بسترهای ایمنساز بازارهای مالی را بشناسید؛ ارتباط هوش مصنوعی و پیشبینی دقیق قیمت سهام
عضو هیئت علمی گروه ریاضی با تشریح بسترهای ایمنساز بازارهای مالی؛ ریاضی مالی، علوم داده و ماشین لرنینگ را جزء این بسترها برشمرد و گفت: با هوش مصنوعی پیشبینی قیمت سهام دقیقتر است.
فرشته گلدوست با اشاره به نقش مؤثر علوم در ابعاد گوناگون زندگیِ امروزِ بشر از جمله مهندسی، پزشکی، علوم اقتصادی و … اظهار کرد: امروزه یکی از برجستهترین موضوعات مورد علاقه ریاضیدانان مالی که به تحلیل بازارهای مالی کمک میکند، بیان چگونگی و روند نوسانات قیمتها بوده که مسیرها و دیدگاههای متفاوتی را در این باره پدید آورده است.
وی با بیان اینکه با توجه به عدم دسترسی اطلاعات کافی و دقیق درباره عوامل مؤثر بر نوسانات بازار سهام، پیشبینی این تغییرات به سادگی میسر نیست، اضافه کرد: تغییر درجه تأثیر متغیرها و وجود تغییرات سیاسی داخلی و جهانی که اثر مستقیم بر سیستمهای اقتصادی دارد از چالش اساسی در مدلسازی بازار بورس است.
عضو هیئت علمی گروه ریاضی دانشگاه آزاد اسلامی واحد بندرانزلی عنوان کرد: از سوی دیگر در هر بازاری احتمال ریسک و از دست رفتن سرمایه و ارزش وجود دارد، بهخصوص بازارهای مالی و بورس که همواره در نوسان و تحت تأثیرِ اخبار و اتفاقاتِ گوناگون هستند.
نخستین هدف یک سرمایهگذار چیست؟
گلدوست تأکید کرد: از این رو باید نخستین هدف یک سرمایهگذار حفظ سرمایه و جلوگیری از زیان باشد، بهعنوان مثال مدیریت ریسک و سرمایه یکی از ضروریات و ملزومات معاملهگر و سرمایهگذار بوده و داشتن آرامش برای یک معاملهگر در بازارهای مالی بسیار حائز اهمیت است؛ چراکه تصمیمات وی متأثر از آرامش و روان اوست.
وی با بیان اینکه در علم تجارت، بازار مالی (Financial Market) اصطلاحی گسترده است که برای طیف وسیعی از بازارها به کار میرود، ادامه داد: هر بازاری که در آن تجارتی صورت میگیرد، یک بازار مالی به شمار میرود، بازارهایی که در آنها تجارت اوراق بهادار شامل سهام، اوراق قرضه، ارز، فلزات و مشتقات آنها انجام میشود نیز بازار مالی هستند.
عضو هیئت علمی گروه ریاضی دانشگاه آزاد اسلامی واحد بندرانزلی تبیین کرد: درحالیکه یک اقتصاددان مالی بر روی دلایل ساختاری قیمت سهام یک شرکت مطالعه میکند، یک ریاضیدان مالی قیمت سهام را به عنوان داده در نظر گرفته و تلاش بازار سرمایه و استفاده از هوش مصنوعی میکند تا با استفاده از حسابان تصادفی (stochastic calculus) ارزش واقعی مشتقات آن سهام را به دست آورد.
این استاد دانشگاه افزود: در عصر معاصر ماشینها توانایی زیادی برای فراگیری دادهها داشته و قادر هستند پس از فراگیری دادههای آموزشی، نتایج قابل قبولی را ارائه کنند.
گلدوست تشریح کرد: استفاده از تکنولوژی و فناوریهای روز دنیا بهخصوص زمانی که صحبت از حوزههایی مانند بورس و سرمایهگذاری باشد، میتواند ما را یک گام جلوتر از دیگران قرار دهد.
وی یادآور شد: دو نمونه از بهترین تکنولوژیهای امروز در بازار بورس «هوش مصنوعی» و «یادگیری ماشین» هستند که به تازگی پا به این عرصه گذاشتهاند و با استفاده از این دو عامل و پلتفرمهای وابسته به آن میتوان بازدهی معاملات را افزایش داده، در هزینه و وقت صرفهجویی کرده و در نهایت درصد ریسک را تا حد قابل توجهی پایین آورد.
عضو هیئت علمی گروه ریاضی دانشگاه آزاد اسلامی واحد بندرانزلی در تشریحِ تکنولوژیِ «یادگیری ماشین» بیان کرد: یادگیری ماشین یکی از زیرمجموعههای هوش مصنوعی است که به سیستمها این امکان را میدهد تا به صورت خودکار یادگیری و پیشرفت داشته باشند، بیآنکه نیاز باشد تا یک برنامهنویسی مخصوص به آن یادگیری ویژه را انجام داد.
گلدوست با بیان اینکه تمرکز اصلی یادگیری ماشین بر توسعه برنامههایی است که بتوانند با دسترسی به دادهها، به طور خودکار از آنها برای یادگیری خود سیستم استفاده کنند، توضیح داد: علاوه بر موارد مطرح شده، امروزه در زمینههای گوناگون بازار سرمایه از هوش مصنوعی استفاده میشود و بهکارگیری هوش مصنوعی با مزایایی مانند افزایش سرعت در فرآیندها، انجام دقیق کارها، کاهش خطاها، آنالیز و تجزیه و تحلیل دادهها، کمک به تصمیمگیری، تشخیص رفتار و احساسات افراد و به طور کلی هوشمندانه کار کردن، نقش موثری در پیشبرد مقاصد انسانی دارد، بهعنوان مثال برای پیشبینی روند یک شاخص میتوان از هوش مصنوعی استفاده کرد.
لزوم آگاهی از بستر ایمن و مطمئنِ سرمایهگذاری
این استاد بازار سرمایه و استفاده از هوش مصنوعی دانشگاه تشریح کرد: هوش مصنوعی و ماشین لرنینگ به تنهایی تأثیرگذار نیستند؛ اما زمانیکه باهم تجمیع شوند توانایی انجام کارهای بزرگتری را دارند، به طور مثال روند یک نمودار در بازار سهام را پیشبینی میکنند.
