מהי למידת מכונה?
למידת מכונה היא הרעיון שתוכנת מחשב יכולה ללמוד ולהתאים לנתונים חדשים ללא הפרעה אנושית. למידת מכונות היא תחום של בינה מלאכותית (AI) השומר על האלגוריתמים המובנים של המחשב עדכניים ללא קשר לשינויים בכלכלה העולמית.
לימוד מכונה הוסבר
מגזרים שונים במשק מתמודדים עם כמויות אדירות של נתונים הקיימים בפורמטים שונים ממקורות שונים. כמות הנתונים העצומה, המכונה Big Data, הופכת לזמינה ונגישה בקלות בגלל השימוש המתקדם בטכנולוגיה. חברות וממשלות מבינות את התובנות האדירות שניתן להשיג מהקלדת נתונים גדולים, אך חסרות המשאבים והזמן הנדרש כדי לסרוק את שפע המידע שלה. ככאלה, אמצעי בינה מלאכותית ננקטים על ידי תעשיות שונות כדי לאסוף, לעבד, לתקשר ולשתף מידע שימושי ממערכות נתונים. שיטה אחת של AI המשמשת יותר ויותר לעיבוד נתונים גדולים היא למידת מכונות.
יישומי למידת מכונה
יישומי הנתונים השונים של למידת מכונות נוצרים באמצעות אלגוריתם מורכב או קוד מקור המובנים במכונה או במחשב. קוד תכנות זה יוצר מודל המזהה את הנתונים ובונה תחזיות סביב הנתונים שהוא מזהה. המודל משתמש בפרמטרים המובנים באלגוריתם כדי ליצור דפוסים לתהליך קבלת ההחלטות שלו. כאשר נתונים חדשים או נוספים הופכים לזמינים, האלגוריתם מתאים את הפרמטרים באופן אוטומטי כדי לבדוק אם יש שינוי בדפוס, אם קיים. עם זאת, המודל לא אמור להשתנות.
למידת מכונה משמשת במגזרים שונים מסיבות שונות. ניתן לכייל מערכות מסחר כדי לזהות הזדמנויות השקעה חדשות. ניתן לכוונן פלטפורמות שיווק ומסחר אלקטרוני כדי לספק המלצות מדויקות ומותאמות אישית למשתמשים שלהן על סמך היסטוריית החיפוש באינטרנט של המשתמשים או עסקאות קודמות. מוסדות הלוואות יכולים לשלב למידת מכונה לחיזוי הלוואות רעות ולבנות מודל סיכון אשראי. מרכזי מידע יכולים להשתמש בלימוד מכונות בכדי לכסות כמויות אדירות של סיפורי חדשות מכל קצוות תבל. בנקים יכולים ליצור כלים לגילוי הונאה מטכניקות למידת מכונות. שילוב למידת מכונות בעידן המתמצא הדיגיטלי הוא בלתי נגמר ככל שעסקים וממשלות מודעים יותר להזדמנויות שמציעות נתונים גדולים.
איך עובד למידת מכונה
כיצד ניתן להסביר טוב יותר כיצד עובד למידת מכונה באמצעות איור בעולם הפיננסי. באופן מסורתי, שחקני השקעות בשוק ניירות הערך כמו חוקרים פיננסיים, אנליסטים, מנהלי נכסים, משקיעים בודדים סורקים מידע רב מחברות שונות ברחבי העולם כדי לקבל החלטות השקעה רווחיות. עם זאת, יתכן כי מידע רלוונטי כלשהו לא יפורסם ברבים על ידי התקשורת והוא עשוי להיות בסביבת רק מעטים בודדים שיש להם את היתרון להיות עובדי החברה או תושבי המדינה שממנה נובע המידע. בנוסף, יש רק כל כך הרבה מידע שבני אדם יכולים לאסוף ולעבד במסגרת זמן נתונה. כאן נכנס למידה של מכונה.
חברת ניהול נכסים עשויה להפעיל למידת מכונה בתחום ניתוח ההשקעות והמחקר שלה. נניח שמנהל הנכסים משקיע רק במניות כרייה. המודל המובנה במערכת סורק את האינטרנט ואוסף את כל סוגי האירועים החדשים מעסקים, תעשיות, ערים ומדינות, ומידע זה שנאסף מהווה את מערך הנתונים. מנהלי הנכסים וחוקרי המשרד לא היו יכולים להשיג את המידע במערך הנתונים בעזרת כוחותיהם האינטלקטיים. הפרמטרים שנבנו לצד המודל מוציאים רק נתונים על חברות כרייה, מדיניות רגולטורית בענף החיפושים, ואירועים פוליטיים במדינות נבחרות מתוך מערך הנתונים. נניח שחברת כרייה XYZ בדיוק גילתה מכרה יהלומים בעיירה קטנה בדרום אפריקה, האפליקציה ללימוד מכונות תדגיש זאת כנתונים רלוונטיים. לאחר מכן המודל יכול להשתמש בכלי ניתוח הנקרא אנליטי חזוי כדי לבחון תחזיות אם ענף הכרייה יהיה רווחי לתקופה מסוימת, או אילו מניות כרייה עשויות לעלות בערך בזמן מסוים. מידע זה מועבר למנהל הנכסים לניתוח ולקבל החלטה עבור תיק העבודות שלו. מנהל הנכס עשוי לקבל החלטה להשקיע מיליוני דולרים במניה של XYZ.
בעקבות אירוע שלילי, כמו כורים בדרום אפריקה היוצאים לשביתה, האלגוריתם של המחשב מתאים את הפרמטרים שלו באופן אוטומטי ליצירת דפוס חדש. בדרך זו המודל החישובי המובנה במכונה נשאר עדכני גם עם שינויים באירועים עולמיים ומבלי להזדקק לאדם לצבוט את קודו כדי לשקף את השינויים. מכיוון שמנהל הנכסים קיבל נתונים חדשים אלה במועד, הם יכולים להגביל את הפסדיו על ידי יציאה מהמלאי.
