدی از0٪ تا 100٪

را برای هر شغل در نظر می گیرند.در بسیاری از موارد ، این گزارش حتی به شما می گوید که مهارت ها

  یا توانایی های شما را مورد نیاز هست یا خیر و حتی آنالیز ارائه می دهد که نمره شما را افزایش می دهد.

ساختن یک دوره برنده در زندگی

معمولاً وقتی به دنبال شغلی هستید ، به طور هم زمان به تعداد زیادی از شرکت ها که استخدام دارند تقاضا

ارسال می کنید. این بدان معناست که دو گزینه وجود دارد: با ارسال یک رزومه عمدتا عمومی با اندکی

 تغییر برای هر کدام از شرکت ها، که در زمان صرفه جویی می کند، ویا اینکه زمان بیشتری صرف کنید

.تا یک رزومه اختصاصی برای فرصت های شغلی تهیه کنید که بهترین تطابق را داشته باشد امروزه ،

ابزارهای هوش مصنوعی می توانند به شخصی سازی رزومه کاری و جلد نامه شما کمک کنند. آنها

می توانند به شما بگویند چه قابلیت هایی را ممکن است بخواهید به رزومه خود اضافه کنید ، نشان می دهند

که چگونه این موارد اضافی می تواند بر روی  شانس شما را برای استخدام تأثیر بگذارد و حتی بازنویسی

رزومه شما را برای کار یا شرکت خاصی متناسب انجام می دهند. آنها همچنین می توانند شما ، شغل و شرکت

را تجزیه و تحلیل کرده و یک نامه تحت پوشش سفارشی را تهیه کنند. در حالی که محققان هنوز کیفیت

نامه های انسانی را در مقابل کاور های ساخته شده توسط AI را مورد بررسی قرار نداده اند ، نمونه های

تولید شده توسط AI که  بررسی شده اند ، نسبت به نمونه هایی که از فارغ التحصیلان MBA برای خودشان

در طی 30 سال گذشته درست کرده اند غیر قابل تشخیص است. قاعدتا ، برای بسیاری از مشاغل سطح پایین،

شکل ظاهری جلوه ای از گذشته است. اما برای مشاغل سطح بالاتر ، از آنها همچنان به عنوان مکانیسم مهم

غربالگری استفاده می شود.

پیدا کردن حقوق مناسب با کار

همیشه یکی از سخت ترین قسمت های شغل یابی مذاکره بر سر حقوق دریافتی بوده و هست. در گذشته و به طور

سنتی ، متقاضیان در یک نقطه ضعف اطلاعاتی قرار داشته اند ، بنایراین مذاکره درباره حقوق و دستمزد مورد

نظر خود را نسبت به آنچه که دیگران برای انجام کار مشابه دریافت می کنند ، دشوارتر می شد. اما اکنون با

وجود کزارش های مبتنی بر هوش مصنوعی که از منابع ای مثل PayScale.com, Salary.com,

LinkedIn Salary و سایر منابع مشابه، موجب می شود تا اطلاعاتی نظیر حقوق و کل جبران خسارت

متناسب با عنوان شغل ، تحصیلات ، تجربه ، موقعیت مکانی و سایر عوامل  به متقاضیان شغلی ارائه  شود.

این اطلاعات ازآماری که دولت ها ، شرکت ها و افراد خصوصی منتشر کرده اند جمع آوری می شود.

برای داده های خود گزارش شده ، بهترین سایت ها برای اطمینان از صحت داده ها ، آزمایش های آماری را

انجام می دهند. این تنها با پایگاه داده های بزرگ و توانایی های خرد کردن تعداد امکان پذیر است. به عنوان

مثال ، PayScale.com بیش از 54 میلیون پاسخ دهنده در پایگاه داده خود دارد و از بیش از 150،000

نفر در هر ماه نظرسنجی می کند تا گزارش های خود را به روز و رشد داده های آن را انجام دهد.

