ARTIFICIAL INTELLIGENCE

செயற்கை நுண்ணறிவு

செயற்கை நுண்ணறிவு (Artificial Intelligence - AI) என்பது மனித நுண்ணறிவை இயந்திரங்களுக்கு வழங்கும் ஒரு தொழில்நுட்பமாகும். இது கணினி அறிவியல் துறையின் ஒரு முக்கிய பிரிவாகும். மனிதர்கள் செய்யும் செயல்களான கற்றல், திட்டமிடல், சிக்கலைத் தீர்த்தல், பேச்சுணரிதல் போன்றவற்றை இயந்திரங்கள் தானாகவே செய்ய AI உதவுகிறது. பைனரி ஆப்ஷன் பரிவர்த்தனை போன்ற சிக்கலான நிதிச் சந்தைகளில், AI தொழில்நுட்பம் ஒரு முக்கியமான கருவியாக விளங்குகிறது.

AI-யின் வரலாறு

AI-யின் வரலாறு 1950-களில் தொடங்கியது. ஆலன் டூரிங் (Alan Turing) என்பவர் "இயந்திரங்கள் சிந்திக்க முடியுமா?" என்ற கேள்வியை எழுப்பினார். டூரிங் சோதனை (Turing Test) மூலம் ஒரு இயந்திரம் மனிதனைப் போல சிந்திக்கிறதா என்பதை சோதிக்க முடியும் என்று அவர் கூறினார். 1956-ல் டார்ட்மவுத் மாநாட்டில் (Dartmouth Workshop) "செயற்கை நுண்ணறிவு" என்ற சொல் முதன்முதலில் பயன்படுத்தப்பட்டது.

ஆரம்பகால AI (1950-1970): இந்த காலகட்டத்தில், எளிய விளையாட்டு விளையாடும் நிரல்கள் மற்றும் சிக்கல்களைத் தீர்க்கும் நிரல்கள் உருவாக்கப்பட்டன.
AI குளிர்காலம் (1970-1980): AI ஆராய்ச்சிக்கு நிதி குறைக்கப்பட்டது. ஏனெனில், ஆரம்பகால AI-யின் வாக்குறுதிகள் நிறைவேறவில்லை.
நிபுணர் அமைப்புகள் (1980): குறிப்பிட்ட துறைகளில் நிபுணர்களைப் போல செயல்படும் நிரல்கள் உருவாக்கப்பட்டன.
இயந்திர கற்றல் (1990-2010): இயந்திரங்கள் தரவுகளிலிருந்து தானாகவே கற்றுக்கொள்ளும் வழிமுறைகள் உருவாக்கப்பட்டன.
ஆழ்ந்த கற்றல் (2010-இன்று வரை): சிக்கலான தரவுகளை பகுப்பாய்வு செய்ய ஆழ்ந்த நரம்பியல் வலைப்பின்னல்கள் (Deep Neural Networks) பயன்படுத்தப்படுகின்றன.

AI-யின் வகைகள்

AI-யை அதன் திறன்களின் அடிப்படையில் பல வகைகளாகப் பிரிக்கலாம்.

எளிய AI (Narrow or Weak AI): ஒரு குறிப்பிட்ட பணியைச் செய்யக்கூடிய AI. எடுத்துக்காட்டாக, ஒரு சதுரங்க விளையாட்டு நிரல்.
பொது AI (General or Strong AI): மனிதனைப் போலவே எந்தவொரு அறிவுசார் பணியையும் செய்யக்கூடிய AI. இது இன்னும் உருவாக்கப்படவில்லை.
மேம்பட்ட AI (Super AI): மனிதனை விட அனைத்து துறைகளிலும் சிறந்த AI. இது இன்னும் கற்பனையான நிலையிலேயே உள்ளது.

