Google ngày 1/9 (giờ địa phương) công bố TimesFM-3, mô hình trí tuệ nhân tạo (AI) chuyên dự báo chuỗi thời gian đa biến. Mô hình có thể phân tích đồng thời nhiều dữ liệu như doanh thu, lượng khách và thời tiết, đồng thời hỗ trợ dự báo zero-shot, tức có thể áp dụng ngay cho dữ liệu mới mà không cần huấn luyện bổ sung.

Theo Gigazine, TimesFM-3 là phiên bản mới nhất trong dòng mô hình nền tảng dự báo chuỗi thời gian do Google phát triển từ năm 2024. Nếu TimesFM-2.5 chủ yếu xử lý một chuỗi thời gian đơn lẻ, TimesFM-3 được thiết kế để dự báo cùng lúc nhiều biến đầu ra, kết hợp dữ liệu lịch sử, dữ liệu hỗ trợ và cả những yếu tố bên ngoài đã biết trước như lịch trình hay thời tiết.

Google đưa ra ví dụ về bài toán dự báo doanh số kem. Người dùng có thể nhập đồng thời dữ liệu doanh số trong quá khứ, lượng khách, dự báo thời tiết và lịch khuyến mại sắp diễn ra. Theo minh hoạ của hãng, mô hình có thể học mối liên hệ giữa khuyến mại và doanh thu để ước tính doanh số tăng khoảng 20% trong mỗi ngày có sự kiện. Google lưu ý đây chỉ là ví dụ mô phỏng cơ chế hoạt động, không phản ánh kết quả kinh doanh thực tế của doanh nghiệp.

TimesFM-3 có quy mô khoảng 330 triệu tham số và được tiền huấn luyện trên hơn 1.000 tỷ điểm dữ liệu chuỗi thời gian, bao gồm cả dữ liệu thực và dữ liệu tổng hợp. Google cho biết mô hình có thể học mối quan hệ giữa nhiều chuỗi thời gian mà không cần tinh chỉnh riêng cho từng tác vụ. Hãng cũng áp dụng kiến trúc phi tự hồi quy, nghĩa là thay vì tạo lần lượt toàn bộ chuỗi dự báo trong tương lai, mô hình tính toán chỉ với một lần lan truyền thuận. Cách tiếp cận này được cho là giúp giảm độ trễ và hạn chế hiện tượng sai số tích lũy trong quá trình dự báo lặp.

Về hiệu năng, Google đánh giá TimesFM-3 trên ba bộ benchmark công khai gồm GIFT-Eval, FEV-Bench và TIME. Theo hãng, mô hình này dẫn đầu về xếp hạng trung bình ở cả dự báo điểm và dự báo xác suất khi so với các mô hình nền tảng dự báo chuỗi thời gian đã được tiền huấn luyện. Ở bài toán đơn biến, kết quả tương đương hoặc nhỉnh hơn các đối thủ, trong khi ở bài toán đa biến, mức cải thiện thể hiện rõ hơn.

Hiện TimesFM-3 đã được phát hành trên GitHub và Hugging Face. Mã nguồn sử dụng giấy phép Apache 2.0, nhưng phần trọng số tiền huấn luyện đi kèm giấy phép phi thương mại hóa riêng. Điều đó đồng nghĩa mô hình không thể được dùng trực tiếp cho dịch vụ thương mại hoặc môi trường vận hành thực tế.

Google cho biết sẽ tích hợp TimesFM-3 vào BigQuery trong vài tuần tới. Với doanh nghiệp, khả năng dự báo đồng thời các chỉ số có liên hệ chặt chẽ như doanh thu, nhu cầu, tồn kho và lưu lượng truy cập mà không cần tự huấn luyện mô hình riêng có thể trở thành một lựa chọn đáng chú ý.