Giới thiệu về AI & Machine Learning

Chúng tôi tự hào chia sẻ rằng chúng tôi đã và đang nỗ lực cải tiến công nghệ cho nền tảng tư vấn của chúng tôi. Quan hệ đối tác chiến lược mới nhất của chúng tôi với một trường đại học danh tiếng ở Vương quốc Anh đã dẫn đến việc thực hiện một dự án kéo dài 2 năm, cuối cùng giới thiệu Trí tuệ nhân tạo và Học máy vào phân tích hàng hóa của chúng tôi. Bạn có thể tìm thêm thông tin về dự án dưới đây. 

Tháng Mười 2022 dự đoán giá theo mô hình hiện tại của chúng tôi so với giá thực tế

Một lưu ý từ M.D

Nhìn lại thời điểm dữ liệu của chúng tôi về bông bắt đầu vào những năm 1800, các mùa và thời tiết được cho là kết quả của một sức mạnh cao hơn. Chuyển sang thế kỷ 21, khoa học và thông tin hiện đại đã lan rộng trên toàn cầu và cùng với đó là thái độ đã phát triển. Những gì đã từng được coi là một hiện tượng thần bí bây giờ thường được đưa xuống vật lý và toán học. Các mẫu xuất hiện xung quanh chúng ta và khi sức mạnh tính toán tăng lên, khả năng của chúng ta cũng có thể xác định và lập mô hình các mẫu này. Từ các thuật toán truyền thông xã hội dường như đang 'lắng nghe bạn' đến các thuật toán giao dịch trên thị trường chứng khoán phân tích xu hướng trên phạm vi toàn cầu. Chỉ còn là vấn đề thời gian trước khi tất cả các hiện tượng có thể được giảm xuống thành đầu vào và phản ứng gần như nhất định.

Thị trường hàng hóa và thị trường chứng khoán là những bộ xử lý dữ liệu lớn nhất hành tinh. Họ lấy thông tin từ rất nhiều yếu tố vĩ mô và vi mô từ các sự kiện toàn cầu đến cảm xúc của các nhà giao dịch và giảm thông tin này thành một số liệu duy nhất: giá cả. Giá của hàng hóa hoặc cổ phiếu tuân theo logic và mô hình. Khoa học về giá cả đã được nghiên cứu trong nhiều thiên niên kỷ và trong khi một số người đã tiến gần đến việc dự đoán nó, đại đa số vẫn chưa đến gần để hiểu toàn bộ bức tranh. 

Vậy điều gì đã thay đổi?

Thứ nhất, rất ít người nghiên cứu về giá cả một cách chăm chú như vậy là bất khả tri về giá. Lấy bông làm ví dụ, từ nông dân đến nhà sản xuất đều có hướng đi mà họ hy vọng giá sẽ đi. Đây là một trong những lý do khiến EAP rất thành công trong việc dự đoán thị trường trong thời gian gần đây. Họ không giữ một vị trí trong các thị trường mà họ tư vấn, vì vậy họ đọc các mô hình mà không có ý tưởng cố định về định hướng. Điều này đã khiến EAP phát triển các mô hình và quy tắc của riêng họ và tôn trọng các quy tắc và mô hình đã nói như bất kỳ nhà phân tích thị trường bất khả tri về giá nào sẽ làm. Tuy nhiên, EAP không phải là nhà phân tích thị trường đầu tiên thuộc loại này, cũng không phải là người đầu tiên phát triển các mô hình của riêng mình. Chính sự ra đời của Trí tuệ nhân tạo đang đưa EAP lên một tầm cao mới.

