Googleが複数のデータから未来を予測するAI「TimesFM-3」を発表：追加学習不要の多変量予測を実現
Google Researchは、売上や天気、客足など、時間とともに変化する複数のデータをまとめて読み込み、将来の数値を高精度で予測できるAIモデル「TimesFM-3」を公開しました。このAIは、単なる過去のデータ分析に留まらず、複数の要因が絡み合う複雑な現実世界の現象の予測を可能にした点が画期的です。
TimesFM-3は、売上予測やサーバー負荷見積もりなど、時系列予測の分野で利用されます。従来の予測モデルが単一のデータ（例：過去の売上のみ）に依存していたのに対し、TimesFM-3は「多変量予測」に対応し、複数のデータを同時に考慮します。例えば、アイスクリームの売上を予測する際、過去の売上データに加え、「天気予報」「キャンペーン予定」「客足」といった複数の外部要因を組み込むことで、より精度の高い予測（例：キャンペーン実施による売上約20%増の予測）を可能にします。
本モデルの最大の特徴は、1兆点を超える膨大なデータ点（実データと人工データを含む）で事前学習されているため、新しい種類のデータが与えられても追加の学習（追加学習）が不要な「ゼロショット予測」に対応している点です。また、約3億3000万個のパラメーターを持ち、予測期間の数値を一度にまとめて処理することで、処理速度の向上と、予測を繰り返す際に生じる誤差の蓄積を防ぐ仕組みも導入されています。
Googleが実施した「GIFT-Eval」「FEV-Bench」「TIME」の3つのベンチマーク評価において、TimesFM-3の多変量モードは、点予測（単一の値を予測）と確率予測（予測の幅を考慮）の両方で、比較対象モデルを上回る平均順位を記録し、その高い性能が実証されました。Googleは今後、このTimesFM-3をデータ分析サービス「BigQuery」へ数週間以内に統合する予定であり、企業のデータ分析基盤に大きな変革をもたらすと期待されています。
背景
時系列予測は、過去のデータパターンから未来の動向を予測する重要な技術です。しかし、実際の売上や需要は、単なる過去の数字だけでなく、天候やイベントなど複数の外部要因に影響されます。Googleは、この複雑な現実世界のデータパターンを捉えるため、従来の単変量予測の限界を超えた多変量予測AIの開発を進めてきました。
重要用語解説
- 時系列予測: 過去のデータ（時系列データ）のパターンを分析し、時間的な流れに基づいて未来の数値を予測する技術。売上予測や株価予測などに用いられます。
- 多変量予測: 複数の異なる種類のデータ（例：売上、気温、客足）を同時に取り込み、それらの相互関係を考慮しながら未来の値を予測する高度な手法。
- ゼロショット予測: モデルが学習時に見たことのない新しいデータやパターンが与えられても、追加の学習を行うことなく、高い精度で予測を行う能力のこと。
今後の影響
TimesFM-3の登場は、ビジネスや科学分野におけるデータ分析の精度を飛躍的に向上させます。単なる過去の傾向分析から、複数の要因を統合した「因果関係に基づいた予測」が可能になるため、小売、気象、サプライチェーン管理など、多角的なデータ活用が求められるあらゆる産業の意思決定プロセスに革命的な影響を与えることが予想されます。