ෆොරෙක්ස්, කොටස්, භාණ්ඩ, හෝ ක්‍රිප්ටෝ මුදල් වෙලඳපොලවල් වල මාර්ගගත වෙළඳාමේ යෙදී සිටින ඕනෑම අයෙකු පාහේ ස්නායු ජාල සහ රොබෝවරුන් සමඟ වෙළඳාම් කිරීමේදී ඒවා භාවිතා කිරීම පිලිබඳ අසා ඇත. එය විශේෂඥ උපදේශකයින් (EAs) ලෙසද හැඳින්වේ. මේ අනුව, නිවැරදිවම ස්නායුක ජාල යනු කුමක්ද, ඒවාට පොදු ලක්ෂණ වන්නේ කුමක්ද සහ ඒවා කෘතිම බුද්ධියට වඩා වෙනස් වන්නේ කෙසේද? ඒවායේ වාසි සහ අවාසි මොනවාද? අවසාන වශයෙන්, ස්නායුක ජාල සෑම වෙළෙන්දෙකුටම ස්ථාවර ලාභයක් සහතික කිරීමට විශ්වාසදායක මෙවලමක් බවට පත් විය හැකිද යන්න මෙහිදී සාකච්චා කරයි.
ස්නායුක ජාලය හැඳින්වීම
ස්නායුක ජාලයක් යනු ජීවීන්ගේ මොළයේ ව්‍යුහය සහ මෙහෙයුම් මූලධර්ම මගින් ආභාසය ලබන ඇල්ගොරිතම නිර්මිතයකි. එය නියුරෝන අනුකරණය කරන අන්තර් සම්බන්ධිත නෝඩ් සංකීර්ණ ජාල හරහා දත්ත සැකසීමට සැලසුම් කර ඇත. එවැනි ජාලයක ඇති සෑම කෘතිම නියුරෝනයකටම වෙනත් නියුරෝන වෙත සංඥා ලබා ගැනීමට, සැකසීමට සහ සම්ප්‍රේෂණය කිරීමට හැකිය. එහි ප්‍රතිඵලයක් වශයෙන්, සාමූහිකව, සරලම ඒවායේ සිට ඉතා වියුක්ත ඒවා දක්වා වූ කාර්යයන් විසඳීමට ඔවුන්ට හැකියාව ඇත.
කෘත්‍රිම නියුරෝන පිළිබඳ සංකල්පය 1943 තරම් ඈත කාලයකදී ඇමරිකානු විද්‍යාඥයන් වන Warren Sturgis McCulloch සහ Walter Pitts විසින් යෝජනා කරන ලද අතර ඔවුන් විසින් නියුරෝනයක ගණිතමය ආකෘතියක් නිර්මාණය කරන ලදී. Warren McCulloch 1898 දී උපත ලබා 1927 දී ඇමරිකා එක්සත් ජනපදයේ යේල් විශ්ව විද්‍යාලයෙන් වෛද්‍ය උපාධියක් ලබා ඇති අතර, විශේෂයෙන් ස්නායු පද්ධතිය අධ්‍යයනය කරමින් මනෝචිකිත්සාව සහ ස්නායු භෞතවේදය පිළිබඳ පර්යේෂණ කළේය. මිනිස් මොළයේ කෘතිම ආකෘති නිර්මාණය කිරීමේ හැකියාව පිළිබඳව විද්යාඥයා බරපතල ලෙස උනන්දු වූයේ එවිටය. Walter Pitts, ඔහුගේ වයස අවුරුදු 25 ක කනිෂ්ඨ අවදිය සහ ගණිතය සහ ස්නායු භෞතවේදය පිළිබඳ ස්වයං-ඉගැන්වූ, කුඩා කාලයේ සිටම කැපී පෙනෙන හැකියාවන් ප්‍රදර්ශනය කළේය.
