கூகுளின் TimesFM-3 வளைவுக்கு அப்பால் பார்க்கிறது

கூகுள் ரிசர்ச், நேரத் தொடர்களில் — தினசரி விற்பனை எண்ணிக்கைகள், போக்குவரத்து எண்ணிக்கைகள் அல்லது சென்சார் அளவீடுகளாகத் தோன்றும் வரிசைப்படுத்தப்பட்ட எண் ஓட்டங்கள் — எதிர்கால மதிப்புகளை முன்னறிவிக்கவும், அந்த எண்களைச் சுற்றியுள்ள சூழலை எடைபோடவும் உருவாக்கப்பட்ட TimesFM-3 என்ற முன்னறிவிப்பு மாதிரியை அறிமுகப்படுத்தியுள்ளது. ஒவ்வொரு தரவுத்தொகுப்புக்கும் மீண்டும் கட்டமைக்கப்படும் தனிப்பயன் பொறியியல் திட்டமாக இல்லாமல், முன்னறிவிப்பை ஒரு பொதுப் பயன்பாட்டுத் திறனாக மாற்றும் முயற்சியில் இது மற்றொரு படியாகும்.

உண்மையான முன்னறிவிப்புகள் அரிதாகவே ஒரே மாறியைச் சார்ந்திருக்கும் என்பதே மையக் கருத்து. ஐஸ்கிரீம் விற்பனையை எதிர்பார்க்க முயலும் ஒரு சில்லறை விற்பனை நிறுவனத்தின் உதாரணத்தை கூகுள் முன்வைக்கிறது. கடந்த கால ஐஸ்கிரீம் கொள்முதல் மட்டுமே பார்க்கும் ஒரு மாதிரி பல விஷயங்களைத் தவறவிடும்: வாஃபிள் கோன் மற்றும் சிரப் போன்ற தொடர்புடைய பொருட்களின் விற்பனை, கடைக்கு அருகிலான வரலாற்று நடைபாதை போக்குவரத்து, வானிலை நிலைகள், திட்டமிடப்பட்ட தள்ளுபடி பிரச்சாரங்கள் மற்றும் விடுமுறை நாட்கள் அனைத்தும் தேவையை வடிவமைக்கின்றன. TimesFM-3 அந்தச் சமிக்ஞைகளைத் தனித்தனி பிரச்சினைகளாகக் கருதாமல் ஒரே கணிப்பில் இணைக்கும் வகையில் வடிவமைக்கப்பட்டுள்ளது.

திட்டுகள், இயல்பாக்கம் மற்றும் இரு-திசை டிரான்ஸ்ஃபார்மர்

கட்டமைப்பு ரீதியாக, TimesFM-3 அதன் முன்னோடிகளால் பயன்படுத்தப்பட்ட அதே அடிப்படை வடிவமைப்பான டிரான்ஸ்ஃபார்மர் குடும்பத்திலேயே உள்ளது. ஆனால் நேரத் தொடர் தரவு நெட்வொர்க்கிற்குள் நுழையும் விதத்தில் இது வேண்டுமென்றே தேர்வுகளைச் செய்கிறது. மாதிரிக்கு ஒரு நேரத்தில் ஒரு தரவுப் புள்ளியை உணவளிப்பதற்குப் பதிலாக, இது 32 தொடர்ச்சியான புள்ளிகளை ஒரே திட்டாகக் குழுவாக்குகிறது. அந்தத் திட்டு மாதிரி பகுத்தறியும் அலகாக மாறுகிறது, இது வரிசையைக் குறைத்து, உள்ளூர் வடிவத்தின் பரந்த பார்வையை நெட்வொர்க்கிற்கு வழங்குகிறது.

