👩🏽‍🤝‍👨🏼 🍪 👈 هل تحلم الشبكات العصبية بالمال الكهربائي؟ 🙌🏽 👆🏿 ❕

TL ؛ DR: لا

في اتساع شبكة الإنترنت ، فهي مليئة بالمواد والأدلة والحلول الجاهزة والتجمعات وغيرها من الأشياء المخصصة للتنبؤ بأسعار العملات الرقمية وأصول الصرف التقليدية ، ورائحة الدخل السريع والسهل بأقل جهد. وعلى الرغم من أن أشخاصًا مختلفين يكتبونهم ، بأساليب مختلفة ، على منصات مختلفة وبنماذج مختلفة ، إلا أنهم جميعا لديهم سمة مشتركة واحدة لا تتغير - فهم لا يعملون .

لماذا ا؟ دعنا نحصل على حق.

المقدمة

دعنا نتعرف ، اسمي دينيس ، وفي وقت فراغي ، أجري بحثًا في مجال الذكاء الاصطناعي ، ولا سيما الشبكات العصبية الاصطناعية.

في هذه المقالة سأحاول وصف المشاكل التي ~~واجهتك~~ والتي تخلق نفسك باحثين مبتدئين في الشبكات العصبية الاصطناعية في سعيهم لتحقيق الاستقلال المالي ، وقضاء وقت ثمين مع كفاءة شبه قريبة.

آمل أنه في إطار هذه المقالة ، سيكون من الممكن الحفاظ على توازن كافٍ بين تعقيد المادة وسهولة الإدراك ، بحيث يكون النص بسيطًا ومتفهمًا ومثيرًا للاهتمام لكل من الأشخاص الذين لا علاقة لهم بهذا المجال ، وأولئك الذين شاركوا في البحث عن مشاكل في هذه الصناعة. يجب أن أقول على الفور أنه لن تكون هناك صيغ هنا ، يتم أيضًا تقليل المصطلحات المحددة.

أنا لا أعمل لدى Google. ليس لدي عشرين درجة. لم أتدرب في وكالة ناسا. لم أدرس في جامعة ستانفورد ، وأندم بشدة على ذلك. ومع ذلك ، ما زلت آمل أن أفهم ما أتحدث عنه عندما يتعلق الأمر بأنظمة التنبؤ ، وفي الوقت نفسه ، أنا على صلة وثيقة بعالم العملات الرقمية بشكل عام ومشروع كاردانو بشكل خاص.

بالطبع ، بصفتي متحمسًا للتشفير يعمل في الشبكات العصبية ، ببساطة لا يسعني إلا الدخول في مجال ضبابي لتطبيق الذكاء الاصطناعي فيما يتعلق بالعملات المشفرة.

جوهر المشكلة

كما ذكرنا سابقًا ، هناك العديد من المواد التي يبدو أنها تم وضعها وعميقة على ما يبدو ، مع أمثلة حول هذا الموضوع ، لدرجة أن عينيك تعملان على نطاق واسع. والمؤلفون على يقين من أن تجربتهم ، على عكس المئات القليلة السابقة ، ناجحة ، لدرجة أن المرء يتساءل لماذا لا تنتهي المقالة التالية بالصور مع "خروف" على جزيرة شخصية ، وقائمة مؤلفي "kaggle kernels" المتعلقة بتنبؤ الأسعار إلى بيتكوين ، لا يكرر قوائم فوربس.

من المتوقع أن تكون هناك مقالات حول حبري مخصصة لهذه القضايا. ومن المثير للاهتمام ، بغض النظر عن مكان ولغة النشر ، تنتهي جميع هذه المقالات بنفس النص تقريبًا: "حسنًا ، النتيجة جيدة جدًا ، كل شيء يعمل تقريبًا ، تحتاج فقط إلى تشديد بعض المعلمات المفرطة وكل شيء سيكون على ما يرام".

وبالطبع ، الرسوم البيانية التي تشير إليها الشبكة العصبية بشكل مثالي على السعر ، مثل:

ولكي لا يكون لها أساس من الصحة ، إليك أمثلة لمثل هذه المقالات: واحد ، اثنان ، ثلاثة .

كيف بدأ كل شيء

إن فكرة التنبؤ بالأسعار الجديدة بالقديمة بعيدة عن أن تكون جديدة. في الواقع ، هذا لا ينطبق فقط على العملات المشفرة. حدث ذلك أنهم أقرب مني شخصيًا ، لكن وطن ما يسمى "التحليل الفني" هو ، في نهاية المطاف ، التبادلات التقليدية. هؤلاء هم الذين يرتدون أزياء باهظة الثمن ، وفقًا للأفلام ، لكنهم في نفس الوقت يصرخون مثل الفتيات في حفلة موسيقية لفرقتهم المفضلة.

في محاولة لرؤية المستقبل وفقًا للماضي ، اخترع الناس عددًا كبيرًا من جميع أنواع المذبذبات الصعبة ، والمؤشرات ، وأجهزة الإشارة المستندة إلى الإحصائيات الرياضية ، ونظرية الاحتمالات ، وفي بعض الأحيان ، pareidolia الصريح .

ولعل الأكثر شعبية هو البحث عن الأرقام. خمسة عشر دقيقة من قراءة الإنترنت ، وحتى الآن في وول ستريت! الأمر بسيط للغاية - تحتاج فقط إلى العثور على "رأس بارت سيمبسون" و "الفراشة" و "العلم (لا يجب الخلط بينه وبين الإسفين! 11)" و "السقوط اللازوردي في برج فراغ" وبناء العديد من الخطوط وفتحًا تامًا وتفسيرها لصالحك!

