ஃபாரெக்ஸ், பங்கு, பொருட்கள் அல்லது கிரிப்டோகரன்சி சந்தைகளில் ஆன்லைன் வர்த்தகத்தில் ஈடுபட்டுள்ள எவரும் நியூரல் நெட்வொர்க்குகள் மற்றும் ரோபோக்களுடன் வர்த்தகம் செய்வதில் அவற்றைப் பயன்படுத்துவதைப் பற்றி கேள்விப்பட்டிருக்கிறார்கள், இது நிபுணர் ஆலோசகர்கள் (ஈஏக்கள்) என்றும் அறியப்படுகிறது. எனவே, நியூரல் நெட்வொர்க்குகள் என்றால் என்ன, அவற்றில் பொதுவானவை என்ன, அவை செயற்கை நுண்ணறிவில் இருந்து எவ்வாறு வேறுபடுகின்றன? அவற்றின் நன்மைகள், தீமைகள் என்ன? இறுதியாக, நியூரல் நெட்வொர்க்குகள் ஒவ்வொரு வர்த்தகருக்கும் நம்பகமான கருவியாக மாற முடியுமா, நிலையான இலாபத்தை உறுதி செய்ய முடியுமா?
ஒரு நியூரல் நெட்வொர்க் என்பது உயிரினங்களின் மூளையின் கட்டமைப்பு மற்றும் செயல்பாட்டுக் கொள்கைகளால் ஈர்க்கப்பட்ட ஒரு அல்காரிதம் கட்டமைப்பாகும். இது நியூரான்களைப் பிரதிபலிக்கும் ஒன்றோடொன்று இணைக்கப்பட்ட முனைகளின் சிக்கலான நெட்வொர்க்குகள் மூலம் தரவை செயலாக்க வடிவமைக்கப்பட்டுள்ளது. அத்தகைய நெட்வொர்க்கில் உள்ள ஒவ்வொரு செயற்கை நியூரானும் சிக்னல்களைப் பெறலாம், செயலாக்கலாம், மற்றும் மற்ற நியூரான்களுக்கு சிக்னல்களை அனுப்பலாம். இதன் விளைவாக, கூட்டாக, அவை எளிமையானது முதல் மிகவும் கடினமானது வரையிலான பணிகளைத் தீர்க்கும் திறன் கொண்டவை.
செயற்கை நியூரான்களின் கருத்துரு 1943ஆம் ஆண்டிலேயே அமெரிக்க விஞ்ஞானிகளான வாரன் ஸ்டர்கிஸ் மெக்கல்லோக், வால்டர் பிட்ஸ் ஆகியோரால் முன்மொழியப்பட்டது, அவர்கள் நியூரானின் கணித மாதிரியை உருவாக்கினர். வாரன் மெக்கல்லோக், 1898-இல் பிறந்தார், 1927-இல் அமெரிக்காவின் யேல் பல்கலைக்கழகத்தில் மருத்துவப் பட்டம் பெற்றார், மனநலம் மற்றும் நரம்பியல் இயற்பியலில் குறிப்பாக நரம்பு மண்டலத்தைப் பற்றி ஆய்வு செய்தார். அப்போதுதான் இவ்விஞ்ஞானி மனித மூளையின் செயற்கை மாதிரியின் சாத்தியக்கூறுகளில் தீவிரமாக ஆர்வம் காட்டினார். வால்டர் பிட்ஸ், அவருக்கு 25 வயது இளையவர், கணிதம், நரம்பியல் இயற்பியல் ஆகியவற்றை சுயமாக கற்றுக்கொண்டார், சிறு வயதிலிருந்தே சிறந்த திறன்களை வெளிப்படுத்தினார்.