عضو هیئت علمی گروه ریاضی دانشگاه آزاد اسلامی واحد بندرانزلی افزود: ابتدا هوش مصنوعی وارد عمل میشود تا آمار و ارقام موجود بر روی نمودار را دریافت، تجزیه و پردازش کند و پس از ذخیره اطلاعاتِ به دست آمده آن را با یادگیری ماشین در میان میگذارد و ماشین طبق اطلاعاتی که دارد یک نتیجه به شما میدهد. مانند «مطابق اطلاعات ثبت شده در ماشین، این نماد در بورس نوسان مثبت خواهد داشت.
به گفته گلدوست؛ در حقیقت هوش مصنوعی کار تجزیه و پردازش را برعهده داشته و مجموعه تحت آن یادگیری ماشین است که وظیفه یادگیری و ارائه اطلاعات را دارد.
وی عنوان کرد: از مزایای مهمِ هوش مصنوعی و یادگیری ماشین میتوان به «پیشبینی دقیق قیمت سهام» اشاره کرد که چیزی به نام «احساس» یا «روان» در این سیستم وجود ندارد و این سیستم کاملاً منطقی رفتار میکند، با این وضعیت بدون درنظر گرفتن خرافات و احساسات به ارائه نتایج از دادههای زمانی که به دقتِ آن افزوده شده اقدام میکند.
عضو هیئت علمی گروه ریاضی دانشگاه آزاد اسلامی واحد بندرانزلی تبیین کرد: آگاهی از بستر ایمن و مطمئنِ سرمایهگذاری برای افراد ضروری است؛ چراکه افراد از متضررشدن در بازار بیزار هستند و یادگیری ماشین با استفاده از حجم دادههایی که در اختیار دارد، وارد کار شده و شروع به اسکن آنها میکند.
گلدوست گفت: سپس با توجه به یک چارچوب قانونی به شما میگوید که بهعنوان مثال این شرکت سابقه خوبی دارد یا خیر؟ حتی در راستای شناسایی کلاهبرداران مورد استفاده قرار گرفته و شما را از تقلبهای احتمالی ایمن میسازد و نیازی به مداخله انسانی ندارد. این موضوع سرعت ما را در زندگی روزمره افزایش داده، مدیریت زمان ما را معنادارتر و دیدگاه ما را وسیع تر و عمیقتر میکند.
وی عنوان کرد: به بیان بهتر، بهکارگیری هوش مصنوعی و یادگیری ماشین مانند استخدام یک نیروی انسانی است که کاملاً دقیق بوده، به صورت مستمر درحال یادگیری است، خسته نمیشود، قدرت پردازش خوبی دارد و میتواند سفارشیسازی شود.
عضو هیئت علمی گروه ریاضی دانشگاه آزاد اسلامی واحد بندرانزلی متذکر شد: مسئله سرمایهگذاری یکی از عناصر اصلی رشد و توسعه اقتصادی پایدار در کشورها بوده و ازاین حیث بازار سرمایه و بورس اوراق بهادار و شرکتهای سرمایهگذاری بهعنوان واسطه گران مالی از اهمیت بسزایی برخوردار هستند.
گلدوست بیان کرد: بازده هرچه بیشتر و مطلوبترِ این شرکتها بهخصوص در بخش خصوصی یکی از پدیدههای اثرگذار بر بازار سرمایه در بخش اقتصاد است.
وی اضافه کرد: با افزایش کارایی این شرکتها میتوان به بهبود عملکرد اقتصادی کشور کمک مؤثری کرد؛ بنابراین ضرورت دارد براساس مکانیزمی مناسب به ارزیابی فعالیتها وعملکرد آنها پرداخته شود.
این استاد دانشگاه عنوان کرد: توجه بیش از بیش به علوم و رشتههای ذکرشده و توسعه و گسترش آنها متناسب با رشد چنین فعالیتهای اقتصادی در سطح دانشگاهها، استفاده از مهارت استادان مربوط در بازار سرمایه و استفاده از هوش مصنوعی تعلیم و آموزش متناسب با نیاز منطبق با تحولات جهانی کمک قابل توجهی به جامعه اقتصادی و رشد کرده و و فرصت اشتغال نخبگان علمی و جوانان آیندهساز را فراهم میکند.
بازار سرمایه و استفاده از هوش مصنوعی
آشنایی با کاربردها و بازار AI
تخصص هوش مصنوعی (Artificial Intelligence Specialist) و تخصصهای نزدیک به آن مانند مهندس یادگیری ماشین (Machine Learning Engineer)، دانشمند داده (Data Scientist)، متخصص بینایی ماشین (Machine Vision Specialist) و حتی مهندس داده (Data Engineer) در سالیان اخیر روند رو به رشدی در بازار کار داشته اند. این مساله طبیعی هم هست، چون روز به روز و با پیشرفتهای جدیدتر، دامنه کاربرد این تخصص گسترده تر می شود و محصولات جدیدی در حوزه های مختلف مبتنی بر ویژگی بازار سرمایه و استفاده از هوش مصنوعی های هوش مصنوعی به بازار عرضه می شود. البته در این مورد، باید بازار کار ایران را با بازارهای بین المللی تفکیک کرد. در ایران شاید کمتر شرکتی باشد که به طور جدی هزینه R&D در حوزه هوش مصنوعی را پرداخت کند و همچنین دامنه استفاده از آن در محصولات تولیدی به چند کاربرد خاص مانند سامانه های توصیه گر محصول و موتورهای تشخیص هویت محدود می شود. اما در دنیا اوضاع به شدت فرق می کند و مهندسی که مفاهیم و ابزارها را به خوبی مسلط باشد، فرصتهای شغلی زیادی را روبه روی خود می بیند. البته این را هم باید در نظر داشت که حضور افراد مستعد و نخبه در این رشته پر رنگ می باشد و برای مصاحبه در آزمونهای استخدامی، شما باید خیلی آماده باشید.
نکته بسیار متمایز کننده ای که در حوزه هوش مصنوعی وجود دارد، کاربردهای بسیار متنوع و بی شمار آن می باشد. بعید است شما بتوانید صنعتی را نام ببرید که چه در حال حاضر و چه در آینده نزدیک تقاضا برای ورود محصولات مبتنی بر هوش مصنوعی نداشته باشد. صنعت بانکداری و فاینانس، صنعت کشاورزی، تولید خودرو، رباتیک، پردازش اطلاعات در علوم اجتماعی، ابتکارات جدید در دانش پزشکی، رباتهای خدماتی و …. صحنه استفاده های متعدد از فناوری هوش مصنوعی بوده است. حتی در ستاره شناسی هم تعدادی از جدیدترین کشفیات توسط برنامه های هوش مصنوعی صورت پذیرفته است. نکته جالبتر چشم انداز سالیان آتی می باشد. اکثر تحلیلگران استراتژیست، از صنعت هوش مصنوعی به عنوان اولین گزینه برای موتور ایجاد رشد اقتصادی و گسترش صنعت در سالیان آتی نام می برند و دولتهای بزرگ دنیا، سرمایه گذاریهای شدیدی را برای عقب نماندن از قافله پیشرفت در این حوزه انجام داده اند.
