Googleが売上や天気など複数のデータから未来を予測するAI「TimesFM-3」を公開、追加学習なしで予測可能
Google Researchが時系列データから将来を予測するAIモデル「TimesFM-3」を公開しました。TimesFM-3は売上や客足、天気など時間とともに変化する複数のデータをまとめて読み込み、将来の数値を予測できるAIです。1兆を超えるデータ点を含む大量の時系列データで事前学習されており、追加学習不要で使える点が特徴とされています。
TimesFM-3: A zero-shot foundation model for multivariate forecasting
時系列予測は過去のデータをもとに未来を予測する技術です。例えば過去数カ月の売上から来月の売上を予測したり、過去のアクセス数から今後のサーバー負荷を見積もったりできます。
ただし実際の売上や需要は過去の数字だけで決まるわけではなく、例えばアイスクリームなら気温や客足、セールの予定などによって売れ行きが変わります。より正確に予測するには複数の情報をまとめて考える必要があります。
Googleは2024年から時系列予測AI「TimesFM」シリーズを公開しています。従来のTimesFMは主に1種類の時系列データから未来を予測する仕組みでしたが、TimesFM-3では複数のデータを同時に扱う「多変量予測」に新たに対応しました。
例えばアイスクリームの売上を予測する場合、過去の売上や客足に加えて今後の天気予報やキャンペーン予定などもTimesFM-3に与えられます。TimesFM-3は各データの関係を調べた上で将来の売上を予測します。
以下の画像はGoogleが公開したアイスクリーム売上の予測例です。グラフでは赤線が売上だけを使った予測、青線がキャンペーン予定も考慮したTimesFM-3の多変量予測を示しています。オレンジ色の部分がキャンペーン日です。キャンペーンを実施した日に売上が増えた過去の傾向をTimesFM-3が読み取り、将来のキャンペーン日に売上が約20％増えると予測しています。
TimesFM-3は約3億3000万個(330M)のパラメーターを持ち、実世界のデータと人工的に作ったデータを合わせた1兆を超えるデータ点で事前学習されています。大量のデータからさまざまな変化のパターンをあらかじめ学んでいるため、新しいデータを渡した際に追加学習なしで予測できる「ゼロショット予測」に対応しています。
予測速度を高める仕組みも導入されています。従来版は未来の数値を少しずつ順番に予測していましたが、TimesFM-3は予測したい期間の数値を1回の処理でまとめて予測します。Googleによると処理時間を短縮できるほか、予測を繰り返すことで誤差が積み重なる問題も抑えられるとのこと。
GoogleはTimesFM-3を「GIFT-Eval」「FEV-Bench」「TIME」という3種類の公開ベンチマークで評価しました。Googleによると、比較した事前学習済みの時系列予測モデルの中で、将来の値を当てる「点予測」と予測の幅も含めて評価する「確率予測」の両方でトップの平均順位を記録したとのこと。
以下はGIFT-Evalの結果。横軸は点予測、縦軸は確率予測の平均順位で、左下にあるほど好成績です。オレンジ色がTimesFM-3の結果を示しており、「★」マークが付いている多変量モードと付いていない単変量モードのいずれも比較対象のモデルより左下に位置しています。
以下はFEV-Benchの結果です。GIFT-Evalと同様に左下ほど好成績で、TimesFM-3の多変量モードが点予測と確率予測の両方で最も良い平均順位を示しています。
以下はTIMEの結果です。TimesFM-3の多変量モードが最も左下に位置しており、単変量モードも比較対象のモデルより良い平均順位を記録しています。
TimesFM-3は記事作成時点でGitHubとHugging Faceから入手可能です。なお、ソースコードはApache License 2.0で公開されていますが、TimesFM-3の事前学習済みモデルには別の非商用ライセンスが設定されており、商用利用や本番環境での利用は認められていません。GoogleはTimesFM-3を数週間以内にデータ分析サービス「BigQuery」へ統合する予定だと述べています。
GitHub - google-research/timesfm: TimesFM
https://github.com/google-research/timesfm
google/timesfm-3.0-pytorch · Hugging Face
https://huggingface.co/google/timesfm-3.0-pytorch