1943-ஆம் ஆண்டில், சிகாகோ பல்கலைக்கழகத்தில் பிட்ஸ் மெக்கல்லோக்கைச் சந்தித்தார், இந்த சந்திப்பு அவர்களின் பயனுள்ள ஒத்துழைப்பைத் தொடங்கியது. அதே ஆண்டில், அவர்கள் "நரம்பியல் செயல்பாட்டில் உள்ள யோசனைகளின் லாஜிக்கல் கால்குலஸ்"-ஐ வெளியிட்டனர், இது செயற்கை நியூரல் நெட்வொர்க்குகள் பற்றிய தத்துவார்த்த ஆராய்ச்சிக்கான அடித்தளத்தை அமைத்தது. தங்கள் ஆய்வறிக்கையில், ஆராய்ச்சியாளர்கள் கணித தர்க்கத்தின் அடிப்படையில் ஒரு நியூரான் மாதிரியை முன்மொழிந்தனர், மேலும் எளிமையான செயற்கை நியூரான்களின் நெட்வொர்க்குகள் அவற்றின் ஒன்றோடொன்று இணைக்கப்பட்டிருந்தால் சிக்கலான கணக்கீட்டு பணிகளை எவ்வாறு செய்ய முடியும் என்பதை நிரூபித்துள்ளனர். இந்தக் கண்டுபிடிப்பு அறிவாற்றல் செயல்முறைகளை மாதிரியாக்குவதற்கும் அறிவார்ந்த இயந்திரங்களை உருவாக்குவதற்கும் செயற்கை நெட்வொர்க்குகளின் சாத்தியமான பயன்பாட்டினை எளிதாக புரிந்துகொள்ளவும் உதவியது.
இந்த தொழில்நுட்பத்தின் வளர்ச்சியானது 1957-இல் ஃபிராங்க் ரோசன்ப்ளாட்டால் பெர்செப்ட்ரானை உருவாக்கியது உட்பட பல முக்கியமான நிலைகளைக் கடந்து சென்றது. ஒரு பெர்செப்ட்ரான் என்பது தரவு வகைப்படுத்தலுக்குப் பயன்படுத்தப்படும் எளிய வகை செயற்கை நியூரல் நெட்வொர்க் ஆகும் (அதாவது, தரவை குழுக்களாகப் பிரித்தல்). இது உள்ளீடுகளைக் கொண்டுள்ளது, ஒவ்வொன்றும் ஒரு குறிப்பிட்ட எடையுடன் (உள்ளீட்டின் முக்கியத்துவத்தைக் குறிக்கும் எண்), மற்றும் உள்ளீட்டு சிக்னல்களை அவற்றின் எடையால் பெருக்கப்படும் ஒற்றை வெளியீடு நியூரான், கூட்டுத்தொகை ஒரு குறிப்பிட்ட வரம்பைத் தாண்டினால், பெர்செப்ட்ரான் ஒரு விளைவைச் செயல்படுத்தி வெளியிடுகிறது; இல்லையெனில், அது மற்றொன்றை வெளியிடுகிறது.
மிகவும் சிக்கலான நியூரல் நெட்வொர்க்குகள் தோன்றுவதற்கான மற்றொரு குறிப்பிடத்தக்க படியானது, 1970களில் தோன்றி பல அடுக்கு நியூரல் நெட்வொர்க்குகளைப் பயிற்றுவிப்பதில் ஒரு அடிப்படையாக மாறிய பின் பரப்புதல் பிழை அல்கோரிதம் வளர்ச்சி ஆகும். இந்த வழிமுறையானது செயற்கை நியூரல் நெட்வொர்க்குகளைப் பயிற்றுவிப்பதற்கான ஒரு முறையாகும், அங்கு நியூரானின் எடையை சரிசெய்வது நெட்வொர்க் அதன் கணிப்புகளில் செய்த பிழைகளை அடிப்படையாகக் கொண்டது. ஆரம்பத்தில், நெட்வொர்க் ஒரு கணிப்பைச் செய்கிறது, பின்னர் அதை சரியான பதிலுடன் ஒப்பிட்டு பிழையைக் கணக்கிடுகிறது. இந்தப் பிழையைப் பற்றிய தகவல் நெட்வொர்க்கின் மூலம் மீண்டும் பரப்பப்படுகிறது, மேலும் தரவைச் செயலாக்கும்போது அதன் கணிப்புகளைக் கற்றுக்கொள்ளவும் மேம்படுத்தவும் அனுமதிக்கிறது.
மெக்கல்லோக், பிட்ஸ், மற்றும் அவர்களுக்குப் பின்னர் வந்தவர்களின் படைப்புகள் செயற்கை நுண்ணறிவுக் கருத்துருக்களின் வளர்ச்சியில் அடிப்படைப் பங்கு வகித்தன. அவர்களின் ஆராய்ச்சி, ஆழ்ந்த கற்றல் மாதிரிகளை உருவாக்குவதை எதிர்பார்த்தது மற்றும் தூண்டியது, அவை இன்று தானியங்கி மொழிபெயர்ப்பு, உருவம் அடையாளம் காணுதல், சுயமாக-ஓட்டும் கார்கள், செயல்முறை ஆட்டோமேஷன் உட்படவும், மற்றும் நிச்சயமாக, நிதி வர்த்தகத்தில் பல்வேறு துறைகளில் பயன்படுத்தப்படுகின்றன.
