Mesterséges intelligencia értékbecslés – esettanulmány

Mesterséges intelligencia értékbecslés – lehetséges-e? Hogyan működik a mesterséges intelligencia értékbecslés gyakorlati környezetben? Ebben az esettanulmányban azt vizsgáljuk, hogyan alkalmazható a mesterséges neurális hálózat ingatlanárak predikciójára.

Mintakeresés és önálló tanulás – hogyan dolgozik a neurális háló?

Mintakeresés, vagyis adott tulajdonságok alapján történő összefüggéskeresés. Mi is ez pontosabban? A mesterséges neurális hálóba beletöltünk számtalan rendezett adatsort, majd elkezdi tanítani saját magát. Így létrehoz – fogalmazzunk úgy – egy saját „értékbecslőt”, aki a historikus adatok alapján számtalan összefüggést fel tud térképezni. Vagyis egy gyors, minden apró részletre körültekintően figyelő költséghatékony értékbecslő modellt tudunk megalkotni.

Mi az a mesterséges neurális háló?

A mesterséges neurális hálóból többféle van: képfelismerő, nyelvi modell (ilyen a ChatGPT), vagy épp értékbecslő. Fontos, hogy ezek a mesterséges intelligencia alapjai, pontosabban egy mélytanuló rendszer, ami több, mint egy olyan algoritmus, amit mesterséges intelligenciának hívnak. Erről bővebben itt olvashattok: Mi a mesterséges intelligencia, mi a neurális háló és a mélytanulás?

Golden Leaf Tech – a technológiai partner

Ezúton szeretném megköszönni az együttműködést a Golden Leaf Tech csapatának (https://www.goldenleaftech.hu/), akik személyreszabott neurális hálók készítésével foglalkoznak vállalkozásfejlesztési és ügyfélelégedettségi szempontok alapján. Mi adtuk az adatot kísérleti céllal, ők készítették a neurális hálót, vagyis a mesterséges intelligencia alapot.

Hogyan működik a mesterséges intelligencia értékbecslés?

A paraméterek és utcanév közötti kapcsolatokat, összefüggéseket, súlyokat nem mi adjuk meg, hanem a rendelkezésre álló adatbázis alapján a neurális háló alkotja meg. Ő vonja le a konzekvenciát, alkotja meg a súlyokat, a paraméterek jelentőségét. Így hoz létre mintákat, amiket elraktároz. Majd megalkotja a személyes értékbecslőnket, aki minden apró pici részletre, amit valaha beletápláltunk, nagyon figyel, és az alapján alkotja meg a predikciót.

Fontos, hogy a becslést nem statisztikai alapon hozza meg – a hálóban lévő neuronok kapcsolati hálója adja meg a végeredményt.

A tanítás alapjai – feltöltött adatok

Jelen kísérletben több ezer ingatlan adatait töltöttük fel: utcanév, ingatlan típusa, alapterület, szobaszám, illetve a hirdetett négyzetméter ár. Így tanulta meg a neurális háló, hogy hogyan kapcsolódnak egymáshoz, milyen minták ismerhetők fel.

Eredmények – kerületi bontásban

VI. kerület – 76 nm, 3 szoba

• Rózsa utca – 1 018.39 ezer Ft/nm
• Szondi utca – 856.49 ezer Ft/nm
• Szív utca – 993.37 ezer Ft/nm
• Andrássy út – 1 354.68 ezer Ft/nm
• Eötvös utca – 1 017.44 ezer Ft/nm
• Teréz körút – 1 044.85 ezer Ft/nm
• Aradi utca – 855.53 ezer Ft/nm

XIII. kerület – 50 nm, 2 szoba

• Cserhalom utca – 1 434.51 ezer Ft/nm
• Katona József utca – 1 031.38 ezer Ft/nm
• Visegrádi utca – 993.04 ezer Ft/nm
• Hegedűs Gyula utca – 924.55 ezer Ft/nm
• Fiastyúk utca – 870.78 ezer Ft/nm
• Pannónia utca – 1 088.76 ezer Ft/nm

XI. kerület – 40 nm, 1 szoba

• Alíz utca – 1 542.11 ezer Ft/nm
• Tétényi út – 1 072.08 ezer Ft/nm
• Kondorosi út – 1 400.66 ezer Ft/nm
• Hengermalom út – 1 040.76 ezer Ft/nm
• Ulászló utca – 1 221.04 ezer Ft/nm
• Dombóvári út – 1 085.70 ezer Ft/nm
• Prielle Kornélia utca – 1 377.70 ezer Ft/nm

VIII. kerület – 88 nm, 3 szoba

• Népszínház utca – 659.16 ezer Ft/nm
• Szentkirályi utca – 890.45 ezer Ft/nm
• Bródy Sándor utca – 941.44 ezer Ft/nm
• Víg utca – 825.36 ezer Ft/nm
• Őr utca – 647.08 ezer Ft/nm
• Diószegi Sámuel utca – 634.79 ezer Ft/nm
• Dankó utca – 680.87 ezer Ft/nm

Mi következik ezután?

Szükséges megjegyezni, hogy ez kísérleti céllal történt, a tűpontos eredményekhez ennél nagyobb adatbázist szükséges feltölteni, de már itt is jól vizsgálható a hatékonyság.

De gondoljunk csak bele, mennyire lesz ez hatékony, ha nem pár, hanem rengeteg paramétert töltünk fel minden ingatlan esetében! Mondom a választ: tűpontos értékbecslés az eredmény!

Predikció nemcsak árra – hanem időre is

Mi több, a várható időt is meg tudjuk mondani. Mire gondolunk? Ha ebben az utcában és ilyen adottságú ingatlanod van, akkor, ha ezen az áron hirdeted meg, előreláthatólag mennyi ideig kell majd hirdetned, mennyi ideig lesz a piacon, mire eladásra kerül.