رشد استفاده از هوش مصنوعی در کاریابی و شغل ها

یک تحقیقات در سال 2018 نشان داد که نیمی از متقاضیان شغل 18 تا 36 ساله از ابزار های هوش مصنوعی

برای پیدا کردن شغل استفاده کردند و 63% از آنها استفاده از این ابزار ها را بسیار متقاعد کننده دانسته اند. بیشتر

تحقیقات در مورد استفاده از هوش مصنوعی در فرآیند شغل یابی، روی استخدام متمرکز شده است ، اما انتظار

می رود استفاده از این فناوری تا دو سال آینده دو برابر شود. ما فهمیدیم که  ابزار هوش مصنوعی برای

شرکت ها موثر است ، بنابراین منطقی به نظر می رسد که می تواند برای نامزدهای شغلی نیز بسیار مفید

باشد. براساس تحلیل ما از داده های تجارت Crunchbase ، در حقیقت ، حداقل 2 میلیارد دلار سرمایه گذاری

در حال کمک به منابع انسانی جدید با هدف استفاده از هوش مصنوعی برای کمک به نامزدهای شغلی هستند.

هوش مصنوعی و هوش انسانی

هوش مصنوعی و هوش انسانی

چرا تعداد پروژه ها و نرم افزار های هوش مصنوعی  که به هوش انسانی نزدیک باشند بسیار کم است ؟

یک پروژه اینچنین حتما به مشکل بر خواهد خورد. دلایل زیادی برای این احتمال کم وجود دارد اما

بنیادی ترین آن به طور کلی این است که انسان ها در کار هایی که کامپیوتر ها انجام می دهند ضعیف

هستند و همچنین کامپیوتر ها هم در زمینه های انسانی ضعیف هستند. پیش بینی می شود که بازار

هوش مصنوعی تا سال 2025 300 میلیارد دلار ارزش داشته باشد. و اکثریت قریب به اتفاق شرکتهایی

که سعی می کنند که در این بازار حضور داشته باشند ، نوعی هوش مصنوعی شبیه به انسان را

بازاریابی می کنند.

ایده تشبیه هوش مصنوعی و هوش انسانی 

ایده اصلی این دسته از هوش های مصنوعی این است که به عنوان یک به روز رسانی به بازار ارائه شود.

کامپیوتر ها محاسبات انجام می دهند اما هوش مصنوعی یاد می گیرد. اما حقیقت این است که انسان ها

درانجام وظایفی که یک رایانه انجام می دهد ناتوان هستند و هوش مصنوعی هم به همین تریتب قادر به

انجام کار های انسانی نیستند. به همین دلیل است که محققان از پارادایمهای توسعه که بر تقلید از شناخت

انسان متمرکز شده اند ، فاصله می گیرند.دو تن از محققان NYU اخیراً در مورد چگونگی پردازش کلمات

و معنای کلمات در انسان و هوش مصنوعی تحقیق کردند. از طریق مطالعه “معناشناسی روانشناختی” ، این

دو محقق امیدوار بودند که نواقص موجود در سیستمهای یادگیری ماشینی در حوزه پردازش زبان طبیعی

(NLP) را توضیح دهند. توضیحاتی که این دو در arXiv  منتشر کرده اند نشان می دهد که این خلا به

این خاطر به وجود آمده است که سایر محققان به این که هوش مصنوعی توسعه داده آنها انسان مانند

است یا خیر توجه نمی کنند. به همیت دلیل است که انتقادات از هوش های مصنوعی در مورد ناتوانی

آنها از بروز رفتار های انسان مانند، زیاد است.

راهکار های تولید هوش مصنوعی با قابلیت های انسانی

یکی از کار هایی که برای  تولید هوش مصنوعی انسان مانند باید انجام دهیم دقت به روش های تفکر

انسانی است. در زمینه ترجمه ، انسانها روش های مختلفی را برای به یاد آوری داشتن چندین زبان در

سر خود و ایجاد ارتباط سیال بین این زبان ها دارند. از طرف دیگر ، ماشین آلات لازم نیست بدانند که

یک کلمه به چه معنا است تا ترجمه مناسب را به آن اختصاص دهند. این کار هنگامی که دقت به سطح

انسانی نزدیک تر می شود ، مشکل تر می شود. ترجمه یک ، دو و سه به اسپانیایی نسبتاً ساده است.

این ماشین می آموزد که آنها دقیقاً برابر با uno ، dos و tres هستند و احتمالاً 100 درصد اوقات

جواب مناسب را بدست می آورند. اما وقتی مفاهیم پیچیده ای اضافه می کنید ، کلماتی با بیش از

یک معنی و اصطلاحات عامیانه یا محاوره ای به آن می افزایید می توانند پیچیده تر شوند. وقتی

توسعه دهندگان شروع به ایجاد هوش منصوعی می کنند که با تمام شرایط کنار بیاید دچار مشکل

می شوند درست مانند اینکه با گذراندن چند کلاس زبان اسپانیایی نمی توانید تمامی اصطلاحاتی

که در مکریکو سیتی استفاده می شود را متوجه شوید.

