AI
- செயற்கை நுண்ணறிவு
செயற்கை நுண்ணறிவு (Artificial Intelligence - AI) என்பது கணினி அறிவியலின் ஒரு முக்கியமான பிரிவு ஆகும். இது மனிதர்களின் அறிவுத்திறனைப் போல சிந்தித்து, கற்று, முடிவெடுக்கும் திறன்களைக் கணினிகளுக்கு வழங்குவதை நோக்கமாகக் கொண்டுள்ளது. மனித மூளையின் செயல்பாடுகளைப் பிரதிபலிக்கும் வகையில் இயந்திர கற்றல் (Machine Learning), ஆழ்ந்த கற்றல் (Deep Learning), இயற்கை மொழி செயலாக்கம் (Natural Language Processing) போன்ற பல்வேறு தொழில்நுட்பங்களை AI உள்ளடக்கியுள்ளது. பைனரி ஆப்ஷன் போன்ற நிதிச் சந்தைகளில் AI-யின் பயன்பாடு அதிகரித்து வருகிறது.
AI-யின் வரலாறு
AI-யின் வரலாறு 1950-களில் தொடங்கியது. 1956-ஆம் ஆண்டு டார்ட்மவுத் மாநாட்டில் (Dartmouth Workshop) "செயற்கை நுண்ணறிவு" என்ற சொல் முதன்முதலில் பயன்படுத்தப்பட்டது. ஆரம்பத்தில், AI ஆராய்ச்சி பொதுவான சிக்கல்களைத் தீர்க்கும் நிரல்களை உருவாக்குவதில் கவனம் செலுத்தியது. ஆனால், 1980-களில் நிபுணர் அமைப்புகள் (Expert Systems) பிரபலமடைந்தன. இவை குறிப்பிட்ட துறைகளில் மனித நிபுணர்களின் அறிவைப் பிரதிபலித்தன. இருப்பினும், நிபுணர் அமைப்புகளின் வரம்புகள் காரணமாக AI ஆராய்ச்சி சற்று மந்தமடைந்தது.
1990-களில், இயந்திர கற்றல் மற்றும் தரவு பகுப்பாய்வு நுட்பங்கள் மேம்பட்டன. பெரிய தரவு (Big Data) கிடைப்பது அதிகரித்தது. இது AI-யின் மறுமலர்ச்சிக்கு வழிவகுத்தது. 2010-களில், ஆழ்ந்த கற்றல் (Deep Learning) தொழில்நுட்பம் பெரும் முன்னேற்றம் கண்டது. இது படங்களை அடையாளம் காணுதல், பேச்சுணரிதல் மற்றும் இயற்கை மொழி செயலாக்கம் போன்ற துறைகளில் அற்புதமான முடிவுகளைக் கொடுத்தது.
AI-யின் வகைகள்
AI-ஐ அதன் திறன்களின் அடிப்படையில் இரண்டு முக்கிய வகைகளாகப் பிரிக்கலாம்:
- குறுகிய அல்லது பலவீனமான AI (Narrow or Weak AI): இது ஒரு குறிப்பிட்ட பணியைச் சிறப்பாகச் செய்ய வடிவமைக்கப்பட்டுள்ளது. உதாரணமாக, செஸ் விளையாடும் கணினி நிரல், வாய்ஸ் அசிஸ்டெண்ட் (Voice Assistant) போன்றவை. இவை மனிதர்களைப் போல பொதுவான அறிவுத்திறன் கொண்டிருக்கவில்லை.
- பொதுவான அல்லது வலுவான AI (General or Strong AI): இது மனிதர்களைப் போலவே எந்தவொரு அறிவுசார் பணியையும் செய்யக்கூடிய திறன் கொண்டது. இது இன்னும் கோட்பாட்டு நிலையிலேயே உள்ளது.
மேலும், AI-ஐ செயல்பாடுகளின் அடிப்படையில் பின்வருமாறு வகைப்படுத்தலாம்:
- எதிர்வினை இயந்திரங்கள் (Reactive Machines): இவை கடந்த கால அனுபவங்களை நினைவில் வைத்துக் கொள்ளாமல், நிகழ்கால உள்ளீடுகளுக்கு மட்டுமே எதிர்வினையாற்றும். உதாரணமாக, டீப் ப்ளூ (Deep Blue) செஸ் நிரல்.
- வரையறுக்கப்பட்ட நினைவகம் (Limited Memory): இவை கடந்த காலத் தரவுகளைக் குறுகிய காலத்திற்கு நினைவில் வைத்துக் கொண்டு முடிவுகளை எடுக்கும். உதாரணமாக, சுய-ஓட்டுநர் கார்கள் (Self-Driving Cars).