جميع هذه الحلول تقريبًا لها عيب واحد صغير ، ولكنه كثيف جدًا وشديد - فهي تلتقط الاتجاهات تمامًا ... بعد الحقيقة . وإذا تم الإعلان عن شيء ما على أنه ليس ثابتًا ، ولكنه تنبئي ، فسيتم تفسيره بحرية بحيث أن عشرة أشخاص ، بالنظر إلى نفس المخطط مع نفس المؤشر ، سيعطون عشرة تنبؤات مستقلة. ومن السمات المميزة ، أن يكون واحدًا منهم على الأقل على حق!

ولكن سيتم تأسيسها أيضًا بعد الحقيقة. والباقي سيقول ببساطة "آه ، حسنًا ، نحن نقرأ الإشارات بشكل غير صحيح بشكل خاطئ."

لا تسيء فهمي. من المحتمل جدًا أن يقوم تاجر حقيقي في وول ستريت ، لديه 20 صرخة و 200 محاولة انتحار على مر السنين ، بتركيب مجموعة من المؤشرات والمذبذبات على بعضهم البعض ، ومثل المشغل من فيلم "The Matrix" ، يقرأ مفيدًا هناك بيانات بنكهة عالية بما يكفي ، في انتظار صفقة ناجحة. أعترف حتى أنك على وجه التحديد ، أنت القارئ ، تعرف أيضًا كيف. أعترف بذلك من دون قطرة من السخرية. في النهاية ، لسبب ما ، يتم اختراعها وتحسينها ، وهذه المؤشرات ...

تتطلب المشاكل الحديثة حلولاً حديثة!

بحلول عام 2015 ، كان الجميع قد سمعوا بالفعل الشبكات العصبية. لم يتخيل روزنبلات حتى كم سيسمعون. بفضل الأشخاص المسؤولين والمهنيين والدهاء في وسائل الإعلام ، تعلمت البشرية أن الشبكات العصبية هي النسخة الإلكترونية الأكثر للدماغ البشري التي يمكنها حل أي مهمة بشكل أسرع وأفضل ، مع إمكانات غير محدودة وبشكل عام ، هنا سنقفز مباشرة إلى النور من خلال التفرد مستقبل مظلم. هنا كم هو محظوظ.

ولكن كان هناك "لكن". في الوقت الحالي ، عاشت الشبكات العصبية فقط في حزم رياضية محجوزة ، في شكل منخفض للغاية ، تدعم علماء الرياضيات والعلماء مع الرسوم البيانية في MatLabs.

لكن الترويج أدى وظيفته وجذب الكثير من اهتمام المطورين بدرجات مختلفة من الاستقلال لهذه الصناعة. بدأ هؤلاء المطورين أنفسهم ، على عكس علماء الرياضيات العاديين ، الأشخاص الموهوبين بالكسل النبيل ، في البحث عن طرق لرمي عدة مستويات من التجريد في هذه المسألة ، مما يجعل الحياة أسهل لأنفسهم وللجميع ، ويظهر للعالم أدوات عالية الجودة مريحة للغاية وعالية الجودة مثل Keras أو FANN. في هذا الحماس ، نجحوا كثيرًا لدرجة أنهم جلبوا العمل مع الشبكات العصبية إلى مستوى "مرة واحدة فقط وعمل" ، وفتحوا الطريق لجميع القادمين إلى عالم المعجزات والسحر.

إنها معجزات وسحر ، وليست رياضيات وحقائق.

ولادة أسطورة

أصبحت الشبكات العصبية متاحة وقريبة وسهلة الاستخدام للجميع. على محمل الجد ، فإن تنفيذ FANN هو حتى لـ PHP. علاوة على ذلك ، يتم تضمينه في قائمة التمديدات الأساسية .

ماذا عن Keras؟ في 10 أسطر ، يمكنك جمع شبكة تلافيفية متكررة ، دون فهم كيفية عمل الالتواءات ، أو كيف يختلف LSTM عن GRU! الذكاء الاصطناعي للجميع والجميع! ولا تدع أحداً يسيء!

أعتقد ، جزئيًا ، أن المصطلحات لعبت أكثر النكتة قسوة. ماذا تسمى مخرجات الشبكة العصبية؟ بلى. التوقعات. التوقعات. تتنبأ الشبكة العصبية ببيانات على أخرى. يبدو تماما مثل ما تحتاجه .

تحمي أدلة المكتبات عالية المستوى المستخدم من المصطلحات المعقدة والمصفوفات والنواقل والتحولات والحساب التفاضلي والمعاني الرياضية لهذه التدرجات والانحدارات وخسائر التنظيم.

والأهم من ذلك ، أنها تحمي الصورة الرومانسية لـ "النموذج الإلكتروني للدماغ البشري القادر على كل شيء" من الواقع القاسي ، حيث تكون الشبكات العصبية مجرد تقريب تقريبًا ، وهو ، تقريبًا ، ليس أكثر من خطوة تطورية تصل إلى درجة من المصنف الخطي العادي.

ولكن لا يهم عندما تقوم بتجميع أول أداة حل لـ CIFAR-10 من القوائم من الوثائق ، دون بذل أي جهد ، حتى دون فهم ما يحدث بالفعل. هناك فكرة واحدة فقط في الاعتبار:

ماذا يمكنني أن أقول ، ماذا يمكنني أن أقول ، الناس مرتبون هكذا ...

