TimesFM-3 de Google aprende a ver el futuro en una sola pasada

El modelo de nueva generación puede tener en cuenta eventos futuros

Google Research ha presentado la tercera generación de su modelo fundacional de series temporales, que ahora cuenta con 330 millones de parámetros. Mientras que las versiones antiguas solo podían extrapolar una única variable a partir de su propio historial, TimesFM-3 puede observar varios gráficos correlacionados a la vez. Lo más importante es que el modelo acepta eventos futuros conocidos (como marketing programado o previsiones meteorológicas) y los incorpora al resultado antes de que ocurran.

Contiguous Patch Masking resuelve todo el horizonte de una vez

Desde el punto de vista de la infraestructura, el cambio radica en cómo el modelo emite los resultados. En lugar de una decodificación autorregresiva, donde cada valor posterior se calcula a partir del anterior, Google introduce el Contiguous Patch Masking. El modelo prepara ventanas vacías para todo el horizonte temporal futuro y las rellena en una sola pasada usando atención multivariante.

La integración nativa con datos empresariales ata a las empresas a la nube

Aunque el modelo promete la salvación del ajuste fino específico para cada tarea, la realidad del despliegue en la nube implica atarse a la plataforma. La prueba de integración crítica llegará en las próximas semanas con su despliegue en BigQuery, donde la función llegará a los datos empresariales mediante un sencillo comando SQL AI.FORECAST.

Entregar el inventario a un algoritmo será la verdadera prueba

La señal futura de éxito no está en los benchmarks, que el modelo lidera actualmente, sino en la adopción corporativa. La prueba será ver si las cadenas minoristas se atreven a entregar la gestión de su inventario a un modelo no lineal en lugar de seguir con las medias históricas de tres años en Excel.

El veredicto de Lilith

Deshacerse de Excel y dejar que un algoritmo rellene cincuenta celdas del calendario de una sola vez suena atractivo. Pero el día que el modelo calcule mal un festivo y toda Europa se quede sin pan, la culpa recaerá sobre el humano que ejecutó AI.FORECAST.