AI News
Google Researchが発表した時系列予測モデル「TimesFM-3」：多変量データに対応したゼロショット予測の新境地
📝 概要
Google Researchは、複雑な時系列データから将来の数値を予測する最新AIモデル「TimesFM-3」を公開しました。本モデルの重要性は、売上や天候といった複数の変数を同時に扱う「多変量予測」を、追加学習なしの「ゼロショット」で実現した点にあります。1兆を超えるデータポイントで事前学習されており、従来の単一データに基づく予測よりも高精度な分析が可能です。実務における需要予測やリソース管理の効率を大幅に向上させる、時系列予測の基盤モデル（Foundation Model）として期待されています。
📋 詳細レポート
多変量予測への進化と技術的背景
Googleは2024年から時系列予測AI「TimesFM」シリーズを展開していますが、従来のモデルは主に1種類のデータ（単変量）から未来を推測するものでした。最新の「TimesFM-3」では、複数の異なるデータ群を統合して分析する「多変量予測」に新たに対応しました。 本モデルは、実データと人工データを組み合わせた1兆以上のデータ点、および約3億3000万個（330M）のパラメーターを用いて事前学習されています。この膨大な学習量により、未知のデータに対しても即座に高精度な予測を行う「ゼロショット予測」が可能となりました。
主要機能と特徴
- 多変量予測（Multivariate Forecasting）: 過去の売上だけでなく、客足、天気、キャンペーン予定といった複数の要因を同時に読み込み、それらの相関関係を考慮した予測を行います。
- ゼロショット予測: 特定の業務データに合わせた追加学習（ファインチューニング）を必要とせず、データを入力するだけで即座に将来予測を出力できます。
- 一括予測アーキテクチャ: 未来の数値を一つずつ順番に予測するのではなく、指定期間の数値を1回の処理でまとめて算出します。これにより処理速度が向上し、予測の繰り返しによる誤差の蓄積も抑制されます。
活用シーンと予測精度
具体的な活用例として、アイスクリームの売上予測が挙げられます。過去の売上実績に加えて「キャンペーン実施日」などの外部要因をTimesFM-3に与えることで、キャンペーン時に売上が約20％増加するといった精緻な予測が導き出されます。 性能評価においても、「GIFT-Eval」「FEV-Bench」「TIME」という3つの主要ベンチマークで、比較対象の事前学習済みモデルを上回るトップクラスの成績を収めています。特に、将来の具体的な数値を当てる「点予測」と、予測の振れ幅を示す「確率予測」の両面で高い評価を得ているのが特徴です。
今後の展望と利用条件
TimesFM-3は現在、GitHubおよびHugging Faceで公開されています。ソースコードはApache License 2.0で提供されていますが、事前学習済みモデルについては非商用ライセンスが設定されており、現時点では本番環境や商用利用には制限がある点に注意が必要です。 Googleは今後数週間以内に、同社のデータ分析プラットフォーム「BigQuery」へTimesFM-3を統合する予定です。これにより、企業が蓄積している大規模データを用いた高度な時系列分析が、より身近なものになると予想されます。