ML Tag - Big Data Institute

ข่าวและบทความที่เกี่ยวข้อง

บทความ

ความท้าทาย และโอกาสในการใช้ Machine Learning ในโลกของการลงทุน (Challenges and Opportunities for Using Machine Learning in Trading)

ในบทความก่อนหน้า เราได้พูดถึงหลักการ และกลยุทธ์การลงทุน ที่ Quant Fund ต่าง ๆ ประยุกต์ใช้อย่างประสบความสำเร็จ โดยมีรากฐาน และกระบวนการ ที่สอดคล้องกันกับวิธีการในโลกของวิทยาศาสตร์ข้อมูล เพียงแต่นำมาประยุกต์ใช้กับข้อมูลในโลกของการเงิน เพื่อค้นหาโอกาสในการทำกำไร บนความเสี่ยงที่ต่ำพอจนอยู่ในระดับที่พึงพอใจ โดยตัวอย่างของความสำเร็จที่โดดเด่นที่สุดในแนวการลงทุนแบบนี้ คงจะหนีไม่พ้น The Medallion Fund ซึ่งก่อตั้งโดย นักคณิตศาสตร์ชื่อ Jim Simons ที่สามารถสร้างผลตอบแทนเฉลี่ยต่อปี สูงถึง 66.1% (ก่อนหักค่าบริหารกองทุน) บนระยะเวลา กว่า 30 ปี ระหว่างปี 1988 ถึงปี 2018 ความสำเร็จของ Machine Learning ตั้งแต่ต้นปี 2023 ที่ผ่านมา คงจะปฏิเสธไม่ได้เลยว่า กระแสความนิยมของ Generative AI นั้นมาแรงมาก ตั้งแต่การเปิดตัวของ ChatGPT ช่วงสิ้นปี 2022 ผู้คนทั่วโลกล้วนตื่นเต้น และประหลาดใจกับความสามารถ และความเข้าใจอันลึกซึ้งในภาษา ของเจ้าแชทบอทตัวนี้ สะท้อนให้เห็นถึงความสำเร็จของการประยุกต์ใช้ Machine Learning ในโลกของภาษา ยังไม่นับความสำเร็จในโลกของ Computer Vision เช่นการทำ Image Classification ในวงการแพทย์เพื่อคัดแยกก้อนเนื้อที่เป็นมะเร็งจากภาพ X-ray รวมถึงการทำ Object Detection ในเทคโนโลยียานยนต์ไร้คนขับ และ อื่น ๆ อีกมากมาย ความท้าทายของข้อมูลในโลกการเงิน แม้ว่าการประยุกต์ใช้เทคนิคใน Machine Learning จะประสบความสำเร็จในหลากหลายสาขาวิชา มากมายเพียงใด แต่ปฏิเสธไม่ได้เลยว่า เทคนิคใน Machine Learning เหล่านั้น เมื่อนำมาประยุกต์ใช้กับโลกของการเงิน และการลงทุน เพื่อค้นหาโอกาสในการลงทุนนั้น กลับพบกับอุปสรรค และความท้าทายมากมาย โดยปัจจัยที่ทำให้การประยุกต์ใช้เทคนิคใน Machine Learning เหล่านั้น ในโลกของการลงทุนเป็นไปได้ยาก ประกอบไปด้วย ขนาดของข้อมูล ถึงแม้ว่าปัจจุบันจะมีข้อมูลมากมาย