ها هي معجزة تكنولوجية! أنت فقط تعطيها بعض البيانات عند الإدخال ، وأخرى عند الإخراج ، لكنها نفسها تجد اتصال وتتعلم التنبؤ بالمخرجات عن طريق المدخلات. كم عدد المشاكل التي يمكن حلها! كم عدد المهام التي يمكن تسويتها!

الكثير للتنبؤ ! من المثير للاهتمام ، هل يعرف الآخرون بشكل عام؟ مع مجموعة الأدوات هذه ، إمكانيتي لا تنتهي! غير محدود!

ولكن ماذا لو قمت بإطعام الشبكة العصبية بالشموع من بورصة التشفير / البورصة / الفوركس ، مما يمنحها شمعة من الفترة الزمنية التالية للخروج؟ ستتعلم بعد ذلك التنبؤ بالقيم الجديدة من القيم السابقة! بعد كل شيء ، هذا ما صُنع من أجله! يمكن للشبكة العصبية أن تتنبأ بأي شيء ، سيكون هناك بيانات ، وبيانات عن تاريخ الاقتباسات هي عشرة سنتات! أوه ، الإلهام ، لحظة فقط ، لكنها جميلة جدًا!

لما لا؟

لأنه في عالم حقيقي مختلف عن العالم الذي أنشأته وسائل الإعلام ، فإنه لا يعمل على هذا النحو. الشبكات العصبية ليست آلة للتنبؤات. الشبكات العصبية تقريبية. مقاربات جيدة جدا. يعتقد أن الشبكات العصبية يمكنها تقريب أي شيء تقريبًا. بشرط واحد فقط - إذا كان "شيء" يصلح للتقريب .

ثم يقع باحث مبتدئ في حبال التشويه المعرفي. الخطأ الأول والأساسي هو أن بيانات الاقتباس التاريخية تبدو أكثر من مجرد إحصائيات. يمكنك رسم الكثير من المثلثات والسهام عليها بعد حقيقة أن الشخص الأعمى فقط عند النظر إليه لن يكون واضحًا أن كل هذا لديه منطق معين لا يمكن ببساطة حسابه في الوقت المناسب. ولكن الذي قد تعرفه الآلة.

بالنظر إلى الإحصاءات ، يرى الشخص وظيفة . الفخ ينتقد.
ما هو الخطأ الثاني / التحيز المعرفي؟ ولكن هنا الشيء.

ويعمل مع الطقس!

هذه حجة متكررة للغاية أسمعها في مجتمعات التشفير ، في حوارات حول إمكانيات التنبؤ بشيء ما من البيانات التاريخية باستخدام طرق التحليل الإحصائي. يعمل مع الطقس. جوهر التشويه هو أنه "إذا كان A يعمل لصالح B ، ولكن يبدو لي أن B هو نفس C ، في حين أن A يجب أن يعمل لـ C أيضًا." نوع من النقل الزائف ، والذي يعتمد على فهم غير كافٍ للعمليات التي تكمن وراء الاختلافات بين B و C.

بنفس النجاح ، يمكننا أن نفترض ، على سبيل المثال ، أن الدواسات في قمرة القيادة في الطائرة هي الفرامل والغاز أثناء ناقل حركة أوتوماتيكي ، وليس عجلة قيادة أفقية على الإطلاق. لسوء الحظ ، فإن الإدراك الحدسي لبعض الأشياء ليس صحيحًا دائمًا ، لأنه لا يعتمد دائمًا على مجموعة كاملة إلى حد ما من البيانات حول الموقف / النظام / الكائن. مرحبا بايز! كيف حالك؟

دعونا نتعمق قليلاً في النظرية.

الفوضى والقانون

حدث أن جميع العمليات والأحداث في واقعنا يمكن تصنيفها إلى مجموعتين: العشوائية والحتمية. بينما أحاول جاهدًا تجنب المصطلحات الكئيبة ، دعنا نستبدلها بمصطلحات أبسط: غير متوقعة ويمكن التنبؤ بها.

كما يخبرنا أوبي وان بحق ، الأمر ليس بهذه البساطة. والحقيقة هي أنه في العالم الحقيقي ، وليس في العالم النظري ، كل شيء أكثر تعقيدًا ويمكن التنبؤ به تمامًا ولا يمكن التنبؤ بالعمليات تمامًا. كحد أقصى ، هناك شبه قابلة للتنبؤ وشبه لا يمكن التنبؤ بها. حسنًا ، هذا هو تقريبًا لا يمكن التنبؤ به تقريبًا ويمكن التنبؤ به تقريبًا. تقريبا تقريبا ، ولكن لا.

على سبيل المثال ، تساقط الثلوج بشكل شبه متوقع من الأعلى إلى الأسفل. في ما يقرب من 100 ٪ من الحالات التي لوحظت. ولكن ليس في نافذة مطبخي! هناك تثلج من الأسفل إلى الأعلى بسبب خصائص تدفق الهواء وشكل المنزل. لكن ليس دائما! أيضا في ما يقرب من 100 ٪ من الحالات ، ولكن ليس دائما. في بعض الأحيان في نافذة مطبخي تسقط أيضًا. يبدو أن مثل هذا الشيء البسيط ، ولكن بالنسبة للمراقب نفسه في حالتين مختلفتين ، يتصرف بشكل مختلف تمامًا ، وكلا السلوكين طبيعيين وشبه متوقعين مع احتمال 100 ٪ تقريبًا ، على الرغم من أنهما يتعارضان تمامًا مع بعضهما البعض . ليس سيئا؟ الحدث شبه المتوقع تحول إلى ... شبه غير متوقع؟ علاوة على ذلك.