1943 දී, Pitts චිකාගෝ විශ්ව විද්‍යාලයේදී McCulloch හමුවූ අතර, මෙම රැස්වීම ඔවුන්ගේ ඵලදායී සහයෝගීතාවය ආරම්භ විය. එම වසරේම, ඔවුන් කෘතිම ස්නායුක ජාල පිළිබඳ න්‍යායික පර්යේෂණ සඳහා අඩිතාලම දමමින්, "ස්නායු ක්‍රියාකාරකම් තුළ පවතින අදහස් පිළිබඳ තාර්කික ගණනය" ප්‍රකාශයට පත් කරන ලදී. පර්යේෂකයන් ඔවුන්ගේ ලිපියේ ගණිතමය තර්කනය මත පදනම් වූ නියුරෝන ආකෘතියක් යෝජනා කළ අතර සරල කෘත්‍රිම නියුරෝන ජාල ඒවායේ අන්තර් සම්බන්ධතා නිසි ලෙස සංවිධානය වී ඇත්නම් සංකීර්ණ පරිගණක කාර්යයන් ඉටු කළ හැකි ආකාරය නිරූපණය කළහ. මෙම සොයාගැනීම සංජානන ක්‍රියාවලි ආකෘතිකරණය සහ බුද්ධිමත් යන්ත්‍ර නිර්මාණය කිරීම සඳහා කෘත්‍රිම ජාල භාවිතා කිරීමේ හැකියාව පිළිබඳව ප්‍රකාශ කරයි.
1957 දී Frank Rosenblatt විසින් perceptron නිර්මාණය කිරීම ඇතුළුව මෙම තාක්ෂණයේ දියුණුව වැදගත් අවධීන් කිහිපයක් පසු කළේය. perceptron යනු දත්ත වර්ගීකරණය සඳහා භාවිතා කරන සරලම ආකාරයේ කෘතිම ස්නායු ජාලයකි (එනම්, දත්ත කණ්ඩායම් වලට බෙදීම). එය යෙදවුම් වලින් සමන්විත වන අතර, ඒ සෑම එකක්ම නිශ්චිත බරකින් (ආදානයේ වැදගත්කම පෙන්නුම් කරන සංඛ්‍යාවක්) සහ ආදාන සංඥා ඒවායේ බරින් ගුණ කරන තනි ප්‍රතිදාන නියුරෝනයකින් සමන්විත වේ. එකතුව යම් සීමාවක් ඉක්මවන්නේ නම්, perceptron එක සක්‍රිය කර එක් ප්‍රතිඵලයක් ප්‍රතිදානය කරයි; එසේ නොවේ නම්, එය තවත් එකක් ප්‍රතිදානය කරයි.
වඩාත් සංකීර්ණ ස්නායුක ජාල මතුවීම සඳහා තවත් වැදගත් පියවරක් වූයේ 1970 ගණන්වල ඇති වූ සහ බහු ස්ථර ස්නායුක ජාල වලට වූ පසු backpropagation ඇල්ගොරිතමයේ වර්ධනයයි. මෙම ඇල්ගොරිතම යනු කෘත්‍රිම ස්නායුක ජාල පුහුණු කිරීමේ ක්‍රමයක් වන අතර එහිදී නියුරෝන බර නිවැරදි කිරීම එහි අනාවැකි පල කරන ලද ජාලයේ දෝෂ මත පදනම් වේ. මුලදී, ජාලය පිලිබඳ අනාවැකි පල කරයි, පසුව එය නිවැරදි පිළිතුරට සංසන්දනය කර දෝෂය ගණනය කරයි. මෙම දෝෂය පිළිබඳ තොරතුරු පසුව ජාලය හරහා ප්‍රචාරණය කරනු ලැබේ, එය වැඩි දත්ත සකසන විට එහි අනාවැකි දැන ගැනීමට සහ වැඩිදියුණු කිරීමට ඉඩ සලසයි.
McCulloch, Pitts සහ ඔවුන්ගේ අනුප්‍රාප්තිකයන්ගේ කෘතීන්, කෘතිම බුද්ධි සංකල්ප සංවර්ධනය කිරීමේදී මූලික කාර්යභාරයක් ඉටු කළේය. ස්වයංක්‍රීය පරිවර්තන සහ රූප හඳුනාගැනීමේ සිට ස්වයං-රිය පැදවීමේ මෝටර් රථ සහ ක්‍රියාවලි ස්වයංක්‍රීයකරණය දක්වා විවිධ ක්ෂේත්‍රවල සහ සත්‍ය වශයෙන්ම මූල්‍ය වෙළඳාමේ දී අද භාවිතා වන ගැඹුරු ඉගෙනුම් ආකෘති නිර්මාණය කිරීම ඔවුන්ගේ පර්යේෂණ උත්තේජනය කළේය.
