செயற்கை நுண்ணறிவு

செயற்கை நுண்ணறிவு: ஒரு விரிவான அறிமுகம்

செயற்கை நுண்ணறிவு (Artificial Intelligence - AI) என்பது மனித நுண்ணறிவை இயந்திரங்களில் பிரதிபலிக்கும் ஒரு தொழில்நுட்பமாகும். இது கணினி அறிவியல், புள்ளியியல், நரம்பியல் மற்றும் பொறியியல் போன்ற பல்வேறு துறைகளின் கலவையாகும். மனிதர்களைப் போல சிந்திக்கவும், கற்றுக்கொள்ளவும், முடிவெடுக்கவும், பிரச்சனைகளைத் தீர்க்கவும் இயந்திரங்களுக்கு திறன் அளிப்பதே இதன் முக்கிய நோக்கமாகும். பைனரி ஆப்ஷன் பரிவர்த்தனையில் இது எவ்வாறு பயன்படுகிறது என்பதைப் பார்ப்பதற்கு முன், செயற்கை நுண்ணறிவின் அடிப்படைகளை விரிவாகப் புரிந்துகொள்வது அவசியம்.

செயற்கை நுண்ணறிவின் வரலாறு

செயற்கை நுண்ணறிவின் வரலாறு 1950-களில் தொடங்கியது. 1956 ஆம் ஆண்டு டார்ட்மவுத் மாநாட்டில் (Dartmouth Workshop) "செயற்கை நுண்ணறிவு" என்ற சொல் முதன்முதலில் பயன்படுத்தப்பட்டது. ஆரம்பத்தில், செயற்கை நுண்ணறிவு ஆராய்ச்சி, பொதுவான பிரச்சனைகளைத் தீர்க்கும் நிரல்களை உருவாக்குவதில் கவனம் செலுத்தியது. ஆனால், கணினி சக்தியின் வரம்புகள் மற்றும் சிக்கலான பிரச்சனைகளைத் தீர்ப்பதில் உள்ள சிரமங்கள் காரணமாக, இந்த ஆராய்ச்சி சில காலம் பின்னடைவை சந்தித்தது.

1980-களில் நிபுணர் அமைப்புகள் (Expert Systems) எனப்படும் குறிப்பிட்ட துறைகளில் நிபுணத்துவம் பெற்ற அமைப்புகள் உருவாக்கப்பட்டன. இவை, மருத்துவம், நிதி மற்றும் பொறியியல் போன்ற துறைகளில் பயன்படுத்தப்பட்டன. இருப்பினும், இந்த அமைப்புகளும் சில வரம்புகளைக் கொண்டிருந்தன.

21 ஆம் நூற்றாண்டில், கணினி சக்தியின் அதிகரிப்பு, பெரிய தரவு (Big Data) கிடைப்பது மற்றும் இயந்திர கற்றல் (Machine Learning) போன்ற புதிய தொழில்நுட்பங்களின் வளர்ச்சி செயற்கை நுண்ணறிவில் ஒரு மறுமலர்ச்சியை ஏற்படுத்தியது.

செயற்கை நுண்ணறிவின் வகைகள்

செயற்கை நுண்ணறிவை அதன் திறன்களின் அடிப்படையில் பல வகைகளாகப் பிரிக்கலாம்:

• குறுகிய அல்லது பலவீனமான செயற்கை நுண்ணறிவு (Narrow or Weak AI): இது ஒரு குறிப்பிட்ட பணியைச் செய்ய வடிவமைக்கப்பட்டுள்ளது. உதாரணமாக, ஒரு சதுரங்க விளையாட்டு நிரல் அல்லது ஒரு குரல் உதவியாளர். பெரும்பாலான செயற்கை நுண்ணறிவு பயன்பாடுகள் இந்த வகையைச் சேர்ந்தவை.
• பொதுவான அல்லது வலுவான செயற்கை நுண்ணறிவு (General or Strong AI): இது மனிதர்களைப் போல எந்த ஒரு அறிவுசார் பணியையும் செய்யும் திறன் கொண்டது. இந்த வகை செயற்கை நுண்ணறிவு இன்னும் உருவாக்கப்படவில்லை.
• மேம்பட்ட செயற்கை நுண்ணறிவு (Super AI): இது மனித நுண்ணறிவை விட மேம்பட்டது மற்றும் அனைத்து துறைகளிலும் மனிதர்களை விட சிறப்பாக செயல்படக்கூடியது. இது ஒரு கற்பனையான நிலையாகும்.