ضعف و کمبود هوش مصنوعی نسبت به هوش انسانی

به همین دلیل است که ماشین ها با درک زبان انسان ها که همیشه در حال تحول است

مشکل دارند.  هنوز پردازش زبان طبیعی قادر به شناخت در سطح انسانی نیست به

همین دلیل رفتار های انسان مانندی که بروز می دهد خنده دار به نظر می رسد تصور

کنید که گوگل ترنسلیت با گرفتن عبارت توله خاموش شود چون این کلمه را اهانت آمیز

استنباط کرده ! این خط تفکر فقط مختص NLP نیست. ساخت هوش مصنوعی بیشتر

شبیه به انسان ، صرفاً یک تصمیم طراحی برای اکثر پروژه های یادگیری ماشین است.

همانطور که محققان NYU  در مطالعه خود اشاره کرده اند: یک راه برای فکر کردن

در مورد چنین پیشرفت های صرفاً از نظر مهندسی است یعنی کاری وجود دارد که باید

انجام شود و اگر سیستم آن را به اندازه کافی خوب انجام دهد ، آن کار موفقیت آمیز

محسوب می شود. مهندسی مهم است ، و می تواند عملکرد بهتری و سریعتر داشته باشد

و انسان را از کار کسل کننده مانند  پیدا کردن واژگان کلیدی در پاسخنامه ها و یا بررسی

برنامه سفر های هوایی رهایی بخشد.

دید مهندسی هوش مصنوعی و هوش انسانی

از نظر مهندسی ، بیشتر مشاغل انسانی که انسان ها در حال حاضر انجام می دهد و در همه جا هستند

را می توان به کارهای فردی تقسیم بندی کرد که برای اتوماسیون مناسب تر باشد تا از هوش مصنوعی و

در مواردی که شبکه های عصبی ضروری باشد مانند هدایت ترافیک در یک بندر حمل و نقل  کار بسیار

سختی خواهد بود. اتومبیل های خودران را در نظر بگیرید. ساختن وسیله نقلیه متشکل از چندین سیستم

که با هم کار می کنند به جای اینکه یک ربات انسان نما ساخته شود که بتواند تا اتومبیل برود ، قفل را

باز کند ، وارد شود ، یک اتومبیل کلاسیک را استارت بزند و شروع به رانندگی کند بسیار معقول تر به نظر

می رسد.بیشتر اوقات ، هنگامی که توسعه دهندگان ادعا می کنند که هوش مصنوعی “شبیه به انسان”

ایجاد کرده اند ، منظور آنها این است که آنها وظیفه ای را که اغلب افراد برای آنها استخدام می شوند

به صورت خودکار انجام داده اند. به عنوان مثال نرم افزار تشخیص چهره می تواند جایگزین نگهبان

انسانی درب ورود شود اما نمی تواند به شما بگوید پیتزا در رستوران محلی چقدر خوب است. بنا به

این دلایل حوضه هوش های مصنوعی انسان مانند بسیار محدود است در این راستا سیری و الکسا

موفق تر بودند. آنها اسامی و صدا دارند و برنامه ریزی شده اند که  مفید ، خنده دار ، دوستانه و مودب

به نظر برسند.

آیا هوش مصنوعی کار خارق العاده ای انجام می دهد ؟

اما در واقع هیچ عملکردی وجود ندارد که یک دستیار هوشمند  قادر به انجام آن باشد و شما نتوانید آن را

با یک دکمه انجام دهید. یعنی اگر شما فضا و دید بی نهایت داشتید می توانستید تمام آن  کار ها را انجام

دهید می توان اینگونه تعبیر کرد که این دستیار های هوشمند همانقدر به رفتار انسانی نزدیک هستند که

یک کنترل غول پیکر هست. هوش مصنوعی مانند انسان نیست. ما ممکن است ده ها سال یا بیشتر از یک

هوش مصنوعی عمومی  که می تواند در هر حیطه ای در سطح انسانی عملکرد داشته باشد فاصله داشته

باشیم . خدمتکار های روباتی فاصله زیادی با واقعیت دارند. در حال حاضر ، بهترین  کاری که توسعه

دهندگان هوش مصنوعی می توانند انجام دهند ، تقلید از تلاش های انسان است ، و این به معنی  ساده

کردن یک فرآیند برای کاری به خودکار است.