මූල්‍ය වෙලඳපොලවල වෙළඳාම් කිරීමේදී ස්නායුක ජාල වල යෙදීම
මූල්‍ය වෙළඳාමේ ස්නායුක ජාල භාවිතය ආරම්භ වූයේ 1980 ගණන්වල පරිගණක තාක්ෂණය විශාල දත්ත ප්‍රමාණයක් සැකසීමට සහ සංකීර්ණ ගණනය කිරීම් සිදු කිරීමට තරම් දියුණු වූ විටය. කෙසේ වෙතත්, වෙළඳපල දත්ත විශ්ලේෂණය සඳහා කෘතිම ස්නායුක ජාල වඩාත් ඵලදායී ලෙස භාවිතා කිරීමට ඉඩ සලසමින් යන්ත්‍ර ඉගෙනීමේ දියුණුව සහ පරිගණක බලය වැඩි වීමත් සමඟ 1990 ගණන්වල ඔවුන් කෙරෙහි සැබෑ උනන්දුව මතු විය.
20 වැනි ශතවර්ෂයේ අවසාන දශකය තුළ, වෙළඳපල තත්ත්වයන් විශ්ලේෂණය කිරීම, මිල චලනයන් පිළිබඳව අනාවැකි පල කිරීම සහ ස්වයංක්‍රීයව වෙළඳ මෙහෙයුම් ක්‍රියාත්මක කිරීම සඳහා විශේෂඥ උපදේශකයින් (EAs) ලෙස හැඳින්වෙන වෙළඳ රොබෝවරුන් සඳහා ස්නායුක ජාල භාවිතා කිරීමේ අදහස මතු විය. මෙම ස්නායු ජාලයන් මිල ගණන්, වෙළඳ පරිමාවන්, වෙළඳපල දර්ශක සහ අනෙකුත් තාක්ෂණික විශ්ලේෂණ මෙවලම් පිළිබඳ ඓතිහාසික දත්ත මත පුහුණු කරනු ලැබේ. පළපුරුදු වෙළෙන්දෙකුට-විශ්ලේෂකයෙකුට පවා සෑම විටම නොපැහැදිලි සංකීර්ණ රටා සහ පරායත්තතා ඔවුන්ට හඳුනාගත හැකිය. පුහුණුවෙන් පසු, EAs හට තත් කාලීනව මූල්‍ය උපකරණ මිලදී ගැනීම හෝ විකිණීම පිළිබඳව ස්වාධීනව තීරණ ගැනීමේ හැකියාව ඇත.
ස්වයංක්‍රීය වෙළඳාම සඳහා ස්නායුක ජාල භාවිතයේ වඩාත්ම වැදගත් වර්ධනය පසුගිය වසර 15-20 තුළ සිදුවී ඇත. මෙම කාල පරිච්ජේදය තුළ විවිධ පැතිවලින් ඔවුන්ගේ කාර්යක්ෂමතාව ඔප්පු කර ඇත. කෙසේ වෙතත්, වෙනත් ඕනෑම තාක්ෂණයක් මෙන්, ස්නායුක ජාල භාවිතය එහි අවාසි, ගැටළු සහ සීමාවන් ඇති බව ද පැහැදිලි වී ඇත. උදාහරණයක් ලෙස, EAs හි මූලික පුහුණුව සඳහා අවශ්‍යතාවය මේවාට ඇතුළත් වේ: දිගු, දුෂ්කර සහ ඉවසීම අවශ්‍ය වේ. සමහර අවස්ථාවලදී, ස්නායුක ජාලය නැවත පුහුණු කිරීම අවශ්‍ය විය හැකිය. ඓතිහාසික දත්ත වලට ඉතා නිවැරදිව අනුගත වන විට සහ සාමාන්‍යකරණය කිරීමේ හැකියාව අහිමි වන විට මෙය අවශ්‍ය වේ. වෙනස්වන වෙළඳපල තත්වයන්ට අනුවර්තනය වීමට දත්ත සහ ඇල්ගොරිතම නිරන්තරයෙන් යාවත්කාලීන කිරීමේ අවශ්‍යතාවය මෙන්ම ස්නායුක ජාලයේ ක්‍රියාකාරිත්වයේ ප්‍රතිපල අර්ථ නිරූපණය කිරීමේ දුෂ්කරතා අදාළ වේ.