ไม่ว่าจะเป็นข้อมูลราคาซื้อขาย ปริมาณการซื้อขาย ข้อมูลปัจจัยพื้นฐาน ซึ่งสามารถเก็บได้โดยละเอียด เป็นระยะเวลาหลายปี ที่สามารถนำมาใช้วิเคราะห์ และตีความ เพื่อหาโอกาสในการลงทุนได้ รวมไปถึงข้อมูลทางเลือกต่าง ๆ เช่น ข้อมูลจากแหล่งข่าวต่าง ๆ หรือข้อความจาก สื่อสังคม (ออนไลน์) เช่น Twitter และ Facebook ซึ่งสามารถนำมาใช้ประกอบการประเมินค่าอารมณ์ของตลาดได้นั้น หรือแม้แต่ภาพถ่ายจากดาวเทียม ที่สามารถใช้ติดตามกิจกรรมทางเศรษฐกิจ เช่น ยอดขายอสังหาริมทรัพย์ หรือ อุปทานของสินค้าโภคภัณฑ์ ต่าง ๆ แต่ด้วยข้อจำกัดของระยะเวลาที่มีข้อมูลเหล่านี้ ซึ่งอาจจะเป็นระยะเวลาไม่กี่ทศวรรษ สำหรับข้อมูลทางการเงินส่วนใหญ่ ส่งผลให้กลยุทธ์ที่มีระยะเวลาการซื้อขายเฉลี่ยไม่ถี่พอ เช่น หลักเดือน เป็นต้นไป จะถูกจำกัดด้วยจำนวนจุดข้อมูลที่ไม่เยอะพอเมื่อนำไปใช้สอนโมเดล ทำให้การประยุกต์ใช้เทคนิคทาง Machine Learning นั้นเป็นไปได้ยาก และอาจไม่ได้ประสิทธิภาพ รวมไปถึงการมีอยู่ของ Correlation ระหว่างข้อมูลต่าง ๆ ที่ใช้สอนโมเดล ซึ่งยิ่งจำกัดปริมาณข้อมูลที่เป็นประโยชน์ต่อการเรียนรู้ของโมเดล ทำให้เป็นอุปสรรคต่อการดึงศักยภาพ และความสามารถอันโดดเด่นของ Machine Learning ออกมาใช้ Signal-to-noise ratio หนึ่งในอุปสรรคสำคัญต่อการประยุกต์ใช้ Machine Learning เพื่อหาโอกาส ในโลกของการเงิน การลงทุน คือ การที่ค่าสัดส่วนของ ปริมาณ signal (กลยุทธ์ที่สามารถยืนยันด้วยวิธีการทางสถิติได้ว่าสามารถสร้างผลตอบแทน) ต่อ noise (การเปลี่ยนแปลงของราคาที่ไม่สามารถคาดการณ์ล่วงหน้าได้) นั้นมีค่าที่ต่ำ สิ่งนี้แตกต่างอย่างชัดเจนจากโลกของ Natural Language Processing ซึ่งในแต่ละภาษา ค่อนข้างมีกฎเกณฑ์ที่ชัดเจน หรือโลกของ Computer Vision ที่ค่อนข้างมี signal ที่ชัดเจนเมื่อเทียบกับ noise เช่น ในการทำ Image Classification เพื่อคัดแยกประเภทภาชนะของเบียร์ว่าเป็น กระป๋อง หรือ ขวด ซึ่งเป็นโจทย์ที่ค่อนข้างมี signal (รูปร่าง รูปทรงของภาชนะ) ที่ชัดเจน เมื่อเทียบกับ noise (ภาพพื้นหลัง ความเบลอ หรือ อื่น ๆ) ทำให้มี สัดส่วน signal ต่อ noise ที่สูง