בינה מלאכותית ולמידת מכונה
בין חמדנות לפחד: איך בינה מלאכותית שומרת על האיזון הנכון בשוק ההון
מאת ד"ר ליפא רויטמן, מייסד שותף וסמנכ"ל טכנולוגיות ב-I Know First
כל משקיע מכיר את המתח הפנימי הזה: מצד אחד הרצון לתפוס כל הזדמנות אפשרית, ומצד שני החשש מטעות יקרה. אנחנו נעים כל הזמן בין תקווה לשיקול דעת, בין רצון להיצמד לשיטות מוכרות לבין הפיתוי ללכת נגד הזרם. מסתבר שגם מודלים של למידת מכונה מתמודדים עם אותו מתח בדיוק, וההצלחה שלהם להכליל, כלומר לחזות נכון גם מעבר לנתונים שכבר ראו, תלויה ביכולת לאזן בין השניים.
ניתוח רכיבים עיקריים: להפריד בין אות לרעש
שיטת PCA (ניתוח רכיבים עיקריים) מדגימה את המאבק הזה בצורה הברורה ביותר. היא מזהה אילו משתנים בנתונים נושאים את מירב המידע המשמעותי, מעניקה משקל גבוה יותר לפרמטרים המרכזיים, ומאחדת משתנים דומים לכדי תמונה אחת ברורה יותר. כך המודל נשאר ממוקד בעיקר, בלי להיסחף אחרי רעש שלא תורם לתחזית.
רגולריזציה שומרת על גבולות בריאים
בדיוק כמו שאדם נבון שם לעצמו גבולות כדי לא להסתבך, כך גם המודל זקוק למנגנון שמונע ממנו להיצמד יתר על המידה לנתוני העבר. רגולריזציה מסוג L1 מאפסת משתנים שאינם תורמים, ואילו רגולריזציה מסוג L2 מצמצמת את המשקל של כל משתנה בודד, כך שהמודל לא מהמר הכול על פרמטר אחד. התוצאה היא מודל שממשיך לחפש הזדמנויות חדשות, אך תמיד מתוך מודעות למגבלות שלו.
אבולוציה של פרמטרים: חדשנות שעוברת מבחן
חלק מהאלגוריתמים המתקדמים פועלים בהשראת עקרונות מהנדסה גנטית: הם מערבבים צירופים שונים של משתנים, בוחנים גרסאות חדשות שנוצרות מהצירוף ביניהם, ואף מוסיפים רעש מכוון כדי לבחון עד כמה כל משתנה עמיד באמת. כך נוצר איזון בין חתירה לרעיונות חדשים לבין בדיקה קפדנית של כל פרמטר לפני שהוא מתקבל למודל הסופי.
חוכמת הרבים בשיטות אנסמבל
לפני החלטה חשובה רובנו נוטים להתייעץ עם כמה גורמים ולא לסמוך על דעה אחת. מודלים כמו Random Forest ו-Gradient Boosting עובדים לפי אותו עיקרון: הם מפעילים כמה תת-מודלים במקביל, כל אחד על פלח נתונים שונה, ומשלבים את המסקנות שלהם לתחזית אחת. למודלים שהוכיחו ביצועים עקביים בעבר ניתן משקל גבוה יותר בהצבעה הסופית, בדומה לאופן שבו דעה של גורם אמין נשקלת יותר בכל דיון.
בדיקת מהימנות מתמדת
כדי לוודא שהתחזיות אכן ניתנות לסמוך עליהן, המערכת עוקבת באופן שוטף אחר מידת ההסכמה בין תת-המודלים השונים, רמת העקביות של התחזיות לאורך זמן, ומדדי ביצועים כמו דיוק ואמינות. זהו בדיוק אותו תהליך שאנחנו עושים כשאנחנו בודקים שוב את ההנחות שלנו לפני שאנחנו נותנים בהן אמון מלא.
האלגוריתם של I Know First משלב את כל השיטות הללו יחד: מיקוד בעזרת ניתוח רכיבים עיקריים, ריסון באמצעות רגולריזציה, חוכמת הרבים דרך שיטות אנסמבל, וחדשנות מבוקרת דרך אבולוציית פרמטרים. השילוב הזה מאפשר למודל להימנע מההטיות הרגשיות שמאפיינות קבלת החלטות אנושית, ולספק תחזיות המבוססות אך ורק על נתונים, על פני יותר מ-13,500 נכסים בשווקים ברחבי העולם.