මෙම සන්දර්භය තුළ, බොහෝ ප්‍රවීණයන් විශ්වාස කරන පරිදි, ස්නායු-EA සංවර්ධනය සඳහා ප්‍රධාන දිශාවන්ගෙන් එකක් වන්නේ වෙළඳපල වෙනස්කම් වලට ප්‍රතිචාර වශයෙන් ඒවායේ පරාමිතීන් ස්වයංක්‍රීයව සකස් කළ හැකි අනුවර්තන පද්ධති නිර්මාණය කිරීමයි. එපමනක් නොව, වඩාත් නිවැරදි අනාවැකි සහ වඩාත් ඵලදායී වෙළඳාම සඳහා ඉඩ සලසන ගැඹුරු ස්නායුක ජාල ඇතුළුව යන්ත්‍ර ඉගෙනුම් ඇල්ගොරිතම වැඩිදියුණු කිරීමේ වැඩ දිගටම සිදු කරගෙන යයි. විචල්‍ය විශාල සංඛ්‍යාවක් විශ්ලේෂණය කිරීම සහ ඒවායේ සංයෝජන පද්ධතිවල අනාවැකි බලය වැඩි දියුණු කිරීමට ද උපකාරී වේ.
ස්නායුක ජාල සහ කෘතිම බුද්ධිය අතර වෙනස
ස්නායුක ජාලයක් සහ කෘතිම බුද්ධිය (AI) යනු බොහෝ විට එකට භාවිතා වන නමුත් සත්‍ය වශයෙන්ම විවිධ වූ සංකල්ප ද්විත්වයකි. ස්නායුක ජාල සහ කෘතිම බුද්ධිය අතර ඇති ප්‍රධාන වෙනස්කම් පහත පරිදි වේ:
– යෙදුම් ප්‍රදේශය: ස්නායුක ජාල යනු කෘත්‍රිම බුද්ධියේ භාවිතා කරන එක් මෙවලමක් පමණි, මන්ද ඒවා ලබා දී ඇති උදාහරණ මත පදනම්ව දත්ත ඉගෙනීම සහ සැකසීම සඳහා විශේෂීකරණය වේ. කෙසේ වෙතත්, කෘතිම බුද්ධිය, යන්ත්‍ර ඉගෙනීමට හෝ ස්නායුක ජාලවලට පමණක් සීමා නොවන පුළුල් පරාසයක තාක්‍ෂණ සහ ක්‍රම ඇතුළත් වේ. AI උපරිම වශයෙන් විශ්වීය වීම අරමුණු කරයි, විවිධ ක්ෂේත්‍රවල විවිධ කාර්යයන් විසඳීමට එයට ඉඩ සලසයි. ස්නායුක ජාල බොහෝ විට සපයා ඇති දත්ත මත පදනම්ව ඵලදායී ලෙස පුහුණු කළ හැකි ක්ෂේත්‍රවලට සීමා වේ.
– ක්‍රියාකාරීත්වය: කෘතිම බුද්ධිය සම්පූර්ණයෙන්ම මිනිස් බුද්ධිය අනුකරණය කිරීමට උත්සාහ කරන අතර තර්ක කිරීම, ස්වයං-වැඩිදියුණු කිරීම, ඉගෙනීම, සංජානනය සහ සමාජ අන්තර්ක්‍රියා වැනි සංකීර්ණ කාර්යයන් ඉටු කිරීමට සමත් වේ. අනෙක් අතට, ස්නායුක ජාල විශේෂිත දත්ත සැකසුම් කාර්යයන්, ඒවායේ වර්ගීකරණය සහ පසුකාලීන අනාවැකි කෙරෙහි අවධානය යොමු කරයි.