Trí tuệ nhân tạo là một từ thông dụng được sử dụng bởi các nhà khoa học và nhà báo, nhưng nói một cách đơn giản, nó có nghĩa là gì và nó liên quan như thế nào đến EAP? Đó là một cách để kiểm tra các lý thuyết và lý thuyết được đề cập là dự đoán giá của bông và các mặt hàng và ngũ cốc mềm khác. Độ chính xác và hữu ích của bất kỳ bài kiểm tra AI nào được xác định bởi chất lượng của hai yếu tố: thông tin và mô hình được sử dụng để phân tích nó. EAP có dữ liệu chất lượng trị giá hơn 100 năm trên thị trường hàng hóa và các mô hình phân tích đã được thử nghiệm và thử nghiệm của họ đã được chứng minh đúng cách hết lần này đến lần khác. Hàng nghìn điểm dữ liệu mà EAP đã thu thập về giá cả, cung và cầu và các sự kiện vĩ mô là quá nhiều để một nhà phân tích hoặc nhóm nhà phân tích ghi nhớ và tham khảo ý kiến mỗi khi thị trường biến động, nhưng chúng tôi đã phát triển một chương trình máy tính để xử lý và kiểm tra các mô hình thị trường lịch sử chỉ trong vài giây để đưa ra dự đoán, thay vì ngày hoặc tuần, một người sẽ mất một người để xử lý. Mô hình này đang được cải thiện mỗi ngày. Nó đang chứng minh các lý thuyết thị trường của EAP đúng và sai bằng cách sử dụng hệ thống kiểm tra mô hình lịch sử này và tinh chỉnh độ chính xác của các dự đoán mà nó mang lại. 

Hiện tại mô hình đang đưa ra các dự đoán với tỷ lệ chính xác 80%, điều này đã, đang và sẽ tiếp tục được cải thiện khi mô hình xử lý dữ liệu được tinh chỉnh bởi đội ngũ phân tích giàu kinh nghiệm tại EAP. Điều này là không thể nếu không có chuyên môn về AI và đó là lý do tại sao EAP đang hợp tác với Đại học Liverpool, những người mang đến hơn 30 năm kinh nghiệm về Trí tuệ nhân tạo và đã bày tỏ sự quan tâm lớn đến mô hình và độ chính xác ấn tượng của nó ở giai đoạn đầu này. EAP đang chứng minh thị trường không phải là ngẫu nhiên và mô hình hóa các mô hình mà chúng tuân theo. Chúng tôi đang tính toán giá trong tương lai, thay vì dự đoán chúng và chúng tôi hy vọng sẽ trở thành người dẫn đầu trong khoa học dự đoán giá trong thập kỷ tới.

Tóm tắt dự án

Earlam and Partners (EAP) cung cấp dịch vụ tư vấn hàng hóa trong bối cảnh thị trường bông. EAP có một mô hình toán học để phân tích biến động giá, chứa thông tin thị trường, mà trọng số được gán thủ công để đưa ra dự đoán, được cung cấp trong các báo cáo thị trường hàng tuần. 

Để cung cấp các dịch vụ của EAP trên quy mô lớn, cần phải tự động hóa và nâng cao độ chính xác. Sử dụng AI có thể giải thích nhẹ, các mẫu làm nền tảng cho trọng số của thông tin có thể được xác định. Các mẫu sau đó có thể được sử dụng để xây dựng hệ thống Dự đoán giá hàng hóa (CPP) vừa nhẹ (chạy trên máy tính để bàn tiêu chuẩn) vừa có thể giải thích được (cho người dùng biết cách đưa ra dự đoán). Việc cung cấp các dự đoán trực tiếp bằng cách sử dụng hệ thống CPP được đề xuất sẽ giúp khách hàng trong toàn bộ chuỗi cung ứng trở nên linh hoạt hơn và quản lý hoạt động của họ tốt hơn khi đối mặt với sự biến động ngày càng tăng của thị trường.