கூகுள் ஒவ்வொரு தொடரையும் ஒரு பொதுவான அளவுகோலுக்கு இயல்பாக்குகிறது. நேரத் தொடர்கள் மிகவும் வேறுபட்ட அளவுகளில் வருவதால் இது முக்கியமானது — ஒரு நாளைக்கு விற்கப்படும் சில அலகுகள் முதல் ஒரு தொழில்துறை சென்சாரின் மில்லியன் கணக்கான அளவீடுகள் வரை — அவற்றை நேரடியாக ஒப்பிடுவது அர்த்தமற்றதாக இருக்கும். ஒவ்வொரு தொடரையும் ஒரு பகிரப்பட்ட அடிப்படைக்கு அளவிடுவது, மிகவும் வேறுபட்ட துறைகளிலிருந்து வரும் வடிவங்களை மாதிரி ஒப்பிடக்கூடியதாகக் கருத அனுமதிக்கிறது.

பின்னர் செயலாக்கம் இரண்டு மாற்று திசைகளில் இயங்குகிறது. நேர அச்சில், மாதிரி ஒரே தொடருக்குள் வடிவங்களைத் தேடுகிறது, மேலும் எதிர்கால தகவல் கணிப்பில் கசியாமல் இருக்க கடந்த கால மதிப்புகளை மட்டுமே பயன்படுத்துகிறது. தொடர்கள் முழுவதும், இது ஒரு குறிப்பிட்ட தருணத்தில் ஒவ்வொரு மாறியையும் ஒப்பிட்டு, அவை எவ்வாறு தொடர்புடையவை என்பதைக் கற்றுக்கொள்கிறது. அந்த குறுக்கு-தொடர் பார்வையே, ஒரு பொருளின் தள்ளுபடி மற்றொன்றின் விற்பனையை மாற்றுவது போன்ற விளைவுகளை மாதிரி கண்டறிய அனுமதிக்கிறது — ஒற்றை-தொடர் மாதிரி ஒருபோதும் கவனிக்காத ஒரு உறவு.

TimesFM-3 இன் கட்டமைப்பு வரைபடம், ஒவ்வொன்றும் 32 புள்ளிகள் கொண்ட திட்டுகளில் நான்கு நேரத் தொடர்கள், காரண கால கவனம் மற்றும் முழு மாறி கவனம் கொண்ட ஒரு டோக்கன் கட்டம், மற்றும் முன்னறிவிக்கப்பட்ட இலக்கு தொடர்கள் T1 மற்றும் T2 ஆகியவற்றைக் காட்டுகிறது.
நீலம் இலக்கு தொடரைக் குறிக்கிறது, ஊதா வரலாற்று ரீதியாக மட்டுமே அறியப்பட்ட ஒரு மாறியைக் குறிக்கிறது, மற்றும் பச்சை வரவிருக்கும் திட்டுகளை ஏற்கனவே உள்ளடக்கிய அறியப்பட்ட எதிர்கால நிகழ்வின் டோக்கன்களைக் குறிக்கிறது. | படம்: கூகுள்

உள்ளீட்டு அமைப்பின் கூகுளின் விளக்கம் தரவை வண்ண-குறியிடுகிறது: ஒரு நீல இலக்கு தொடர், வரலாற்றிலிருந்து மட்டுமே அறியப்பட்ட ஊதா மாறிகள், மற்றும் வரவிருக்கும் திட்டுகளை ஏற்கனவே உள்ளடக்கிய அறியப்பட்ட எதிர்கால நிகழ்வுகளுக்கான பச்சை டோக்கன்கள்.

கூடுதல் சமிக்ஞையின் மூன்று வகைகள்

கூகுளின் கூற்றுப்படி, TimesFM-3 மூன்று வெவ்வேறு வகையான துணை தரவுகளை ஏற்கிறது.

