Artificial Intelligence

thumb|300px|செயற்கை நுண்ணறிவு - ஒரு விளக்கம்

செயற்கை நுண்ணறிவு (Artificial Intelligence - AI) என்பது மனிதர்களின் அறிவுத்திறனைப் போல இயந்திரங்கள் சிந்தித்து செயல்படும் வகையில் உருவாக்கப்பட்ட ஒரு தொழில்நுட்பமாகும். இது கணினி அறிவியல், தரவு அறிவியல், நரம்பியல் நெட்வொர்க்குகள், இயந்திர கற்றல் (Machine Learning) போன்ற பல துறைகளின் ஒருங்கிணைந்த முயற்சியால் உருவானது. செயற்கை நுண்ணறிவு, மனிதர்களின் தலையீடு இல்லாமல் தானாகவே முடிவுகளை எடுக்கும் திறனைக் கொண்டுள்ளது.

செயற்கை நுண்ணறிவின் வரலாறு

செயற்கை நுண்ணறிவின் வரலாறு 1950-களில் தொடங்கியது. 1956-ஆம் ஆண்டு டார்ட்மவுத் மாநாட்டில் (Dartmouth Workshop) "செயற்கை நுண்ணறிவு" என்ற வார்த்தை முதன்முதலில் பயன்படுத்தப்பட்டது. ஜான் மெக்கார்த்தி, மார்வின் மின்ஸ்கி, கிளாட் ஷானன், மற்றும் ஆலன் நியூவெல் போன்ற அறிஞர்கள் இந்த மாநாட்டில் கலந்து கொண்டனர். ஆரம்பத்தில், நிரலாக்க மொழிகள் மற்றும் சிக்கல்களைத் தீர்க்கும் வழிமுறைகள் உருவாக்கப்பட்டன. 1980-களில் நிபுணர் அமைப்புகள் (Expert Systems) பிரபலமடைந்தன. ஆனால், அவை குறிப்பிட்ட துறைகளில் மட்டுமே செயல்படக்கூடியதாக இருந்தன. 21-ஆம் நூற்றாண்டில், தரவு அறிவியல் மற்றும் கணினி ஆற்றல் அதிகரித்ததன் விளைவாக, இயந்திர கற்றல் மற்றும் ஆழ்ந்த கற்றல் (Deep Learning) போன்ற மேம்பட்ட தொழில்நுட்பங்கள் உருவாகின. இதன் மூலம், செயற்கை நுண்ணறிவு பல்வேறு துறைகளில் பரவலாகப் பயன்படுத்தப்படுகிறது.

செயற்கை நுண்ணறிவின் வகைகள்

செயற்கை நுண்ணறிவை அதன் திறன்களின் அடிப்படையில் பல வகைகளாகப் பிரிக்கலாம்:

• குறுகிய அல்லது பலவீனமான செயற்கை நுண்ணறிவு (Narrow or Weak AI): இது ஒரு குறிப்பிட்ட பணியை மட்டுமே செய்யக்கூடியது. உதாரணமாக, சதுரங்கம் விளையாடும் கணினி அல்லது குரல்வழி உதவியாளர் (Voice Assistant). இது மனித நுண்ணறிவை முழுமையாகப் பிரதிபலிக்காது.
• பொதுவான அல்லது வலுவான செயற்கை நுண்ணறிவு (General or Strong AI): இது மனிதனைப் போலவே எந்த ஒரு அறிவுசார் பணியையும் செய்யக்கூடியது. இந்த வகை செயற்கை நுண்ணறிவு இன்னும் முழுமையாக உருவாக்கப்படவில்லை.
• மேம்பட்ட செயற்கை நுண்ணறிவு (Super AI): இது மனித நுண்ணறிவை விட மேம்பட்டதாக இருக்கும். இது எதிர்காலத்தில் சாத்தியமாகலாம் என்று கருதப்படுகிறது.