ทำให้มีโอกาสที่จะพัฒนาโมเดลที่มีประสิทธิภาพสูงได้ การเปลี่ยนแปลงของภาวะเศรษฐกิจ ซึ่งนำไปสู่การเปลี่ยนแปลงของพฤติกรรมของตลาดการเงิน เป็นหนึ่งในสิ่งที่ทำให้การคาดการณ์ตลาดเป็นเรื่องยาก รวมไปถึงความจริงที่ว่า การพยายามทำกำไรจากตลาดด้วยข้อมูลต่าง ๆ และการแข่งขันจากทุก ๆ ผู้เล่นในตลาด เป็นปัจจัยหลักที่ทำให้ signal ในตลาดมีปริมาณน้อยลง และตลาดมีประสิทธิภาพมากขึ้น เนื่องจากเมื่อผู้เล่นในตลาด มีข้อมูลซึ่งเชื่อถือได้ว่าการเปลี่ยนแปลงของราคาในอนาคตจะเป็นอย่างไร การซื้อขายของผู้เล่นเหล่านี้ จะทำให้ราคามีการเปลี่ยนแปลงเข้าหามูลค่าที่ควรจะเป็น และนั่นทำให้สิ่งที่คาดการณ์ได้เหลืออยู่ในตลาดน้อยลง และสิ่งที่เหลือที่จะทำให้เกิดการเปลี่ยนของราคา จะเป็นข่าวใหม่ ๆ หรือ อารมณ์ตลาดระยะสั้นนั่นเอง ความสามารถในการตีความโมเดล สำหรับโมเดลประสิทธิภาพสูงหลาย ๆ โมเดลใน Machine Learning นั้น มีคุณสมบัติความเป็น black box model กล่าวคือ การตีความการทำงานของโมเดลนั้นทำได้ยาก และมีความคลุมเครือ แต่ในทางกลับกัน ในโลกของการเงิน การลงทุนนั้น การที่โมเดลที่ใช้มีความสามารถในการตีความ และทำความเข้าใจได้ยากนั้น ทำให้มีโอกาสที่จะนำมาสู่ความเสี่ยงที่ไม่คาดคิด ทำให้ผู้จัดการกองทุน หลาย ๆ คน เลือกที่จะยอมรับ และหันเข้าหาโมเดลที่สามารถตีความได้ง่าย และสามารถสื่อสารถึงความเสี่ยงต่าง ๆ กับทางลูกค้าได้ดีกว่า โอกาสในการประยุกต์ใช้ Machine Learning ในการลงทุน ถึงแม้ว่าการประยุกต์ใช้ Machine Learning ในโลกของการเงิน การลงทุน จะเต็มไปด้วยอุปสรรคมากมายเหล่านี้ แต่แน่นอนว่า โอกาสก็มีอยู่มากเช่นเดียวกัน โดยหนึ่งในสิ่งที่ Machine Learning สามารถเข้ามาช่วยได้ดี คือ การคาดการณ์ และลดความเสี่ยงของ Portfolio โดยรวม โดยการนำมาใช้เรียนรู้ และคาดการณ์ correlation ระหว่างแต่ละกลยุทธ์ที่ใช้ ซึ่งเมื่อหลาย ๆ กลยุทธ์ที่ดี และไม่มี correlation ระหว่างกัน ได้ถูกนำมาใช้พร้อมกัน ก็จะทำให้ระดับความเสี่ยงของ portfolio โดยรวมจะต่ำพอ และทำให้สามารถมีการใช้ leverage ร่วมด้วย ซึ่งจะช่วยให้ผลตอบแทนโดยรวมออกมาสูง...