AI-யின் முக்கிய கூறுகள்

AI-யின் செயல்பாட்டிற்கு பல முக்கிய கூறுகள் உள்ளன. அவை:

இயந்திர கற்றல் (Machine Learning): தரவுகளிலிருந்து தானாகவே கற்றுக்கொள்ளும் திறனைக் கணினிகளுக்கு வழங்குதல்.
ஆழ்ந்த கற்றல் (Deep Learning): பல அடுக்கு நரம்பியல் வலைப்பின்னல்களைப் பயன்படுத்தி சிக்கலான தரவுகளைப் பகுப்பாய்வு செய்தல்.
இயற்கை மொழி செயலாக்கம் (Natural Language Processing - NLP): மனித மொழியைப் புரிந்துகொண்டு பதிலளிக்கும் திறன். இயற்கை மொழி செயலாக்கம்
கணினி பார்வை (Computer Vision): படங்களைப் புரிந்துகொண்டு அவற்றிலிருந்து தகவல்களைப் பெறும் திறன்.
ரோபோட்டிக்ஸ் (Robotics): தானியங்கி இயந்திரங்களை வடிவமைத்து உருவாக்குதல்.

பைனரி ஆப்ஷன்களில் AI-யின் பயன்பாடு

பைனரி ஆப்ஷன் பரிவர்த்தனையில் AI தொழில்நுட்பம் பல வழிகளில் பயன்படுத்தப்படுகிறது.

சந்தை முன்னறிவிப்பு (Market Prediction): AI அல்காரிதம்கள் வரலாற்று தரவுகளைப் பகுப்பாய்வு செய்து எதிர்கால சந்தை போக்குகளை கணிக்கின்றன. தொழில்நுட்ப பகுப்பாய்வு
தானியங்கி வர்த்தகம் (Automated Trading): AI நிரல்கள் தானாகவே வர்த்தக முடிவுகளை எடுத்து பரிவர்த்தனைகளை மேற்கொள்கின்றன. அல்காரிதமிக் டிரேடிங்
ஆபத்து மேலாண்மை (Risk Management): AI அமைப்புகள் பரிவர்த்தனைகளில் உள்ள அபாயங்களை மதிப்பிட்டு குறைக்க உதவுகின்றன. ஆபத்து மேலாண்மை உத்திகள்
மோசடி கண்டறிதல் (Fraud Detection): AI அல்காரிதம்கள் மோசடியான பரிவர்த்தனைகளைக் கண்டறிந்து தடுக்கின்றன.
தனிப்பயனாக்கப்பட்ட வர்த்தகம் (Personalized Trading): AI ஒவ்வொரு வர்த்தகரின் விருப்பத்திற்கும் ஏற்றவாறு வர்த்தக உத்திகளை உருவாக்குகிறது.

பைனரி ஆப்ஷன்களில் AI பயன்பாட்டின் நன்மைகள்
நன்மை	விளக்கம்
துல்லியம்	AI அல்காரிதம்கள் மனிதர்களை விட துல்லியமாக சந்தை போக்குகளை கணிக்க முடியும்.	வேகம்	AI நிரல்கள் மிக வேகமாக பரிவர்த்தனைகளை மேற்கொள்ளும்.	உணர்ச்சியற்ற தன்மை	AI உணர்ச்சிகளால் பாதிக்கப்படாமல் லாபகரமான முடிவுகளை எடுக்கும்.	24/7 வர்த்தகம்	AI அமைப்புகள் நாள் முழுவதும் சந்தையை கண்காணித்து வர்த்தகம் செய்யும்.	ஆபத்து குறைப்பு	AI அபாயங்களை மதிப்பிட்டு நஷ்டத்தை குறைக்கும்.

AI-யின் நுட்பங்கள்

பைனரி ஆப்ஷன் வர்த்தகத்தில் பயன்படுத்தப்படும் சில AI நுட்பங்கள்:

நரம்பியல் வலைப்பின்னல்கள் (Neural Networks): சிக்கலான தரவுகளைப் பகுப்பாய்வு செய்யப் பயன்படும் ஒரு இயந்திர கற்றல் மாதிரி. நரம்பியல் வலைப்பின்னல்கள்
ஆதரவு திசையன் இயந்திரங்கள் (Support Vector Machines - SVM): தரவுகளை வகைப்படுத்தப் பயன்படும் ஒரு இயந்திர கற்றல் மாதிரி.
சீரற்ற காடுகள் (Random Forests): பல முடிவெடுக்கும் மரங்களின் தொகுப்பைப் பயன்படுத்தி தரவுகளை பகுப்பாய்வு செய்யும் ஒரு இயந்திர கற்றல் மாதிரி.
கால வரிசை பகுப்பாய்வு (Time Series Analysis): காலப்போக்கில் தரவு புள்ளிகளைப் பகுப்பாய்வு செய்து எதிர்கால மதிப்புகளைக் கணிக்கப் பயன்படும் ஒரு புள்ளிவிவர முறை. கால வரிசை பகுப்பாய்வு
மரபணு அல்காரிதம்கள் (Genetic Algorithms): இயற்கையான தேர்வு முறையைப் பயன்படுத்தி சிக்கல்களைத் தீர்க்கும் ஒரு தேடல் வழிமுறை.