در فیلد هوش مصنوعی و علم داده، فضاهای کاری مختلفی وجود دارد. مهمترین آنها در حوزه تصویر و ویدئو (Vision & Image) و پردازش متن(Natural Language Processing) قرار دارد. شما باید بتوانید با تکنیکها و روشهایی که یاد گرفته اید، ویژگیهایی(Feature) که محصولات نیاز دارند را پیاده سازی کرده و پس از گذراندن تستهای دقت و سرعت به عنوان محصول نهایی و یا سرویس به دست تیم تولید محصول اصلی برسانید. معمولا در این راه، شما باید با مهندسین نرم افزار که لایه های Back-End و Front-End نرم افزار را طراحی و پیاده سازی می کنند همکاری نزدیکی داشته باشید.
برای کسی که در ابتدای شروع این مسیر می باشد، داشتن یک چشم انداز روشن از نقطه ای که قرار است به آن برسد بسیار مهم می باشد. ما در دوره منتورینگ، در کنار یادگیری مفاهیم فنی و غیرفنی به مرور شما را به طور کامل با فضای بازار کار هوش مصنوعی و علوم داده در دنیا آشنا می کنیم. یکی از مهمترین فواید دوره منتورینگ ما، اجبار دانشجویان به کار با داده های صنایع مختلف و کاربردهای متنوع می باشد. تجربه کار با داده های هر صنعت، اعتبار و شانس قبولی شما در مصاحبه شغلی براس شرکتی که در آن فیلد خاص تولید محصول می کند را بالاتر می برد. ضمن آنکه منابعی برای شما فراهم می شود که بتوانید اکوسیستم فناوری و اقتصادی کشورها و شرکتهای مختلف را با هم مقایسه کنید و بهترین تصمیم را برای آینده شغلی خود بگیرید. علاوه بر آن، با داشتن شناخت کافی نسبت به بازار کار شما می توانید در ادامه مسیر، به سمت آن کاربردی که علاقه بیشتری به آن دارید حرکت کنید و تجربه بیشتری در پروژه های مربوط به آن کاربرد بدست آورید. ما برنامه مختص خودتان را براساس میزان تلاش، علاقه و وضعیت بازار کار طراحی خواهیم کرد تا مهارتها و دانش لازم را برای موقعیت شغلی مورد علاقه تان در کمترین زمان ممکن بدست آورید.
یکی از مهمترین مزیتهای داشتن دید کلان به فضای بازار کار و فناوریهای مورد نیاز، امکان سنجی جهت پیاده سازی ایده های ابتکاری خودتان با جذب سرمایه گذار و در قالب شرکتهای استارتاپ می باشد. یکی از عمده ترین اهداف ما از راه اندازی برنامه منتورینگ، تربیت نیروهای متخصص و بادانش نه صرفا برای کار در شرکتهای بزرگ، بلکه کارآفرینی و راه اندازی بیزینس مبتنی بر هوش مصنوعی توسط خود دانشجویان می باشد.
سوخت 4.8 میلیاردی برای هوش مصنوعی
سکوی پرتاب هوش مصنوعی، با 5 تیم برگزیده به کار خود پایان داد
ویراویراست که اولین تیم برگزیده این رویداد بود، یک سامانه هوشمند تایپ و ویراستاری آنلاین متن فارسی است که برای دومینبار موفق به جذب سرمایه از 100استارتاپ شد. 4 تیم دیگر هر یک به ترتیب در زمینه بازارهای مالی، دوربینهای مدار بسته، محافظت بات و ارائه بیمه خودرو فعالیت میکنند و کسبوکارشان مبتنی بر هوش مصنوعی است.
طرح صیانت، حاصل سیاستگذاری ساده لوحانه است
امیر ناظمی سخنران ویژه افتتاحیه این رویداد بود، وی با اشاره به طرح صیانت گفت: سیاستگذاری باید هوشمندانه و با نگاه درست به مسائل باشد. این نوع سیاست گذاری، منجر به راهگشایی و کنترل رگولاتوری درست خواهد شد. ناظمی در ادامه افزود: سیاستگذار باید به حل مسوله فکر کند نه اینکه صورت مسئله را به کلی پاک نماید.
ریاست سازمانی فناوری اطلاعات ایران افزود: طرح صیانت حاصل ساده انگاره و سیاستگذاری بدون دانش است. طرحی که برای صیانت از حقوق مخاطبان در فضای مجازی تدوین شده، اما اصل حضور مخاطبان در فضای مجازی را نقض و محدود میکند.
در ادامه این رویداد، که مجموعه 100استارتاپ و صندوق سرمایهگذاری جسورانه پارتیان به عنوان سرمایهگذار و برگزارکنندههای اصلی آن حضور داشتند، تیمها به ارائه طرح های کسب و کاری خود برای داوران پرداختند و به سوالات و ایرادات وارد شده پاسخ دادند.
اگزیت موفق 100 استارتاپ، اسنوا مالک جدید هوما شد
در رویداد هوش مصنوعی به مناسبت اولین اگزیت موفق 100استارتاپ از یکی از تیمهای پرتفو خود، سید رضا سجادی همبنیانگذار این استارتاپ داستان کسبوکارش را برای حاضرین رویداد روایت کرد. استارتاپ هوما یکی از تیمهای پرتفو 100استارتاپ است که فروردین 99 با جذب سرمایه عضوی از خانواده 100استارتاپ شد و اواخر همان سال اسنوا درخواست خرید سهام هوما را مطرح کرد. حالا پس از چند ماه مذاکره، 100استارتاپ با موفقیت از هوما اگزیت کرده است. هوما در مدت زمانی کوتاهتر از چیزی که پیشبینی کرده بود توانست به شاخصهای کلیدی عملکردش(KPI) دست پیدا کند.
هوما باکس دستگاهی است که با اتصال به تلویزیونهای عادی، آنها را تبدیل به تلویزیونهای هوشمند اندرویدی میکند.علی سدیفی، مدیرعامل 100استارتاپ ضمن تبریک به تیم هوما عنوان کرد: هوما چیز شگفتانگیزی نیست؛ این تیم مثل همه بچههای اکوسیستم استارتاپی تلاش کردند و بارها زمین خوردند اما دوباره ایستادند و با تمام قوا به مسیرشان ادامه دادند.