Tầm nhìn là mở rộng ra ngoài Bông sang các mặt hàng khác (Đậu nành, Ngô, Lúa mì, Cà phê, Đường và Ca cao), nơi nông dân và nhà sản xuất ngày càng bị ảnh hưởng bởi sự biến động từ biến đổi khí hậu, chiến tranh và các yếu tố khác. Sau 10 năm phát triển và cải tiến mô hình phân tích bông, EAP cần mang lại kiến thức chuyên môn về AI học thuật, để mở rộng ra nhiều thị trường hơn và giúp đỡ nhiều người hơn những gì họ có thể một mình, do đó KTP được đề xuất.

Mục tiêu chiến lược

EAP đã cung cấp thành công dịch vụ tư vấn hàng hóa trong hơn 13 năm. EAP đã chứng minh các quy trình thu thập dữ liệu và cung cấp thông tin chi tiết về 5 lĩnh vực: Các nguyên tắc cơ bản về thị trường bông (1), vị thế quỹ đầu cơ ở Cotton (2), đọc các mẫu biểu đồ Cotton (3), phân tích thống kê theo mùa của Bông (4) và phân tích vĩ mô tổng thể (5). Ngày nay, tổ chức có một đội ngũ chuyên gia tư vấn được đào tạo với nhiệm vụ là cung cấp hỗ trợ cho khách hàng hiện tại để đảm bảo các quyết định hoạt động và tài chính được thông báo đầy đủ. EAP quản lý các quyết định của họ bằng cách cân nhắc thông tin ("1 đến 5" đã nói ở trên) theo kinh nghiệm và diễn biến chính xác trên thị trường quốc tế và được dẫn dắt bởi Jo Earlam.

Tầm nhìn của sự hợp tác này là mang chuyên môn về mô hình Trí tuệ nhân tạo từ Đại học Liverpool và sử dụng nó để kiểm tra và cải thiện mô hình toán học EAP, chứa thông tin vi mô và vĩ mô, cả hiện tại và lịch sử. Dự đoán giá hàng hóa hiệu quả hơn, đối với nhiều loại hàng hóa hơn, có thể được thực hiện bằng cách khai thác các công cụ và kỹ thuật của deep learning. Có một phần mềm phản ánh việc ra quyết định của nhà phân tích EAP sẽ giúp cung cấp thông tin chi tiết nhất quán hơn và dạy các nhà phân tích trong công ty hiểu thị trường theo thuật toán hơn và do đó tốt hơn. Thông qua sự phát triển của mô hình dự đoán thị trường Trí tuệ nhân tạo, dự đoán giá và thông tin chi tiết sẽ ngày càng trở nên tự động, chính xác và kịp thời và sự phụ thuộc vào chuyên môn cá nhân sẽ suy yếu. 

EAP có tham vọng cung cấp dịch vụ của mình thông qua phần mềm thay vì như một công ty tư vấn truyền thống tương tác với khách hàng chỉ qua các cuộc gọi điện thoại và email. Gần đây, EAP đã xây dựng một nền tảng web để cải thiện khả năng mở rộng dịch vụ của họ. Tuy nhiên, phân tích bị hạn chế bởi năng lực của các nhà phân tích nội bộ của họ. EAP không có chuyên môn về máy học và trí tuệ nhân tạo nội bộ và do đó mong muốn hợp tác với một trường Đại học danh tiếng của Anh. Vào cuối dự án này, EAP có kế hoạch có một hệ thống cung cấp các dự đoán thị trường tự động có thể được truy cập suốt ngày đêm. Các dự đoán sẽ được hỗ trợ bởi, nhưng không phụ thuộc vào, tham vấn trực tiếp và hiểu biết sâu sắc từ các nhà phân tích EAP. 

Báo cáo hai tuần một lần là phương tiện hiện tại mà qua đó khách hàng EAP nhận được thông tin chi tiết, các báo cáo này được chia sẻ với khách hàng trên mọi phần của chuỗi cung ứng bông. Sự hợp tác này cuối cùng sẽ làm cho mô hình dự đoán của EAP chính xác hơn và có sẵn theo yêu cầu, điều này gây rối và giống như không có dịch vụ tư vấn nào khác trong không gian. Sự hợp tác này có tiềm năng biến EAP thành những nhà lãnh đạo đổi mới trong lĩnh vực tư vấn bông và hàng hóa nông nghiệp.