تفاوت یادگیری ماشینی با یادگیری عمیق

تفاوت یادگیری ماشینی با یادگیری عمیق

هوش مصنوعی یک مبحث با پیچیدگی های خاص خود است. اما عموما تفاوت میان یادگیری ماشینی با یادگیری عمیق،

شبکه های عصبــی و… برای مردم مشخص نیســت امـــا می توانیم گفت که تمامی راهکار های هوش مصنوعی در

یادگیری ماشین و یادگیری عمیق خلاصه می شود. اما بـــرای درک بهتر هــوش مصنوعی باید تفاوت میــان این دو

را دانست. مثال های این فناوری ها در همه جا دیده می شود . این فناوری ها باعث می شود کــــه نتفلیکس برنامه

مورد علاقه بعدی شما را می داند و یا اینکه فیس بوک چطور می داند که چه کسانی در عکــس حضور دارند و …

تفاوت یادگیری ماشینی با یادگیری عمیق چیست؟

 راحت ترین راه برای درک این تفاوت این است که بدانید یادگیری عمیق در واقع نوعی از یادگیری ماشین است.

اگر بخواهیم دقیق تر بگیم یادگیری عمیق در واقع یادگیری ماسین تکامل یافته است که از یک شبکه عصبی قابل

برنامه ریزی استفاده می کند تا ماشین ها را قادر بسازد بدون کمک انسانها تصمیم گیری دقیقی بکنند. اما اگر هیچ

اطلاعاتی در این زمینه ندارید اوا یادگیری ماسینی را توضیح می دهیم.

یادگیری ماشینی (Machine Learning) چیست ؟

اگر بخواهیم یک تعریف پایه از یادگیری ماشینی انجام بدهیم می توانیم بگوییم : یادگیری ماشینی الگوریتم هایی

هستند که داده ها را تجزیــه می کنند ، از آن داده ها درس مـی گیـــرند و سپــس آنچـه را که یاد گرفته اند برای

تصمیم گیری آگاهانه استفاده می کنند” برای مثال سرویس های موسیقی های در خواستی است که با توجه به سلیقه

مخاطب موزیک هایی که تازه منتشر شده را معرفی می کند این تکنیک که اغلب به عنـــوان هوش مصنوعی مورد

استفاده قرار می گیرد ، در بسیاری از سرویس هایی که توصیه های خودکار ارائه می دهنـــد ، استفاده می شود.

یادگیری ماشینی در انواع مختلفی از کسب و کار ها حضور دارد از موسســـات امنیت داده کــه بد افزار ها را

شکار می کند گرفته تا بازار بورس. الگوریتم های هوش مصنوعی برنامه ریـــزی شده انــد که به طــور مداوم

در حال یادگیری به روشی باشند که به عنوان دستیار شخصی مجازی شبیه سازی می شوند – کــاری که آنها به

خوبی انجام می دهند. وقتی پای یادگیری عمیق و شبکه های عصبی عمیق به میان می آید این فذایند یــــادگیری

جالب تر می شود.

تفاوت های یادگیری ماشین و یادگیری عمیق

همانطور که قبلا اشاره کردیم یادگیری عمیق در واقع نوعی از یادگیری ماشین است و بــه روشی ومشابه

عمل می کند، اما برخی اوقات عملکرد آنها متفاوت است. با اینکه یادگیری ماشیـــن یا توجه به عملکرد آنها

روز به روز بهتر می شود اما هنوز نیاز به راهنمایی انسانی  دارد. یعنی اگــــر الگوریتم هوش مصنوعی

یک محاسبه نادرست انجام دهد، نیاز به یک مهندس  برای مداخله و تصحیــح آن وجود دارد اما در مورد

الگوریتم های یادگیری عمیق اینگونه نیست و خود هوش مصنوعی از طــریق شبکه عصبی عمیق می تواند

خود را اصلاح کند. برای مثال اگر ما یک چراغ قوه هوشمند داشتـــه باسیم که با یادگیری ماشین کار کند

در نهایت می تواند هر عبارتی را که در آن کلمه تاریک وجــود دارد را شناسایی کند و خود را روشن کند

اما اگر همان چراغ قوه با یادگیری عمیق طراحــی شده باشد به عباراتی مانند “پریز کار نمی کند” و یا

“من نمی توانم ببینم” هم واکنش نشان می ئپده و خــود را روشن می کند . بنابراین یک مدل یادگیری عمیق

قادر است از طریق روش محاسبــات خود بیــاموزد ( تکنیکی که به نظر می رسد که دستگاه مغز خودش

را دارد.)