ایران، هوش مصنوعی، آینده
در حاشیه این رویداد پنلی تخصصی تحت عنوان ایران، هوش مصنوعی، آینده با مدیریت عمار جلالیمنش، همبنیانگذار شتابدهنده همتک و جمعی از فعالان این حوزه برگزار شد. امید حاتمی دکترای ریاضی دانشگاه کمبریج، سید مهدی خلیق رضوی همبنیایگذار شتابدهنده همتک، ایمان ظهوریان سرپرست تیم تحقیقاتی دیدهبان هوش مصنوعی و حامد اجاقی عضو ارشد تیم تحقیقاتی دیدهبان هوش مصنوعی از مهمانان این پنل بودند.
ایمان ظهوریان با اشاره به مطالعات صورت گرفته در حوزه هوش مصنوعی عنوان کرد: در سال 2016 استفاده از فناوریهای هوش مصنوعی رقمی بالغ بر 7.643 میلیون دلار بوده و پیشبینی میشد تا سال 2025 این رقم به 8.36 میلیارد دلار برسد. اما با گذر زمان و مشاهدات جدید پیشبینی میشود این رقم تا سال 2025 به 100 میلیارد دلار هم برسد. ظهوریان پردرآمدترین فعالیتهای هوش مصنوعی را در زمینههای بهبود عملکرد کسبوکارهای مبتنی بر الگوریتم، اطلاعات و طبقهبندی آنها برای بیماران و تعمیر، نگهداری و توزیع محتوا در شبکههای مجازی برشمرد.
حامد اجاقی با اشاره به لزوم بازتعریف مفاهیم متناسب با ادبیات بازار و نیازهای آن برای تولید و عرضه محصول اظهار داشت: اکوسیستم هوش مصنوعی در ایران یک اکوسیستم نوپا است؛ بنابراین ایدههای کوچک در چنین شرایطی میتواند راهگشا باشد. ایدههای بزرگ به دلیل عدم تطابق هزینه و فایده، اجازه بروز و ظهور پیدا نمیکنند و این چالشی است که در تمام اکوسیستمها وجود دارد؛ اما در این حوزه بیشتر احساس میشود. اجاقی همچنین درباره تصور جامعه و انتظاری که از بازار سرمایه و استفاده از هوش مصنوعی هوش مصنوعی دارند، گفت: رسانهها و جامعه ذهنیت ما را به نحوی شکل دادهاند که با شنیدن لفظ هوش مصنوعی یک مفهوم انقلابی برای ما تداعی میشود. اما باید بدانیم که این تصوری اشتباه است و میتواند برای اکوسیستم صدماتی را به همراه داشته باشد.
سید مهدی خلیق رضوی که به صورت آنلاین و از انگلستان در این پنل حضور داشت درباره نقش و تاثیر هوش مصنوعی در کسبوکارها عنوان کرد: ظرفیتهای هوش مصنوعی 3 کمک شایان به کسبوکارها میکند که عبارتند از: مقیاسپذیر شدن و در دسترس همگان قرار گرفتن خدمات، کاهش هزینه و افزایش کیفیت. او همچنین کاربرد هوش مصنوعی در حوزه سلامت را در 3 حوزه گسترش زیرساخت و پیشگیری، تشخیص و نهایتا درمان عنوان کرد و افزود: در حال حاضر ما در ایران پیشرفت مناسبی در زمینه گسترش زیرساخت داشتیم اما در حوزههای دیگر نیاز به تلاش و فعالیت بیشتری داریم.
دکتر حاتمی در این گفتگو بیشتر به بحث تجربه و کاربرد استفاده از هوش مصنوعی در زمینههای مختلف مانند گردشگری و حوزههای فروش در بازار پرداخت. همچین عمار جلالیمنش همبنیانگذار شتابدهنده همتک ضمن مدیریت، اجرا و طرح بحث به بیان بازار سرمایه و استفاده از هوش مصنوعی نکاتی تکمیلی درباره وضعیت هوش مصنوعی در ایران پرداخت. در پایان این گفتگو فرصتی فراهم بود که تعدادی از حاضرین سوالاتی را مطرح کردند و میهمانان پاسخ آنها را دادند.
سجاد بیگدلو کارشناس اجرایی مرکز تحقیقات هوش مصنوعی پارت در ضمن معرفی این مجموعه عنوان کرد: این مجموعه بزرگترین شرکت دانشبنیان مالی در کشور از لحاظ سرمایه انسانی و دارای بیشترین سرمایه انسانی متخصص هوش مصنوعی در کشور است. همچنین مرکز تحقیقات هوش مصنوعی پارت دارای قویترین زیرساختهای پردازشی در کشور است که در دو زمینه محصولات تجاری و فعالیتهای ترویجی کار میکند.
سکوی پرتاب هوش مصنوعی سومین رویداد سرمایهگذاری تخصصی 100استارتاپ بود که مانند سایر رویدادهایی که توسط این مجموعه برگزار میشود، علاوهبر سرمایهگذاری مشاوره و راهبری متناسب با نیاز هر تیم صورت گرفت. لازم به ذکر است 100استارتاپ به همراه مدرسه کسبوکار تکاپو در نظر دارند که در پاییز سال جاری برنامه ملی 100 تکاپوی صادراتی را برگزار کنند. این برنامه ملی فرصتی برای سرمایهگذاری، آموزش و راهبری برای کسبوکارهایی است که قصد ورود به حوزه صادرات را دارند. 6.5 میلیون دلار سرمایهگذاری برای این برنامه در نظر گرفته شده و تا 16 مهر ماه فرصت برای ثبتنام از طریق پنل 100استارتاپ وجود دارد.
نبرد سوپرکامپیوتر و تحلیلگران بازار سهام؛ هوش مصنوعی در بورس به موفقیت میرسد؟
در ماههای اخیر بورس و بازار سهام مورد توجه بسیاری از افراد در سراسر جهان قرار گرفته، البته وضعیت بازار در تمام کشورها مناسب نیست و مانند همیشه نوسانات شدیدی دارد، نوساناتی که شاید هوش .
در دیجیاتو ثبتنام کنید
جهت بهرهمندی و دسترسی به امکانات ویژه و بخشهای مختلف در دیجیاتو عضو ویژه دیجیاتو شوید.
