مقال اليوم في مجال التعلم العميق – Deep Learning وكيفية إستخدامة في التنبؤ بالمستقبل والمساعدة في إتخاذ القرارات الصحيحة بإستخدام خوارزميات الذكاء الإصطناعي عن طريق تزويدها بالمعطيات والبيانات في الوقت الحاضر وفي الماضي ليعطي توقعات ونتائج دقيقة لما قد يحدث في المستقبل والمثال التالي يشرح مدي دقة توقع التعلم العميق للمستقبل.
في الصورة السابقة التي توضح العلاقة بين التاريخ وسعر السهم في البورصة:
اللون الأزرق: يمثل السعر الإفتتاحي للأسهم في البورصة من 01 يناير عام 1995 إلى 31 مارس 2020.
اللون الأخضر: يمثل تنبؤات الخوارزمية للأسعار أثناء عملية التدريب.
اللون الأحمر: هو نتائج إختبار الخوارزمية على بيانات الإختبار و التي تكاد تنطبق على الأسعار الحقيقية مما يعني أن الخوارزمية تدربت بشكل جيد وتفادت (Overfitting ).
البيانات التي نجمعها على شكل قياسات على فترات زمانية متساوية (كل ساعة ، يومية، أسبوعية، شهرية… ) كأسعار الأسهم و الذهب و العملات و إستهلاك الكهرباء … إلخ تكون مترابطة فيما بينها بحيث قيمة الأمس تؤثر على قيمة اليوم و قيمة اليوم تؤثر على قيمة الغد (نادرا و لظروف خاصة ما تحدث زيادة أو تناقص مفاجئ و متباعد عن القيم السابقة ب 100 مرة أو أكثر مثلا) و بعد تحويلها إلى (Supervised Learning ) تصير خوارزميات التعلم العميق أو تعلم الألة قادرة على التعامل معها من أجل التنبؤ بالمستقبل.
كما شاهدنا في مثال أسعار الأسهم. تخيل أن حكومة دولة ما لديها تنبؤات عالية الدقة على كمية إستهلاك الكهرباء، الماء، الغاز، البترول من طرف مواطينها لأشهر أو سنوات قادمة! أكيد أن الإجراءات التي سوف تتخذ و الإستعدادات تكون مدروسة و تأتي بالفائدة.
تخيل مدير شركة إنتاجية لديه مخطط حول كميات الطلب لمنتوج شركته للأشهر أو السنوات القادمة ؟ كم سيكون هذا المدير مستعدا لإتخاد قرارات مناسبة لصالح شركته! و هناك العديد من المجالات الأخرى مما يدل على أهمية هذا المجال في تحليل البيانات و تقديم إقتراحات للمسؤولين و المدراء من أجل إتخاد قرارات مناسبة لصالح حكوماتهم أو شركاتهم أو مؤسساتهم.
نقلا عن مهندس هشام فلواط