செயற்கை நுண்ணறிவின் முக்கிய கூறுகள்

செயற்கை நுண்ணறிவில் பல முக்கிய கூறுகள் உள்ளன, அவை ஒன்றிணைந்து செயல்பட்டு இயந்திரங்களுக்கு நுண்ணறிவை வழங்குகின்றன:

• இயந்திர கற்றல் (Machine Learning): தரவுகளிலிருந்து கற்றுக்கொள்ளும் திறனை இயந்திரங்களுக்கு அளிக்கிறது. இதற்கு ஆழமான கற்றல் (Deep Learning), மேற்பார்வையிடப்பட்ட கற்றல் (Supervised Learning), மேற்பார்வையிடப்படாத கற்றல் (Unsupervised Learning) மற்றும் வலுவூட்டல் கற்றல் (Reinforcement Learning) போன்ற பல்வேறு நுட்பங்கள் பயன்படுத்தப்படுகின்றன.
• இயற்கை மொழி செயலாக்கம் (Natural Language Processing - NLP): மனித மொழியைப் புரிந்துகொள்ளவும், உருவாக்கவும் இயந்திரங்களுக்கு உதவுகிறது. இது உரை பகுப்பாய்வு (Text Analytics), மொழிபெயர்ப்பு (Translation) மற்றும் சட் போட்கள் (Chatbots) போன்ற பயன்பாடுகளில் பயன்படுத்தப்படுகிறது.
• கணினி பார்வை (Computer Vision): படங்கள் மற்றும் வீடியோக்களிலிருந்து தகவல்களைப் பிரித்தெடுக்க இயந்திரங்களுக்கு உதவுகிறது. இது முக அங்கீகாரம் (Facial Recognition), பொருள் கண்டறிதல் (Object Detection) மற்றும் பட பகுப்பாய்வு (Image Analysis) போன்ற பயன்பாடுகளில் பயன்படுத்தப்படுகிறது.
• ரோபோடிக்ஸ் (Robotics): தானியங்கி இயந்திரங்களை வடிவமைத்து உருவாக்கப் பயன்படுகிறது. இது உற்பத்தி, மருத்துவம் மற்றும் பாதுகாப்பு போன்ற துறைகளில் பயன்படுத்தப்படுகிறது.
• அறிவு பிரதிநிதித்துவம் மற்றும் காரணம் (Knowledge Representation and Reasoning): தகவல்களை சேமிக்கவும், செயலாக்கவும், முடிவுகளை எடுக்கவும் இயந்திரங்களுக்கு உதவுகிறது.

பைனரி ஆப்ஷன் பரிவர்த்தனையில் செயற்கை நுண்ணறிவு

பைனரி ஆப்ஷன் பரிவர்த்தனை என்பது ஒரு குறிப்பிட்ட காலத்திற்குள் ஒரு சொத்தின் விலை உயருமா அல்லது குறையுமா என்று கணிக்கும் ஒரு வர்த்தக முறையாகும். செயற்கை நுண்ணறிவு இந்த பரிவர்த்தனைகளில் பல வழிகளில் பயன்படுத்தப்படுகிறது:

• சந்தை முன்னறிவிப்பு (Market Prediction): இயந்திர கற்றல் அல்காரிதம்கள் வரலாற்று தரவு, சந்தை போக்குகள் மற்றும் பொருளாதார குறிகாட்டிகளைப் பயன்படுத்தி சொத்துக்களின் விலை இயக்கத்தை முன்கணிக்கின்றன. நேரத் தொடர் பகுப்பாய்வு (Time Series Analysis) மற்றும் சந்தை உணர்வு பகுப்பாய்வு (Sentiment Analysis) போன்ற நுட்பங்கள் இதற்குப் பயன்படுத்தப்படுகின்றன.
• தானியங்கி வர்த்தகம் (Automated Trading): செயற்கை நுண்ணறிவு அடிப்படையிலான வர்த்தக ரோபோக்கள் (Trading Bots) சந்தை நிலவரங்களுக்கு ஏற்ப தானாகவே வர்த்தகங்களை மேற்கொள்கின்றன. இது மனித தவறுகளைக் குறைக்கிறது மற்றும் வர்த்தக வேகத்தை அதிகரிக்கிறது.
• ஆபத்து மேலாண்மை (Risk Management): செயற்கை நுண்ணறிவு அல்காரிதம்கள் வர்த்தக அபாயங்களை மதிப்பிட்டு, அவற்றை குறைக்க உதவுகின்றன. போர்ட்ஃபோலியோ தேர்வுமுறை (Portfolio Optimization) மற்றும் ஆபத்து மதிப்பீடு (Risk Assessment) போன்ற நுட்பங்கள் இதற்குப் பயன்படுத்தப்படுகின்றன.
• மோசடி கண்டறிதல் (Fraud Detection): செயற்கை நுண்ணறிவு அல்காரிதம்கள் மோசடியான பரிவர்த்தனைகளைக் கண்டறிந்து தடுக்க உதவுகின்றன. அசாதாரண நடத்தை கண்டறிதல் (Anomaly Detection) மற்றும் முறை கண்டறிதல் (Pattern Recognition) போன்ற நுட்பங்கள் இதற்குப் பயன்படுத்தப்படுகின்றன.
• தனிப்பயனாக்கப்பட்ட வர்த்தக உத்திகள் (Personalized Trading Strategies): செயற்கை நுண்ணறிவு ஒவ்வொரு வர்த்தகரின் விருப்பம் மற்றும் அபாய சகிப்புத்தன்மைக்கு ஏற்ப தனிப்பயனாக்கப்பட்ட வர்த்தக உத்திகளை உருவாக்குகிறது.

