TimesFM-3 de Google predice el futuro a partir de ventas, clima y promociones

TimesFM-3 de Google mira más allá de la curva

Google Research ha presentado TimesFM-3, un modelo de previsión diseñado para predecir valores futuros en series temporales —los flujos ordenados de números que aparecen como cifras de ventas diarias, conteos de tráfico o lecturas de sensores— mientras también pondera el contexto que rodea a esos números. El lanzamiento marca otro paso en el impulso por convertir la previsión en una capacidad de propósito general en lugar de un proyecto de ingeniería a medida reconstruido para cada conjunto de datos.

La premisa central es que las previsiones reales rara vez dependen de una sola variable. Google ilustra el punto con una cadena minorista que intenta anticipar las ventas de helado. Un modelo que solo observe las compras pasadas de helado se perderá mucho: las ventas de artículos relacionados como conos de waffle y sirope, el tráfico peatonal histórico cerca de la tienda, las condiciones meteorológicas, las campañas de descuento planificadas y los días festivos moldean la demanda. TimesFM-3 está diseñado para integrar esas señales en una sola predicción en lugar de tratar cada una como un problema separado.

Parches, normalización y un Transformer bidireccional

Arquitectónicamente, TimesFM-3 permanece en la familia Transformer, el mismo diseño base usado por sus predecesores. Pero toma decisiones deliberadas sobre cómo los datos de series temporales entran en la red. En lugar de alimentar al modelo un punto de datos a la vez, agrupa 32 puntos consecutivos en un solo parche. Ese parche se convierte en la unidad sobre la que razona el modelo, lo que acorta la secuencia y da a la red una visión más amplia de la forma local.

Google también normaliza cada serie a una escala común. Eso importa porque las series temporales llegan en magnitudes muy diferentes —un puñado de unidades vendidas por día frente a millones de lecturas de un sensor industrial— y compararlas directamente no tendría sentido. Escalar cada serie a una línea base compartida permite al modelo tratar patrones de dominios muy distintos como conmensurables.

El procesamiento luego se ejecuta en dos direcciones alternas. A lo largo del eje temporal, el modelo busca patrones dentro de una sola serie, y solo se apoya en valores pasados para que la información futura no pueda filtrarse en la predicción. Entre series, compara cada variable en un momento dado y aprende cómo se relacionan. Esa visión entre series es lo que permite al modelo captar efectos como que un descuento en un producto desplace las ventas de otro —una relación que un modelo de una sola serie nunca observaría.

La ilustración de Google de la configuración de entrada codifica los datos por colores: una serie objetivo azul, variables púrpura conocidas solo por el historial, y tokens verdes para eventos futuros conocidos cuya representación ya incluye los próximos parches.

Tres tipos de señal adicional

TimesFM-3 acepta tres tipos distintos de datos suplementarios, según Google.

• Covariables que predice conjuntamente. El modelo puede predecir varias variables relacionadas a la vez, como la demanda de diferentes sabores de helado, en lugar de tratar cada una de forma aislada.
• Variables conocidas históricamente. Factores como el tráfico peatonal pasado están disponibles hasta el presente pero no más allá, y el modelo los incorpora como contexto.
• Eventos futuros conocidos. Las promociones planificadas, los calendarios de descuentos y las previsiones meteorológicas son eventos cuyo momento ya se conoce, por lo que el modelo puede usarlos como entradas prospectivas en lugar de inferirlos solo a partir del historial.

Esa tercera categoría es donde TimesFM-3 se aleja más bruscamente de la previsión estadística clásica. Un calendario de promociones no es un patrón esperando ser descubierto —es un hecho sobre el futuro. Este modelo está diseñado para aceptar tales hechos como entrada.

Un solo disparo en lugar de paso a paso

Las versiones anteriores del modelo generaban predicciones bloque a bloque. Cada nuevo bloque se construía sobre la predicción anterior, un enfoque que Google describe como lento, intensivo en cómputo y vulnerable al error acumulativo: un pequeño error al principio de la secuencia podía distorsionar todo lo que seguía. Este es un modo de fallo familiar en la previsión autorregresiva, donde un modelo se alimenta efectivamente de su propia salida.