நிதி வர்த்தகத்தில் நியூரல் நெட்வொர்க்குகளின் பயன்பாடு 1980களில் தொடங்கியது, கணினி தொழில்நுட்பங்கள் பெரிய அளவிலான தரவைச் செயலாக்குவதற்கும் சிக்கலான கணக்கீடுகளைச் செய்வதற்கும் போதுமான அளவு முன்னேறியது. இருப்பினும், 1990களில் இயந்திர கற்றலின் வளர்ச்சி மற்றும் அதிகரித்த கணினி சக்தியுடன் அவற்றில் உண்மையான ஆர்வம் வெளிப்பட்டது, சந்தை தரவு பகுப்பாய்வுக்காக செயற்கை நியூரல் நெட்வொர்க்குகளை மிகவும் திறம்பட பயன்படுத்த அனுமதிக்கிறது.
20ஆம் நூற்றாண்டின் கடைசி தசாப்தத்தில், நியூரல் நெட்வொர்க்குகளை நிபுணர் ஆலோசகர்கள் (ஈஏக்கள்) என்று அறியப்படும், டிரேடிங் ரோபோக்களில், சந்தை நிலவரங்களை பகுப்பாய்வு செய்யவும், விலை நகர்வுகளை கணிக்கவும், வர்த்தக நடவடிக்கைகளை தானாக செயல்படுத்தவும் பயன்படுத்துவதற்கான யோசனை எழுந்தது. இந்த நியூரல் நெட்வொர்க்குகள் விலைகள், வர்த்தக அளவுகள், சந்தை குறிகாட்டிகள் மற்றும் பிற தொழில்நுட்பப் பகுப்பாய்வு கருவிகள் பற்றிய வரலாற்று தரவுகளில் பயிற்சியளிக்கப்படுகின்றன. அனுபவம் வாய்ந்த வர்த்தகர்-ஆய்வாளர்களுக்கு கூட எப்போதும் வெளிப்படையாகத் தெரியாத சிக்கலான வடிவங்களையும் சார்புகளையும் அவற்றால் அடையாளம் காண முடியும். பயிற்சிக்குப் பிறகு, ஈஏக்கள் நிகழ்நேரத்தில் நிதிக் கருவிகளை வாங்குவது அல்லது விற்பது பற்றி சுயாதீனமாக முடிவெடுக்கும் திறன் கொண்டது.
தானியங்கு வர்த்தகத்திற்கான நியூரல் நெட்வொர்க்குகளைப் பயன்படுத்துவதில் மிகவும் குறிப்பிடத்தக்க வளர்ச்சி கடந்த 15-20 ஆண்டுகளில் நிகழ்ந்துள்ளது. இந்த காலகட்டத்தில், பல்வேறு அம்சங்களில் அவற்றின் செயல்திறன் நிரூபிக்கப்பட்டுள்ளது. இருப்பினும், மற்ற தொழில்நுட்பங்களைப் போலவே, நியூரல் நெட்வொர்க்குகளின் பயன்பாடு அதன் தீமைகள், சிக்கல்கள், வரம்புகள் ஆகியவற்றைக் கொண்டுள்ளது என்பதும் தெளிவாகிவிட்டது. எடுத்துக்காட்டாக, ஈஏக்களின் ஆரம்பப் பயிற்சியின் தேவை இதில் அடங்கும்: நீண்ட, கடினமான, பொறுமை தேவைப்படும் செயல்முறை. சில சந்தர்ப்பங்களில், நியூரல் நெட்வொர்க்கிற்கு மீண்டும் பயிற்சி தேவைப்படலாம். வரலாற்றுத் தரவுகளுடன் மிகத் துல்லியமாக தகவமைத்து, பொதுமைப்படுத்தும் திறனை இழக்கும்போது இது அவசியம். மாறிவரும் சந்தை நிலைமைகளுக்கு ஏற்ப தரவு மற்றும் வழிமுறைகளை தொடர்ந்து புதுப்பிப்பதற்கான தேவை, அத்துடன் நியூரல் நெட்வொர்க்கின் வேலையின் முடிவுகளை விளக்குவதில் உள்ள சிரமங்கள் ஆகியவை பொருத்தமானவை.