பைனரி ஆப்ஷன் பரிவர்த்தனையில் செயற்கை நுண்ணறிவின் பயன்பாடுகள்

பயன்பாடு	விளக்கம்	நுட்பங்கள்
சந்தை முன்னறிவிப்பு	சொத்துக்களின் விலை இயக்கத்தை முன்கணித்தல்	நேரத் தொடர் பகுப்பாய்வு, சந்தை உணர்வு பகுப்பாய்வு, ரீக்ரஷன் பகுப்பாய்வு (Regression Analysis)
தானியங்கி வர்த்தகம்	தானாகவே வர்த்தகங்களை மேற்கொள்வது	இயந்திர கற்றல், நரம்பியல் வலைப்பின்னல்கள் (Neural Networks), மரபுசார்ந்த அல்காரிதம்கள் (Genetic Algorithms)
ஆபத்து மேலாண்மை	வர்த்தக அபாயங்களை மதிப்பிட்டு குறைத்தல்	போர்ட்ஃபோலியோ தேர்வுமுறை, ஆபத்து மதிப்பீடு, மாண்டே கார்லோ உருவகப்படுத்துதல் (Monte Carlo Simulation)
மோசடி கண்டறிதல்	மோசடியான பரிவர்த்தனைகளைக் கண்டறிந்து தடுத்தல்	அசாதாரண நடத்தை கண்டறிதல், முறை கண்டறிதல், தரவு சுரங்கம் (Data Mining)
தனிப்பயனாக்கப்பட்ட உத்திகள்	ஒவ்வொரு வர்த்தகருக்கும் ஏற்ற உத்திகளை உருவாக்குதல்	இயந்திர கற்றல், கூட்டு வடிகட்டுதல் (Collaborative Filtering), உள்ளடக்க அடிப்படையிலான வடிகட்டுதல் (Content-Based Filtering)

செயற்கை நுண்ணறிவின் சவால்கள்

செயற்கை நுண்ணறிவு பல நன்மைகளை வழங்கினாலும், சில சவால்களையும் கொண்டுள்ளது:

• தரவு சார்பு (Data Dependency): செயற்கை நுண்ணறிவு அல்காரிதம்கள் தரவுகளின் தரத்தைப் பொறுத்தது. தவறான அல்லது குறைவான தரவு தவறான முடிவுகளுக்கு வழிவகுக்கும்.
• விளக்கமின்மை (Lack of Explainability): சில செயற்கை நுண்ணறிவு அல்காரிதம்கள், குறிப்பாக ஆழமான கற்றல் மாதிரிகள், எவ்வாறு முடிவுகளை எடுக்கின்றன என்பதைப் புரிந்துகொள்வது கடினம். இது கருப்பு பெட்டி பிரச்சனை (Black Box Problem) என்று அழைக்கப்படுகிறது.
• எத்திக்கல் கவலைகள் (Ethical Concerns): செயற்கை நுண்ணறிவின் பயன்பாடு வேலை இழப்பு, பாகுபாடு மற்றும் தனியுரிமை மீறல் போன்ற எத்திக்கல் கவலைகளை எழுப்புகிறது.
• பாதுகாப்பு அபாயங்கள் (Security Risks): செயற்கை நுண்ணறிவு அமைப்புகள் ஹேக்கிங் மற்றும் தவறான பயன்பாட்டிற்கு ஆளாகின்றன.
• கணினி வளம் தேவை (Computational Resources): செயற்கை நுண்ணறிவு அல்காரிதம்களுக்கு அதிக கணினி சக்தி மற்றும் சேமிப்பகம் தேவைப்படுகிறது.