تازههای تکنولوژی
ویدئوی مرتبط
در ماههای اخیر بورس و بازار سهام مورد توجه بسیاری از افراد در سراسر جهان قرار گرفته، البته وضعیت بازار در تمام کشورها مناسب نیست و مانند همیشه نوسانات شدیدی دارد، نوساناتی که شاید هوش مصنوعی در پیشبینی آنها موفق باشد. به تازگی یک نرم افزار مبتنی بر هوش مصنوعی توسعه پیدا کرده که میتواند وضعیت بازار را پیشبینی کند، اما آیا میتوان با هوش مصنوعی در این بازار به برتری دست پیدا کرد؟ آیا هوش مصنوعی قادر به شکست بزرگترین تحلیلگران بازار خواهد بود؟
در سیاتل یک سوپرکامپیوتر در دفتری توسعه پیدا کرده که قصد دارد با تحلیلگران سرشناس وال استریت رقابت کند. در این دفتر ۸ ردیف سرور درون فریمی مشکی رنگ قرار گرفتهاند و ۴۰۰ کامپیوتر در این فریم چشمک میزنند. این کامپیوترها دادههای بازار را با سرعت بالایی تحلیل میکنند و پاسخگوی درخواستهای معاملهگران در شیکاگو هستند. برای تحلیل وضعیت از ۱۰ مانیتور استفاده میشود که خروجی را نشان میدهد.
به علت شیوع کرونا رکود در جهان حاکم است و اقتصاد وضع مناسبی ندارد، اما این موضوع باعث نشده که «جک گلیکمن» و شرکت مشاوره سرمایهگذاری آن، «J4 Capital» تصمیم به خروج از بازار بگیرند. وضعیت این صندوق پوشش ریسک خوب است، حتی اگر بازار وضعیت جالبی نداشته باشد. نزدیک به یک ماه پیش ارزش سرمایهگذاریهای J4 Capital نزدیک به ۴ درصد افزایش پیدا کرد، در حالی که شاخص داو جونز در آن زمان کاهش ۲۷ درصدی را تجربه میکرد.
بسیاری از مهندسان اقتصادی باور دارند که شکست بازار سهام توسط یک ماشین تنها به بوسیله دستگاههای خود، غیرممکن است. اطلاعات بازار سهام بسیار بهم ریخته و تصادفی هستند که باعث میشود امکان پیشبینی آنها وجود ندارد. سوابق تجاری محدود به ۱۰۰ سال گذشته میشوند و قانون میانگین نیز بیرحم است. هرگونه سیگنال قابل پیشبینی که وجود داشته باشد، شرکتهای رقیب سریعا به آن دست مییابند و نابودش میکنند. در حالی که برخی صندوقها از الگوریتمها برای معاملات با فرکانس بالا استفاده میکنند، اما اغلب آنها را مجددا برنامهریزی میکنند و بهبود میدهند.
رقابت سنگین در این بخش از بازار باعث میشود که سود بسیار کمی برای شرکتهای جدید وجود داشته باشد. یک معاملهگر بسیار توانمند با نرخ موفقیت ۵۱ درصد هیجانزده میشود، البته هنوز این کار ریسک بالایی دارد. «Renaissance Technologies» شاید سودآورترین صندوق پوشش ریسک در این بخش باشد که با پیشبینیهای خود ثروت زیادی بدست آورده است. با وجود این موفقیت، J4 Capital ادعا میکند که نرخ موفقیت سرمایهگذاریهای آن نزدیک به ۶۰ درصد است.
J4 Capital ادعا میکند با هوش مصنوعی خود قادر به پیشبینی بازار سرمایه است
گلیکمن اطلاعات کمی درباره مسائل مالی دارد. این مهندس کامپیوتر ۵۹ ساله تا به امروز در وال استریت یا بانکهای بزرگ کار نکرده و به همین دلیل سوپرکامپیوتر آن در بخشهای مختلف معامله نمیکند که درآمد محدود آن را در پی داشته. گلیکمن علاوه بر اینکه دانش مالی ندارد، الگوریتم سرمایهگذاری برای این سوپرکامپیوتر نیز توسعه نداده تا توسط آن ورودیها را انتخاب کند. گلیکمن بجای این کار، یک کامپیوتر فوقالعاده هوشمند خلق کرده که خودش را برنامهریزی مجدد میکند.
در دنیای صندوقهای پوشش ریسک با ادعاهای زیادی روبهرو میشویم که تنها شمار کمی از آنها حقیقت دارند. در همین راستا دو فرد تحصیل کرده با تخصص در زمینه الگوریتمهای مالی درباره نوآوری انقلابی J4 Capital ابراز تردید کردهاند، البته هیچ کدام از آنها با شرکت آشنایی نداشتند. گلیکمن که صاحب چندین پتنت در زمینه پردازش تصویر، شناسایی الگوها و فناوری شبکه است، اصرار دارد که هوش مصنوعی آن واقعا کار میکند.
گلیکمن اعلام کرده نرم افزاری که او اجرا میکند، نوعی از اثبات قضیه است، یک الگوریتم غیرقطعی که مجموعهای از دادهها را مورد بررسی قرار میدهد و فرضیهای بر اساس آنچه میبیند، مطرح میکند. نحوه عملکرد این نرم افزار شبیه به مغز انسان در زمان تجزیه و تحلیل اطلاعات برای کشف موارد ناشناخته است. هوش مصنوعی گلیکمن این قضایا را با افزایش سطح انتزاعی ریاضی آزمایش میکند. به گفته این مهندس، نتیجه کار فوقالعاده قوی است.
ترفند اصلی این نرم افزار، تغییرات مداوم در بازار است. همانطور که شاید بدانید برخی مواقع سرمایهگذاران به سراغ طلا و گاهی به سراغ نفت میروند. گلیکمن در این زمینه گفته:
«بعضی مواقع بازار از اتفاقاتی که در جهان رخ میدهند، میترسد که برای مثال میتوان به جنگها یا آزمایش موشکهای هستهای توسط کره شمالی اشاره کرد. این ترسها باعث میشوند که بازار واکنش منفی از خود نشان دهد و سرمایهگذار ضرر کند.»