இந்தச் சூழலில், பல வல்லுநர்கள் நம்புவது போல், நியூரோ-ஈஏக்களின் வளர்ச்சிக்கான முக்கிய திசைகளில் ஒன்று, சந்தை மாற்றங்களுக்கு பதிலளிக்கும் வகையில் அவற்றின் அளவுருக்களை தன்னியக்கமாக சரிசெய்யும் திறன் கொண்ட தகவமைப்பு அமைப்புகளை உருவாக்குவதாகும். மேலும், நியூரல் நரம்பியல் நெட்வொர்க்குகள் உட்பட இயந்திர கற்றல் வழிமுறைகளை மேம்படுத்தும் பணி தொடர்கிறது, இது மிகவும் துல்லியமான கணிப்புகள், மிகவும் பயனுள்ள வர்த்தகம் ஆகியவற்றை அனுமதிக்கிறது. அதிக எண்ணிக்கையிலான மாறிகளையும், அவற்றின் சேர்க்கைகளையும் பகுப்பாய்வு செய்வது அமைப்புகளின் முன்கணிப்பு சக்தியை மேம்படுத்த உதவும்.
ஒரு நியூரல் நெட்வொர்க், செயற்கை நுண்ணறிவு (ஏஐ) ஆகியவை பெரும்பாலும் ஒன்றாகப் பயன்படுத்தப்படும் சொற்கள், ஆனால், உண்மையில் அவை வெவ்வேறு கருத்துருக்களைக் குறிக்கின்றன. நியூரல் நெட்வொர்க்குகளுக்கும் செயற்கை நுண்ணறிவுக்கும் இடையிலான முக்கிய வேறுபாடுகள் வருமாறு:
- பயன்பாட்டுப் பகுதி: நியூரல் நெட்வொர்க்குகள் செயற்கை நுண்ணறிவில் பயன்படுத்தப்படும் கருவிகளில் ஒன்றாகும், ஏனெனில் அவை வழங்கப்பட்ட எடுத்துக்காட்டுகளின் அடிப்படையில் தரவைக் கற்றல், செயலாக்குதல் ஆகியவற்றில் நிபுணத்துவம் பெற்றவை. இருப்பினும், செயற்கை நுண்ணறிவு என்பது இயந்திர கற்றல் அல்லது நியூரல் நெட்வொர்க்குகளுக்கு மட்டும் மட்டுப்படுத்தப்படாத பரந்த அளவிலான தொழில்நுட்பங்களையும் முறைகளையும் உள்ளடக்கியது. ஏஐ ஆனது அதிகபட்சமாக உலகளாவியதாக இருப்பதை நோக்கமாகக் கொண்டுள்ளது, இது பல்வேறு பகுதிகளில் பல்வேறு வகையான பணிகளைத் தீர்க்க அனுமதிக்கிறது. நியூரல் நெட்வொர்க்குகள் பெரும்பாலும் வழங்கப்பட்ட தரவுகளின் அடிப்படையில் திறம்பட பயிற்சியளிக்கக்கூடிய பகுதிகளுக்கு மட்டுப்படுத்தப்படுகின்றன.
- செயல்பாடு: செயற்கை நுண்ணறிவு மனித அறிவை முழுமையாகப் பிரதிபலிக்க பாடுபடுகிறது மேலும் பகுத்தறிவு, சுய முன்னேற்றம், கற்றல், உணர்தல், மற்றும் சமூகத் தொடர்பு போன்ற சிக்கலான பணிகளைக் கூட செய்யும் திறன் கொண்டது. நியூரல் நெட்வொர்க்குகள், மறுபுறம், குறிப்பிட்ட தரவு செயலாக்க பணிகள், அவற்றின் வகைப்பாடு, அடுத்தடுத்த கணிப்பு ஆகியவற்றில் கவனம் செலுத்துகின்றன.
