Mis on IBM Granite TTM 512-96 R2?
IBM Granite TTM 512-96 R2 on kompaktne alusmudel mitmemõõtmeliste aegridade prognoosimiseks. See kuulub IBM-i Granite Time Seriesi mudeliperre ja kasutab TinyTimeMixeri arhitektuuri, mida sageli lühendatakse kujule TTM. Aegrida on ajas registreeritud vaatlustest koosnev jada – näiteks tunnipõhine energiatarbimine, minutite kaupa mõõdetud liiklusvoog või päevane müük. Prognoosimudelid kasutavad selle jada varasemat osa, et hinnata, mis järgmisena toimub.
Mudel on kavandatud kindla prognoosimisstruktuuri järgi: iga sisendkanali kohta kasutab see 512 varasemat vaatlust ja võib iga sihtkanali jaoks koostada kuni 96 tulevast vaatlust. Kanal võib tähistada üht mõõdetavat muutujat, näiteks temperatuuri või nõudlust. Mitmemõõtmelise töö puhul prognoositakse mitut kanalit koos või kasutatakse neid omavahel seotud signaalidena.
Esitatud mudelikirje kohaselt avaldati Granite TTM 512-96 R2 10. detsembril 2024. See on saadaval IBM watsonx.ai-s ning avatud IBM Granite'i mudelina Hugging Face'is. Avatud mudel on välja antud Apache 2.0 litsentsi alusel.
Milline on selle koht IBM-i mudelikataloogis?
See mudel on IBM-i Granite'i portfelli kuuluv spetsialiseeritud aegridade alusmudel, mitte üldotstarbeline keelemudel. IBM watsonx.ai loetleb selle alusmudelite seas, mida saab kasutada prognoosimistöödeks. Selle kanooniline watsonx.ai mudelitunnus on ibm/granite-ttm-512-96-r2.
Sellele vastav avatud repositoorium on ibm-granite/granite-timeseries-ttm-r2. See repositoorium esindab R2 aegridade mudeliperet, mille 512-96-r2 varianti tähistatakse mudeli versiooni või haru kaudu. See annab kasutajatele kaks peamist juurutusvõimalust: hallatud juurdepääs watsonx.ai kaudu või avatud mudeli iseseisev kasutamine keskkonnas, mis toetab vajalikku prognoosimistöövoogu.
IBM kirjeldab R2 eeltreeninguandmestikku umbes 700 miljonit aegridade näidisest koosnevana. See arv on teenusepakkuja kirjeldus treeningukogumi kohta, mitte täpsuse garantii ühegi konkreetse organisatsiooni andmetel. Prognoosi kvaliteet sõltub endiselt sihtajareast, valimi võtmise sagedusest, andmete ettevalmistusest ja sellest, kas mudelit täiendavalt peenhäälestatakse.
Peamised prognoosimisvõimalused
Granite TTM 512-96 R2 toetab nii null-lähedast ehk zero-shot-prognoosimist kui ka peenhäälestamist. Zero-shot-prognoosimine tähendab, et mudel võib koostada esmase prognoosi ilma, et seda oleks eelnevalt kasutaja konkreetse sihtandmestiku põhjal treenitud. See võib olla kasulik selle kiireks katsetamiseks, kas eeltreenitud mudel tuvastab uues prognoosimisülesandes kasulikke mustreid.
Peenhäälestamine kohandab eeltreenitud mudeli konkreetse aegridade jaotusega. See on sobivam lahendus juhul, kui ettevõttel on ajaloolised andmed ja mudel peab paremini kajastama kohalikku hooajalisust, töötingimusi, andurite käitumist või muid omadusi, mida eeltreeninguandmed täielikult ei esinda.
- Ajalooline sisend: 512 vaatlust kanali kohta.
- Prognoosiväljund: kuni 96 tulevast vaatlust sihtkanali kohta.
- Põhiülesanne: mitmemõõtmeliste aegridade prognoosimine.
- Tüüpiline eraldusvõime: minuti- või tunnipõhised vaatlused.
- Töörežiimid: zero-shot-prognoosimine ja peenhäälestamine.
512 vaatluspunkti pikkune kontekst ja 96 vaatluspunkti pikkune prognoosihorisont on olulised töökorralduslikud piirangud, mitte üldised soovitused. Näiteks tunnipõhiste andmete korral esindavad 512 vaatlust ligikaudu kolme nädala pikkust ajalugu ja 96 prognoositud vaatlust nelja päeva pikkust tulevikku. Minutipõhiste andmete korral hõlmab sama konfiguratsioon tegelikus elus palju lühemat ajavahemikku. Seetõttu sõltub mudeli sobivus sellest, kuidas andmestiku proovivõtuintervall vastab planeerimishorisondile.
