Google naučil TimesFM-3 vidět do budoucnosti v jediném průchodu

Nová generace modelu umí započítat budoucí události

Google Research představil třetí generaci svého foundation modelu pro časové řady s 330 miliony parametrů. Zatímco starší verze uměly extrapolovat pouze jedinou proměnnou z její vlastní historie, TimesFM-3 se umí dívat na několik korelujících grafů najednou. Kromě historických dat umí model přijmout i známé budoucí události (například plánovaný marketing nebo předpověď počasí) a započítat je do výsledku dřív, než nastanou.

Contiguous Patch Masking řeší celý výhled najednou

Z hlediska infrastruktury se mění způsob, jak model vyhazuje výsledek. Místo autoregresivního dekódování, kdy se každá další hodnota počítá z té předchozí, zavádí Google takzvaný Contiguous Patch Masking. Model si založí prázdná okna pro celou budoucí časovou osu a pomocí pozornosti napříč všemi proměnnými je vyplní v jediném průchodu.

Nativní integrace s podnikovými daty uzamyká firmy do cloudu

Model sice slibuje záchranu před jemným laděním na konkrétní úlohu, ale realita nasazení v cloudu znamená zamykání do platformy. Zásadní integrační zkouškou bude napojení do BigQuery v příštích týdnech, kdy se funkce dostane k podnikovým datům přes jednoduchý SQL příkaz AI.FORECAST.

Předání skladových zásob algoritmu bude skutečným testem

Budoucí signál úspěchu neleží v benchmarcích, kde model aktuálně vede, ale ve firemní adopci. Důkazem bude, jestli se maloobchodní řetězce odváží předat řízení svých skladových zásob nelineárnímu modelu, místo aby dál držely v Excelu průměry za poslední tři roky.

Lilithin verdikt

Opustit Excel a nechat algoritmus naráz vyplnit padesát buněk v kalendáři dopředu zní lákavě. Ale ten den, kdy model odhadne špatně svátek a celá Evropa nebude mít rohlíky, padne vina na člověka, co spustil AI.FORECAST.