في هذه اللحظة ، يبدأ صديقنا بايز بالضحك. ماذا عن الأحداث غير المتوقعة؟ لن أستخدم البادئة "شبه" ، مفهوم؟ الجميع يفهم بالفعل أنني أعني ذلك. حتى هنا. خذ شيئًا لا يمكن التنبؤ به تمامًا. الحركة البراونية؟ مثال رائع لنظام لا يمكن التنبؤ به تمامًا. إنه كذلك؟ دعونا نسأل علماء الفيزياء الكمومية:

والحقيقة هي أنه من الناحية النظرية ، حتى النظام المعقد مثل الحركة البراونية على نطاق حقيقي ، نظريًا ، يمكن محاكاة وتوقع حالة هذا النظام في أي وقت في المستقبل أو الماضي. نظريا. حول مقدار الحسابات والقدرات والوقت والتضحيات للآلهة المظلمة ضرورية لذلك ، فإننا نلتزم الصمت بلباقة.

والنظام الذي يمكن التنبؤ به ، في الحالة العامة ، والذي يصبح غير قابل للتنبؤ به إذا قمت بخفض المقياس إلى مستوى حالات معينة ، في الواقع يمكن التنبؤ به تمامًا إذا قمت بتوسيع نطاق مراقبة حالة معينة لتشمل العوامل الخارجية ، والحصول على وصف أكثر اكتمالًا للنظام في هذه الحالة الخاصة جدًا.

حسنًا ، الحقيقة هي ، بمعرفة تفاصيل تدفقات الهواء في مكان معين ، يمكنك بسهولة توقع اتجاه طيران الثلج. بمعرفة تفاصيل "الراحة" لمكان معين ، يمكن للمرء أن يتوقع اتجاه تدفق الهواء. بمعرفة تفاصيل التضاريس ، يمكن للمرء التنبؤ بخصائص التضاريس. وهلم جرا وهكذا دواليك. في الوقت نفسه ، بدأنا مرة أخرى في التكبير ، ولكن الآن لحدث معين. فصلها عن التعريف "العام" لسلوك هذا الحدث. شخص ما ، أوقف بايز ، لديه هجوم!

إذن ما الذي نحصل عليه؟ أي نظام يمكن التنبؤ بها ولا يمكن التنبؤ به بدرجة أو أخرى في وقت واحد، والفرق هو فقط في نطاق من الملاحظات و اكتمال البيانات الأولية واصفا إياه.

ما علاقة توقعات الطقس وتداول الصرف بها؟

كما اكتشفنا سابقًا ، فإن الخط الفاصل بين نظام يمكن التنبؤ به وغير قابل للتنبؤ به رفيع للغاية. لكنها قوية بما يكفي لرسم خط يقسم توقعات الطقس والتجارة.

كما نعلم بالفعل ، حتى أكثر الأنظمة التي لا يمكن التنبؤ بها في الواقع تتكون من شظايا يمكن التنبؤ بها تمامًا. لنمذجة ذلك ، يكفي النزول إلى حجم هذه الأجزاء ، وتوسيع نطاق الملاحظة ، وفهم الأنماط وتقريبها ، على سبيل المثال ، باستخدام شبكة عصبية. أو اشتقاق صيغة محددة تسمح لك بحساب المعلمات المطلوبة.

وهنا يكمن الاختلاف الرئيسي بين توقعات الطقس وتوقعات الأسعار - مقياس أكبر عنصر محاكاة يمكن التنبؤ به. للتنبؤ بالطقس ، حجم هذه المكونات بحيث تكون جيدة ... يمكن رؤيتها من مدار الأرض بالعين المجردة. وما هو غير مرئي ، على سبيل المثال ، درجة الحرارة والرطوبة ، يمكن أن يكون بفضل محطات الطقس ، يتم قياسه في الوقت الفعلي أيضًا في جميع أنحاء الكوكب. للتجارة ، هذا المقياس ... المزيد عن ذلك لاحقًا.

لن يقول الإعصار "أنا متعب ، سأرحل" ، يختفي من فراغ في وقت غير متوقع. كمية الحرارة التي تتلقاها من نصف الكرة الأرضية من الشمس تختلف باختلاف النمط. لا تتطلب حركة الكتل الهوائية على مقياس الكواكب محاكاة ذرية ويتم محاكاة تمامًا على المستوى الكلي. نظام يسمى "الطقس" ، وهو حدث عشوائي على مقياس نقطة معينة على الأرض ، يمكن التنبؤ به تمامًا على نطاق عالمي أكبر. ومع ذلك ، فإن دقة هذه التنبؤات تترك الكثير مما هو مرغوب فيه على مسافات تزيد عن يومين. النظام ، على الرغم من أنه يمكن التنبؤ به ، معقد للغاية بحيث يمكن تصميمه بدقة معقولة في أي وقت.

وهنا نأتي إلى خاصية أخرى مهمة للنماذج التنبؤية.

الاكتفاء الذاتي أو الاستقلال الذاتي للتنبؤات

هذه الخاصية ، بشكل عام ، بسيطة للغاية - يمكن لنظام الاستكشاف الذاتي الاكتفاء ، أو نظام التنبؤ المثالي ، الاستغناء عن البيانات الخارجية ، دون احتساب الحالة الأولية.