- மனதின் கோட்பாடு (Theory of Mind): இது மற்றவர்களின் எண்ணங்கள், உணர்வுகள் மற்றும் நம்பிக்கைகளைப் புரிந்து கொள்ளும் திறன் கொண்டது. இது இன்னும் ஆராய்ச்சி நிலையிலேயே உள்ளது.
- சுய விழிப்புணர்வு (Self-Awareness): இது தன்னைத்தானே உணர்ந்து, சுய உணர்வுடன் செயல்படும் திறன் கொண்டது. இது தற்போது சாத்தியமற்றதாகக் கருதப்படுகிறது.
AI-யின் முக்கிய தொழில்நுட்பங்கள்
AI பல தொழில்நுட்பங்களின் கலவையாகும். அவற்றில் சில முக்கியமானவை:
- இயந்திர கற்றல் (Machine Learning): தரவுகளிலிருந்து தானாகவே கற்றுக்கொண்டு, எதிர்காலத்தை கணிக்க உதவும் வழிமுறைகளை உருவாக்குதல். மேற்பார்வையிடப்பட்ட கற்றல் (Supervised Learning), மேற்பார்வையிடப்படாத கற்றல் (Unsupervised Learning), வலுவூட்டல் கற்றல் (Reinforcement Learning) ஆகியவை இயந்திர கற்றலின் முக்கிய வகைகள்.
- ஆழ்ந்த கற்றல் (Deep Learning): பல அடுக்குகளைக் கொண்ட நரம்பியல் வலைப்பின்னல்கள் (Neural Networks) மூலம் தரவுகளைப் பகுப்பாய்வு செய்து சிக்கலான பிரச்சினைகளைத் தீர்க்கும் தொழில்நுட்பம்.
- இயற்கை மொழி செயலாக்கம் (Natural Language Processing): கணினிகள் மனித மொழியைப் புரிந்து கொள்ளவும், உருவாக்கவும் உதவும் தொழில்நுட்பம். உரை பகுப்பாய்வு (Text Analysis), மொழிபெயர்ப்பு (Translation), சூழல் பகுப்பாய்வு (Sentiment Analysis) ஆகியவை இதன் பயன்பாடுகள்.
- கணினி பார்வை (Computer Vision): கணினிகள் படங்களைப் புரிந்து கொள்ளவும், பகுப்பாய்வு செய்யவும் உதவும் தொழில்நுட்பம். பொருள் கண்டறிதல் (Object Detection), முக அங்கீகாரம் (Facial Recognition) ஆகியவை இதன் பயன்பாடுகள்.
- ரோபோட்டிக்ஸ் (Robotics): ரோபோக்களை வடிவமைத்து, கட்டுப்படுத்தி, தானியங்கி பணிகளைச் செய்ய வைக்கும் தொழில்நுட்பம்.
பைனரி ஆப்ஷன் பரிவர்த்தனையில் AI
பைனரி ஆப்ஷன் பரிவர்த்தனையில் AI ஒரு முக்கியமான கருவியாக உருவெடுத்துள்ளது. AI-ஐப் பயன்படுத்தி, சந்தை போக்குகளைக் கணிக்கவும், தானியங்கி வர்த்தகத்தை மேற்கொள்ளவும் முடியும்.
- சந்தை கணிப்பு (Market Prediction): AI அல்காரிதம்கள் வரலாற்று தரவுகள், நிகழ் நேர சந்தை தரவுகள் மற்றும் பிற தொடர்புடைய தகவல்களைப் பகுப்பாய்வு செய்து சந்தை போக்குகளைக் கணிக்கின்றன. நேரத் தொடர் பகுப்பாய்வு (Time Series Analysis), புள்ளிவிவர மாதிரியாக்கம் (Statistical Modeling) போன்ற நுட்பங்கள் பயன்படுத்தப்படுகின்றன.
- தானியங்கி வர்த்தகம் (Automated Trading): AI-இயங்கும் வர்த்தக ரோபோக்கள் (Trading Robots) சந்தை கணிப்புகளின் அடிப்படையில் தானாகவே பரிவர்த்தனைகளை மேற்கொள்கின்றன. இது மனித தவறுகளைக் குறைக்கிறது மற்றும் வேகமான வர்த்தகத்தை அனுமதிக்கிறது. பின்பரிசோதனை (Backtesting) மூலம் ரோபோக்களின் செயல்திறனை மதிப்பிடலாம்.