  • இது கூட்டாக முன்னறிவிக்கும் இணைமாறிகள். மாதிரி பல தொடர்புடைய மாறிகளை ஒரே நேரத்தில் முன்னறிவிக்க முடியும், எடுத்துக்காட்டாக வெவ்வேறு ஐஸ்கிரீம் சுவைகளின் தேவை, ஒவ்வொன்றையும் தனித்தனியாகக் கருதாமல்.
  • வரலாற்று ரீதியாக அறியப்பட்ட மாறிகள். கடந்த கால நடைபாதை போக்குவரத்து போன்ற காரணிகள் நிகழ்காலம் வரை கிடைக்கின்றன, ஆனால் அதற்கு அப்பால் இல்லை, மேலும் மாதிரி அவற்றை சூழலாக இணைக்கிறது.
  • அறியப்பட்ட எதிர்கால நிகழ்வுகள். திட்டமிடப்பட்ட விளம்பரங்கள், தள்ளுபடி அட்டவணைகள் மற்றும் வானிலை முன்னறிவிப்புகள் ஆகியவை ஏற்கனவே நேரம் அறியப்பட்ட நிகழ்வுகள், எனவே மாதிரி அவற்றை வரலாற்றிலிருந்து மட்டும் ஊகிக்காமல் முன்னோக்கிப் பார்க்கும் உள்ளீடுகளாகப் பயன்படுத்த முடியும்.

மூன்றாவது வகையே TimesFM-3 செந்நெறி புள்ளியியல் முன்னறிவிப்பிலிருந்து மிகக் கூர்மையாக வேறுபடும் இடம். ஒரு விளம்பர நாட்காட்டி என்பது கண்டுபிடிக்கக் காத்திருக்கும் ஒரு வடிவம் அல்ல — அது எதிர்காலத்தைப் பற்றிய ஒரு உண்மை. இந்த மாதிரி அத்தகைய உண்மைகளை உள்ளீடாக ஏற்கும் வகையில் வடிவமைக்கப்பட்டுள்ளது.

படிப்படியாக அல்ல, ஒரே கட்டத்தில்

மாதிரியின் முந்தைய பதிப்புகள் ஒரு நேரத்தில் ஒரு தொகுதியாக கணிப்புகளை உருவாக்கின. ஒவ்வொரு புதிய தொகுதியும் முந்தைய கணிப்பின் மீது கட்டப்பட்டது, இது மெதுவானது, கணினி-கனமானது மற்றும் கூட்டு பிழைக்கு ஆளாகக்கூடியது என்று கூகுள் விவரிக்கிறது: வரிசையின் ஆரம்பத்தில் ஒரு சிறிய தவறு அதைத் தொடர்ந்த அனைத்தையும் சிதைக்கக்கூடும். இது தன்னியக்க முன்னறிவிப்பில் ஒரு பரிச்சயமான தோல்வி முறையாகும், அங்கு ஒரு மாதிரி திறம்பட தன் சொந்த வெளியீட்டையே உணவாகக் கொள்கிறது.

TimesFM-3 அந்த சுழற்சியைக் கைவிடுகிறது. இது ஒவ்வொரு எதிர்கால நேரப் படிநிலைக்கும் காலி ஒதுக்கிடங்களை ஒதுக்கி, அவற்றை ஒரே மேற்பார்வையில் நிரப்புகிறது. கூகுள் இதை ஒரே-கட்ட முன்னறிவிப்பு என்று வரையறுக்கிறது, மேலும் நடைமுறை வேறுபாடு ஐஸ்கிரீம் காட்சியில் தெரிகிறது. கடந்த கால விற்பனையை மட்டுமே அறிந்த ஒரு மாதிரி, இன்னும் நடக்காத ஒரு விளம்பரத்தைப் பற்றி அறியாமல், நிலைபெற்ற வாராந்திர தாளத்தைத் தொடரும். TimesFM-3 தள்ளுபடி அட்டவணையைப் பெற்றவுடன், படிப்படியாக முன்னோக்கி நடக்காமல் ஒரே கட்டத்தில் கணிப்பைச் சரிசெய்ய முடியும்.

