Google Research가 시계열 데이터로부터 미래를 예측하는 AI 모델 'TimesFM-3'를 공개했습니다. TimesFM-3는 매출이나 방문객 수, 날씨 등 시간에 따라 변화하는 여러 데이터를 종합적으로 읽어 들여 미래의 수치를 예측할 수 있는 AI입니다. 1조 개가 넘는 데이터 포인트를 포함한 대량의 시계열 데이터로 사전 학습되어 있으며, 추가 학습 없이 사용할 수 있는 점이 특징으로 꼽힙니다. TimesFM-3: A zero-shot foundation model for multivariate forecastinghttps://www.research.google/blog/timesfm-3-a-zero-shot-foundation-model-for-multivariate-forecasting/
시계열 예측은 과거의 데이터를 바탕으로 미래를 예측하는 기술입니다. 예를 들어 지난 수개월간의 매출로부터 다음 달의 매출을 예측하거나, 과거의 접속자 수로부터 향후 서버 부하를 추정할 수 있습니다. 하지만 실제 매출이나 수요는 과거의 숫자만으로 결정되는 것이 아니며, 예를 들어 아이스크림이라면 기온이나 방문객 수, 세일 일정 등에 따라 판매량이 달라집니다. 보다 정확하게 예측하기 위해서는 여러 정보를 종합적으로 고려해야 합니다.
Google은 2024년부터 시계열 예측 AI 'TimesFM' 시리즈를 공개해 오고 있습니다. 기존의 TimesFM은 주로 1가지 종류의 시계열 데이터로부터 미래를 예측하는 방식이었으나, TimesFM-3에서는 여러 데이터를 동시에 다루는 '다변량 예측'에 새롭게 대응했습니다. 예를 들어 아이스크림 매출을 예측하는 경우, 과거의 매출이나 방문객 수 외에도 향후 기상 예보나 캠페인 일정 등도 TimesFM-3에 입력됩니다. TimesFM-3는 각 데이터 간의 관계를 파악한 후 미래의 매출을 예측합니다. 아래 이미지는 Google이 공개한 아이스크림 매출 예측 예시입니다. 그래프에서는 빨간색 선이 매출만 사용한 예측, 파란색 선이 캠페인 일정까지 고려한 TimesFM-3의 다변량 예측을 나타냅니다. 주황색 부분이 캠페인 진행일입니다. 캠페인을 실시한 날에 매출이 증가했던 과거 경향을 TimesFM-3가 파악하여, 미래의 캠페인 진행일에 매출이 약 20% 증가할 것으로 예측하고 있습니다.
TimesFM-3는 약 3억 3000만 개(330M)의 파라미터를 보유하고 있으며, 실세계 데이터와 인공적으로 생성한 데이터를 합쳐 1조 개가 넘는 데이터 포인트로 사전 학습되었습니다. 대량의 데이터로부터 다양한 변화 패턴을 미리 학습했기 때문에, 새로운 데이터를 입력했을 때 추가 학습 없이 예측할 수 있는 '제로샷 예측'을 지원합니다. 예측 속도를 향상시키는 메커니즘도 도입되었습니다. 기존 버전은 미래의 수치를 조금씩 순차적으로 예측했으나, TimesFM-3는 예측하려는 기간의 수치를 1회의 처리로 일괄 예측합니다. Google에 따르면 처리 시간을 단축할 수 있을 뿐만 아니라, 예측을 반복함에 따라 오차가 누적되는 문제도 방지할 수 있다고 합니다.
Google은 TimesFM-3를 'GIFT-Eval', 'FEV-Bench', 'TIME'이라는 3가지 공개 벤치마크로 평가했습니다. Google에 따르면, 비교한 사전 학습된 시계열 예측 모델 중에서 미래의 값을 맞히는 '점 예측'과 예측의 범위를 포함해 평가하는 '확률 예측' 모두에서 최고 평균 순위를 기록했다고 합니다. 다음은 GIFT-Eval의 결과입니다. 가로축은 점 예측, 세로축은 확률 예측의 평균 순위로, 왼쪽 아래에 있을수록 좋은 성적입니다. 주황색이 TimesFM-3의 결과를 나타내고 있으며, '★' 표시가 붙은 다변량 모드와 붙지 않은 단변량 모드 모두 비교 대상 모델보다 왼쪽 아래에 위치해 있습니다.
다음은 FEV-Bench의 결과입니다. GIFT-Eval과 마찬가지로 왼쪽 아래일수록 좋은 성적이며, TimesFM-3의 다변량 모드가 점 예측과 확률 예측 모두에서 가장 좋은 평균 순위를 나타내고 있습니다.
다음은 TIME의 결과입니다. TimesFM-3의 다변량 모드가 가장 왼쪽 아래에 위치해 있으며, 단변량 모드 역시 비교 대상 모델보다 좋은 평균 순위를 기록하고 있습니다.
TimesFM-3는 기사 작성 시점에 GitHub과 Hugging Face에서 입수 가능합니다. 참고로 소스 코드는 Apache License 2.0으로 공개되어 있지만, TimesFM-3의 사전 학습된 모델에는 별도의 비상업적 라이선스가 설정되어 있어 상업적 이용이나 프로덕션 환경에서의 이용은 허용되지 않습니다. Google은 TimesFM-3를 수 주 이내에 데이터 분석 서비스 'BigQuery'에 통합할 예정이라고 밝혔습니다. GitHub - google-research/timesfm: TimesFMhttps://github.com/google-research/timesfmgoogle/timesfm-3.0-pytorch · Hugging Facehttps://huggingface.co/google/timesfm-3.0-pytorch
원문 보기 | 출처: Gigazine