– අනුවර්තනය වීමේ හැකියාව: ස්නායු ජාල ඔවුන් පුහුණු කර ඇති නිශ්චිත කාර්යයන් තුළ හොඳින් ඉටු කරයි. දත්ත නොමැතිකම හෝ ඒවායේ යෙදුමේ කොන්දේසි වෙනස් වීමත් සමඟ ඒවායේ කාර්යක්ෂමතාව සැලකිය යුතු ලෙස අඩු විය හැකිය. කෘත්‍රිම බුද්ධියට අවම පූර්ව සූදානමකින් පරිණාමය විය හැකි සහ නව කාර්යයන් සහ කොන්දේසිවලට අනුගත විය හැකි පද්ධති ඇතුළත් වේ.
– තාක්ෂණික වෙනස්කම්: ස්නායුක ජාල විශේෂිත වන්නේ ඒවා නියුරෝන ස්ථර හරහා දත්ත සම්ප්‍රේෂණය කිරීමේ මූලධර්මය මත ක්‍රියාත්මක වන අතර, ඒ සෑම එකක්ම නියමිත බර සහ සක්‍රීය කිරීමේ ක්‍රියාකාරකම් අනුව ආදාන දත්ත පරිවර්තනය කරයි. කෘතිම බුද්ධිය වඩාත් පුළුල් පරාසයක තාක්ෂණයන් ආවරණය කරන අතර වඩාත් සංකීර්ණ හා විවිධ කාර්යයන් ඉටු කිරීමට හැකියාව ඇත. බුද්ධිමය ක්‍රියාකාරීත්වය සාක්ෂාත් කර ගැනීම සඳහා, එයට තාර්කික ක්‍රමලේඛනය සහ ප්‍රශස්තිකරණ ඇල්ගොරිතම ඇතුළුව වඩාත් විවිධාකාර ක්‍රම භාවිතා කළ හැකිය.
වර්තමානය සහ අනාගතය
අවසාන වශයෙන්, ස්නායුක ජාල සහ AI මූල්‍ය වෙළඳාමට ඒකාබද්ධ කිරීමේ වැදගත්කම පිළිබඳ ප්‍රමුඛ ප්‍රවීණයන්ගේ අදහස් පිළිබිඹු කරන උපුටා දැක්වීම් කිහිපයක් ඉදිරිපත් කරමු.:
– ARK Invest හි ප්‍රධාන විධායක නිලධාරී Catherine Wood: "කොටස් වෙලඳපොල වෙළඳාමේ ස්නායුක ජාල හි අනාවැකි පැවසීමේ බලය විප්ලවීය වන අතර, වඩාත් නිවැරදි කාල නිර්ණය සහ අවදානම් තක්සේරුව හරහා ප්‍රතිලාභ වැඩි දියුණු කළ හැකිය."
– Andrew Ng, Google Brain හි සම නිර්මාතෘ: "ස්නායු ජාලයන්ට මූල්‍ය වෙලඳපොලවල් වඩාත් කාර්යක්ෂම, විනිවිද පෙනෙන සහ ප්‍රවේශ විය හැකි බවට පත් කිරීමේ හැකියාව ඇත, නමුත් ආර්ථිකය මත ඒවායේ පුළුල් බලපෑම් පිළිබඳව අප සැලකිලිමත් විය යුතුය."
– Rana Foroohar, Global Business Columnist සහ Financial Times හි සහකාර සංස්කාරක: "ස්නායු ජාල වඩාත් සංකීර්ණ ලෙස වර්ධනය වන විට, ඉහළ සංඛ්‍යාත සහ දිගු කාලීන ආයෝජන උපාය මාර්ග යන දෙකටම ගැඹුරු අවබෝධයක් ලබා දීමෙන් ඔවුන්ට වෙළඳාමේ භූ දර්ශනය දැඩි ලෙස වෙනස් කළ හැකිය."
– Ray Dalio, Bridgewater Associates හි නිර්මාතෘ: "කෘතිම බුද්ධිය සහ ස්නායුක ජාල මූල්‍ය ක්ෂේත්‍රයේ මීළඟ මායිම නියෝජනය කරයි. විශාල දත්ත ප්‍රමාණයක් ලබා ගැනීමේ හැකියාව සහ විශ්ලේෂණය කිරීමට ඔවුන්ට ඇති හැකියාව, වෙළඳපල චලනය සහ වත්කම් කළමනාකරණය අප තේරුම් ගන්නා ආකාරය මූලිකව නැවත සකස් කළ හැකිය."
ආපසු යන්න ආපසු යන්න
