Google quiere que predecir lo que ocurrirá con una serie de datos sea mucho más sencillo.
La compañía presentó TimesFM 3, la nueva versión de su modelo fundacional especializado en pronóstico de series temporales, una tecnología capaz de analizar datos históricos y estimar cómo podrían comportarse en el futuro.
A diferencia de muchos sistemas tradicionales, donde es necesario diseñar y entrenar un modelo específico para cada problema, TimesFM fue desarrollado para trabajar en modalidad zero-shot.
Esto significa que el modelo puede recibir una serie temporal que no formó parte de su entrenamiento y generar una predicción sin necesidad de realizar previamente un entrenamiento específico para esa tarea. Google ya había demostrado esta capacidad con las primeras versiones de TimesFM, entrenadas utilizando grandes cantidades de datos temporales.
¿Qué se puede predecir con TimesFM?
Las series temporales aparecen en prácticamente cualquier sector donde existen datos registrados a lo largo del tiempo.
Por ejemplo, esta tecnología puede utilizarse para analizar:
- ventas de productos;
- demanda de inventario;
- consumo energético;
- tráfico;
- datos financieros;
- sensores industriales;
- métricas de sistemas;
- información científica y otros datos históricos.
Google señala que este tipo de modelos ya tiene aplicaciones en sectores como comercio minorista, finanzas, fabricación, salud y ciencias naturales.
TimesFM 3 da un salto importante
Una de las principales novedades de TimesFM 3 es que ahora puede trabajar de forma nativa tanto con series univariadas como multivariadas.
Esto permite analizar varias señales relacionadas al mismo tiempo.
Por ejemplo, una empresa podría intentar predecir la demanda de un producto considerando no solamente sus ventas anteriores, sino también otras variables disponibles que puedan aportar contexto al pronóstico.
Según Google Research, TimesFM 3 también incorpora soporte flexible para variables adicionales y ha conseguido resultados destacados en varios benchmarks especializados en predicción de series temporales.
Un modelo abierto para investigadores y desarrolladores
Google mantiene disponible públicamente el código de TimesFM y diferentes checkpoints del modelo a través de su repositorio de investigación.
Actualmente, el repositorio identifica a TimesFM 3.0 como la versión más reciente, aunque Google advierte que los pesos preentrenados de esta versión tienen restricciones para determinados usos comerciales y de producción.
Esto también demuestra una tendencia cada vez más interesante dentro de la inteligencia artificial.
Después de los grandes modelos capaces de generar texto, imágenes, vídeo o código, están apareciendo modelos fundacionales especializados en comprender patrones numéricos y realizar predicciones directamente sobre datos históricos.
TimesFM busca precisamente llevar esa idea al mundo de las series temporales.
