予測市場がさまざまな指標でスケールを拡大するにつれて、取引戦略、研究、アルゴリズムにおける人工知能の採用はますます避けられないものとなっています。Polyfactsの予測市場向けカスタムLLMのようなAIツールの例はすでに複数存在しています。 したがって、これらのシステムを導く基本的な概念を検討する価値があります。 ディープニューラルネットワーク ニューラルネットワークは、人間の脳内のニューロンを基に設計された計算モデルであり、連結された層やノードを通じてデータを処理することでパターンを認識し意思決定を行うために広く使われています ニューラルネットワークは3つの構成要素から成り立っています。入力、処理(隠れ層)、そして出力。入力と出力の間に複数の隠れ層がある場合、それをディープニューラルネットワークと呼びます。 隠れ層はニューロン(またはノード)で構成されており、入力成分から情報を受け取り、その情報を重みに基づいて分類します。重みはネットワークがその情報の重要度を判断し、それに基づいて出力を生成するのに役立ちます。数学 加重和 = (Input1 × Weight1) + (Input2 × Weight2) + ... + バイアス 例えば、レストランに行くかどうか決めているなら、自然と以下の要素を考慮し、それらに(ここでは0-1スケールを仮定して)それらを、その重要度に応じて割り当てるでしょう。 天候:0.2 空腹:0.5 予算:0.7 フレンド利用可能数:0.3 つまり、天気が良ければいいですが、それでもこの決定において天気は脳にとってあまり重要ではなく、他の数値でも同じアプローチを取るべきです。 現在の状況の要素の価値、 晴れている - 1(実際の晴れの度合い) とてもお腹が空いている - 0.9(実際の空腹) 予算 - 0.2(弱気相場😂) 友人がいる - 1人 ...