Блог им. klevka

Нейронные сети - это поиск лучшего алгоритма - читай параметра для стратегии. Не более

Про искусственный интеллект, который идет совместно с нейронными сетями. Пишут очень многие. И я не понимаю. Почему на них ставят такие большие ожидания? Все это идет под соусом — вы подсовываете ИИ задачу. Он сам находит решение. Так ли это на самом деле? Я с удовольствием послушал описание. Что же это такое — нейронные сети. Но.
Мое понимание  — люди создали определенные алгоритмы поиска оптимального решения без полного перебора всех вариантов. К примеру. Возьмите бумагу в клеточку. Нарисуйте точку старта и финиша. Обведите клетки как преграды для маршрута. И найдите самый оптимальный маршрут. Если решать в лоб, то вы создадите тысячи вариантов маршрутов. Посчитаете, сколько затрачено переходов. И сравните их все. Это займет слишком много времени. И так понятно, что маршрут по кругу не будет оптимальный. Поэтому создается алгоритм, который и найдет оптимальный минуя полный перебор. В основе нейронных сетей есть понятие значимости (вес или что другое) Т.е. в нашей задаче — это ответ на вопрос — «Мы приближаемся к финишу, или нет?». Если мы раскрасим поля по разному весу перехода. Мы усложним задачу. Но сам алгоритм не изменится. При любом варианте алгоритм получают при знании правильного решения и тестировании разных вариантов. Если решения задачи нет — то ничего нет и не будет.
Когда применяют нейронные сети к торговле. На самом деле создают хороший оптимизатор стратегий. Но не саму стратегию. И вопросы характера — почему нейронные сети не способны предсказывать цену умиляют. Любая система с большим количеством степеней свободы — это хороший лохотрон для продавца никчемных роботов. Потому что подстроить математическую модель под график — это не заработать. 
И я бы согласился с утверждением. Что я не знаю и не понимаю — что это такое? Если бы не одно. Самый лучший интеллект на самом деле существует в нашем мире. И он лежит на плечах каждого человека. Наш мозг. И если посмотреть. Как он решает задачи. В отношении которых он не знает ответа. То понятно. Что все лежит за рамками математических формул высшей математики. Которые и создают иллюзию всемогущества. Никто просто не обладает такими знаниями в совершенстве. Что бы утверждать — что это профанация. А не ИИ. Что бы их не задавили сложной теорией.
Томас Эдисон провел 10 000 неудачных экспериментов. Прежде чем создал лампочку. Вот вам пример работы высшего интеллекта на земле.  Замечу, он не использовал для этого высшую математику. 
Графики цен ориентируются на цифры. И логично, что именно математические модели способны заработать. Проблема в том. Что нейронные сети не способны ничего генерировать. Им сначала нужно подсунуть модель. И алгоритм ее модификации. И конечно же — правильное решение. На основе которого и построят ИИ выбора оптимальной стратегии. Если у вас есть зарабатывающая стратегия. Зачем вам нейронные сети?
★2
12 комментариев
Что нейронные сети не способны ничего генерировать
генеративные модели бурно развиваются
avatar
нейронные сети не способны ничего генерировать
Полная фигня. Даже простейшие методы МО, в том числе НС, вполне способны «генерировать».
Ранее приводил пример шумоподавителя на НС.
avatar
Если в качестве данных засовывать туда просто OCHL и делать не сильно сложную рекурентную нейронку, то она конечно даёт определённый профитный алгоритм, ну на той же крипте я делал, он проигрывает обычным скользяшкам по параметрам. А вот если уже добавлять не просто данные по свечам а побольше данных, то уже тот же случайный лес даёт очень хорошие результаты по тому же биткоину. Машинное обучение, нейросети это просто инструмент, если им уметь пользоваться и понимать суть можно достаточно не плохо решать задачи. А так конечно если на шару пробовать скормить нейронке просто данные по свечам, то ждать грааля конечно не следует
Андрей Алферов, 
А так конечно если на шару пробовать скормить нейронке просто данные по свечам, то ждать грааля конечно не следует
Отчего же не следует? Может и следует. Если знаете чему конкретно обучать, и есть в реальности то, чему обучаете. Но это уже ваша задача, а не МО.)
avatar
Задача Дьявола — убедить в том, что его нет
Задача Кукла — убедить в том, что его нет
задумайтесь над этим
avatar
«Проблема в том. Что нейронные сети не способны ничего генерировать. Им сначала нужно подсунуть модель.» — звучит абсурдно. Нейросеть строит модель сама по обучающим данным.
Ты вобще понимаешь о чем говоришь?
«Когда применяют нейронные сети к торговле. На самом деле создают хороший оптимизатор стратегий.» — опять абсурд
avatar
bascomo, никто не знает. Существуют ли солнечные системы в нашем мире. Или это что то другое. Есть логика, на ее основе и строятся гипотезы. Гипотеза превращается в истину. Потому что нет ее опровержения и более лучшей гипотезы. Создание и тестирование нейронных алгоритмов весьма затратная работа. И ей стоит заниматься только в том случае, если есть в этом смысл. Вы своим утверждением что то опротестовали? Нет. Значит я прав. 
avatar
bascomo, любой алгоритм можно представить как параметр. И в этом случае оптимизация будет поиском алгоритма. Если вы ещё не вышли на такой уровень создания алгоритмов. Не стоит умничать. Что такое генетическая оптимизация я знаю. Как и ее бессмысленность. Если знаете что такое нейронные сети, могли бы оспорить мою статью. 
 
avatar

теги блога LogikoMen

....все тэги



UPDONW