Streamhouse:時系列モデルが新たな活用のフロンティアを開く

Streamhouse:時系列モデルが新たな活用のフロンティアを開く
1 分の読書

IBMとConfluentは、時系列のためのファウンデーションモデルとストリーミングデータを近づけます。 クラウドでもオンプレミスでもConfluentにネイティブ統合されたこれらのモデルは、4つのモデルファミリーと5,000万回以上のダウンロードを誇り、GPU(グラフィックスプロセッシングユニット)なしでCPUプロセッサ上で動作します。

あらゆる企業は、機械の測定値、支払い、販売、注文、在庫変動といった観測値の連続的なストリームを生成します。これらの時系列データには、次に起こることを予測するのに役立つシグナルが含まれています。課題は、それらがまだ意味を持つ間に、それらを意思決定に変換することです。生産ラインの停止、在庫切れ、支払い承認の後に届く予測は正確であっても、結果に影響を与えるには遅すぎる可能性があります。

テキスト、画像、文書ですでにおなじみのファウンデーションモデルは、数値データにも同様の考え方を適用します。それらは多様な履歴データから一般的な傾向を学習し、その知識を新しい時系列に適用します。これにより、各時系列ごとに個別のモデルをトレーニングすることなく、出発点を提供できます。タスクとデプロイメントに応じて、チームはモデルを微調整(ファインチューニング)したり、その結果を他のデータやビジネスロジックと組み合わせたりすることもできます。

具体的には、モデルは組み込み関数としてConfluent内で直接実行されます。Confluent Cloudでは、それらは完全に管理され、デプロイメントは一切不要です。オンプレミスでは、Confluent Platform for Apache Flinkを利用して企業のインフラストラクチャ上で実行できます。データストリーム処理エンジンであるFlinkは、SQLを使用して、予測、異常検知、セマンティックインテリジェンスを継続的なデータに適用することを可能にします。

リアルタイムコンテキストのためのStreamhouse

企業は継続的に運営されていますが、情報はしばしば異なるタイミングで更新されるシステム間で分散していたり、定期的なバッチ処理に依存していたりします。Streamhouseは、この現在のビジネスコンテキストを継続的に捕捉、処理、ガバナンス、提供することを目指しています。ConfluentのData Streaming Platformは、connect、stream、process、govern、queryという5つの機能を統合します。Apache Flinkはデータが流れる中でデータを変換・エンリッチし、Lightning Tablesは現在の状態への低遅延(非常に短い応答時間)アクセスを提供します。

時系列モデルは、大規模言語モデル、統計モデル、専門的な機械学習システムと並んで、このアーキテクチャに追加されます。記事で説明されているユースケースは、この組み合わせを例示しています。アイスクリームの生産ラインでは、品質はオーバーラン、つまり混合物に取り込まれる空気の量に依存します。事前学習済みのTTMモデルは、SCADAデータと品質管理測定値を10分ごとに読み取り、4時間先の合格バッチの割合を確率的な範囲とともに予測します。この予測が工場の目標値を下回るとき、最適化プロセスが引き出し温度とエアーフローの組み合わせを評価します。オペレーターが推奨される設定値を承認します。

流通業界では、提示された例では、AI_FORECAST関数がP10–P90の範囲を持つ28日間の需要予測を生成し、新しい販売データが入るたびに更新されます。計画アプリケーションが再発注点を計算し、エージェントが承認待ちの注文書を準備できます。銀行業界では、各支払いは、カードの履歴に基づく予想支出範囲と比較されます。この範囲外の取引は既存の不正検知システムに渡され、支払いを承認したり、追加認証を要求したり、さらなる審査を行ったりできます。トレーディングでは、PatchTST-FMモデルが、1分足ごとに次の30分間の取引量を予測します。

あらゆる業界で、Streamhouseは同じ仕事をします:FlinkがGraniteモデルを実行して予測、検知、最適化を行い、ストリーミングエージェントがライブコンテキストに基づいて行動し、人間が例外を承認します。

S’abonner
Notification pour
guest

0 Commentaires
Le plus ancien
Le plus récent Le plus populaire
0
Nous aimerions avoir votre avis, veuillez laisser un commentaire.x