Explorando Chronos: cómo los modelos fundamentales de IA están estableciendo nuevos estándares en análisis predictivo
Esta publicación fue escrita en coautoría con Rafael Guedes.
La previsión de series temporales ha ido evolucionando hacia modelos básicos debido a su éxito en otras áreas de la inteligencia artificial (IA). En particular, hemos sido testigos del éxito de estos enfoques en el procesamiento del lenguaje natural (PNL). La cadencia del desarrollo de modelos fundacionales se ha ido acelerando con el tiempo. Cada mes se lanza un modelo de lenguaje grande (LLM) nuevo y más potente. Esto no se limita a la PNL. También vemos un patrón creciente similar en la visión por computadora. Modelos de segmentación como el Segment Anything Model (SAM) de Meta [1] Puede identificar y segmentar con precisión objetos en imágenes invisibles. Modelos multimodales como LLaVa [2] o Qwen-VL [3] Puede manejar texto e imágenes para responder cualquier pregunta del usuario. La característica común entre estos modelos es que pueden realizar inferencias precisas de disparo cero, lo que significa que no necesitan ser entrenados en sus datos para tener un rendimiento excelente.
Definir qué es un modelo fundamental y qué lo diferencia de los enfoques tradicionales probablemente sea beneficioso en este momento. En primer lugar, un modelo fundamental es a gran escala (es decir, su formación), lo que proporciona una comprensión amplia de los principales patrones y matices importantes que podemos encontrar en…