Google, TimesFM-3 ile satış, hava ve indirim verilerini bir arada analiz eden yeni bir yapay zeka modeli tanıttı

Google Research, günlük satış rakamları ve hava durumu gibi zaman serilerinden geleceği tahmin etmeye yönelik TimesFM-3 adlı yeni bir yapay zeka modelini duyurdu. Model, yalnızca geçmiş verileri değil, aynı zamanda ilgili diğer veri kümelerini ve bilinen gelecekteki olayları da analiz ederek tahminler üretiyor. Şirket, bu yaklaşımı, dondurma satışlarını öngörmek isteyen bir perakende zinciri örneği üzerinden açıkladı. Doğru bir tahmin için modelin, waffle veya şurup gibi ilgili ürünlerin satışlarını, mağazaya gelen müşteri yoğunluğunu, hava koşullarını, indirim kampanyalarını ve tatil günlerini dikkate alması gerektiği belirtildi.

TimesFM-3, önceki sürümlerle aynı temel yapı olan bir Transformer mimarisi üzerine inşa edilmiştir. Model, ardışık 32 ölçüm değerini tek bir blok halinde birleştirir ve her seriyi karşılaştırılabilir olması için ortak bir ölçeğe dönüştürür. Veriler, modelin iki farklı yönde işlemesiyle ilişkilendirilir. Zaman ekseninde model, yalnızca geçmiş değerlere başvurarak tek bir serinin içindeki örüntüleri arar. Buna dik yönde ise belirli bir zaman noktasındaki tüm serileri karşılaştırarak bunlar arasındaki bağlantıları öğrenir. Bu sayede bir üründe yapılan indirim kampanyasının diğer bir ürünün satışını nasıl etkilediği gibi durumlar tespit edilebilir.

Modelin 330.000.000 parametresi bulunmaktadır ve Google'ın açıklamasına göre gerçek ve yapay olarak üretilen, bir trilyondan fazla veri noktası içeren zaman serileriyle eğitilmiştir. TimesFM-3, yeni görevler için ek eğitim gerektirmeyen sıfır atışlı bir çalışma prensibine sahiptir. Üç tür ek veriyi işler: birden fazla ilgili ölçümü aynı anda tahmin eder, yalnızca geçmişe ait faktörleri dahil eder ve planlanan indirimler veya hava tahminleri gibi bilinen gelecekteki olayları değerlendirir. Tek bir tahmin değeri yerine, her zaman noktası için belirsizliği yansıtan dokuz değer üretir.

Önceki sürümler geleceği blok blok hesaplayarak zaman ve işlem gücü harcıyordu ve hatalar birikerek büyüyordu. TimesFM-3 ise tüm gelecekteki zaman noktalarını önce boşluk olarak işaretler ve bunları tek bir geçişte aynı anda doldurur. Dondurma örneğinde, yalnızca geçmiş satışları bilen bir model standart haftalık örüntüyü sürdürürken, TimesFM-3 indirim planını bildiğinde geçmişten öğrenerek indirim günlerinde satışların yaklaşık yüzde 20 artacağını hesaplar.

Google'a göre TimesFM-3, Gift-Eval, FEV-Bench ve Time test setlerinde tüm önceden eğitilmiş tahmin modelleri arasında hem doğruluk hem de belirsizlik tahmini açısından birinci sırada yer almaktadır. Rakipler arasında Amazon'un Chronos-2'si, Toto-2.0 ailesi ve kendi önceki sürümü TimesFM-2.5 sayılmıştır. Model, tek bir ölçüm değişkeniyle bile rakipleri yakalarken, ek verilerle farkı daha da açmaktadır.

TimesFM-3, GitHub ve Hugging Face platformlarında erişime açılmıştır. Modelin önümüzdeki haftalarda Google'ın BigQuery veritabanı hizmetinde de kullanılabilir hale gelmesi beklenmektedir. 2024'ten bu yana model ailesi, perakende, finans, üretim, sağlık ve doğa bilimleri alanlarında kullanılmaktadır. Google DeepMind ayrıca, tropik fırtınaların yönünü ve şiddetini önde gelen operasyonel modellerden yaklaşık bir gün daha ileriye doğru tahmin eden açık kaynaklı WeatherNext Cyclones sistemini ağustos başında yayımlamıştır.