செயற்கை நுண்ணறிவின் முக்கிய கூறுகள்

செயற்கை நுண்ணறிவின் செயல்பாட்டில் பல முக்கிய கூறுகள் உள்ளன:

• இயந்திர கற்றல் (Machine Learning): தரவுகளிலிருந்து தானாகவே கற்றுக்கொண்டு, அனுபவத்தின் மூலம் தனது செயல்திறனை மேம்படுத்திக் கொள்ளும் திறன்.
• ஆழ்ந்த கற்றல் (Deep Learning): இயந்திர கற்றலின் ஒரு துணைப்பிரிவு. இது நரம்பியல் நெட்வொர்க்குகளைப் பயன்படுத்தி சிக்கலான தரவுகளைப் பகுப்பாய்வு செய்கிறது.
• இயற்கை மொழி செயலாக்கம் (Natural Language Processing - NLP): மனித மொழியைப் புரிந்துகொண்டு அதற்கேற்ப செயல்படும் திறன்.
• கணினி பார்வை (Computer Vision): படங்களைப் புரிந்துகொண்டு அவற்றிலிருந்து தகவல்களைப் பெறும் திறன்.
• ரோபாட்டிக்ஸ் (Robotics): இயந்திரங்களை வடிவமைத்து உருவாக்குதல் மற்றும் அவற்றை தானியங்கி முறையில் செயல்பட வைத்தல்.

செயற்கை நுண்ணறிவின் பயன்பாடுகள்

செயற்கை நுண்ணறிவு பல்வேறு துறைகளில் பயன்படுத்தப்படுகிறது. சில முக்கிய பயன்பாடுகள் கீழே கொடுக்கப்பட்டுள்ளன:

செயற்கை நுண்ணறிவின் பயன்பாட்டுத் துறைகள்

துறை

பயன்பாடுகள்

சுகாதாரம்

நோய்களைக் கண்டறிதல், மருந்து கண்டுபிடிப்பு, தனிப்பயனாக்கப்பட்ட மருத்துவம்

நிதி

மோசடி கண்டறிதல், கடன் மதிப்பீடு, பங்குச் சந்தை கணிப்புகள் (பங்குச் சந்தை)

போக்குவரத்து

தானியங்கி வாகனங்கள், போக்குவரத்து மேலாண்மை, வழித்தட தேர்வு

கல்வி

தனிப்பயனாக்கப்பட்ட கற்றல், தானியங்கி மதிப்பீடு, கல்வி உதவி

உற்பத்தி

தரக் கட்டுப்பாடு, உற்பத்தி மேம்பாடு, ரோபோட்டிக்ஸ்

சந்தைப்படுத்தல்

இலக்கு விளம்பரம், வாடிக்கையாளர் சேவை, சந்தை ஆராய்ச்சி (சந்தை ஆராய்ச்சி)

பாதுகாப்பு

கண்காணிப்பு, அச்சுறுத்தல் கண்டறிதல், சைபர் பாதுகாப்பு (சைபர் பாதுகாப்பு)

பைனரி ஆப்ஷன் பரிவர்த்தனையில் செயற்கை நுண்ணறிவு

பைனரி ஆப்ஷன் (Binary Option) பரிவர்த்தனையில் செயற்கை நுண்ணறிவு ஒரு முக்கியமான கருவியாகப் பயன்படுத்தப்படுகிறது. இது சந்தை போக்குகளைக் கணிக்கவும், ஆபத்துகளைக் குறைக்கவும் உதவுகிறது.

• சந்தை முன்னறிவிப்பு (Market Prediction): செயற்கை நுண்ணறிவு, வரலாற்று தரவுகள் மற்றும் நிகழ்நேர தரவுகளைப் பயன்படுத்தி சந்தை போக்குகளைக் கணிக்கிறது. இதன் மூலம், முதலீட்டாளர்கள் சரியான நேரத்தில் சரியான முடிவுகளை எடுக்க முடியும். தொழில்நுட்ப பகுப்பாய்வு
• தானியங்கி வர்த்தகம் (Automated Trading): செயற்கை நுண்ணறிவு அடிப்படையிலான ரோபோக்கள், முதலீட்டாளர்களின் சார்பாக தானாகவே பரிவர்த்தனைகளை மேற்கொள்கின்றன. இது மனித தவறுகளைக் குறைக்கிறது மற்றும் வேகமான வர்த்தகத்தை உறுதி செய்கிறது. அளவு பகுப்பாய்வு
• ஆபத்து மேலாண்மை (Risk Management): செயற்கை நுண்ணறிவு, பரிவர்த்தனைகளில் உள்ள ஆபத்துகளை மதிப்பிட்டு, அவற்றை குறைக்க உதவுகிறது. இது முதலீட்டாளர்களின் இழப்புகளைக் குறைக்கிறது. ஆபத்து மேலாண்மை உத்திகள்
• மோசடி கண்டறிதல் (Fraud Detection): பைனரி ஆப்ஷன் பரிவர்த்தனைகளில் மோசடிகளை கண்டறிய செயற்கை நுண்ணறிவு பயன்படுகிறது. இது பாதுகாப்பான வர்த்தகத்தை உறுதி செய்கிறது. மோசடி தடுப்பு
• சந்தை உணர்வு பகுப்பாய்வு (Market Sentiment Analysis): சமூக ஊடகங்கள் மற்றும் செய்தி கட்டுரைகளிலிருந்து தகவல்களை சேகரித்து, சந்தையின் மனநிலையை பகுப்பாய்வு செய்கிறது. இதன் மூலம், முதலீட்டாளர்கள் சந்தையின் போக்குகளைப் புரிந்து கொள்ள முடியும். சந்தை உணர்வு

