BerandaComputers and TechnologyPembelajaran Buatan dan Mesin dalam Keuangan

Pembelajaran Buatan dan Mesin dalam Keuangan

Saat itu tahun 1992. Di Amerika Serikat, perang dingin telah dinyatakan secara resmi berakhir dan Bill Clinton muda akan menjadi presiden Amerika ke-42. Pesawat ulang-alik Atlantis lepas landas dari Cape Canaveral dengan instrumen meteorologi untuk mempelajari pemanasan global karena sumber daya yang terikat dalam perang dingin yang mahal dibebaskan untuk tujuan yang lebih mulia. Di Afrika Selatan, warga kulit putih memilih reformasi politik untuk mengakhiri apartheid, perjuangan selama dua tahun terakhir akan segera berakhir. Di Kepulauan Inggris, serangan spekulatif paling terkenal dalam sejarah telah dilakukan terhadap Pound Inggris oleh sekelompok investor yang didalangi oleh pemodal Hungaria-Amerika, George Soros. Pada ‘Black Wednesday’ 16 September 1992, investor menjual British Pounds dalam jumlah besar, mengharapkan devaluasi- penurunan harga pound terhadap mata uang lainnya. Bank of England membeli £ 4 miliar untuk menjaga permintaan pound tetap tinggi, tetapi pada hari berikutnya nilai pound telah turun lebih dari 10%. Bank melaporkan kerugian sebesar £ 3,3 miliar, sepertiganya disimpan oleh George Soros.

https___specials-images.forbesimg.com_imageserve_5f4e72bdd82a882a3012a595_0x0.jpg_background=000000&cropX1=886&cropX2=3035&cropY1=515&cropY2=2664.jpg

Maju cepat ke tahun 2001. Serangan 11 September baru saja terjadi mendorong pembentukan empat badan keamanan baru dan perang melawan teror yang akan berlangsung selama lebih dari satu dekade. Apa kesamaan dari kedua peristiwa ini? Dua hal. Pertama, keduanya adalah acara ‘angsa hitam’. ‘Angsa hitam’ adalah istilah yang diciptakan oleh ahli statistik Lebanon-Amerika Nicholas Nassim Taleb untuk menggambarkan peristiwa yang memiliki probabilitas rendah untuk terjadi dan tidak dapat diprediksi. Mereka biasanya memiliki efek besar dan sering salah dijelaskan oleh sejarawan dan analis yang memiliki keuntungan melihat ke belakang. Dengan kata lain, peristiwa yang tampak jelas jika dilihat dari perspektif waktu yang lebih jauh, tetapi tidak dapat diprediksi oleh pengamat di masa sekarang. Contohnya termasuk; Perang Dunia 1, pembubaran Uni Soviet, krisis perumahan tahun 2008, dan pemilihan Donald Trump.

donald-trump-portrait-with-silhouette-style_23-2147952267.jpg

Yang lebih menarik, kedua peristiwa tersebut mungkin belum terjadi hari ini. Ini karena kemajuan yang dibuat dalam prediksi peristiwa langka di bidang pembelajaran Mesin. Pembelajaran mesin adalah cabang dari disiplin kecerdasan buatan yang mengotomatiskan pembuatan model analitik. Model adalah struktur sederhana yang menangkap semua fitur dari situasi dunia nyata yang lebih rumit.

file-20190409-2931-2n3fgx.jpg

Pembelajaran mesin saat ini sedang dipertimbangkan dalam memprediksi serangan cyber-teroris di masa depan, dan telah digunakan untuk mengantisipasi perubahan mendadak dalam harga saham di sini, dan di sini.

Saat ini, machine learning sudah memiliki begitu banyak penerapan di hampir setiap bidang kehidupan manusia;

  1. Teknologi (asisten virtual dan mengendarai mobil)
  2. Perbankan (deteksi penipuan)
  3. Pemasaran (iklan online adaptif)

Sejumlah kritik belum ditanggapi oleh para pendukung pembelajaran mesin dalam acara black swan prediksi seperti;

  1. Kalkun delusi: Algoritme memprediksi peristiwa berdasarkan data masa lalu, yang baik… dari masa lalu. Ini telah disamakan dengan penalaran Induktif, yang generalisasinya adalah anekdot kalkun yang memprediksi bahwa petani tidak akan membunuhnya, berdasarkan data masa lalu yang bertahan sampai hari syukur.
  2. Memadamkan api dengan api: Kritikus lain telah menunjukkan bahwa pasar saham sangat kompleks dan menanggapi tindakan yang diambil anggota. Ini berarti bahwa algoritme yang memprediksi apa yang dilakukan manusia saat ini, pada akhirnya harus memprediksi apa yang akan dilakukan algoritme lain karena lebih banyak pedagang yang menggunakan Pembelajaran Mesin. Akhirnya algoritma tersebut juga harus memprediksi apa yang diprediksi oleh algoritma lain yang akan dilakukan oleh algoritma lain. Alasan yang sama berlaku untuk serangan teroris. Apa yang terjadi ketika teroris menggunakan pembelajaran mesin?
  3. Musuh di dalam : Kritikus lain berpendapat bahwa mesin tidak mampu memprediksi kejadian angsa hitam dan malah kemungkinan besar menyebabkan kejadian seperti di flash crash 2010. Ini membawa implikasi yang lebih besar dalam memprediksi serangan teroris. Implikasinya seperti hubungan diplomatik yang tegang atau bahkan perang.

Kesimpulannya, meskipun pro dan kontra dari pembelajaran mesin belum sepenuhnya diukur, kami hanya dapat mengatakan dua hal dengan tingkat kepastian minimum yang tepat yang Anda rasa nyaman, bahwa pembelajaran mesin akan memprediksi peristiwa angsa hitam atau bahwa itu sendiri akan dibebaskan sebagai faktor dalam lubang hitam yang merupakan pencarian untuk prediksi acara angsa hitam. Tapi apapun masalahnya, seperti dengan google maps, tidak ada salah belok dan pastinya tidak ada jalan untuk kembali sekarang.

Read More

RELATED ARTICLES

LEAVE A REPLY

Please enter your comment!
Please enter your name here

Most Popular

Recent Comments