எதிர்கால போக்குகள்

செயற்கை நுண்ணறிவின் எதிர்காலம் மிகவும் நம்பிக்கைக்குரியதாக உள்ளது. சில முக்கிய எதிர்கால போக்குகள்:

• விளக்கக்கூடிய செயற்கை நுண்ணறிவு (Explainable AI - XAI): செயற்கை நுண்ணறிவு முடிவுகளை எவ்வாறு எடுக்கிறது என்பதைப் புரிந்துகொள்ள உதவும் தொழில்நுட்பங்களை உருவாக்குதல்.
• பெடரேட்டட் கற்றல் (Federated Learning): தரவுகளைப் பகிராமல் பல சாதனங்களில் இயந்திர கற்றல் மாதிரிகளைப் பயிற்றுவித்தல்.
• குவாண்டம் கணினி (Quantum Computing): சிக்கலான பிரச்சனைகளைத் தீர்க்க குவாண்டம் கணினிகளைப் பயன்படுத்துதல்.
• செயற்கை பொது நுண்ணறிவு (Artificial General Intelligence - AGI): மனிதர்களைப் போல எந்த ஒரு அறிவுசார் பணியையும் செய்யும் திறன் கொண்ட செயற்கை நுண்ணறிவை உருவாக்குதல்.
• மனித-இயந்திர ஒத்துழைப்பு (Human-Machine Collaboration): மனிதர்களும் இயந்திரங்களும் இணைந்து செயல்பட்டு சிறந்த முடிவுகளை எடுப்பது.

முடிவுரை

செயற்கை நுண்ணறிவு என்பது ஒரு சக்திவாய்ந்த தொழில்நுட்பமாகும், இது நமது வாழ்க்கையின் பல அம்சங்களை மாற்றியமைக்கும் திறன் கொண்டது. பைனரி ஆப்ஷன் பரிவர்த்தனை போன்ற துறைகளில் இது ஏற்கனவே குறிப்பிடத்தக்க தாக்கத்தை ஏற்படுத்தியுள்ளது. சவால்களை சமாளித்து, எத்திக்கல் கவலைகளைக் கையாண்டு, எதிர்கால போக்குகளைப் பின்பற்றுவதன் மூலம், செயற்கை நுண்ணறிவின் முழு திறனையும் நாம் பயன்படுத்த முடியும்.

இயந்திர கற்றல் இயற்கை மொழி செயலாக்கம் கணினி பார்வை ரோபோடிக்ஸ் நிபுணர் அமைப்புகள் பெரிய தரவு ஆழமான கற்றல் மேற்பார்வையிடப்பட்ட கற்றல் மேற்பார்வையிடப்படாத கற்றல் வலுவூட்டல் கற்றல் சந்தை முன்னறிவிப்பு தானியங்கி வர்த்தகம் ஆபத்து மேலாண்மை மோசடி கண்டறிதல் நேரத் தொடர் பகுப்பாய்வு சந்தை உணர்வு பகுப்பாய்வு ரீக்ரஷன் பகுப்பாய்வு நரம்பியல் வலைப்பின்னல்கள் மரபுசார்ந்த அல்காரிதம்கள் போர்ட்ஃபோலியோ தேர்வுமுறை ஆபத்து மதிப்பீடு மாண்டே கார்லோ உருவகப்படுத்துதல் தரவு சுரங்கம் கருப்பு பெட்டி பிரச்சனை விளக்கக்கூடிய செயற்கை நுண்ணறிவு பெடரேட்டட் கற்றல் குவாண்டம் கணினி செயற்கை பொது நுண்ணறிவு மனித-இயந்திர ஒத்துழைப்பு

இப்போது பரிவர்த்தனையை தொடங்குங்கள்

IQ Option-ல் பதிவு செய்யவும் (குறைந்தபட்ச டெபாசிட் $10) Pocket Option-ல் கணக்கு திறக்கவும் (குறைந்தபட்ச டெபாசிட் $5)

எங்கள் சமூகத்தில் சேருங்கள்

எங்கள் Telegram சேனலுக்கு சேர்ந்து @strategybin பெறுங்கள்: ✓ தினசரி பரிவர்த்தனை சமிக்ஞைகள் ✓ சிறப்பு உத்திகள் மற்றும் ஆலோசனைகள் ✓ சந்தை சார்ந்த அறிவிப்புகள் ✓ தொடக்க அடிப்படையிலான கல்வி பொருட்கள்