حرکات بازار تصادفی به نظر میرسند، اما در پایان روز سرمایهگذاران اطلاعات خود را از منابع یکسان مانند مصرف نفت و قیمتها، میزان ابتلا به کرونا و وال استریت ژورنال تامین میکنند. اما آیا هوش مصنوعی میتواند تمام این اطلاعات را تحلیل کند؟ گلیکمن هوشمندانه از کلمه تصادفی استفاده میکند مانند اینکه هرج و مرج در جهان تنها یک توهم است تا یک نظم اساسی را مخفی کند. وی ادامه میدهد:
«زمانی که اطلاعات بسیار پیچیده میشوند، مغز انسان نمیتواند آنها را متوجه شود. در حالی که شاید ما فکر کنیم که این اطلاعات تصادفی هستند، اما چنین چیزی وجود ندارد. ما تنها با اطلاعات پیچیدهای روبهرو هستیم که از توانایی ذهنی انسان بالاتر است، اما سوپرکامپیوترها توانایی تحلیل آنها را دارند.»
گلیکمن در چندین پروژه با ارتش آمریکا بازار سرمایه و استفاده از هوش مصنوعی همکاری داشته است
گلیکمن از دانشگاه ایلینوی مدرک کارشناسی خود را دریافت کرد اما هیچ وقت به سراغ کارشناسی ارشد نرفت و سعی کرد ایدههای خود را به کسب و کارهای قابل رشد و توسعه تبدیل کند. در اوایل دهه ۸۰ میلادی شرکت «Thumb Scan» را تاسیس کرد که از برخی از پتنتهای اولیه در زمینه امنیت بیومتریک و اثر انگشت محافظت میکند. پس از این شرکت، گلیکمن کسب و کار مشاورهای خود را راهاندازی کرد و با شرکتهایی مانند فورد و جنرال موتورز همکاری داشت اما پیچیدگیهای صنایع نظامی توجه او را به خود جلب کرد. وزارت دفاع بدنبال هوش مصنوعی برای پیشبینی قدرت نظامی نیروهای خارجی بود و گلیکمن در این زمینه مشغول بکار شد.
پس از آن ارتش خواستار برنامهای شد که بتواند از سیگنالهای رادیویی برای شناسایی سیلوهای موشک در شبکههای رمزگذاری شده مرکز فرماندهی و کنترل استفاده کند. یکی دیگر از پروژههایی که گلیکمن برای ارتش انجام داد، توسعه یادگیری ماشینی برای بهبود تحلیل هوایی زیرساختهای دشمن بود تا پنتاگون بتواند با بمبهای سبکتر به میزان خسارت موردنیاز خود دست پیدا کند و هزینهها را کاهش دهد.
در حالی این موارد مشکلات نظامی مهمی بودند و حقوق مناسبی به برطرفکنندهها پرداخت میشد، اما یکی از وظایفش که مهندسی معکوس برای پیشبینی دقیق عدد تصادفی بعدی بود، باعث شد گلیکمن به فکر هوش مصنوعی مخصوصی بیفتد. در این هنگام گلیکمن بدنبال پاسخ این سوال بود که چه ارتباطی میان حرکت تصادفی ذرات معلق در یک سیال و نوسان بازار سهام وجود دارد. پس از سالها جستجو برای پیدا کردن جواب این سوال، در سال ۲۰۰۰ به یک کتاب دست پیدا کرد که عنوان «شکست بازار» را یدک میکشید. این کتاب باعث شد گلیکمن به سراغ استفاده از یادگیری ماشینی برای شکست بازار سهام برود.
در سال ۲۰۰۴ این مهندس کامپیوتر متوجه شد که به یک نرم افزار جدید مبتنی بر هوش مصنوعی نیاز دارد، یک اثباتکننده فرضیه که میتواند خود را مجددا برنامهریزی کند تا مدلهای جدید از اطلاعات مالی تولید کند. در میان سالهای ۲۰۰۵ تا ۲۰۱۰، وی مشغول کار روی این پروژه بود و به پیشبینیهای قابل اعتماد نزدیک و نزدیکتر میشد. با این وجود، همچنان نمیدانست که چگونه از نرم افزار خود استفاده کند، اما در نهایت شرکتی برای مدیریت مالی تاسیس کرد.
در حالی که شرکتهای مدیریت مالی به زیرساختها و تجهیزات زیادی نیاز ندارند، اما کار آنها بسیار سخت است. گلیکمن برای تاسیس شرکت خود توانست با یک نابغه که در ۱۹ سالگی مدرک MBA گرفته بود، همکاری کند. پس از مدتها بالاخره در ژوئن ۲۰۱۵ گلیکمن از نرم افزار خود استفاده کرد و برای یک روز کامل با آن محاسبات انجام داد. او امیدوار بود که هوش مصنوعی آن بتواند وضعیت شاخص S&P 500 را برای روز بعدی پیشبینی کند، اما نمیدانست که چگونه این نرم افزار باید به نتیجه برسد.
مدلهای یادگیری عمیق و شبکههای عصبی یک مشکل رایج دارند که با نام «جعبه سیاه» شناخته میشوند: میلیونها یا حتی میلیاردها عملیات محاسباتی هوش مصنوعی میتواند درک این موضوع که آن چگونه به نتیجه مشخصی میرسد را تقریبا برای ما غیرممکن کند. این موضوع باعث شد که گلیکمن تصمیم بگیرد که یک «جعبه سفید» بسازد.
این مهندس و شریک آن برای اینکه بفهمند هوش مصنوعی در ۸ ساعت اول چه کارهایی انجام داده است، نزدیک به یکسال تحقیق کردند. این نرم افزار کار خود را با ساخت تئوری شروع میکند و پس از اینکه متوجه میشود که جبر وجود دارد و از آن میتوان برای تفسیر دادهها استفاده کرد، آن را نگه میدارد. سپس هندسه را کشف میکند و در مراحل بعدی به سراغ مثلثات و حسابان میرود. در مرحله بعدی معادلات دیفرانسیل جزئی را کشف میکند و در نهایت هوش مصنوعی به سطح بالایی از ریاضیات دست مییابد.
پس از اینکار، گلیکمن به هوش مصنوعی خود بازار سرمایه و استفاده از هوش مصنوعی بازار سرمایه و استفاده از هوش مصنوعی اجازه میدهد که به صورت آزمایشی شروع به معامله کند که اگرچه در ابتدا سرعت کمی داشت اما با گذر زمان سریع و سریعتر شد. با افزایش تعداد معاملات، نوسان خروجیها کاهش پیدا کرد و شکست بازار سرمایه امکانپذیر شد. شاید برای درک نحوه کار سوپرکامپیوتر گلیکمن نیازی به داشتن دانش بالایی در زمینه ریاضی نداشته باشید، اما همچنان با یک فناوری اختصاصی روبهرو هستیم و نمیتوانیم درباره خودکار بودن آن اظهارنظر خاصی بکنیم.