தரவு பகுப்பாய்வு மற்றும் AI

AI-யின் வெற்றிக்கு தரவு பகுப்பாய்வு மிகவும் முக்கியமானது. தரவு பகுப்பாய்வு என்பது தரவுகளை சேகரித்து, சுத்தம் செய்து, மாற்றி, விளக்கி, தகவல்களாக மாற்றுவது ஆகும். பைனரி ஆப்ஷன் வர்த்தகத்தில், AI அல்காரிதம்கள் வரலாற்று சந்தை தரவு, பொருளாதார தரவு, மற்றும் சமூக ஊடக தரவு போன்ற பல்வேறு வகையான தரவுகளைப் பயன்படுத்துகின்றன. தரவுகளின் தரம் AI-யின் துல்லியத்தை பெரிதும் பாதிக்கிறது. தரவு சுத்தம் செய்தல் (Data Cleaning), தரவு ஒருங்கிணைப்பு (Data Integration), மற்றும் தரவு காட்சிப்படுத்தல் (Data Visualization) ஆகியவை தரவு பகுப்பாய்வின் முக்கிய அம்சங்களாகும்.

சவால்கள் மற்றும் வரம்புகள்

AI தொழில்நுட்பம் பல நன்மைகளை வழங்கினாலும், சில சவால்களையும் வரம்புகளையும் கொண்டுள்ளது.

தரவு சார்பு (Data Dependency): AI அல்காரிதம்கள் தரவுகளின் தரத்தைப் பொறுத்தது. தவறான அல்லது முழுமையற்ற தரவு தவறான முடிவுகளுக்கு வழிவகுக்கும்.
அதிகப்படியான பொருத்தம் (Overfitting): AI அல்காரிதம்கள் பயிற்சி தரவுகளுக்கு மிக நெருக்கமாக பொருந்தி, புதிய தரவுகளுக்கு சரியாக செயல்படாமல் போகலாம்.
விளக்கமின்மை (Lack of Explainability): சில AI மாதிரிகள் (எ.கா., ஆழ்ந்த கற்றல்) எவ்வாறு முடிவுகளை எடுக்கின்றன என்பதைப் புரிந்துகொள்வது கடினம்.
கணக்கீட்டு செலவு (Computational Cost): AI அல்காரிதம்களைப் பயிற்சி செய்ய அதிக கணக்கீட்டு சக்தி தேவைப்படலாம்.
சட்ட மற்றும் ஒழுங்குமுறை சிக்கல்கள் (Legal and Regulatory Issues): AI பயன்பாடு தொடர்பான சட்ட மற்றும் ஒழுங்குமுறை சிக்கல்கள் இன்னும் உருவாகி வருகின்றன.

எதிர்கால போக்குகள்

AI தொழில்நுட்பம் தொடர்ந்து வளர்ச்சியடைந்து வருகிறது. பைனரி ஆப்ஷன் வர்த்தகத்தில் AI-யின் எதிர்கால போக்குகள்:

விளக்கக்கூடிய AI (Explainable AI - XAI): AI முடிவுகளைப் புரிந்துகொள்ளக்கூடிய மாதிரிகளை உருவாக்குதல்.
வலுவான AI (Robust AI): எதிர்பாராத சூழ்நிலைகளில் கூட சரியாக செயல்படும் AI மாதிரிகளை உருவாக்குதல்.
கூட்டு நுண்ணறிவு (Federated Learning): தரவுகளைப் பகிராமல் பல சாதனங்களில் AI மாதிரிகளைப் பயிற்சி செய்தல்.
தானியங்கி இயந்திர கற்றல் (AutoML): AI மாதிரிகளை தானாகவே வடிவமைத்து பயிற்சி செய்யும் கருவிகளை உருவாக்குதல்.
குவாண்டம் கணினி (Quantum Computing): குவாண்டம் கணினிகளைப் பயன்படுத்தி AI அல்காரிதம்களின் வேகத்தை அதிகரித்தல்.

தொடர்புடைய இணைப்புகள்

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