Pronóstico de series temporales en la era de GenAI: cómo lograr que el aumento de gradiente se comporte como un LLM | por Marco Cerliani | Jul, 2024

Aplicación de la previsión de cero disparos con modelos de aprendizaje automático estándar

Foto por David Menidrey en Dejar de salpicar

El auge de la IA generativa y los modelos de lenguaje de gran tamaño (LLM) ha fascinado al mundo entero y ha iniciado una revolución en varios campos. Si bien el enfoque principal de este tipo de tecnología se ha centrado en las secuencias de texto, ahora se está prestando más atención a la expansión de sus capacidades para manejar y procesar formatos de datos más allá de las entradas de texto.

Al igual que en la mayoría de las áreas de IA, la predicción de series temporales tampoco es inmune a la llegada de los LLM, pero esto puede ser un buen negocio para todos. Se sabe que el modelado de series temporales es más bien un arte, donde los resultados dependen en gran medida del conocimiento previo del dominio y de un ajuste adecuado. Por el contrario, los LLM son apreciados por ser independientes de las tareas, y tienen un enorme potencial para utilizar su conocimiento para resolver tareas variadas que provienen de diferentes dominios. De la unión de estas dos áreas, puede nacer la nueva frontera de los modelos de predicción de series temporales que en el futuro podrán lograr resultados previamente impensables.

[Image by the author]