Программы, основанные на теории искусственного интеллекта

Програмні продукти, що грунтуються на теорії штучного інтелекту

Традиційно в ринковому аналізі комп’ютер майже виключно використовувався як обчислювальний пристрій. Його основна функція зводилася до розрахунків даних і відображення результатів на екрані. Ускладнення ролі комп’ютера може піти шляхом машинної інтерпретації результатів розрахунків, тобто йдеться про використання логічної функції машини поряд з обчислювальною. Ось тут і використовується теорія «штучного інтелекту», зокрема, автоматичного розпізнавання моделей.

Коли кажуть про «штучний інтелект», то мають на увазі так звані евристичні програми, що здатні розв’язувати задачі — приблизно так само, як це робить людина. Роботу комп’ютера, що розв’язує евристичну задачу, у принципі можна назвати «інтелек­туальною»: він оцінює умови, приймає рішення і навіть навчається на своїх помилках. Функція автоматичного розпізнавання моделей дає змогу машині учитися приймати рішення і робити прогнози на основі класифікацій різних об’єктів чи індикаторів. У даному разі значення слово «модель» відрізняється від того, що використовувалося за описування «графічних моделей». Мета автоматичного розпізнавання моделей полягає в одержанні комбінованого ефекту шляхом одночасного оцінювання даних всіх індикаторів (замість того, щоб розглядати кожний з них окремо).

Першим кроком у цьому процесі є пошук кращого індикатора з низки наявних. Потім необхідно знайти кращий варіант поєднання інструментів (спочатку двох, а потім трьох) — з тих, які здатні оптимально функціонувати разом

Процес додавання нових індикаторів з тих, що залишилися, продовжується до того моменту, коли черговий добавлений інструмент не даватиме поліпшення роботи всієї системи в цілому. У процесі тестування використовуються дві низки матеріалу: так звані дані для нав­чання і тестова низка. Результати, отримані на даних для навчання, мають бути потім підтверджені на окремому тестовому матеріалі. Метод розподіленого матеріалу потрібний для того, щоб уникнути так званого «пристосування», яке за твердженнями супротивників технічного аналізу часто використовується за тестування інших технічних методів, особливо їх оптимізаційних параметрів.

Упровадження засобів, функціонування яких ґрунтується на принципах «штучного інтелекту» і автоматичного розпізнавання моделей, може стати відповіддю на поставлене вище запитання: як працювати з величезною кількістю часто суперечливих даних. У разі надходження суперечливої інформації комп’ютеру дається команда обчислити всі індикатори, а потім вибрати з них ту комбінацію, що є оптимальною для даних умов.

У наші дні проблема виявлення прихованих у масивах даних закономірностей стала дуже актуальною і все частіше змушує переходити від метафоричних міркувань про штучний інтелект до створення справді інтелектуального інструментарію. Багато компаній зіштовхуються з такою проблемою: усі дані, які необхідні для прийняття рішення, доступні, однак їх так багато і вони настільки складно організовані, що прийняття остаточного рішення утруднене. «PolyAnalyst» — це російська система типу «Data Mіnіng», що розроблена на основі технологій штучного інтелекту (еволюційне програмування, генетичні алгоритми), призначена для допомоги у виявленні й швидкому показі взаємозв’язку між різними ринками, між різними елементами ринку, між цінними паперами і в прийнятті відповідних рішень.

У фінансовому аналізі для працюючого за комп’ютером експерта важливо точно знати, на чому ґрунтуються ті чи інші висновки, чи не упущені які-небудь фактори, про які система могла не знати, і т. д. Єдиною гарантією точності відповіді може бути лише чітке розуміння причин,

1 2 3 4 5 6 7

Похожие работы

Рефераты

Курсовые

Дипломные