یادگیری عمیق چگونه کار می کند؟

یک مدل یادگیری عمیق برای تجزیه و تحلیل مداوم داده ها با یک ساختار منطقی شبیه به چگونگی

تجزیه و تحلیل و نتیجه گیری یک انسان طراحی شده است.برای دستیابی به این هدف ، برنامه های

یادگیری عمیق از یــک ساختـــار لایه ای از الگوریتــــم ها،طراحی یک شبکه عصبی مصنوعی از

شبکه عصبی بیولوژیکی مغز انسان الهام می گیرد و منجــــر به فراینـــدی از یادگیری می شود که

به مراتب از مدلهای یادگیری ماشین استاندارد تواناتر است. به نام شبکه عصبـــی مصنوعی استفاده

می کنند. فرایند اینکه این مدل ها نتیجه گیری های اشتباه نکنند بسیار دشوار است و بایـــد ماننــد سایر

نمونه های هوش مصنوعی تمرین زیادی داده شوند. اما هنگامی که عملکرد صحیحی از خـــود نشان

می دهند، به عنوان یک شگفتی در دنیای علم شناخته می شود که در واقع ستون و پایه هوش مصنوعی

واقعی می باشد.یک نمونه بارز از یادگیری عمیق AlphaGo Google است که یاد گرفته تا بازی

GO را انجام دهد، این بــــازی که شبیه که نیـــاز به استدلال و منطق بالایی دارد .مدل یادگیری عمیق

Alpha Go با بازی در مقابل بازیکنان حرفه ای یاد گرفت که سطح بازی خود را ارتقاع دهد و حرکاتی

را انجام دهد که در تمرین اولیه برای آن تعریف نشده. این امر باعث شد تا Alpha Go چندین استاد

این بازی را شکست دهد .

پس در اختصار تفاوت یادگیری ماشینی با یادگیری عمیق را می توان اینگونه بیان کرد:

  -یادگیری ماشین از الگوریتم هایی  استفاده می کند تا داده هایی را یاد بگیرد، تجزیه تحلیل انجام دهد و بر اساس تعالیم، نصمیم گیری آگاهانه انجام دهد.

-یادگیری عمیق ساختاری از لایه های الگوریتم ایجاد می کند که یک “شبکه عصبی مصنوعی” ایجاد کند که می تواند به تنهایی یادگیری و تصمیم گیری هوشمندانه داشته باشد.

-یادگیری عمیق زیر مجموعه ای از یادگیری ماشینی است که هر دوی آنها زیر مجموعه وسیعی از هوش مصنوعی هستند. یادگیری عمیق فناوری هوش مصنوعی ایجاد می کند که بیشترینشباهت را به هوش انسانی دارد.

داده ها سوخت آینده

با وجود حجم عظیم داده هایی که توسط داده های بزرگ در حال حاضر در حال جمع آوری است

ما تحول های عظیمی را طی ده سال آینده ساهد خواهیم بود که هنوز به آنها دست نیافته ایم.

بنا به تحلیل افراد متخصص در این زمینه این یادگیری عمیق بیشترین سهم را در این فرایند خواهد

داشت.اندرو نگ ، دانشمند ارشد موتور جستجوی بزرگ چین “بایدو” و یکی از رهبران پروژه

Google Brain ، یک قیاس عالی برای یادگیری عمیق با مجله Wired به اشتراک گذاشت. او گفت:

من هوش مصنوعی را به یک فضا پیما تشبیه می کنم که هم به موتور قدرتمندی نیاز دارد و هم

به سوخت زیاد. اگر سوخت کم و موتور قدرتمند داشته باشید نمی توانید به مدار برسید و اگرشوخت

زیاد و موتور ضعیف داشته باشید حتی نمی توانید سفینه را از زمین بلند کنید بنابراین هر دو عامل

باید به اندازه کافی قوی باشد.