Google acaba de entrar en la carrera de los modelos básicos para la previsión de series temporales.
En agosto de 2023, la comunidad de series temporales se vio perturbada por el lanzamiento de HoraGPTel primer modelo básico de Nixtla para el pronóstico de series de tiempo.
Siguiente HoraGPT, se lanzaron varios modelos de pronóstico de fundaciones, pero hubo uno que se destacó. Recientemente, Google dio a conocer HorariosFM[1]un modelo de series de tiempo innovador con resultados fenomenales.
Las series temporales son omnipresentes y se utilizan en muchos ámbitos, como el comercio minorista, la demanda de energía, la economía, la atención sanitaria y más. Un modelo TS básico se puede aplicar fácilmente a cualquier caso TS con gran precisión, como GPT-4 para texto.
En este artículo, discutimos:
- Los desafíos de los modelos básicos en series de tiempo en comparación con la PNL.
- Cómo HorariosFM supera estos desafíos.
- Cómo HorariosFM funciona y por qué es un modelo poderoso.
- HorariosFM resultados de referencia.
- Perspectivas para el futuro de los modelos básicos en el pronóstico de series temporales
Empecemos.
he lanzado Pronóstico del horizonte de IA, un boletín que se centra en series temporales e investigaciones innovadoras en IA. Suscribir aquí para ampliar tus horizontes!
El concepto de un modelo básico prometedor en PNL ya era evidente con el lanzamiento de GPT-2 en Los modelos de lenguaje son estudiantes multitarea sin supervisión [2].
Pero en series temporales, construir un modelo básico no es sencillo. Hay varios desafíos:
- Escasez del conjunto de datos: En PNL, encontrar datos de texto es fácil. Sin embargo, los conjuntos de datos públicos de series temporales no están fácilmente disponibles.
- Formato impredecible: Los modelos de lenguaje se basan en gramáticas y vocabularios bien definidos. Los datos de series temporales pueden pertenecer a dominios con diferentes características (por ejemplo, ventas muy escasas o datos financieros volátiles).
- Diferentes granularidades: Cada modelo de serie temporal funciona para una granularidad específica (p. ej., horaria, semanal, mensual…).