Хочу поднять вопрос, которого тут и там периодически касаются, но как то все ходят вокруг да около. Естественно, не буду рассматривать всякую беллетристику, разного рода инфовбросы, а-ля гугл разработал нейросеть.
Для того чтобы конструктивно рассуждать о предмете, нам нужно сначала его хоть как то определить, а не просто бросаться модными словечками.
Кратко и по-существу.
И так, чем отличается *обычная* программа от программы ИИ? Изложу свое видение.
ИИ-программа отличается способностью к обучению, к приобретению навыков, которые в нее изначально не заложены.
Чтобы рассуждать об этом в наиболее простой манере, лучше всего пользоваться терминами и аналогиями непосредственно предметной области — мозга животного, биологической нейросети. Тут есть достаточно прямолинейная аналогия: условные и безусловные рефлексы. Безусловные рефлексы, в принципе похожи на «обычные» программы, это врожденные программы, написанные природой, эволюцией. Это аналог наших «обычных» программ. Для нас интересны как раз вторые: условные рефлексы. По-сути дела, вся проблема ИИ упирается в вопрос: как реализовать систему, которая способна к приобретению условных рефлексов. Эта способность и есть то самое пресловутое обучение в его первозданном виде.
Кратко о том, как происходит это обучение. Основа этого обучения — построение ассоциативных связей. При многократном повторении сочетания основного раздражителя с дополнительным, изначально не ассоциированным с основным, у животного в мозге формируется дополнительный канал, который заставляет участок мозга, отвечающий за реакцию на этот раздражитель активироваться. Простой пример такого обучения — собака Павлова. Нетрудно догадаться, что изначально запах пищи был раздражителем, активирующим слюноотделение, но со временем к нему прибавился свет. На первый взгляд это не кажется чем то экстраординарным, и даже связь с обучением как таковым тут неочевидна. Но это ошибочное впечатление. На самом деле формирование ассоциативных связей — это и есть обучение на низком уровне работы мозга. Утрированный пример. Изначально заяц реагирует только на вид волка, или на его запах. Однако, через некоторое время, с приобретением опыта, после нескольких успешных побегов от его преследования, он начинает распознавать волка по специфическому шороху или дыханию. Таким образом заяц увеличивает свои шансы на выживание: распознав волка издалека он может либо притаиться, либо начать побег с более длинной дистанцией. Это увеличивает его шансы на выживание. Очевидно, что заяц, у которого такая способность к ассоциативным связям более развита, с бОльшей вероятностью даст потомство, у которого, соответственно, способности к построению ассоциаций также будут лучше развиты.
Не знаю насколько мой пример корректен с тз реальных зайцев, неважно, важна суть этого процесса. Далее вступают в действие более сложные виды ассоциативной памяти, когда мозг связывает не один раздражитель, а целое сочетание, причем реакцию вызывает только комбинация определенных раздражителей, а не каждый в отдельности.
И так, основа обучения — ассоциативная память.
Далее, рассмотрим вопрос, чем отличается настоящий, человеческий интеллект от мозга животного. На мой взгляд, это способность к обобщению, в первую очередь. Если мы можем породить какое то обобщение, то мы можем распространить это обобщение на уже известные нам предметы и явления, уже с другой, ранее неизвестной нам точки зрения. Это нечто похожее на то, что называют «анализом и синтезом». В объектно ориентированном программировании мы сталкиваемся с чем то подобным. Мы порождаем иерархию, где от общности наследуется частное. Проблема в том, что этим обобщением, и продумыванием этих абстракций занимается сам программист/архитектор, а не сама программа:)
Зачем я собственно это написал? Просто, чтобы немного привести в порядок мысли, чтобы сделать какие то обобщения, и обозначить основные моменты этого вопроса, в более ясной и простой манере. А также чтобы выслушать Ваши мнения, друзья, по этому поводу, И, может быть, кто-то озвучит какие то исследования в обозначенных в теме направлениях, и даст ссылки на полезное чтиво.
Спасибо за внимание:)
Но использовать его для взвешивания решений по выбранным оценочным параметрам — вполне приемлемо.
А для поиска и выявления новых паттернов лучше использовать простой матаппарат без ИИ.
Обучение с учителем — это не что иное, как объяснение закономерностей четких, благодаря которым, ИИ не нужно зазубривать тысячи моделей, ибо эти модели он сам создаст в любом количестве, зная закономерности.
И, опять же, по жизни, хороший быстрый результат и высокие достижения идут от системных знаний (от учителя), а самообучение приводит к долгим годам блуждания и поиска, пока система не выкристаллизуется.
Хотя, как самоучка, скажу, что второй путь, хоть и тернист, но может дать больше, чем системный стереотип от учителя.
1. Начнем с того, что задача «создать по своему образу и подобию» неимоверно сложна. Если мы сами не смогли понять рынок, то не сможем создать того, кто сделает это за нас. А если мы сами поняли рынок, то легко и БЫСТРО сможем обучить ИИ.
Самообучение))) Например, как обеспечить обработку достаточного количества параметров, которые постоянно прибывают? Как ИИ узнает о них?
Сегодня есть цена и ее движение, завтра стали давать сигналы вертикальные объемы, послезавтра — новости.
Как ИИ будет обрабатывать оценивать новостную ленту и как он узнает, что новости влияют на цену?
А знаете, на цену влияют еще и фазы Луны. ИИ быстренько самообучится астрономии и астрологии, выведет законы планетарных реакций?
Для этого нужен ИР, а не ИИ.
2. Еще один аспект - рынок двигают примитивные алгоритмы и они известны. Поэтому ИИ стоит просто четко обучить и использовать на рутинных ассоциативных операциях.
3. Поиск функции ИИ не под силу. Так как функция — это математика, а не ассоциативный ряд.