24 January 2024

บทความ

Data for Business

Richemont ใช้เทคโนโลยี AI อย่างไรเพื่อยกระดับการบริการลูกค้าให้ดีขึ้น

ลองมาดูว่าบริษัทแบรนด์หรูสัญชาติสวิสที่ใหญ่ที่สุดอย่าง Richemont นำเทคโนโลยี AI เข้ามาช่วยดูแลลูกค้าอย่างไร

3 March 2023

บทความ

Movements

5G และ AI: เทคโนโลยีสำคัญ ที่จะเปลี่ยนวิถีชีวิตไปตลอดกาล

เมื่อระบบ 5G เริ่มเข้ามามีบทบาทสำคัญดังที่เป็นอยู่ในปัจจุบัน ทำให้เกิดการรับส่งข้อมูลที่มีความซับซ้อนและมีปริมาณมาก โดยเฉพาะข้อมูลที่มาจากแหล่งข้อมูลใหม่ๆ เช่น ตัวส่งข้อมูลปลายสาย (End Point) หรือที่เรียกว่า IoT (Internet of Things) ที่เราคุ้นชื่อกันเป็นอย่างดี การบริหารจัดการ BIG DATA , AI (Artificial Intelligence), ML (Machine Learning) จึงเป็นสิ่งสำคัญ ทั้งนี้การรับส่งสัญญาณผ่าน Platform ทั้งเครือข่ายอันเป็น Infrastructure สำคัญนี้จะเกิดขึ้นไม่ได้เลย หากขาดเทคโนโลยี 5G และ AI ซึ่งเป็น 2 เทคโนโลยีสำคัญที่กำลัง “มาแรง” ในประเทศไทย และเป็นที่พูดถึงมากที่สุดในทศวรรษที่ผ่านมา ด้วยความสำคัญดังกล่าว บทความนี้จะขอพูดถึง AI ผนวกกับนวัตกรรมดิจิทัล 5G ว่าทั้ง 2 เทคโนโลยีนี้จะสามารถทำงานร่วมกัน และก่อให้เกิด Disruption ที่กระทบอย่างรุนแรงในอุตสาหกรรมต่าง ๆ รวมไปถึงส่งผลต่องานวิศวกรรม ธุรกิจ และการบริหารงานทุกชนิดขึ้นได้อย่างไร การผนวกรวมของสองเทคโนโลยีดังกล่าวนับเป็นการปฏิวัติอุตสาหกรรมครั้งสำคัญที่ต้องทำความเข้าใจและติดตามอย่างใกล้ชิด เพื่อสามารถก้าวทันโลกเทคโนโลยีและสามารถนำมาประยุกต์ใช้งานให้มีประสิทธิภาพสูงสุด เมื่อ AI เปี่ยมไปด้วยความชาญฉลาดคล้ายความฉลาดของมนุษย์ มีความสามารถคิด วิเคราะห์ วางแผน และตัดสินใจได้จากการประมวลผลของฐานข้อมูลขนาดใหญ่ ด้วยสาเหตุดังกล่าวหลายคนจึงอาจเกิดความระแวงว่าเทคโนโลยี AI นี้จะมาแย่งงานมนุษย์ และอนาคตข้างหน้า AI จะสามารถยึดครองโลก แล้วมนุษย์จะสูญพันธุ์ ความกลัวดังกล่าวนี้เกิดขึ้นทั้ง ๆ ที่คนส่วนมากยังไม่เข้าใจมัน ตอนนี้อาจเกิดข้อสงสัยแล้วว่าเทคโนโลยี 5G จะสามารถเพิ่มประสิทธิภาพของระบบ AI ได้อย่างไร แต่ก่อนจะไปเล่าขยายความถึง 5G อันเป็น Generation ของเทคโนโลยีเครือข่ายไร้สายที่เรากำลังใช้งานอยู่ในปัจจุบัน เราลองมาไล่เรียงเทคโนโลยีเครือข่ายไร้สายในแต่ละยุคกันก่อน โดยเริ่มจากในยุคแรก ได้แก่ ยุค 1G ในยุคนั้นเราพูดคุยกันด้วยเสียงผ่านโทรศัพท์มือถือระบบอนาล็อก (Analog) ก่อนจะเริ่มพัฒนาการสื่อสารให้ครอบคลุมถึงการส่งข้อความ ไม่ว่าจะเป็น sms หรือ mms อันเป็นจุดเด่นสำคัญของยุค 2G จนกระทั่งพัฒนาถึงจุดเปลี่ยนที่สำคัญคือการเข้าสู่ยุค 3G ที่เราสามารถเชื่อมต่อและเล่นอินเตอร์เน็ตผ่านมือถือได้ด้วยความเร็วที่สูงขึ้น (อยู่ระหว่าง 220 