إنها دقيقة تمامًا. للتنبؤ بخصائص النظام في الحالة N ، يكفيها الحصول على البيانات المحسوبة في الحالة N-1. ومعرفة حالة N ، يمكنك الحصول على N + 1 ، +2 ، + m.

تتضمن هذه الأنظمة ، على سبيل المثال ، أي تقدم رياضي. بمعرفة الحالة عند النقطة المرجعية وعدد هذه النقطة في سلسلة من الأحداث ، يمكن للمرء بسهولة حساب الحالة في أي نقطة أخرى. رائع!

وهذا هو أيضا الجواب على السؤال لماذا دقة التنبؤات الجوية تنخفض بشكل كبير على مسافة طويلة من الزمن. بالنظر إلى المستقبل ، نبني توقعات لا تستند إلى الحالة الحقيقية للنظام ، ولكن على التنبؤ. علاوة على ذلك ، ليس بدقة 100٪ للأسف. ونتيجة لذلك ، نحصل على تأثير تراكم الأخطاء المتوقعة . ولكن هذا على الرغم من حقيقة أننا نعرف تقريبًا جميع "المتغيرات" الهامة ويمكن وصف وصف النظام تقريبًا بأنه "كامل".

ماذا عن الاقتباسات؟

ومع الاقتباسات ، فإن الأمور أسوأ بكثير. والحقيقة هي أنه في التنبؤ بالطقس ، فإن جميع البيانات المستلمة والمتنبأ بها تقريبًا هي سبب الأحداث وتأثيرها . نتيجة أحداث الخطوة السابقة سبب أحداث الخطوة التالية. وعلاوة على ذلك، فإن تلك البيانات والأحداث الهامة التي ليست على حد سواء السبب والنتيجة هي على الأرجح مجرد سبب وتحمل حمولة قوية. على سبيل المثال ، كمية الحرارة المتلقاة من الشمس في وقت معين. وهو ثابت. وهذا ما يزيد من مؤشر الاكتفاء الذاتي لمثل هذه التوقعات. تتدفق النتيجة في سبب الأحداث في الخطوة التالية. هذه عملية غير ماركوف تمامًا يمكن وصفها بالمعادلات التفاضلية.

في حين أن إحصاءات الاقتباسات هي في الأساس عواقب فقط ، أو 50 \ 50 . يمكن أن يؤدي نمو عروض الأسعار إلى زيادة أخرى في عروض الأسعار ويصبح سببًا. وقد لا يستفز ويسبب. ويمكن أن يؤدي إلى جني الأرباح ، ونتيجة لذلك ، انخفاض الأسعار. تبدو البيانات التاريخية في البورصات صلبة. الأحجام ، الأسعار ، "النظارات" ، الكثير من الأرقام! الغالبية العظمى منها لا تصلح لأي شيء ، كونها النتيجة فقط ، صدى للأحداث والأسباب ، تقع بعيدًا عن مستوى هذه الإحصائيات . على نطاق مختلف تمامًا. في نطاق مختلف تمامًا.

عند تصميم عروض الأسعار المستقبلية ، نعتمد فقط على عواقب الأحداث الأكثر تعقيدًا من مجرد نسبة الانحراف في حجم الشراء.السعر لا يشكل نفسه . لا يمكن التفريق بينها. إذا تم التعبير عن السوق كبحيرة مجازية ، فإن الرسم البياني للأسهم هو مجرد تموجات على الماء. ربما هبت هذه الريح ، ربما ألقوا حجرا في الماء ، ربما رشت الأسماك ، ربما قفز جودزيلا 200 كيلومتر على الترامبولين. نرى تموجات فقط. ولكن في هذا التموج ، نحاول التنبؤ بقوة الرياح في 4 أيام ، وعدد الأحجار التي سيتم رميها في الماء في شهر ، أو مزاج الأسماك بعد غد ، أو ربما الاتجاه الذي سيذهب إليه غودزيلا عندما يتعب من القفز. سوف يقترب وينشر الترامبولين مرة أخرى - ستصبح التموجات أقوى! قبض على الاتجاه ، هوب هوب هوب!

هذه نقطة مهمة جدا:

, , , .

بمعنى آخر ، لا يمكنك تصميم النظام بشكل جيد بما يكفي دون الحصول على وصف كامل له بشكل كافٍ.

لسوء الحظ ، فإن حجم الحد الأقصى الممكن لمحاكاة النظام ، في حالة السوق ، يعود إلى الإنسان. ليس حتى للشخص ، ولكن لحالته النفسية - الفيزيائية ، التي يعتمد عليها رد الفعل على سلوك السوق ، والتي ، من خلال هذا التفاعل نفسه ، ستؤثر على السوق. السبب نفسه يتدفق في النتيجة! فقط الآلاف ، إن لم يكن الملايين من الأفراد الفريدين ، يجب أن يتم تصميمهم. مع المشاكل الشخصية والمشاعر والخلفية الهرمونية والتفاعلات والنشاط اليومي.

ولا يقتصر الأمر على التجار في السوق على نطاق عالمي. كما أنها تتعلق بالأشخاص الذين يقفون وراء مشاريع محددة. حول مشاكل ونجاحات المشاريع في المستقبل. حول أحداث مهمة في المستقبل نفسه. الأحداث ، في بعض الأحيان لا يمكن التنبؤ بها للغاية. اتضح أنه من أجل التنبؤ بالمستقبل ، نحتاج إلى معرفة المستقبل.

