مع توسع أسواق التنبؤ عبر مقاييس مختلفة، يصبح اعتماد الذكاء الاصطناعي عبر استراتيجيات التداول والأبحاث والخوارزميات أكثر أمرا لا مفر منه. هناك بالفعل عدة أمثلة على أدوات الذكاء الاصطناعي مثل نموذج Polyfacts المخصص لأسواق التنبؤ، لذا من المفيد إلقاء نظرة على المفهوم الأساسي الذي يوجه هذه الأنظمة. الشبكات العصبية العميقة الشبكات العصبية هي نماذج حسابية مصممة بناء على الخلايا العصبية في دماغ الإنسان وتستخدم على نطاق واسع للتعرف على الأنماط واتخاذ القرارات من خلال معالجة البيانات عبر طبقات أو عقد متصلة تتكون الشبكة العصبية من ثلاثة مكونات. المدخلات، المعالجة (الطبقات المخفية) والمخرجات. عندما يكون هناك أكثر من طبقة مخفية بين المدخل والمخرج، تسمى شبكة عصبية عميقة. تتكون الطبقات المخفية من خلايا عصبية (أو عقد) تستقبل المعلومات من مكون الإدخال وتصنف هذه المعلومات بناء على الوزن. يساعد الوزن الشبكة على تحديد مدى أهمية تلك المعلومة لتوليد مخرج بناء على ذلك. رياضيا المجموع المرجح = (مدخل1 × وزن1) + (مدخل2 × وزن2) + ... + تحيز لنفترض أنك تقرر ما إذا كنت ستذهب إلى مطعم، فمن الطبيعي أن تأخذ في الاعتبار عوامل مثل ما يلي وتحدد لها أوزانا (بافتراض مقياس 0-1 هنا) بناء على مدى أهميتها للسياق الذي تحاول استنجازه من خلاله. الطقس: 0.2 الجوع: 0.5 الميزانية: 0.7 الأصدقاء المتاحون: 0.3 أي، سيكون من الجيد أن يكون الطقس جيدا، لكن بغض النظر عن ذلك، الطقس ليس ذا أهمية كبيرة لعقلك لهذا القرار، ونفس النهج بالنسبة للقيم الأخرى. قيم العوامل الحالية للوضع، إنه مشمس - 1 (كم هو مشمس فعلا) أنت جائع جدا - 0.9 (كم أنت جائع حقا) الميزانية - 0.2 (سوق😂 هابطة) الأصدقاء المتاحون - 1 ...