پیش بینی

دیروز با شخصی در مورد حوزه ی هوش مصنوعی و امکانات پیش روی محتمل صحبت می کردیم. اینکه در خلال صحبتهای غیرکارشناسانه ، چه میزان از شایعه و توهم جا دارد بماند. اما امروز میخواهم درباره ی بعد دیگری از رویارویی و انتظار از این ابزارهای نوین حرف بزنم. صحبت ایشان این بود که یکی از بهترین موارد استفاده از چت بات های جدید ، مشاوره در خصوص انجام معامله است. اینکه از او بخواهیم یک پیش بینی در خصوص نوسان بازار رمز ارزها را به ما بدهد. مثلا از چت بپرسیم که برای ماه آینده نرخ رشد فلان رمز ارز را چگونه ارزیابی می کند. نکته اینجاست که اطلاعات خروجی از این چت بات ها ، محصول تحلیلهای انسانی موجود در اینترنت است که بسته به اینکه او (آن!) به چه منبع داده ای متصل شود ، میتواند تحلیلهای خود را داشته باشد. اما واقعا میزان اعتماد و اتکا به این سیستم چقدر می تواند باشد؟ معمولا در سیستمهای اتوماتیک تحلیل و ارزیابی بازارهای مالی ، روند قیمت ها در بازه های زمانی به عنوان خوراک و مبنای آموزش سیستم یادگیری ماشین داده می شود و یک پیش بینی با نرخ متوسطی نسبت به آینده ارائه می دهد. اما میدانیم که این پیش بینی ها بسیار خطی عمل می کنند و در واقعیت اتفاق دیگری خواهد افتاد. از طرفی تحلیل های فردی موجود در اینترنت که فلان کارشناس و بهمان متخصص هم نسبت به آینده ارائه می کنند هم هرگز قابل اتکا نیست. همین الآن میتوانید به طور موازی ببینید که برخی قیمت بعدی بیتکوین را یک میلیون دلار به ازای هر واحد تخمین میزنند و برخی هم آنرا به سمت صفر متمایل می دانند. بنابراین کدامیک از روش ها می تواند به عنوان الگوریتم بهینه ی پیش بینی مورد استفاده قرار گیرند؟ نکته ای که من دیروز در بحث گنجاندم ، فاکتور شم انسانی است که الزاما هیچ یک از روشهای موجود آنرا برآورده نمیکنند. اگرچه منابع تحلیلی چت بات ، نهایتا انسان ها هستند ، اما از آنجا که یک الگوریتم جمع آوری اطلاعات در موتور جستجوی آنها قرار دارد ، نهایتا یک لایه ای فراتر از بحث انسانی مطرح است که بسیار ماشینی است. ما با موضوعی سر و کار داریم که نهایتا تعیین کننده ترین عامل ، انسانها هستند. اینکه بخرند یا بفروشند. اگر سیستم خرید و فروش به یک بستر تحلیل اطلاعاتی متصل باشد که بر اساس تصمیمی “درست” در چارچوب الگوریتم طراحی شده ی بهینه رفتار کند ، یعنی همیشه وقتی اطمینانی در جهت رشد قیمت داشته باشد ، بخرد و برعکس. در این شرایط ، سیستم با صرف زمانی مشخص ، به یک سمت متمایل می شود و در این صورت در یک نقطه به شرایطی می رسد که یا کسی نمی فروشد و یا کسی نمی خرد و این سیستم شکست می خورد. درواقع می توانیم اینگونه نتیجه گیری کنیم که دلیل سرپا بودن بازارهای مالی ، اشتباه شم انسانی است. اشتباه برخی ، دیگران را به سود می رساند. در یک سیستم بدون اشتباه ، رشد و توسعه ای درکار نخواهد بود. تمام تلاش یادگیری ماشینی پرهیز از اشتباه است و این شاید اتفاقا یکی از معایب و ضعف های سیستم های هوش مصنوعی بر پایه یادگیری ماشینی باشد. در واقع ما برترین روش آموزشی را در یک سیستم فدای ملاحظات اجتماعی کرده ایم. مثلا وقتی از چت بات ها درخصوص پیش بینی مسابقات ورزشی یا قیمت رمز ارزها سوال کنید ، حتما با محتاطانه ترین وضعیت ممکن به شما پاسخ خواهند داد. حال آنکه یک سیستم خودیادگیرنده ، در صورتی که پاسخی اشتباه را بازتاب دهد ، یک درس آموخته ی ارزشمند ، بیشتر از بانک اطلاعاتی و منابع دانش موجود در اختیار دارد که با وزن دهی مناسب بین تجربه و اطلاعات ، میتواند در اتخاذ تصمیمات بعدی پاسخی به مراتب بهتر ارائه دهد. جالب اینکه اصلا قصدم بیان این مطالب نبود و میخواستم در این مورد حرف بزنم که حتی یک ابزار رایگان اینترنتی هم برای ما به عنوان عاملی سودآور به شمار می رود. اما این نیز موضوعی متفاوت است که زمانی مقتضی میطلبد که به آن خواهم پرداخت.