في المجموع ، نحتاج إلى مجال من الظروف المرصودة ، والتي لا يمكن الوصول إليها تمامًا. حجم المحاكاة ، وهو أمر غير قابل للتحقيق بالنسبة لنا.

حسنًا ، هذا ممكن نظريًا بالطبع. الحركة البراونية ، نظريا ، هي أيضا نظام محاكاة ويمكن التنبؤ به للغاية ، أتذكر؟ ثم تذكر سعر التنفيذ العملي لمثل هذه المحاكاة. هذا السعر أعلى بشكل محظور من عملية تغذية الشبكة العصبية بشموع التبادل. على الأقل في وقت كتابة هذه السطور.

ولكن ماذا عن الرسومات؟

هل حقا. في بداية هذه المقالة ، قدمنا الرسوم البيانية بدقة توقع عالية للغاية ، على حدود الأماكن بنسبة 100٪.

دعونا ننظر إليهم مرة أخرى:

ماذا ترى؟ ألق نظرة عن قرب. صدفة عظيمة ، أليس كذلك؟ ممتاز ، ممتاز. وعلى الرسم البياني الأول والثاني ، فإن الشبكة العصبية تتقدم بشكل طبيعي قبل عروض الأسعار خطوة واحدة إلى الأمام!

تذكر ، لقد ذكرت مكتبات عالية المستوى للعمل مع الشبكات العصبية ، ومن ثم لم يحصل هذا على أي تطور في نص المقالة؟ احصل عليه الآن. إن توفر أي شيء على نطاق واسع ، يقلل بالتأكيد من شريط تدريب المستخدم العادي. يحدث نفس الشيء مع الشبكات العصبية. "Kaggle kernels" هو رقم قياسي. يتم ببساطة دفن أي قسم غير ضيق في أطنان من الحلول ، لم يكن لدى مؤلفيها ، في الغالبية العظمى ، أي فكرة عما يفعلونه على الإطلاق. ومن الأسفل ، كل قرار مدعوم بأعمدة من التعليقات الثناءة من الأشخاص الذين يفهمون القضية بشكل أقل. "عمل رائع ، ما تحتاجه!" ، "لقد كنت أبحث عن نواة مناسبة لمهماتي لفترة طويلة ، ها هي! وكيف يستعمل؟ " إلخ

من الصعب جدًا العثور على شيء مثير للاهتمام وجميل.

<المحمومة خيلاء>
ونتيجة لذلك، لدينا مثل هذه الظاهرة من الناس الذين تعمل بسهولة مع جهاز رياضي معقد نوعا ما، ولكنها غير قادرة على قراءة الرسوم البيانية .
</ مخدر مسعور>

بعد كل شيء ، يتحرك الوقت على مقياس X إلى اليمين ، ويجب الحصول على توقع ، قبل حدوث الحدث.

ببساطة لم يتم الملتوية حتى hyperparameters

نحن جميعًا سعداء عندما تظهر شبكتنا العصبية علامات التقارب. ولكن هناك فروق دقيقة. في البرمجة على هذا النحو ، هناك قاعدة "بدأ لا يعني المكتسبة". عندما نبدأ للتو في تعلم البرمجة ، نحن سعداء للغاية بحقيقة أن المترجم / المترجم كان قادرًا على فهم ما انزلق إليه ولم يلقي بنا أخطاء. في هذا المستوى من التكوين ، نعتقد أن الأخطاء في البرنامج تكون نحوية فقط.

في تصميم الشبكات العصبية ، كل شيء هو نفسه. التقارب هو فقط بدلاً من التجميع. لقد نجحت - لا يعني التعلم بالضبط ما نحتاجه. فماذا تعلم؟

من المرجح أن يخرج باحث عديم الخبرة ، ينظر إلى مثل هذه الرسومات الجميلة. لكن أكثر أو أقل خبرة ، تنبيه ، لأنه لا يوجد الكثير من الخيارات:

تتم إعادة تدريب الشبكة بشكل صريح (بمعنى "زائدة عن الحاجة" بدلاً من "إعادة الاستخدام")
تستغل الشبكة خللاً في طرق التدريس
لقد قامت الشبكة بتقريب برنامج Exchange Grail وهي قادرة على التنبؤ بحالة السوق في أي لحظة من الزمن ، "نشر" مخطط لا نهائي من شمعة واحدة فقط

ما رأيك ، أي خيار أقرب إلى الواقع؟ لسوء الحظ ، ليس الثالث . نعم ، لقد تعلمت الشبكة حقًا. إنها حقًا تعطي نتائج مذهلة بشكل مذهل ، ولكن لماذا؟

على الرغم من أن الشبكات العصبية الاصطناعية ليست "نموذجًا إلكترونيًا للدماغ البشري" ، إلا أنها لا تزال تُظهر بعض خصائص "العقل". في الأساس ، هذا هو "الكسل" و "الحيلة". وفي نفس الوقت. وهذه ليست عواقب ظهورها في بضع مئات من "الخلايا العصبية" للوعي الذاتي. هذه هي عواقب حقيقة أن مصطلح "التحسين" مخفي في الواقع وراء مصطلح "التعليم" الشعبوي.

الشبكة العصبية ليست طالبًا يدرس ، محاولًا فهم ما نوضحه له ، على الأقل وقت كتابة هذه السطور. الشبكة العصبية هي مجموعة من الأوزان التي يجب تعديل قيمها أو تحسينها بطريقة تقلل من خطأ نتيجة الشبكة العصبية بالنسبة للنتيجة المرجعية.