செயற்கை நுண்ணறிவின் சவால்கள் மற்றும் எதிர்காலம்

செயற்கை நுண்ணறிவு பல நன்மைகளைக் கொண்டிருந்தாலும், சில சவால்களையும் எதிர்கொள்கிறது:

• தரவு சார்பு (Data Dependency): செயற்கை நுண்ணறிவு, தரவுகளின் அடிப்படையில் செயல்படுகிறது. தரவுகளின் தரம் குறைவாக இருந்தால், அதன் முடிவுகள் தவறாக இருக்கலாம்.
• விளக்கமின்மை (Lack of Explainability): சில செயற்கை நுண்ணறிவு மாதிரிகள் எவ்வாறு முடிவுகளை எடுக்கின்றன என்பதைப் புரிந்துகொள்வது கடினம். இது நம்பகத்தன்மை சிக்கல்களை ஏற்படுத்தலாம்.
• வேலைவாய்ப்பு இழப்பு (Job Displacement): தானியங்கி முறையில் வேலைகளைச் செய்ய செயற்கை நுண்ணறிவு பயன்படுத்தப்படுவதால், சில வேலைகள் இழக்கப்படலாம்.
• நெறிமுறை சிக்கல்கள் (Ethical Concerns): செயற்கை நுண்ணறிவின் பயன்பாடு, தனியுரிமை மற்றும் பாரபட்சம் போன்ற நெறிமுறை சிக்கல்களை ஏற்படுத்தலாம்.

எதிர்காலத்தில், செயற்கை நுண்ணறிவு மேலும் மேம்படுத்தப்பட்டு, மனித வாழ்க்கையின் அனைத்து அம்சங்களிலும் ஒருங்கிணைக்கப்படும் என்று எதிர்பார்க்கப்படுகிறது. குறிப்பாக, இயந்திர கற்றல், ஆழ்ந்த கற்றல், மற்றும் இயற்கை மொழி செயலாக்கம் போன்ற துறைகளில் அதிக முன்னேற்றங்கள் ஏற்படும். மேலும், குவாண்டம் கம்ப்யூட்டிங் (Quantum Computing) மற்றும் நரம்பியல் நெட்வொர்க்குகள் (Neural Networks) போன்ற புதிய தொழில்நுட்பங்கள் செயற்கை நுண்ணறிவின் திறனை மேலும் அதிகரிக்கும்.

உத்திகள் மற்றும் தொழில்நுட்பங்கள் (Strategies and Technologies)

பைனரி ஆப்ஷன் வர்த்தகத்தில் பயன்படுத்தப்படும் சில முக்கிய உத்திகள் மற்றும் தொழில்நுட்பங்கள்:

• சராசரி நகர்வு (Moving Averages): சந்தை போக்குகளைக் கண்டறியப் பயன்படுகிறது. சராசரி நகர்வு உத்தி
• ஆர்எஸ்ஐ (Relative Strength Index - RSI): சந்தை அதிகப்படியான கொள்முதல் அல்லது விற்பனையில் உள்ளதா என்பதைக் கண்டறிய உதவுகிறது. ஆர்எஸ்ஐ பகுப்பாய்வு
• MACD (Moving Average Convergence Divergence): சந்தை போக்குகளைக் கண்டறியும் ஒரு உத்தி. MACD உத்தி
• ஃபைபோனச்சி அளவுகள் (Fibonacci Levels): ஆதரவு மற்றும் எதிர்ப்பு நிலைகளைக் கண்டறியப் பயன்படுகிறது. ஃபைபோனச்சி பகுப்பாய்வு
• புல்லிங் மீன்கள் (Pin Bars): சந்தை திசை மாற்றத்தைக் குறிக்கும் ஒரு வடிவமைப்பு. புல்லிங் மீன் உத்தி
• விலை நடவடிக்கை (Price Action): சந்தை நகர்வுகளைப் புரிந்துகொண்டு வர்த்தகம் செய்யும் உத்தி. விலை நடவடிக்கை பகுப்பாய்வு
• சந்தை சூழ்நிலைகள் (Market Conditions): சந்தையின் போக்குகள் மற்றும் ஏற்ற இறக்கங்களைப் புரிந்து கொள்ளுதல். சந்தை சூழ்நிலை பகுப்பாய்வு
• சாதகமான ஆபத்து விகிதம் (Positive Risk-Reward Ratio): இழப்பை விட லாபம் அதிகமாக உள்ள வர்த்தகங்களை தேர்ந்தெடுப்பது. ஆபத்து/வருவாய் விகிதம்
• டைம் ஃபிரேம் பகுப்பாய்வு (Time Frame Analysis): வெவ்வேறு கால இடைவெளிகளில் சந்தை போக்குகளை ஆராய்வது. டைம் ஃபிரேம் உத்தி
• பேட்டர்ன் அங்கீகாரம் (Pattern Recognition): சந்தையில் மீண்டும் மீண்டும் தோன்றும் வடிவங்களை அடையாளம் கண்டு வர்த்தகம் செய்வது. பேட்டர்ன் அங்கீகார உத்தி
• சந்தை அளவு (Market Volume): வர்த்தகத்தின் அளவை ஆராய்ந்து சந்தை வலிமையை மதிப்பிடுவது. சந்தை அளவு பகுப்பாய்வு
• சந்தை திரவத்தன்மை (Market Liquidity): சந்தையில் எளிதாக வாங்கவும் விற்கவும் கிடைக்கும் தன்மையை ஆராய்வது. சந்தை திரவத்தன்மை பகுப்பாய்வு
• வொலாடிலிட்டி (Volatility): சந்தையின் ஏற்ற இறக்கத்தை அளவிடுவது மற்றும் அதற்கேற்ப வர்த்தகம் செய்வது. வொலாடிலிட்டி உத்தி
• கார்பரேட் நிகழ்வுகள் (Corporate Events): நிறுவனங்களின் வருவாய் அறிக்கைகள் மற்றும் பிற நிகழ்வுகளைக் கருத்தில் கொண்டு வர்த்தகம் செய்வது. கார்பரேட் நிகழ்வு பகுப்பாய்வு
• பொருளாதார குறிகாட்டிகள் (Economic Indicators): நாட்டின் பொருளாதார நிலை மற்றும் அதன் தாக்கத்தை ஆராய்ந்து வர்த்தகம் செய்வது. பொருளாதார குறிகாட்டி பகுப்பாய்வு

முடிவுரை

செயற்கை நுண்ணறிவு ஒரு சக்திவாய்ந்த தொழில்நுட்பமாகும். இது பல்வேறு துறைகளில் புரட்சியை ஏற்படுத்தி வருகிறது. பைனரி ஆப்ஷன் பரிவர்த்தனையில், செயற்கை நுண்ணறிவு சந்தை போக்குகளைக் கணித்து, ஆபத்துகளைக் குறைத்து, தானியங்கி வர்த்தகத்தை சாத்தியமாக்குகிறது. இருப்பினும், செயற்கை நுண்ணறிவின் சவால்களைப் புரிந்துகொண்டு, நெறிமுறை சிக்கல்களை கவனத்தில் கொள்வது அவசியம். எதிர்காலத்தில், செயற்கை நுண்ணறிவு மேலும் மேம்படுத்தப்பட்டு, மனித வாழ்க்கையை மேம்படுத்தும் ஒரு முக்கிய கருவியாக இருக்கும்.

thumb|200px|செயற்கை நுண்ணறிவின் எதிர்காலம்

பகுப்பு:செயற்கை_நுண்ணறிவு

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