Arhitektuur ja andmetöötlus
Mudel kasutab aegridade prognoosimiseks loodud kompaktset dekoodri-tüüpi arhitektuuri TinyTimeMixer. Selle väiksem ülesehitus on mõeldud prognoosimisega seotud arvutuskoormuse vähendamiseks võrreldes suuremate ja ressursinõudlikumate mudelitega. See muudab mudeli asjakohaseks kiire järeldamise, katsetamise ja piiratud riistvararessurssidega juurutuste korral.
Granite TTM-i mudelipere toetab kanalist sõltumatut prognoosimist ning võib peenhäälestamise ajal toetada ka kanalite segamisel põhinevaid lähenemisviise. Lihtsustatult käsitleb kanalist sõltumatu töötlus iga aegrida peamiselt eraldi, samas kui kanalite segamine võib aidata mudelil kasutada mitme signaali vahelisi seoseid, kui vastav eeltöötlus- ja peenhäälestamise töövoog on seadistatud.
Laiem TTM-i teostus sisaldab sobivates peenhäälestamise töövoogudes ka eksogeensete muutujate ja staatilise kategoorilise teabe kasutamise võimalusi. Neid võimalusi ei tohiks tõlgendada kui piiranguteta tuge suvalistele failidele või multimodaalsetele sisenditele. Mudel on endiselt numbriline prognoosimismudel, mille sisendid tuleb ette valmistada aegridade kujul.
Hinnastamine ja juurutamine
IBM-i watsonx.ai arendajakataloogis on hinnaks märgitud 0,13 dollarit 1000 sisendandmepunkti kohta ja 0,38 dollarit 1000 väljundandmepunkti kohta. See on andmepunktipõhine hinnastus, mitte tokenipõhine hinnastus. Sisendandmepunkt on prognoosipäringus esitatud vaatlus, väljundandmepunkt aga prognoositud vaatlus. Tegelikud kulud sõltuvad töödeldavate kanalite ja päringute arvust.
Päringu puhul, mis sisaldab ühe kanali kohta 512 sisendvaatlust ja koostab 96 väljundvaatlust, vastaksid avaldatud hinnad ligikaudu 0,06656 dollarile sisendosa ja 0,03648 dollarile väljundosa eest, enne võimalikke platvormi-, konto- või kasutuspõhiseid lisatingimusi. See näide põhineb avaldatud hindade aritmeetilisel arvutusel ega kujuta endast IBM-i eraldiseisvat hinnalubadust. Mitme kanali korral suureneb töödeldavate andmepunktide arv vastavalt.
Mudelit saab kasutada ka Apache 2.0 litsentsi alusel avatud IBM Granite'i repositooriumi kaudu. Avatud mudeli kasutamine võib vältida hallatud järeldamise tasusid, kuid annab infrastruktuuri, tarkvara seadistamise, skaleerimise, seire ja käitamise toe eest vastutuse kasutajale. IBM nimetab TinyTimeMixerit ka watsonx-i keskkondades aegridade mudelite juurutamiseks toetatud lahendusena.
Tugevused ja kompromissid
Granite TTM 512-96 R2 peamine tugevus on spetsialiseeritus. See on loodud selgelt määratletud prognoosimisülesande jaoks, mitte kohandatud keelemudelist. Selle kindel 512–96 struktuur võib muuta mahutavuse planeerimise ja töövoo kujundamise lihtsaks, eriti juhul, kui organisatsiooni andmed kasutavad loomupäraselt minuti- või tunnipõhiseid intervalle.
Praktiline eelis on ka kompaktne arhitektuur. Mudel on mõeldud suhteliselt kergeks järeldamiseks, sealhulgas sobivates töökoormustes protsessoripõhistes või sülearvutikeskkondades. See võib olla kasulik lähtepunkt juhul, kui suurem prognoosisüsteem oleks tarbetult kallis või aeglane.
Mudel võimaldab liikuda katsetamiselt kohandamiseni. Meeskond võib alustada zero-shot-prognoosidega, hinnata, kas mudel on suuna poolest kasulik, ja seejärel seda peenhäälestada, kui kohalikud andmed ja täpsusnõuded õigustavad lisatööd.
Nende eelistega kaasnevad kindlad piirangud. Mudel ei paku piiranguteta kontekstiakent ega suvalise pikkusega prognoosi. Rakendused, mis vajavad oluliselt pikemat ajaloolist konteksti, üle 96 vaatluspunkti pikkust prognoosihorisonti või teistsugust mudelikonfiguratsiooni, võivad vajada mõnd teist Granite TTM-i versiooni või teistsugust prognoosimislähenemist. Esitatud uuringud ei tõesta võrdlustäpsust konkreetsetel andmestikel, seega tuleks mudelit enne tootmises kasutuselevõttu võrrelda asjakohaste statistiliste ja masinõppe baastasemetega.
Toetatud sisendid ja väljundid ning toetamata ülesanded
Granite TTM 512-96 R2 kasutab numbrilisi aegridade vaatlusi ja koostab numbrilisi prognoose. See ei ole tekstigenereerimise mudel ega paku teksti-, pildi-, video-, heli-, manustamis- ega kõneväljundit. Esitatud mudelispetsifikatsioonide kohaselt ei aktsepteeri see ka pildi-, heli- ega videosisendeid.
