ИИ-модель Google предсказывает будущее по продажам, погоде и графику скидок

В реальных задачах прогноз редко строится по одной переменной. Google приводит пример розничной сети, которая хочет оценить будущие продажи мороженого. Для этого полезно учитывать продажи вафельных стаканчиков и сиропа, прежнюю посещаемость магазинов, погоду, рекламные кампании со скидками и праздники.

TimesFM-3 построена на архитектуре Transformer, как и предыдущие версии. Модель объединяет 32 последовательные точки данных в один блок и нормализует каждый временной ряд до общей шкалы. Благодаря этому показатели с очень разными масштабами можно напрямую сравнивать.

Модель обрабатывает данные в двух чередующихся направлениях. По временной оси она ищет закономерности внутри одного ряда и использует только прошлые значения, чтобы информация о будущем не попадала в расчёт. Между рядами TimesFM-3 сравнивает все переменные в один и тот же момент и учится находить связи между ними. Так она может определить, как скидка на один товар влияет на продажи другого.

Синим отмечен целевой ряд, фиолетовым — переменная, известная только из исторических данных, а зелёным — известное будущее событие, токены которого уже включают предстоящие обновления

Источник: the-decoder.com

По данным Google, TimesFM-3 содержит 330 млн параметров. Для обучения использовали реальные и синтетические временные ряды, включавшие более 1 трлн точек данных. Как и предыдущие модели семейства, TimesFM-3 переносится на новые задачи без дополнительного обучения.

TimesFM-3 работает с тремя видами дополнительных данных:

Вместо одной точечной оценки модель выдаёт по девять значений на каждый временной шаг. Так она показывает диапазон возможных результатов и неопределённость прогноза.

Прогнозирование за один проход

Предыдущие версии строили прогноз блок за блоком. По словам Google, такой подход был медленным, требовал много вычислений и приводил к накоплению ошибок: каждый следующий результат зависел от предыдущего. TimesFM-3 помечает все будущие временные шаги как пустые и заполняет их за один проход.

На примере продаж мороженого Google показывает разницу между подходами. Модель, которой доступна только история продаж, продолжает обычный недельный шаблон и не видит будущих рекламных акций. Если TimesFM-3 получает расписание скидок, она использует прошлые данные, чтобы оценить их влияние на спрос, и прогнозирует примерно на 20% больше проданных единиц в каждый день акции.

Синий прогноз учитывает график скидок и ожидает примерно на 20 процентов более высоких продаж в отмеченные оранжевым дни акций, тогда как красный прогноз просто продолжает обычную недельную закономерность

Источник: the-decoder.com

TimesFM-3 возглавила три бенчмарка

На Gift-Eval, FEV-Bench и Time TimesFM-3 заняла первое место среди всех предварительно обученных моделей прогнозирования по точности точечных оценок и калибровке неопределённости. Среди конкурентов Google называет Chronos-2 от Amazon, семейство Toto-2.0 и собственную TimesFM-2.5.

В левом нижнем углу — лучше. TimesFM-3 значительно опережает Gift-Eval, даже при ограничении одной переменной

Источник: the-decoder.com

Даже при работе только с одной переменной TimesFM-3 не уступает другим моделям или превосходит их. Добавление дополнительных данных увеличивает разрыв.

TimesFM-3 также занимает первое место на FEV-Bench. Chronos-2 от Amazon приближается к одномерному режиму TimesFM-3, но значительно уступает полной версии

Источник: the-decoder.com

В бенчмарке Time TimesFM-3 снова лидирует, за ним следует семейство Toto-2.0. Его предшественник TimesFM-2.5 значительно отстаёт от остальных

Источник: the-decoder.com

TimesFM-3 уже доступна на GitHub и Hugging Face. В ближайшие недели Google планирует добавить её в BigQuery. Сейчас сервис использует TimesFM-2.5 для прогнозирования по одной переменной через команду ИИ.FORECAST.

С момента запуска семейства в 2024 году Google, по её данным, внедрила модели в розничной торговле, финансах, промышленности, здравоохранении и научных исследованиях. Все версии вплоть до TimesFM-2.5, выпущенной в сентябре 2025 года, могли обрабатывать только один временной ряд за раз. TimesFM-3 впервые получила поддержку нескольких переменных.

Google также разрабатывает модели для прогнозирования за пределами временных рядов. В начале августа Google DeepMind выпустила WeatherNext Cyclones — систему с открытым исходным кодом для прогнозирования тропических циклонов. Она предсказывает траекторию и интенсивность штормов примерно на сутки дальше, чем ведущие оперативные модели.