- ஆபத்து மேலாண்மை (Risk Management): AI அல்காரிதம்கள் பரிவர்த்தனைகளில் உள்ள அபாயங்களை மதிப்பிட்டு, அவற்றை நிர்வகிக்க உதவுகின்றன. போர்ட்ஃபோலியோ தேர்வு (Portfolio Optimization) மற்றும் நஷ்ட நிறுத்தம் (Stop-Loss) போன்ற உத்திகள் பயன்படுத்தப்படுகின்றன.
- மோசடி கண்டறிதல் (Fraud Detection): AI அல்காரிதம்கள் மோசடியான பரிவர்த்தனைகளைக் கண்டறிந்து தடுக்க உதவுகின்றன. அசாதாரண செயல்பாட்டைக் கண்டறிதல் (Anomaly Detection) போன்ற நுட்பங்கள் பயன்படுத்தப்படுகின்றன.
AI-யின் சவால்கள் மற்றும் எதிர்காலம்
AI பல நன்மைகளை வழங்கினாலும், சில சவால்களையும் கொண்டுள்ளது.
- 'தரவு சார்பு (Data Dependency): AI அல்காரிதம்கள் தரவுகளின் மீது அதிக சார்புடையவை. தரவுகளின் தரம் குறைவாக இருந்தால், முடிவுகள் தவறாக இருக்கலாம்.
- 'விளக்கமின்மை (Lack of Explainability): சில AI அல்காரிதம்கள், குறிப்பாக ஆழ்ந்த கற்றல் மாதிரிகள், எவ்வாறு முடிவுகளை எடுக்கின்றன என்பதைப் புரிந்துகொள்வது கடினம். இது கருப்புப் பெட்டி பிரச்சனை (Black Box Problem) என்று அழைக்கப்படுகிறது.
- 'பக்கச்சார்பு (Bias): AI அல்காரிதம்கள் பயிற்சி தரவுகளில் உள்ள பக்கச்சார்புகளை பிரதிபலிக்கலாம். இது நியாயமற்ற அல்லது பாகுபாடான முடிவுகளுக்கு வழிவகுக்கும்.
- 'வேலைவாய்ப்பு இழப்பு (Job Displacement): AI மற்றும் தானியங்கி தொழில்நுட்பங்கள் சில வேலைகளை இழக்க நேரிடலாம்.
எதிர்காலத்தில், AI மேலும் மேம்பட்ட தொழில்நுட்பங்களுடன் உருவாகும் என்று எதிர்பார்க்கப்படுகிறது. குவாண்டம் கணினி (Quantum Computing) மற்றும் நரம்பியல் உருவகப்படுத்துதல் (Neuromorphic Computing) போன்ற புதிய தொழில்நுட்பங்கள் AI-யின் திறன்களை மேலும் அதிகரிக்கும். AI, சுகாதாரம் (Healthcare), போக்குவரத்து (Transportation), கல்வி (Education) மற்றும் சுற்றுச்சூழல் பாதுகாப்பு (Environmental Protection) போன்ற பல்வேறு துறைகளில் புரட்சியை ஏற்படுத்தும் என்று எதிர்பார்க்கப்படுகிறது. பைனரி ஆப்ஷன் பரிவர்த்தனையில் AI-யின் பயன்பாடு மேலும் அதிகரிக்கும், மேலும் துல்லியமான கணிப்புகள் மற்றும் தானியங்கி வர்த்தக உத்திகள் உருவாகும்.
தொடர்புடைய உத்திகள், தொழில்நுட்ப பகுப்பாய்வு மற்றும் அளவு பகுப்பாய்வு
- சராசரி நகர்வு (Moving Average)
- RSI (Relative Strength Index)
- MACD (Moving Average Convergence Divergence)
- Fibonacci Retracement
- Bollinger Bands
- சந்தைப் போக்கு பகுப்பாய்வு (Trend Analysis)
- ஆதரவு மற்றும் எதிர்ப்பு நிலைகள் (Support and Resistance Levels)
- விலை நடவடிக்கை வர்த்தகம் (Price Action Trading)
- சராசரி உண்மை வரம்பு (Average True Range - ATR)
- பரிமாற்ற அளவு (Volume Analysis)
- சந்தை உணர்வு பகுப்பாய்வு (Market Sentiment Analysis)
- சமூக ஊடக பகுப்பாய்வு (Social Media Analytics)
- சூழலியல் பகுப்பாய்வு (Fundamental Analysis)
- கணித மாதிரியிடல் (Mathematical Modeling)
- சமவாய்ப்பு உருவகப்படுத்துதல் (Monte Carlo Simulation)
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