نعطي الشبكة العصبية مهمة ، ثم نطلب منها "اجتياز الامتحان". وفقًا لنتائج "الاختبار" ، نقرر مدى نجاحه ، ونعتقد حقًا أنه في عملية التحضير للاختبار ، اكتسبت شبكتنا ما يكفي من المعرفة والمهارات والخبرة.

ترى الصيد؟ لا؟ نعم ، ها هو على السطح! في حين أن هدفك هو تعليم مهارات شبكتك المفيدة ، في رأيك ، فإن هدفه هو اجتياز الاختبار .

بأي ثمن. بأي وسيلة. ربما ، مع ذلك ، مع بعض الطلاب لديها الكثير من القواسم المشتركة مما ذكر في الفقرتين السابقتين ...

لذا كيف تجتاز الاختبار السيئ السمعة؟

حفظ

الخيار الأول في قائمة الأسباب المحتملة لهذه الدقة المذهلة. تقريبا أي باحث مبتدئ في الشبكات العصبية الاصطناعية يعرف بالتأكيد أنه كلما زاد عدد الخلايا العصبية فيه ، كان ذلك أفضل. والأفضل من ذلك ، عندما يكون هناك العديد من الطبقات فيه.

لكنها لا تأخذ في الاعتبار حقيقة أن عدد الخلايا العصبية والطبقات لا يزيد فقط من إمكانات الشبكة في مجال "التفكير المجرد" ، ولكن أيضًا كمية ذاكرتها. هذا ينطبق بشكل خاص على الشبكات المتكررة ، لأن سعة ذاكرتها هائلة حقا.

ونتيجة لذلك ، خلال عملية التحسين ، اتضح أن الأكثر مثاليةخيار اجتياز الامتحان هو ... الحشو المنتظم أو "التجهيز الزائد" أو "التجهيز الزائد". سوف تتعلم الشبكة ببساطة كل "الإجابات الصحيحة" عن ظهر قلب. عدم فهم المبادئ التي تشكلت على الإطلاق. ونتيجة لذلك ، عند اختبار الشبكة على عينة بيانات لم ترها من قبل ، تبدأ الشبكة في حمل هراء.

لهذا السبب ، لتدريب الشبكات العميقة / الواسعة ، تحتاج إلى المزيد من البيانات ، وتحتاج إلى تسوية ، وتحتاج إلى التحكم في الحد الأدنى من الخطأ ، والذي يجب أن يكون صغيرًا ، ولكن ليس كثيرًا. والأفضل من ذلك ، إيجاد التوازن الصحيح بين حجم الشبكة وجودة الحل.

حسن. سوف نأخذة بعين الاعتبار. سوف نرمي الطبقات الإضافية. تم تبسيط الهندسة المعمارية. سنقوم بتنفيذ جميع أنواع الحيل المختلفة. هل ستعمل الآن؟ ليست حقيقة. بعد كل شيء ، المرتبة الثانية في قائمة خيارات الاختبار السهل:

تغلب على المعلم

نظرًا لأن تصنيف الشبكة العصبية لا يحصل على العملية ، ولكن للنتيجة ، قد تختلف العملية التي تحقق من خلالها هذه النتيجة قليلاً عن ما يقصده المطور. هذه واحدة من أكثر اللحظات حقيرة للعمل مع هذه الحيوانات الجميلة - عندما تعلمت الشبكة ، ولكن ليس هذا.

عندما ترى الرسوم البيانية مع توقعات الدورة التدريبية التي تكرر المسار الحقيقي تمامًا ، فكر في ما قمت بتدريسه للشبكة العصبية؟ فائقة الدقة للتنبؤ بالأسعار؟ أو ربما كررها مثل الببغاء؟

تأكد من أن الشبكة ، التي لديها دقة 100 ٪ تقريبًا في مجموعة التدريب والشيء نفسه في مجموعة الاختبار ، تكرر ببساطة كل ما تراه. تكرر الشبكات التي يتم فيها تحويل الرسم البياني للتنبؤ خطوة واحدة إلى اليمين (أمثلة على الرسوم البيانية 1 و 2) ، وتكرر ببساطة قيمة السعر من الخطوة السابقة ، والتي يتم تمريرها إليها في خطوة جديدة. الرسوم البيانية ، بالطبع ، تبدو مشجعة للغاية ، وتتطابق تمامًا تقريبًا ، ولكن ليس لديها قوة تنبؤية. أنت قادر على الإعلان عن سعر الأمس اليوم بنفسك ، لأنك لست بحاجة إلى الدراسة في هوجورتس أو طلاء بالانتير ، أليس كذلك؟

ولكن هذا إذا أعطيتهم القيم من الخطوة السابقة ، مقارنةً بقيمة الخطوة الحالية. في بعض الأحيان ، يعطي الناس قيمة من الخطوة الحالية فقط ، ويقارنونها بالخطوة التالية. في هذه الحالة ، نحصل على رسوم بيانية جميلة تتطابق تمامًا مع الرسوم الأصلية (أمثلة على الرسوم البيانية 3 و 4).

في بعض الأحيان ، يمكنك رؤية الرسوم البيانية التي لا تتطابق تمامًا ، وأكثر نعومة ، كما لو كانت سلسة ، ومقابلة . عادة ما تكون هذه علامة واضحة على شبكة متكررة تحاول ربط نتيجة جديدة بنتيجة سابقة (مثال الرسم البياني 3).