ஒரு படிநிலைக்கு ஒன்பது மதிப்புகள்: உள்ளமைந்த நிச்சயமற்ற தன்மை

ஒவ்வொரு நேரப் படிநிலைக்கும் ஒரே புள்ளி மதிப்பீட்டை வெளியிடுவதற்குப் பதிலாக, TimesFM-3 ஒரு படிநிலைக்கு ஒன்பது மதிப்புகளை வெளியிடுகிறது. அந்த மதிப்புகள் கணிப்பின் வரம்பையும் நிச்சயமற்ற தன்மையையும் பிடிக்கும் நோக்கத்துடன் உள்ளன — என்ன நடக்க வாய்ப்புள்ளது என்பதை மட்டுமல்ல, மாதிரிக்கு எவ்வளவு நம்பிக்கை உள்ளது என்பதையும் தெரிவிக்கும் ஒரு முன்னறிவிப்பு. திட்டமிடல் நோக்கங்களுக்கு, அந்த வேறுபாடு பெரும்பாலும் ஒரு வெறும் எண்ணை விட மிகவும் பயனுள்ளதாக இருக்கும், ஏனெனில் இது கீழ்நிலை அமைப்புகள் ஆபத்தைப் பற்றி பகுத்தறிய, இருப்பை இடையகப்படுத்த அல்லது திறனை மீதம் வைக்க அனுமதிக்கிறது.

Gift-Eval தரநிலைக்கான சிதறல் வரைபடம், புள்ளி மற்றும் நிகழ்தகவு முன்னறிவிப்புகளுக்கான சராசரி தரவரிசையைக் காட்டுகிறது; TimesFM-3 ஆரஞ்சு நிறத்தில் கீழ் இடதுபுறத்தில் காட்டப்பட்டுள்ளது, Chronos-2, Toto-2.0, TiRex-2, மற்றும் TimesFM-2.5 ஆகியவற்றுக்கு முன்னால்.
கீழ் இடதுபுறம் சிறந்தது. TimesFM-3 ஒரு மாறிக்கு மட்டுப்படுத்தப்பட்டாலும், Gift-Eval-ஐ பெரும் வித்தியாசத்தில் வழிநடத்துகிறது. | படம்: கூகுள்

டிரில்லியன்-புள்ளி அளவில் பயிற்சி, ஜீரோ-ஷாட் பயன்பாடு

இந்த மாதிரி 330 மில்லியன் அளவுருக்களைக் கொண்டுள்ளது மற்றும் ஒரு டிரில்லியனுக்கும் அதிகமான தரவுப் புள்ளிகளைக் கொண்ட உண்மையான மற்றும் செயற்கை நேரத் தொடர்களின் கலவையில் பயிற்சி பெற்றது என்று கூகுள் தெரிவிக்கிறது. அதன் முன்னோடிகளைப் போலவே, இது ஜீரோ-ஷாட் முறையில் இயங்குகிறது: ஒரு புதிய பணிக்கு கூடுதல் பயிற்சி தேவையில்லை. அந்தப் பண்பே இதன் முக்கிய விற்பனைப் புள்ளி. ஒவ்வொரு புதிய முன்னறிவிப்பு பிரச்சினைக்கும் ஒரு லேபிளிடப்பட்ட தரவுத்தொகுப்பைத் தொகுத்து ஒரு மாதிரியைப் பொருத்துவதற்குப் பதிலாக, ஒரு பயனர் TimesFM-3-ஐ ஒரு தொடர் மற்றும் அதனுடன் தொடர்புடைய சமிக்ஞைகளை நோக்கிக் காட்டி பயன்படுத்தக்கூடிய வெளியீட்டை எதிர்பார்க்கலாம்.

ஜீரோ-ஷாட் செயல்திறனே முன்னறிவிப்புக்கான அடித்தள-மாதிரி அணுகுமுறையை முதலில் கவர்ச்சிகரமானதாக்குகிறது. முன்னறிவிப்பு பிரச்சினைகள் எங்கும் உள்ளன — இருப்பு, ஆற்றல் சுமை, பணியாளர் அமைப்பு, தளவாடங்கள், திறன் திட்டமிடல் — ஆனால் ஒவ்வொன்றும் வரலாற்று ரீதியாக அதன் சொந்த குழாய், அதன் சொந்த அம்சங்கள் மற்றும் அதன் சொந்த சரிபார்ப்பு முறையைக் கோரியது. அவற்றின் மீது பொதுமைப்படுத்தும் ஒரே மாதிரி, யார் ஒரு முன்னறிவிப்பு அமைப்பை உருவாக்க முடியும் மற்றும் எவ்வளவு விரைவாக என்பதை மாற்றுகிறது.