TimesFM-3 abandona ese bucle. Asigna marcadores vacíos a cada paso temporal futuro y los completa en un solo barrido. Google lo enmarca como previsión de un solo disparo, y la diferencia práctica se muestra en el escenario del helado. Un modelo que solo conoce las ventas pasadas simplemente continuará el ritmo semanal establecido, ciego a una promoción que aún no ha ocurrido. Una vez que TimesFM-3 recibe el calendario de descuentos, puede ajustar la previsión en una sola pasada en lugar de avanzar incremento a incremento.

Nueve valores por paso: incertidumbre incorporada

En lugar de emitir una única estimación puntual para cada paso temporal, TimesFM-3 produce nueve valores por paso. Esos valores pretenden capturar el rango y la incertidumbre de la predicción —una previsión que transmite no solo lo que probablemente ocurrirá, sino cuán confiado está el modelo. Para fines de planificación, esa distinción suele ser más útil que un número desnudo, porque permite a los sistemas posteriores razonar sobre el riesgo, amortiguar el inventario o la capacidad de reserva.

Entrenado a escala de billones de puntos, desplegado zero-shot

El modelo tiene 330 millones de parámetros y fue entrenado con una mezcla de series temporales reales y sintéticas que suman más de un billón de puntos de datos, según Google. Como sus predecesores, opera zero-shot: no requiere entrenamiento adicional para una nueva tarea. Esa propiedad es central en la propuesta. En lugar de reunir un conjunto de datos etiquetado y ajustar un modelo para cada nuevo problema de previsión, un profesional puede apuntar TimesFM-3 a una serie y sus señales asociadas y esperar una salida utilizable.

El rendimiento zero-shot es también lo que hace atractivo en primer lugar un enfoque de modelo fundacional para la previsión. Los problemas de previsión están por todas partes —inventario, carga energética, dotación de personal, logística, planificación de capacidad— pero cada uno exigía históricamente su propio pipeline, sus propias características y su propio régimen de validación. Un único modelo que generaliza entre ellos cambia quién puede construir un sistema de previsión y con qué rapidez.

La amplitud de los datos de entrenamiento importa aquí tanto como el recuento de parámetros. Al mezclar series sintéticas con reales, Google puede exponer el modelo a una variedad más amplia de formas, ritmos estacionales y patrones de shock de la que cualquier dominio único podría proporcionar. Esa diversidad es la materia prima para la generalización, y es en lo que en última instancia se basa la afirmación zero-shot.

La apuesta más amplia por los modelos fundacionales para números

TimesFM-3 se sitúa en la intersección de dos tendencias: el escalado de modelos fundacionales más allá del texto y las imágenes, y la demanda de larga data de una mejor previsión operativa. El planteamiento de Google es que el contexto es lo que separa una extrapolación ingenua de una predicción útil, y la arquitectura es una respuesta directa a esa afirmación —parches para la eficiencia, normalización para la comparabilidad, atención tanto en el tiempo como entre variables para las relaciones, y un decodificador de un solo disparo para la coherencia.

Si esa combinación resiste en datos del mundo real desordenados sigue siendo la pregunta abierta, como lo es para cualquier sistema zero-shot. Pero la dirección es clara: la previsión se trata menos como una tarea estadística y más como una tarea de razonamiento general, en la que los datos de ventas, el clima y un calendario de descuentos pertenecen todos a la misma entrada. Para los minoristas que ejecutan promociones, las empresas de servicios públicos que equilibran la carga y los operadores que planifican capacidad, el atractivo es directo —se pide al modelo que anticipe eventos que ya están en el calendario, no solo que extienda la línea del año pasado.

Este artículo se basa en reportajes de The Decoder. Lee el artículo original.