Thiếu kiến thức

EAP quan tâm đến việc cung cấp dịch vụ của họ bằng cách sử dụng môi trường trực tuyến, hệ thống Dự đoán giá hàng hóa (CPP), có mô hình dự đoán AI vừa nhẹ vừa có thể giải thích được. Môi trường sẽ được lưu trữ trên một nền tảng dựa trên web (do đó mô hình cần phải "nhẹ") được củng cố bởi các cơ chế AI sẽ dự đoán các chỉ số giá hàng hóa theo cách có thể giải thích được. Tầm nhìn là cung cấp hỗ trợ cho người trồng, đặc biệt là những người trồng bông trên toàn thế giới. Không chỉ những người trồng lớn mà cả những người trồng trọt nhỏ cũng chỉ canh tác vài mẫu đất.

EAP coi giải pháp AI là trọng tâm trong việc cung cấp nền tảng được đề xuất. Việc hiện thực hóa nền tảng sẽ yêu cầu một loạt các công nghệ AI mà EAP hiện không có, bao gồm: (i) làm sạch dữ liệu (Dự án Giai đoạn 1), (ii) dự đoán (Dự án Giai đoạn 1), (iii) AI có thể giải thích và AI nhẹ (Dự án Giai đoạn 2), (iv) trực quan hóa dữ liệu (Dự án Giai đoạn 4) và (iv) duy trì dự đoán các mô hình (Dự án Giai đoạn 5 ). Tất cả các lĩnh vực của AI mà đối tác Cơ sở Tri thức đều có chuyên môn. AI là một trong những Khoa Khoa học Máy tính tại hai trụ cột nghiên cứu của Liverpool với khoảng hai mươi học giả, bao gồm Giám sát viên KB và Trưởng nhóm Học thuật. AI có thể giải thích được, hay EXAI như nó thường được gọi, AI nhẹ và duy trì các mô hình dự đoán là tất cả các lĩnh vực nghiên cứu khoa học máy tính hiện tại mà đối tác Cơ sở Tri thức quan tâm. ExAI được thúc đẩy bởi nhu cầu toàn cầu để có được sự tin tưởng của người dùng cuối của các hệ thống AI để có thể nhận ra tiềm năng của AI một cách đầy đủ. Một cách để đạt được điều này là cung cấp giải thích về cách các hệ thống AI đưa ra quyết định. EAP tin rằng khả năng giải thích là một tính năng thiết yếu cho hệ thống CPP được hình dung của họ; Khách hàng của EAP sẽ muốn hiểu làm thế nào các dự đoán được đưa ra bởi hệ thống CPP được đưa ra. AI nhẹ quan tâm đến việc xây dựng các mô hình dự đoán học sâu chỉ yêu cầu một lượng sức mạnh xử lý hạn chế. Động lực là cho phép truy cập vào học sâu bằng cách sử dụng các thiết bị chỉ có công suất hạn chế và từ góc độ môi trường, để giảm lượng điện năng mà các hệ thống học sâu sử dụng. Ý tưởng cơ bản là xây dựng các mô hình học sâu và sau đó nén chúng để mạng cơ bản giảm kích thước. EAP tin rằng AI nhẹ sẽ rất cần thiết vì họ muốn đưa ra dự đoán bằng cách sử dụng nền tảng trực tuyến. Việc duy trì các mô hình dự đoán đã trở thành mối quan tâm ngày càng tăng được thúc đẩy bởi ý tưởng rằng chúng tôi không muốn học lại các mô hình học sâu bất cứ khi nào có dữ liệu mới; thay vào đó, chúng tôi muốn chỉ cập nhật các phần có liên quan của mô hình.