Googles TimesFM-3 lernt, die Zukunft in einem einzigen Durchlauf zu sehen

Das Modell der neuen Generation kann zukünftige Ereignisse berücksichtigen

Google Research hat die dritte Generation seines Zeitreihen-Modells vorgestellt, das nun 330 Millionen Parameter aufweist. Während ältere Versionen nur eine einzige Variable aus ihrer eigenen Historie extrapolieren konnten, kann TimesFM-3 mehrere korrelierende Graphen gleichzeitig betrachten. Entscheidend ist, dass das Modell bekannte zukünftige Ereignisse (wie geplante Marketingaktionen oder Wettervorhersagen) akzeptiert und in das Ergebnis einfließen lässt, bevor sie tatsächlich eintreten.

Contiguous Patch Masking löst den gesamten Horizont auf einmal

Aus infrastruktureller Sicht ändert sich die Art und Weise, wie das Modell Ergebnisse ausgibt. Anstelle der autoregressiven Dekodierung, bei der jeder nachfolgende Wert aus dem vorherigen berechnet wird, führt Google das Contiguous Patch Masking ein. Das Modell richtet leere Fenster für die gesamte zukünftige Zeitachse ein und füllt sie in einem einzigen Durchlauf.

Native Integration mit Unternehmensdaten bindet Firmen an die Cloud

Obwohl das Modell die Rettung vor aufgabenspezifischem Fine-Tuning verspricht, bedeutet die Realität der Cloud-Bereitstellung eine Bindung an die Plattform. Der entscheidende Integrationstest folgt in den kommenden Wochen mit der BigQuery-Einführung, bei der die Funktion über den einfachen SQL-Befehl AI.FORECAST auf Unternehmensdaten zugreift.

Die Übergabe von Beständen an einen Algorithmus wird der wahre Test sein

Das zukünftige Signal für den Erfolg liegt nicht in Benchmarks, in denen das Modell derzeit führt, sondern in der Akzeptanz durch Unternehmen. Der Beweis wird sein, ob Einzelhandelsketten es wagen, ihre Bestandsverwaltung an ein nicht-lineares Modell zu übergeben, anstatt an historischen Dreijahresdurchschnitten in Excel festzuhalten.

Liliths Urteil

Excel aufzugeben und einen Algorithmus fünfzig Kalenderzellen im Voraus auf einmal ausfüllen zu lassen, klingt verlockend. Aber an dem Tag, an dem das Modell einen Feiertag falsch berechnet und ganz Europa das Brot ausgeht, fällt die Schuld auf den Menschen, der AI.FORECAST ausgeführt hat.