Kbps ถึง 42.2 Mbps) จนเข้ามาถึงยุค 4G ที่เราสามารถเห็นภาพ รับฟังเสียง หรือดูหนังออนไลน์ได้ เนื่องจากมีความเร็วหลากหลายระดับให้เลือกใช้ ไม่ว่าจะเป็น 4G LTE (100 Mbps), LTE Advanced (1 Gbps) ภายใต้การทำงานบนเครือข่าย 5G ที่มาพร้อมกับความกว้างของแบนด์วิดธ์ (Bandwidth) ที่เพิ่มขึ้นอันขยายขีดจำกัดให้สามารถรองรับการเชื่อมต่อจากอุปกรณ์ได้เพิ่มมากขึ้นสำหรับในแต่ละพื้นที่ รวมทั้งความหน่วงเวลาที่ลดลงยังช่วยให้การถ่ายทอดสตรีมมิ่งวิดีโอเป็นไปอย่างลื่นไหล ไม่สะดุด ทั้งยังสามารถดาวน์โหลดข้อมูลจำนวนมหาศาลได้ภายในพริบตาอีกด้วย ด้วยเหตุนี้จะเห็นได้ว่าทุกภาคส่วน ไม่ว่าจะเป็นภาครัฐ ภาคธุรกิจ หรือภาคประชาชนต่างก็ต้องการนำเอาเทคโนโลยีที่มีความเร็วสูงในระดับ 5G มาใช้เป็นเป็นพื้นฐานหลักสำคัญในการพัฒนาการติดต่อสื่อสารระหว่างกันแทบทั้งสิ้น จากที่กล่าวมาข้างต้น จะเห็นแล้วว่าการพัฒนาขึ้นของทั้ง 2 เทคโนโลยี ได้แก่ 5G และ AI ก่อให้เกิดทั้งความท้าทายใหม่ (New challenges) และ โอกาสใหม่ (New opportunities) ซึ่งจะเพิ่มมากขึ้นเมื่อมีการใช้ทั้ง 2 เทคโนโลยีมาเสริมประสิทธิภาพซึ่งกันและกัน 5G Develop AI หัวข้อนี้เราจะมาเริ่มไขข้อสงสัยที่ว่า 5G จะสามารถเพิ่มประสิทธิภาพของระบบ AI เพื่อสร้างสรรค์นวัตกรรมใหม่ได้อย่างไร จากที่เกริ่นมาข้างต้นจะเห็นว่าในอนาคตอันใกล้เทคโนโลยี 5G จะมีส่วนสำคัญอย่างยิ่งในการแลกเปลี่ยนข้อมูลให้เกิดขึ้นได้อย่างรวดเร็ว การเชื่อมโยงข้อมูลมีความเสถียรและมีประสิทธิภาพ เช่นการเชื่อมโยงข้อมูลที่ถูกสร้างขึ้นจากเครื่องมือ IoT ที่เรามักคุ้นหน้าคุ้นตากันในรูปแบบของอุปกรณ์อิเล็กทรอนิกส์รอบตัวของเรานั่นเอง จากการพัฒนาดังกล่าวช่วยให้เกิดการขับเคลื่อนการใช้ประโยชน์จากข้อมูลขนาดใหญ่ ทั้งในส่วนข้อมูลที่มีปริมาณมหาศาล หรือที่มีความซับซ้อนเชิงรูปแบบ แน่นอนว่าการที่อุปกรณ์ต่าง ๆ ร่วมกับสมาร์ทโฟนและเซ็นเซอร์ที่คอยตรวจจับสิ่งต่าง ๆ ที่อยู่รอบตัว จะสามารถทำงานเชื่อมต่อกันได้อย่างอัจฉริยะจำเป็นต้องอาศัยการสื่อสารระหว่างกันผ่านเครือข่ายอินเตอร์เน็ต โดย AI จะเข้ามาช่วยเรียนรู้ ค้นหา และวิเคราะห์ข้อมูลต่าง ๆ ได้โดยอัตโนมัติ เทคโนโลยี 5G จะช่วยรับมือกับการไหลของข้อมูลปริมาณมากที่มาจากอุปกรณ์บ้าน ๆ ธรรมดา ๆ ที่เชื่อมต่อเข้าสู่ระบบออนไลน์ได้อย่างมีประสิทธิภาพและได้อย่างรวดเร็ว ก่อให้เกิดแนวคิดของ Edge Analytics มีความหมายอย่างกว้าง ๆ ก็คือการสร้างโมเดลวิเคราะห์ข้อมูล (Data Analytics) รูปแบบใหม่ ผ่านการกระจายข้อมูลไปประมวลผลบนเครื่องมือปลายทางโดยไม่มีจุดศูนย์กลางของระบบ ยกตัวอย่างเช่น การใช้หุ่นยนต์ที่มี RFID (Radio Frequency Identification) ในการตรวจนับสินค้าในคลังผ่านเทคโนโลยี IoT โดย 5G