AIが複数の未来を同時予測

Google Researchは、3億3000万のパラメーターを持つ時系列ファウンデーションモデル「TimesFM-3」をリリースしました。これは、複数の関連する時系列データを一度の処理で予測できます。TimesFMのバージョン2.5までの全てのチェックポイントは単一の時系列データのみを扱っていましたが、TimesFM-3は1兆以上の時系列データポイントで多変量予測のために事前学習されており、特定のタスクに合わせたfine-tuningなしで、複数の予測対象、過去の共変量、未来の共変量を受け入れます。GIFT-Eval、fev-bench、およびTIMEリーダーボードにおいて、点予測と確率的予測の両方の指標で、事前学習済みファウンデーションモデルの中で最高の平均ランクを獲得しています。https://research.google/blog/timesfm-3-a-zero-shot-foundation-model-for-multivariate-forecasting/ 展開可能か？ 部分的に可能です。TimesFMのリポジトリコードはApache-2.0ですが、TimesFM 3.0の重みはtimesfm-non-commercial-license-v1.0の下で提供されています。これらは非商用、非生産用途に制限されています。今日からベンチマークを行うことはできますが、生産環境の予測APIとして出荷することはできません。何が変わったのか？ TimesFMのバージョン2.5までの全てのリリースは単一の時系列データのみを扱っていました。それは自身の履歴から一つの時系列を予測するものでした。しかし、ほとんどの実際の予測問題はそのような形ではありません。Googleの例ではアイスクリームの売上が挙げられます。関連する製品の売上、来店客数、天気、プロモーション、祝日など、全てが予測対象に影響を与えます。TimesFM-3は、多変量予測のためにネイティブに事前学習されています。3億3000万のパラメーターを持ち、1兆以上の実データおよび合成時系列データポイントで事前学習されました。3種類の入力タイプが、タスク固有のfine-tuningなしでzero-shotで機能します。 複数の予測対象を同時に予測し、それぞれについて点予測と分位点出力を行います。 過去の共変量。過去の来店客数のように、履歴のみが既知のものです。 過去-未来の共変量。プロモーションカレンダーのように、未来の値が既知のものです。 アーキテクチャ：パッチ、そして2種類のAttention。バックボーンはデコーダーのみのTransformerのままです。連続するデータポイントは32ステップのパッチにグループ化され、その後、大きく異なる