Seetõttu ei ole mudelil kinnitatud keelemudelilaadset arutlus- ega kodeerimisvõimekust. Seda ei tohiks valida kirjutamise, programmeerimisabi, dokumendianalüüsi, pildimõistmise, kõnetöötluse ega üldise küsimustele vastamise jaoks. Mudelikirje ei tuvasta selle mudeli puhul ka tööriistade kutsumise, funktsioonide kasutamise, veebotsingu, voogedastuse, JSON-režiimi, vahemällu salvestamise ega pakktöötluse API tuge. Need ei ole Granite TTM 512-96 R2 puhul kontrollitud võimalused ning neid ei tohiks eeldada watsonx.ai platvormi laiemate funktsioonide põhjal.
Selle väljund on prognoos, mitte selgitus. Kui rakendus vajab prognoosi põhjal loomulikus keeles kokkuvõtteid, hoiatusi või soovitusi, on vaja eraldi analüüsi- või keelemudelikomponenti. Süsteemide kombineerimine võib olla kasulik, kuid see ei muuda neid võimalusi Granite TTM 512-96 R2 enda omadusteks.
Parimad kasutusjuhud
Mudel sobib hästi lühikese horisondiga prognoosimiseks juhul, kui olemasolev ajalugu ja soovitud planeerimisaken mahuvad selle 512 vaatluspunkti pikkuse sisendi ning 96 vaatluspunkti pikkuse väljundi piiridesse. Sobivad näited on:
- Elektrinõudluse prognoosimine minuti- või tunnipõhise eraldusvõimega.
- Liiklusvoo või seadmete kasutuskoormuse prognoosimine.
- Tootmise andurite ja operatiivse telemeetria prognoosimine.
- Lühiajaliste müügi- või varudega seotud signaalide prognoosimine.
- Ilmaga seotud numbriliste signaalide prognoosimine.
- Kiire zero-shot-hindamine enne ülesandepõhisesse peenhäälestamisse investeerimist.
See on eriti atraktiivne juhul, kui olulisemad on väike arvutuskoormus, kiire katsetamine või iseseisvalt hallatav juurutus, mitte laia AI-ülesannete valiku toetamine. Apache 2.0 litsentsiga avatud mudel võib olla oluline ka meeskondadele, kes soovivad mudelit oma taristus uurida, kohandada või juurutada, arvestades kohaldatava litsentsi ja käitamise nõuetega.
Millal valida see mudel ja millal mitte?
Valige Granite TTM 512-96 R2 juhul, kui prognoosimisülesanne on numbriline, andmeid kogutakse sobiva minuti- või tunnipõhise sagedusega ning 512 vaatluspunkti pikkusest ajaloost ja kuni 96 prognoositud punktist piisab. See on mõistlik valik ka siis, kui eelistatakse kompaktset mudelit suuremale süsteemile ning väärtuslikud on zero-shot-prognoosimine või keskendunud andmestiku põhjal peenhäälestamine.
Kaaluge muud prognoosimismudelit juhul, kui vajalik tagasivaateperiood või prognoosihorisont on pikem, kui see variant toetab, andmed nõuavad oluliselt teistsugust eraldusvõimet või rakendus vajab numbrilisest prognoosimisest kaugemale ulatuvaid võimalusi. Pikaajaliste sõltuvuste või spetsiaalse prognoosistruktuuri puhul võib sobivam olla suurem või teistsuguse konfiguratsiooniga aegridade mudel. Stabiilsete ja hästi mõistetavate andmestike korral võivad tugevamad baaslahendused olla ka traditsioonilised statistilised meetodid või ülesandepõhised masinõppemudelid.
Teksti-, koodi-, pildi-, heli-, veebiotsingu- või agendiülesannete jaoks on sobivam nendele modaalsustele mõeldud mudel. Granite TTM 512-96 R2 tuleks hinnata keskendunud prognoosimiskomponendina, mitte üldotstarbelise AI-assistendina.
Kokkuvõte
IBM Granite TTM 512-96 R2 on kompaktne ja kitsalt suunatud mudel mitmemõõtmeliste aegridade prognoosimiseks. Selle määravad omadused on 512 vaatluspunkti pikkune sisendkontekst, kuni 96 punkti pikkune prognoosihorisont, zero-shot- ja peenhäälestatud kasutuse tugi ning kättesaadavus nii watsonx.ai kaudu kui ka Apache 2.0 litsentsiga avatud repositooriumis. Spetsialiseeritus ja kerge ülesehitus võivad olla lühikese horisondiga prognoosimisel väärtuslikud, kuid mudeli kindel struktuur ning keele- ja multimodaalsete võimaluste puudumine muudavad töökoormuse hoolika sobitamise oluliseks.