تشترك جميع هذه النتائج في شيء واحد فقط - تعلمت الشبكة العصبية اجتياز اختبار 5+. لكنها لم تتعلم حل المهمة الموكلة إليها بالطريقة المطلوبة ولا تحمل أي فائدة عملية للباحثة. تمامًا مثل الطالب ، ولكن مع ورقة غش ، أليس كذلك؟

لماذا تكرر الشبكة القيم السابقة ، ولا تحاول إنشاء قيم جديدة؟ نعم ، ببساطة أثناء التدريب ، توصلت إلى استنتاج معقول بأن النقطة الأقرب عادة إلى النقطة التالية على الرسم البياني هي النقطة السابقة. نعم ، حجم الخطأ في هذه الحالة يطفو ، ولكنه في عينة كبيرة ، يكون أصغر بثبات من حجم الخطأ عند محاولة التنبؤ بالحالة التالية في عملية شبه عشوائية .

يمكن للشبكات العصبية أن تعمم تمامًا. إن تعميم هذا النوع هو حل ممتاز للمشكلة.

للأسف ، بغض النظر عن كيفية تحريف المعلمات الفائقة ، فلن يفتح المستقبل لها. لن يتحرك الرسم البياني خطوة إلى الوراء في الوقت المناسب. نعم ، الكأس قريبة جدًا ، ولكن حتى الآن.

قف. لا لا لا. ولكن ماذا عن التداول الخوارزمي؟ إنها موجودة!

بالضبط. بالطبع يوجد. ولكن النقطة الرئيسية هي أن هذا حسابي التداول ليست هي نفسها كما حسابي الرجم بالغيب . يعتمد التداول الخوارزمي على حقيقة أن نظام التداول يحلل السوق في الوقت الحالي ، ويتخذ قرارًا بفتح وإغلاق معاملة بناءً على عدد كبير من المعلمات الموضوعية والعلامات غير المباشرة.

نعم ، هذه ، من الناحية الفنية ، هي أيضًا محاولة للتنبؤ بسلوك السوق ، ولكن ، على عكس التوقعات للأيام والأشهر مقدمًا ، يحاول نظام التداول العمل في أكثر الفترات الزمنية المسموح بها.

تذكر توقعات الطقس؟ هل تتذكر أن دقتها تنخفض بشكل كبير عبر مسافات طويلة؟ يعمل في كلا الاتجاهين. كلما كانت المسافة أقصر ، زادت الدقة. يمكنك ، بالنظر إلى النافذة ، حتى من دون أن تكون خبيرًا في الأرصاد الجوية ، أن تتوقع درجة حرارة الهواء في الثانية ، أليس كذلك؟

ولكن كيف يعمل؟ أليس هذا مخالفا لكل ما قيل؟ ولكن ماذا عن التموجات على الماء ، وماذا عن نقص البيانات؟ ماذا عن جودزيلا بعد كل شيء؟

لكن لا ، لا توجد تناقضات. طالما أن روبوت التداول يعمل على فترات صغيرة جدًا ، صغيرة جدًا ، من دقيقة إلى أجزاء من الثانية ، اعتمادًا على النوع ، لا تحتاج إلى معرفة المستقبل ولا تحتاج إلى الحصول على صورة كاملة للسوق. يكفي له أن يفهم كيف يعمل النظام من حوله. في أي ظروف من الأفضل فتح صفقة فيه ، لإغلاقها. يعمل روبوت التداول على نطاق صغير لدرجة أن مجال رؤيته قادر على تغطية عوامل كافية لاتخاذ قرار ناجح على مسافة قصيرة مقبولة. وللقيام بذلك ، فهو لا يحتاج على الإطلاق إلى معرفة الحالة العالمية للنظام.

استنتاج

تحولت المقالة إلى أن تكون كبيرة. أكثر مما توقعت. آمل أن يكون مفيدًا لشخص ما وأن يساعد في توفير الوقت لشخص قرر تجربة حظه في البحث عن الكأس المقدسة للتجارة.

دعونا نلقي الضوء على النقاط الرئيسية:

جودزيلا لديه ترامبولين
أنت بحاجة إلى فهم كيفية الأدوات التي تحل بها المشكلة
من الضروري فهم حدود قابلية التطبيق وتقييم قابلية حل المشكلة بشكل مناسب على هذا النحو
من المهم أن تكون قادرًا على تفسير نتائج مجموعة الأدوات بشكل صحيح
الشبكات العصبية هي مقاربات وظيفية ، وليست تنبؤية للمستقبل
$f(x)=x$ و $f(x_n)=x_{n-1}$ - هذه أيضاً وظائف
لمحاكاة حالة النظام ، يجب أن يكون لديك وصف كامل أو قريب من هذا النظام
الإحصائيات - فقط وصف جزئي وانتقائي لعواقب النظام
يجب أن يكون نظام التنبؤ الجيد مكتفياً ذاتياً بشكل معتدل
لا يمكن أخذ الشبكات العصبية بكلمة واحدة ، فهي خبيثة وماكرة وكسولة
هل تريد أن تساعدك منظمة العفو الدولية في التجارة؟ علمه التجارة

شكرا لكل من قرأ حتى النهاية!

ملاحظة لا ، هذه ليست مقالة حول "التحليل الأساسي لتقنية VS". هذه المقالة هي عن "لا توجد معجزات".

هل تحلم الشبكات العصبية بالمال الكهربائي؟