Google Ra TimesFM-3 Dự Đoán Từ Dữ Liệu Bán Hàng Và Thời Tiết

Google nói TimesFM-3 được dùng cho những dự báo không chỉ dựa vào một biến. Với ví dụ chuỗi bán kem, model này còn tính cả ốc quế, si-rô, lượng khách ghé qua trong quá khứ, thời tiết, các đợt giảm giá và ngày lễ.

TimesFM-3 có 330 triệu tham số và được huấn luyện trên chuỗi thời gian thực và tổng hợp với hơn 1 nghìn tỉ điểm dữ liệu. Google cho biết model này vẫn hoạt động không cần huấn luyện thêm cho nhiệm vụ mới.

Model xử lý dữ liệu theo hai hướng luân phiên. Theo trục thời gian, nó tìm mẫu trong một chuỗi và chỉ dùng giá trị quá khứ để tránh rò rỉ tương lai; giữa các chuỗi, nó so sánh các biến tại cùng một thời điểm để học mối liên hệ giữa chúng.

TimesFM-3 xử lý 3 loại dữ liệu bổ sung. Nó dự đoán nhiều biến liên quan cùng lúc, dùng các yếu tố chỉ biết cho quá khứ như lượng khách ghé qua, và dùng cả sự kiện tương lai đã biết như lịch giảm giá hoặc dự báo thời tiết.

Thay vì một giá trị duy nhất, TimesFM-3 xuất ra 9 giá trị cho mỗi bước thời gian để thể hiện phạm vi và độ bất định của từng dự đoán. Google cũng nói cách này khác với các bản trước, vốn dự đoán từng khối một, chậm, nặng về năng lực tính toán và dễ cộng dồn lỗi.

Trên Gift-Eval, FEV-Bench và Time, TimesFM-3 đứng đầu trong nhóm các pretrained forecasting model về cả độ chính xác điểm lẫn hiệu chỉnh độ bất định. Các đối thủ gồm Chronos-2 của Amazon, họ Toto-2.0 và TimesFM-2.5 của Google. TimesFM-3 có trên GitHub và Hugging Face, và Google dự kiến thêm vào BigQuery trong những tuần tới; TimesFM-2.5 hiện xử lý dự báo một biến tại đó qua lệnh AI.FORECAST.