4. Самое смешное — что даже создав столь широкомасштабный инструмент, точность его прогноза не превысит точности обычного сливалы)) Так как трейдинг — это Эгрегор, а эту субстанцию ИИ контролировать не может — нет рецепторов.
А почувствовать это настроение в реальном времени могут только биологические организмы посредством медитации, которая для ИИ не доступна.
Я тут читал про Ларри Вильямса, он рассказывал, что пользуется индикатором на основе линейной регрессии цены: Прогноз временных рядов (Time Series Forecast). На его основе он и делает свои прогнозы. Но, мы то не гадаем, а идём вслед за ценой, для этих целей подойдёт ниже следующее.
Я сам использую скользящую среднею на основе Time Series. Мощный инструмент. Она есть не во всех программах ТА.
Кому надо пишите в личку скину графики с индикатором, и принцип работы.
В инете такое сложно найти, им почти не пользуются обычный торговый народ. Просто не знает!
Да, о таких масштабах речь естественно, не идет. Тут можно надеяться лишь на то, что использование ИИ станет чем-то вроде собаки для охотника, она не решает задачи охотника, но никакой робот ее все же не заменит, так как у нее есть чутье, преданность, заинтересованность и ряд других биологических свойств, которые заменить с помощью техустройства не получится тривиально:)
А то, я тоже использую..
И какова «успешность» фондов? Я кроме Ренессанса ни одного пока не знаю из успешных.
слушай, леха, это случаем не ты — смотрю навыки не потерял. ))
кто что я такое и какова моя цель?
отвечая на этот вопрос ИИ саморазрушается...
а значит для жизни ИИ нужны подобные ИИ
которые будут вместе связаны...
также как и человеку одному не выжить...
нужно постоянное обновление развитие через воспроизводство
и удаление дефектов т.е эволюция…
ИИ — примитивная система, нервный узел насекомого покруче будет.
Можно подумать, что человек знает ответ на этот вопрос:) Однако же не саморазрушается, жрет, срет, бухает, как ни в чем не бывало:).
Однако же, о каком то аналоге человеческого разума, с самосознанием и тп, речь тут не идет, это метафора. Глупо и наивно, вообще, рассматривать это в таком разрезе, человек обладает способнстью чувствовать, а в компе нет никаких чувств, возможна лишь имитация, то есть реализация такого поведения, что для внешнего наблюдателя кажется, что есть какие то эмоции, мысли и тп. На самом же деле ничего в любом случае нет, это иллюзия.
Добавлю только что наверное редкие программы обучаются в процессе. И уж точно я бы не доверил биржевой программе обучаться в процессе торгов. Заранее да, но в процессе не стоит. Иначе что-то может пойти не так и никогда не узнаешь, что именно научило твою программу делать не так и как этого избежать.
Я смотрю на все ИИ сети исключительно как на классификаторы. Это упрощение, зато понятно. Грубо говоря ИИ можно использовать как дополнительный индикатор, пора или не пора.
Что касается обобщения, недавно смотрел ролик одного математика на TED, он выдвинул интересную мысль, что понимание вещей приходит в процессе рассматривания их под самыми разными углами.
Вообще наблюдая за детьми я был восхищён как легко они делают обобщения. И что рисунок на бумаге карандашем для них — настоящая кошка. И сто тыщ пятьсот разных рисунков — это всё кошка. И настоящая кошка — кошка. И разные породы — это всё — просто кошка.
Вот дети всё детство познают мир и рассматривают его под разными углами. Они его понимают.
А мы ленимся.
сам ролик прямо скажем — не шедевр, но мысль интересная довольно таки
www.ted.com/talks/roger_antonsen_math_is_the_hidden_secret_to_understanding_the_world
NN — в основном решают следующие задачи: регрессия, классификация, кластеризация, распознавание образов.
Регрессия — это «идеальная» подгонка под кривую по истории. Для трейдинга ничего не дает, потому что основное свойство рынка это изменчивость. Рынок чуть-чуть изменился, а сетка сломалась кардинально.
Классификация — использовать можно для классификации фаз рынка. Но все равно нужен дополнительный компонент, который принимает решение, что делать в конкретной фазе. А значит в этом месте вмешивается не «ИИ — компонент», который может неправильно использовать выявленные фазы.
Кластеризацию можно использовать для выявления кластеров в рыночных данных, часто невидимых визуально. Но здесь опять встает вопрос, что с этими кластерами делать дальше, тем более с такими, которые трудно представить визуально.
Распознавание — можно рыночные фигуры и паттерны выявлять. Но кто сказал, что широко известные рыночные паттерны работают на рынке стабильно.
При обучении в основном используется «обучение с Учителем». Это предполагает что для обучения сети «Правильные» ответы формирует «Учитель» — то есть Вы. Естественно сетка и топологию сети построит и параметры подберет, но где гарантия того, что Вы дали действительно правильные ответы, которые приводят к стабильному заработку на рынке? Тем более в будущем.
Если чуть подробнее, то:
Если Вы не являетесь гением, то у Вас не хватит знаний, навыков и ресурсов чтобы в одиночку создать действительно эффективную систему. Все попытки, о которых я читал, рано или поздно пропадали в никуда.
Рабочую систему на базе ИИ (нейросети) можно создать командой единомышленников. Но опять же, это выливается в существенные затраты финансов, времени, и когда на выходе получают результат, то выясняется, что эффективность этой системы, по отношению к затратам несколько ниже приемлемой.
Если же Вы гений, способный в одиночку создать такую систему, то она Вам просто не нужна, т.к. с тем же успехом, но меньшими трудозатратами (да и по финансам тоже) Вы сможете создать обычную торговую систему, позволяющую извлекать доход.