جدة – واس :
توصلت دراسة بحثية علمية حديثة بجامعة الملك عبدالعزيز لتطوير أساليب وتقنيات متقدمة لتطوير الذكاء في البيئات والتطبيقات الناشئة باستخدام الذكاء الاصطناعي؛ وذلك بهدف تحسين دقة التنبؤ وتحسين قدرة اتخاذ القرارات وزيادة كفاءة توزيع الموارد في الأنظمة الذكية.
وتندرج هذه الدراسة تحت مظلة كلية الحاسبات وتقنية المعلومات؛ حيث ضمت فريقاً يتكون من: الباحث نديم عبدالله مليباري، والمشرف الأستاذ الدكتور إياد كاتب، والمشرف المشارك الأستاذ الدكتور راشد محمود؛ والتي ركزت على طريقة استغلال البيانات الضخمة التي تنتجها الأجهزة الذكية وإنترنت الأشياء وانتشار التكنولوجيا؛ وذلك من أجل تمكين عمليات اتخاذ القرارات المستنيرة التي تعتمد على البيانات، وتعزيز ذكاء الأنظمة المبتكرة وأدائها بشكل عام.
كما عملت هذه الدراسة على التطورات الذكية التي تشمل التفاعل النشط مع البيئة، وتحليل المعلومات المعقدة، واتخاذ القرارات السريعة والمستنيرة من خلال تحديد أربعة أبعاد رئيسية تتمثل في الأنظمة والبنية الرقمية، ومعالجة البيانات والمعلومات، والاستشعار وإنترنت الأشياء وتوليد البيانات، والتحرك؛ حيث وضعت الدراسة أساسًا قويًا لتطوير الأنظمة الذكية.
وشاركت الدراسة الفهم الشامل لهذه الأبعاد الأساس لمزيد من التقدم في الأنظمة الذكية؛ موفرة الدراسة طريقة شاملة وعملية لتطوير الأنظمة الذكية في صناعة التكنولوجيا المالية، كما تقدم الطريقة المقترحة هنا للمؤسسات المالية الأدوات والتقنيات المطلوبة للاستفادة بشكل فعال من اتخاذ القرارات المستندة إلى البيانات.
وبناءً على نتائج الدراسة تتمكن المؤسسات من التكيف مع اتجاهات السوق الديناميكية والاستفادة من الفرص الرابحة في المناظر المالية المنافسة في صناعة التكنولوجيا المالية، إضافة إلى تقديم نهج رائد قائم على الذكاء الاصطناعي مخصص لتطبيقات التكنولوجيا المالية، حيث يستفيد من نموذجين مختلفين هما “المحولات الرؤية” و”التعلم المعزز بالمحولات”.
واستندت الدراسة إلى نماذج “محولات الرؤية” التي صممت في الأساس لمهام تصنيف الصور. وتمتاز هذه النماذج بآلية “الانتباه الذاتي” التي تُمكِّنها من التقاط العلاقات طويلة المدى بين البيانات. وعليه، تم توظيفها لتحسين دقة تصنيف البيانات المتسلسلة في مجالات التمويل التقني، وتحقيق توقعات دقيقة.
ويرجع ذلك إلى قدرة “محولات الرؤية” الاستثنائية على استخلاص التبعيات الزمنية والأنماط المكانية المعقدة من البيانات المتسلسلة.
ورأت الدراسة أنه من خلال تجزئة البيانات إلى أجزاء صغيرة ودمج الترميز الموضعي، يساهم في تحقيق تحليل شامل وفعال للبيانات المالية، وعلى الجانب الآخر، يتخصص التعلم المعزز بالمحولات في نمذجة عمليات اتخاذ القرار المعقدة في الأنظمة الذكية، ويساهم في دمج معلومات السياق العالمية واتخاذ قرارات مستنيرة بناءً على البيانات التاريخية وديناميكيات القطاع المالي.
ويمكن أن يتيح هذا النهج تطوير استراتيجيات ذكية لتداول الأسهم باستخدام الروبوتات المالية وتقديم الاستشارة الروبوتية، وتُقدَّم الاستشارة الروبوتية كخدمة تستند إلى تحليل البيانات واستخدام الخوارزميات لتقديم نصائح وتوصيات استثمارية في مجالات مثل الأسهم والسندات والصناديق المشتركة؛ فيما تعتمد الاستشارة الروبوتية على تقييم ملف المستثمر، وتحديد الأهداف والتوقعات، وتحديد مستوى المخاطرة، واقتراح استراتيجية الاستثمار المثلى، ومتابعة الأداء وتعديل الاستراتيجية .
وفصلت الدراسة أن الاستشارة الروبوتية تعتمد على نماذج رياضية معقدة وتحليلات إحصائية لتحقيق أفضل أداء وتقديم توصيات موثوقة؛ وذلك من خلال تعزيز القدرات التحليلية والقرارات المستنيرة في سوق التمويل، وتقديم نتائج محسّنة وفعالة للمتداولين والمستثمرين؛ فيما تساهم النتائج المقدمة في هذه الدراسة البحثية في تعزيز التكنولوجيا المالية وتحسين أداء الأنظمة الذكية، وتعزز هذه الأساليب الجديدة قدرة التنبؤ وتحسين قدرة اتخاذ القرارات وزيادة كفاءة توزيع الموارد في الأنظمة الذكية، مما يدفع نحو نجاح الشركات والمؤسسات في بيئة التكنولوجيا المالية الديناميكية والتنافسية.