با شیوع کرونا گلیکمن در خانه قرنطینه شده اما سوپرکامپیوتر آن همچنان به فعالیت خود ادامه میدهد. زمانی که برای اولین بار ویروس کرونا در ژانویه به واشنگتن رسید، گلیکمن شروع به آزمایش این موضوع کرد که کامپیوتر اگر تنها بماند، میتواند کارهای خود را انجام دهد یا خیر. این کار برای دو هفته انجام شد که نتیجه آن، عملکرد مناسب سیستم بدون نیاز به انسان بود.
زیرساختهای معاملات مانند سوپرکامپیوتر خودکار هستند که این موضوع باعث شده ابررایانه J4 با مشتریان خود در ارتباط باشد، معاملات را انجام دهد و در مواقع ضروری خود را خاموش یا ریبوت کند. گلیکمن برای افزایش کارایی سیستم خود یک مهندس فعال در حوزه ابری را استخدام کرد و هم اکنون این ابررایانه میتواند در لندن و هنگ کنگ نیز معامله کند و پاسخگوی درخواست ۱۰۰۰ یا حتی ۱۰ هزار مشتری باشد.
در حال حاضر J4 Capital یک شرکت کوچک محسوب میشود که گلیکمن برای ایجاد آن از دوستان و اعضای خانواده خود ۱۰ میلیون دلار پول قرض و ۴۰۰ سرور برای سوپرکامپیوتر خود تهیه کرد. این صندوق برای مدیریت پول ۲ درصد کارمزد میگیرد و ۲۰ درصد نیز از سود دریافت میکند، نرخهایی که در صندوقهای پوشش ریسک یک استاندارد است.
این شرکت وظیفه مدیریت ۷.۲ میلیون دلار سرمایه را تا پایان ۲۰۱۹ برعهده داشت، با این حال گلیکمن امیدوار است که حجم سرمایهها در آینده نزدیک به بیش از ۱۰۰ میلیون دلار برسد که این موضوع باعث میشود برای تشکیل پرونده به کمیسیون بورس و اوراق بهادر ایالات متحده آمریکا فراخوانده شود.
J4 Capital بدنبال مدیریت ۱۰۰ میلیون دلار سرمایه است
در حالی که این ابررایانه در حال چاپ اسکناس است، سازنده آن خانهنشین شده و روی بخشهای دیگری از تجارت خود تمرکز کرده که شامل پیدا کردن سرمایهگذاران جدید برای خرید تجهیزات بیشتر برای افزایش قدرت سوپرکامپیوتر و در نتیجه جذب سرمایه بیشتری برای مدیریت میشود. در حالی که J4 Capital قصد ندارد تبدیل به Renaissance Technologies دوم شود، میخواهد فعالیتهای خود را افزایش دهد.
گلیکمن تنها به انجام معامله در بازار بورس راضی نیست و میخواهد ماشینش در بازارهای بیشتری حضور داشته باشند. حالا که این ابررایانه در حال آمادگی برای حضور در بازار سهام کشورهای خارجی است، سازنده آن میخواهد اوراق قرضه و سایر محصولات اعتباری را معامله کند. این احتمال وجود دارد که این هوش مصنوعی عملکردی بالاتر از بازارهای مالی داشته باشد و به سراغ حل مشکلات در زمینههای لجستیک و مدیریت زنجیره تامین برود، حوزههای که مشتریان خواستار کمک در آنها هستند.
برای گلیکمن فرقی نمیکند که سوپرکامپیوتر آن چگونه کار میکند چرا که هدف نهایی آن مانند سایر کسب و کارهاست. این مهندس کامپیوتر در نهایت اعلام کرده:
«هدف ما ایجاد یک کسب و کار و درآمدزایی از آن است. ما یک شرکت در وال استریت نیستم و فقط میخواهیم در فضای آنها نقش داشته باشیم. ما در حقیقت یک شرکت فناوری هستیم و برای ایجاد یک تجارت سودآور تلاش میکنیم و از آن سود بازار سرمایه و استفاده از هوش مصنوعی بدست میآوریم، مانند سایر شرکتهای فناوری که در بازار حضور دارند.»
تحول بورس با هوش مصنوعی
به کارگیری هوش مصنوعی در بورس و وجود امکانی برای پیشبینی هوشمند بورس شاید در گذشته یک رویا بود، اما اکنون در بسیاری از کشورها مانند امریکا مورد استفاده قرار میگیرد. در اصل میتوان با کمک الگوریتمهای تحلیل احساس، متن اخبار و تحلیلهای مربوط به بورس را بررسی کرده و به یک مدل هوش مصنوعی جهت پیشبینی احساس اخبار نسبت به نمادهای بورسی مختلف برسیم. نادین سافت در این مقاله به بررسی بیشتر این موضوع پرداخته است که پیشنهاد میشود آن را تا انتها مطالعه نمایید. نادین سافت برای هوشمندسازی کسب و کار شما و ارائه اطلاعات بیشتر به مخاطبان خود در این راستا، همواره همراه شما خواهد بود.
پردازش زبان طبیعی
NLP (پردازش زبان طبیعی) چیست؟
برای پیدا کردن درک کلی از مفهوم به کارگیری هوش مصنوعی در بورس بهتر است به تعاریف کلی پردازش زبان طبیعی و مفهوم تحلیل احساس در متن بپردازیم. NLP (پردازش زبان طبیعی) در تلاش برای ساخت ماشینها و سیستمهایی معنا پیدا میکند که نسبت به دادههای مبتنی بر متن یا مبتنی بر صدا (مشابه یک انسان) پاسخگو باشند. پردازش زبان طبیعی به یکی از شاخههای علوم کامپیوتر و به طور تخصصیتر هوش مصنوعی یا AI اشاره دارد که به کامپیوترها توانایی درک متن و گفتار را میدهد.
مفهوم تحلیل احساس در بورس چیست؟
تحلیل احساس یا آنالیز احساس یک تکنیک مربوط به پردازش زبان طبیعی به حساب میآید، تا درک ِمثبت، منفی یا خنثی بودنِ دادهها به صورت خودکار انجام گردد. تحلیل احساس اغلب بر روی دادههای متنی انجام میشود تا به مدیرانِ کسب و کارها کمک کند تا بتوانند بازخورد مشتری را بعد از استفاده از خدمات/ محصولات شان بهتر درک کنند و نیاز آنها را با شفافیت ِبیشتری بیابند.