பயிற்சி தரவின் பரந்த தன்மை இங்கே அளவுரு எண்ணிக்கையைப் போலவே முக்கியமானது. செயற்கை தொடர்களை உண்மையானவற்றுடன் கலப்பதன் மூலம், எந்த ஒரு துறையும் வழங்கக்கூடியதை விட பரந்த அளவிலான வடிவங்கள், பருவகால தாளங்கள் மற்றும் அதிர்ச்சி முறைகளுக்கு கூகுள் மாதிரியை வெளிப்படுத்த முடியும். அந்தப் பன்முகத்தன்மையே பொதுமைப்படுத்தலுக்கான மூலப்பொருள், மேலும் ஜீரோ-ஷாட் கூற்று 궁극적으로 அதன் மீதே தங்கியுள்ளது.

எண்களுக்கான அடித்தள மாதிரிகள் மீதான பரந்த பந்தயம்

TimesFM-3 இரண்டு போக்குகளின் சந்திப்பில் அமைந்துள்ளது: உரை மற்றும் படங்களுக்கு அப்பால் அடித்தள மாதிரிகளின் அளவீடு, மற்றும் சிறந்த செயல்பாட்டு முன்னறிவிப்புக்கான நீண்டகால தேவை. அப்பாவி புறச்செருகலை ஒரு பயனுள்ள கணிப்பிலிருந்து பிரிப்பது சூழலே என்பது கூகுளின் வரையறை, மேலும் கட்டமைப்பு அந்தக் கூற்றுக்கு நேரடி பதிலாகும் — செயல்திறனுக்காக திட்டுகள், ஒப்பீட்டுக்காக இயல்பாக்கம், உறவுகளுக்காக நேரம் மற்றும் மாறிகள் இரண்டிலும் கவனம், மற்றும் ஒத்திசைவுக்காக ஒரே-கட்ட டிகோடர்.

அந்தக் கலவை குழப்பமான நிஜ-உலக தரவுகள் முழுவதும் நிலைத்திருக்குமா என்பதே திறந்த கேள்வியாக உள்ளது, எந்த ஜீரோ-ஷாட் அமைப்புக்கும் இருப்பது போல. ஆனால் திசை தெளிவாக உள்ளது: முன்னறிவிப்பு ஒரு புள்ளியியல் வேலையாகக் குறைவாகவும், விற்பனை தரவு, வானிலை மற்றும் ஒரு தள்ளுபடி நாட்காட்டி அனைத்தும் ஒரே உள்ளீட்டில் சேர வேண்டிய ஒரு பொதுவான பகுத்தறிவு பணியாகவும் கருதப்படுகிறது. விளம்பரங்களை நடத்தும் சில்லறை விற்பனையாளர்கள், சுமையை சமநிலைப்படுத்தும் பயன்பாடுகள் மற்றும் திறனைத் திட்டமிடும் ஆபரேட்டர்களுக்கு, கவர்ச்சி நேரடியானது — கடந்த ஆண்டின் வரியை நீட்டிப்பதற்கு மட்டுமல்லாமல், ஏற்கனவே நாட்காட்டியில் உள்ள நிகழ்வுகளை எதிர்பார்க்குமாறு மாதிரி கேட்கப்படுகிறது.

இந்தக் கட்டுரை The Decoder இன் செய்தி அறிக்கையை அடிப்படையாகக் கொண்டது. அசல் கட்டுரையைப் படிக்கவும்.

Originally published on the-decoder.com