- தகவமைப்பு: நியூரல் நெட்வொர்க்குகள் அவை பயிற்சி பெற்ற குறிப்பிட்ட பணிகளுக்குள் சிறப்பாக செயல்படுகின்றன. தரவு பற்றாக்குறை அல்லது அவற்றின் பயன்பாட்டின் நிலைமைகளில் ஏற்படும் மாற்றங்களால் அவற்றின் செயல்திறன் கணிசமாகக் குறையும். செயற்கை நுண்ணறிவு என்பது குறைந்தபட்ச முன் தயாரிப்புடன் புதிய பணிகள் மற்றும் நிபந்தனைகளுக்கு ஏற்றவாறு உருவாகக்கூடிய அமைப்புகளை உள்ளடக்கியது.
- தொழில்நுட்ப வேறுபாடுகள்: நியூரல் நெட்வொர்க்குகள் குறிப்பிட்டவை, அவை நியூரான்களின் அடுக்குகள் மூலம் தரவு பரிமாற்றத்தின் கொள்கையின் அடிப்படையில் செயல்படுகின்றன, ஒவ்வொன்றும் உள்ளீடு தரவை செட் எடைகள் மற்றும் செயல்படுத்தும் செயல்பாடுகளுக்கு ஏற்ப மாற்றுகிறது. செயற்கை நுண்ணறிவு மிகவும் பரந்த அளவிலான தொழில்நுட்பங்களை உள்ளடக்கியது அத்துடன் மிகவும் சிக்கலான, மாறுபட்ட பணிகளைச் செய்யும் திறன் கொண்டது. அறிவார்ந்த செயல்பாட்டை அடைவதற்கு, லாஜிக்கல் புரோகிராமிங் மற்றும் தேர்வுமுறை அல்காரிதம்கள் உட்பட மிகவும் மாறுபட்ட ஸ்பெக்ட்ரம் முறைகளைப் பயன்படுத்தலாம்.
இம்முடிவுரையில், நியூரல் நெட்வொர்க்குகள் மற்றும் ஏஐ-யை நிதி வர்த்தகத்தில் ஒருங்கிணைப்பதன் முக்கியத்துவம் குறித்த முன்னணி நிபுணர்களின் கருத்துக்களை பிரதிபலிக்கும் பல மேற்கோள்களை முன்வைப்போம்:
– கேத்தரின் வுட், ஏஆர்கே இன்வெஸ்ட் சிஇஓ: "பங்குச் சந்தை வர்த்தகத்தில் நியூரல் நெட்வொர்க்குகளின் முன்கணிப்பு சக்தி புரட்சிகரமானது, மேலும் துல்லியமான நேரம் மற்றும் இடர் மதிப்பீட்டின் மூலம் வருவாயை மேம்படுத்தும்."
– ஆண்ட்ரூ என்ஜி, கூகுள் பிரைய்னின் இணை நிறுவனர்: "நியூரல் நெட்வொர்க்குகள் நிதிச் சந்தைகளை மிகவும் திறமையாகவும், வெளிப்படையாகவும், அணுகக்கூடியதாகவும் மாற்றும் ஆற்றலைக் கொண்டுள்ளன, ஆனால் பொருளாதாரத்தில் அவற்றின் பரந்த தாக்கங்கள் குறித்து நாம் எச்சரிக்கையாக இருக்க வேண்டும்."
- ராணா ஃபூரூஹர், குளோபல் பிசினஸ் கட்டுரையாளர் மற்றும் ஃபைனான்சியல் டைம்ஸின் இணை ஆசிரியர்: "நியூரல் நெட்வொர்க்குகள் மிகவும் சிக்கலானதாக வளரும்போது, அதிக அதிர்வெண், நீண்டகால முதலீட்டு உத்திகள் இரண்டிலும் ஆழமான நுண்ணறிவுகளை வழங்குவதன் மூலம் அவை வர்த்தகத்தின் தளவமைப்பை கடுமையாக மாற்றக்கூடும்."
– ரே டேலியோ, பிரிட்ஜ்வாட்டர் அசோசியேட்ஸ் நிறுவனர்: "செயற்கை நுண்ணறிவும், நியூரல் நெட்வொர்க்குகளும் நிதியில் அடுத்த எல்லையை பிரதிநிதித்துவப்படுத்துகின்றன. பரந்த அளவிலான தரவை கிரகித்து பகுப்பாய்வு செய்யும் அவற்றின் திறன், சந்தை இயக்கவியல், சொத்து நிர்வாகம் ஆகியவற்றை நாம் எவ்வாறு புரிந்துகொள்கிறோம் என்பதை அடிப்படையில் மாற்றியமைக்க முடியும்."