จะช่วยเชื่อมต่อข้อมูลจากหุ่นยนต์หลายตัว เข้าสู่ระบบออนไลน์ให้เกิดขึ้นได้อย่างเสถียรและสุดท้ายจะนำ AI มาใช้ในส่วนของการสร้างและจดจำแผนที่ของคลังสินค้า เพื่อไม่ให้หุ่นยนต์เดินไปนับสินค้าในตำแหน่งเดิมหรือตำแหน่งที่มีหุ่นยนต์ตัวอื่นตรวจเช็คไปก่อนหน้าแล้ว AI Develop 5G และในทางกลับกันลองนึกภาพว่าเราจะสามารถใช้ ระบบ AI กับ 5G เพื่อพัฒนาเครือข่ายโทรคมนาคม ให้เป็น Communication ที่สมบูรณ์ได้อย่างไร เมื่อ AI เป็นเครื่องมือที่ทรงพลังและกุญแจสำคัญในการใช้ปรับปรุงระบบไร้สายโดยการมุ่งเน้นไปที่ความท้าทายด้านระบบไร้สายที่สำคัญ การประยุกต์ใช้เทคโนโลยี AI ให้กับทั้งระบบเครือข่ายเทคโนโลยี 5G และ อุปกรณ์ต่าง ๆ โดย AI จะใช้ Machine learning ในการเรียนรู้เพื่อลดความซับซ้อนในการจัดการเครือข่าย 5G โดยการช่วยระบุ node ที่มีความจำเป็นน้อยและอาจตัดออกจากเครือข่ายได้และตรวจสอบการใช้งานให้มีประสิทธิภาพและมีความน่าเชื่อถือมากที่สุด ช่วยระบุปัญหาต่าง ๆ ที่เกิดขึ้น รวมทั้งวินิจฉัย และแก้ไขปัญหาของเครือข่ายได้โดยอัตโนมัติ มากไปกว่านั้นยังสามารถคาดเดาปัญหาได้ก่อนที่จะเกิดขึ้นจริงจากรูปแบบการใช้งานย้อนหลัง นอกจากนี้ AI ยังช่วย บริษัทโทรคมนาคมในการออกแบบบริการ 5G ใหม่ ๆ ด้วยการวิเคราะห์ข้อมูลแบบเรียลไทม์เพื่อให้แน่ใจว่ามีทรัพยากรเครือข่ายที่เพียงพอและระบุตำแหน่งที่ต้องการได้มากยิ่งขึ้น มากไปกว่านั้น AI ในอุปกรณ์ (AI on Device) จะช่วยปรับปรุงระบบในอุปกรณ์นั้น ๆ แบบ end-to-end โดย AI จะเรียนรู้อัลกอริธึมและรูปแบบของสัญญาณคลื่นวิทยุ (Radio Frequency) ที่ซับซ้อนของอุปกรณ์ เพื่อเพิ่มประสิทธิภาพของระบบสัญญาณ รวมไปถึง เพิ่มวงจรชีวิตของแบตเตอรี่ให้ใช้งานได้ยาวนาน และที่สำคัญยังเพิ่มประสบการณ์ใหม่ ๆ ให้กับผู้ใช้งานโดยเทคโนโลยี AI So, what’s next? เมื่อทั้งเทคโนโลยี 5g และ AI สามารถส่งเสริมประสิทธิภาพซึ่งกันและกันได้เป็นอย่างดีก่อให้เกิดรูปแบบการบริการ หรือ นวัตกรรมใหม่ ๆ ขึ้นมาเพื่อลดข้อผิดพลาด และอำนวยความสะดวก ให้มนุษย์อย่างเรามากยิ่งขึ้นส่งผลให้รูปแบบการใช้ชีวิตมีการเปลี่ยนแปลงไปบ้างไม่มากก็น้อย ซึ่งเป็นเหตุให้ในอนาคตปัจจัยที่ทำให้ธุรกิจประสบความสำเร็จคือรูปแบบของธุรกิจที่ตอบโจทย์กับยุคสมัยที่เปลี่ยนไป ไม่ว่าจะเป็น...

11 January 2021

รู้จัก BDI

Organization

Policy and Plan

Personnel

Operations

ML

ข่าวและบทความที่เกี่ยวข้อง

Related news and articles

บทความ

บทความ

บทความ

สถาบันข้อมูลขนาดใหญ่ (องค์การมหาชน)

Big Data Institute (Public Organization)

234/432 Soi Lat Phrao 12, Chomphon, Chatuchak, Bangkok 10900, Thailand

Contact Us

Quick Link

About Us

© Big Data Institute | Privacy Policy