پردازش زبان طبیعی به کامپیوترها کمک میکند تا متنی را از یک زبان به زبانی دیگر ترجمه کنند، به دستورهای گفتاری واکنش نشان دهند و میزان بسیار زیادی از متن را به صورت بلادرنگ خلاصه سازی نمایند. پردازش زبان طبیعی، در قالب سیستمهای جیپیاس صوتی، دستیارهای دیجیتال، نرمافزارهای تبدیلِ گفتار به متن، رباتهای چت ِارائه دهندهی خدمات به مشتری و سایر امکانات، نقش مهمی در زندگی ِروزمرهی مردم ایفا میکند.
البته به جز این، نقش فزایندهای در رابطه با ارائه راهحلهای سازمانی ایفا میکند که به سادهسازی فرآیندهای تجاری، افزایش بهرهوری کارکنان و غیره منجر میشود. یکی از کاربردهای مهم تحلیل احساس، در سادهسازی عملیات تجاری به بورس و گردشگری مربوط میشود.
در واقع این دو حوزه، از مهمترین بخشهایی به حساب میآیند که میتوانند از تحلیل احساس در متن به نفع ِخود و به واسطهی پردازش زبان طبیعی، بهرهمند شوند و به توسعه پایدار دست یابند. اگر تا به اینجا متوجه نشدید، نگران نباشید؛ در این مورد بیشتر صحبت خواهیم کرد تا درک این موضوع برای شما آسانتر شود.
بورس
نگاهی به بورس و تصمیم گیری برای خرید و فروش معاملات
تجزیه و تحلیل احساسات به واسطه پردازش زبان طبیعی به یکی از ابزارهای مهم در کشف دادههای پنهان شده در شبکههای اجتماعی کمک میکند. تجزیه و تحلیل احساسات میتواند در پستهای رسانههای اجتماعی، کامنتها، ریویوها و موارد دیگر را برای استخراج احساسات کاربران در مورد احساسی که در مورد یک محصول، یک خدمت یا یک تبلیغ دارند، مورد استفاده قرار بگیرد.
شرکتها میتوانند این اطلاعات را برای طراحی محصول، ایجاد کمپینهای تبلیغاتی و موارد دیگر استفاده کنند. یکی از مهمترین ِآنها بورس و شرکت در آن و تصمیمگیری در خرید و فروش معاملات است؛ در اصل، اخبار و تحلیلهایی که پیرامون بورس در سایتها و شبکههای اجتماعی ارائه میشوند، به کسانی که قصد سرمایهگذاری یا ورود به این حوزه را دارند، کمک میکند تا بینش و درک ِلازم را از شرایط کنونیِ بورس به دست آورند و سپس یک تصمیمگیری منطقی داشته باشند. به طور مثال برای ورود و سرمایهگذاری در این زمینه باید ببینید که تمامی اطلاعات و اخبار مربوط به بورس را با خواندن مطالب و نظرات سایر افراد، چطور ارزیابی میکنید؟ بله، احساسات کاربران را در نظر میگیرید؛ یعنی توجه به احساسات جمعی، یعنی در نظر گرفتنِ نظرات مثبت، خنثی یا منفی.
هنرنماییِ بورس و هوش مصنوعی
تا به اینجای مطلب، توضیح مفصلی در مورد انتقال نحوهی تفکر انسانی از جانب انسان به هوش مصنوعی داده شد. در حال حاضر، تلاشهای بسیاری انجام شدهاست تا اطلاعات و دادههای مربوط به بازار بورس و معاملات سهام به هوش مصنوعی یا کامپیوترها انتقال داده شود تا آنالیزها در این زمینه به راحتی انجام شود و نتایج به صورت کاملا روشن و شفاف به دست آیند.
از این طریق، دستیابی به درک نسبیِ لازم برای ورود به این بازار و انجام خرید و فروش در بازار بورس، بهتر انجام خواهد گرفت (دلیل اینکه از کلمه نسبی در اینجا استفاده شد، در انتهای مطلب قید شده است). همچنین با به کارگیریِ برترین الگوریتمهای تحلیل احساس بر روی اخبار و تحلیلهای مربوط به بورس، به یک مدل هوش مصنوعی مناسب جهت پیشبینی احساس اخبار نسبت به نمادهای بورسی مختلف میرسیم.
اما فواید این کار چیست؟ در واقع با انجام این کار میتوان:
- برای خرید و فروش سهام در موقع مناسب و کسب سود بیشتر به راحتی و با خیال راحت اقدام کرد.
- منابع و تحلیلگران برتر را به آسانی یافت.
- به استراتژیهای متعدد معاملاتی دست پیدا کرد.
- میتوان تغییرات بازار بورس را به صورت بلادرنگ در اختیار داشت.
- تجزیه و تحلیل خودکار و به موقع حجم عظیمی از داده با سرعت بالا.
- پیش بینی روند بازار بر اساس آنالیزهای انجام شده در گذشته.
- در دسترس قرار گرفتن ِخرید و فروشهای موثر و مفید.
- تحلیل میزان بسیار زیادی از سهام و در نتیجه داشتن سود بیشتر.
هوش مصنوعی در بورس
در اینجا میتوانید یک نمونه از پروژههای هوش مصنوعی نادین سافت در حوزه تحلیل احساس اخبار این حوزه را مشاهده نمایید.
نمونه خبر تحلیل احساس شده
چالشها و مشکلات پیش روی این ادغام چیست؟
چرا درک نسبی؟ مگر هوش مصنوعی قابلیت تفکیک و تحلیل احساس را ندارد؟ برای شادمان بودن و خوشحال شدن کمی زود است. بهتر است کمی تامل کنید؛ بسیاری از جزئیات در این حوزه در نگاه اول از دید پنهان میمانند و به همین خاطر غالبا دیدگاهی تماما مثبت به این موضوع وجود دارد. اما با نگاه دقیقتر بهتر میتوان متوجه شد که اتکای صددرصد میسر نیست.
کنایهها و تشخیص آنها، تفاوت بیان و پیاده سازی آن به صورت متن (تخلیه شدن احساس)، لحن و تفاوت کلمات یا صفات در حوزهی بورس استفاده از این بستر را دچار چالش میکند. به عنوان مثال در بسیاری از موارد، برخی کلمات یا لحنها که ممکن است در حوزههای دیگر مثبت تلقی شوند، میتوانند در حوزه بورس، معنای منفی داشته باشند. همچنین انتقال بیان به صورت متن گاهی به طور کامل میسر نیست. مهمترین چالش پیش رو، عدم تشخیص کنایه از احساس ِحقیقی توسط هوش مصنوعی است.
دیدگاه شما