TimesFM-3は多変量予測に進化、商用利用できない落とし穴

Google Researchの8月31日の発表 によると、TimesFM-3は3億3000万パラメータの時系列基盤モデルで、GitHubとHugging Faceで公開された。TimesFM-2.5までの単変量中心の設計を改め、複数の目的系列と共変量を組み合わせた予測を、タスクごとの追加学習なしで実行できる。

ただし、公開されたチェックポイントを企業の需要予測や顧客向けサービスへそのまま組み込むことはできない。TimesFM-3のライセンス本文 は、利用を商業的利益、収益創出、本番展開に結び付かないテスト、評価、研究に限定している。技術的には取得して試せても、公開重みを商用・本番用途へ移すにはGoogleから別の商用ライセンスを得る必要がある。

TimesFM-2.5との違いは「系列を共同で読む」こと

TimesFM-3の中心的な変更は、予測対象を互いに独立した一本ずつの系列として処理するのではなく、関連する複数系列を同時に推論できるようにした点だ。小売需要なら、複数ブランドや関連商品の販売数を共同で扱い、系列間の関係を参照しながら各商品の点予測と確率予測を生成できる。

入力には三つの役割がある。将来値を求める複数の目的系列、客数や実測センサー値のように過去区間だけで利用できる共変量、そして休日、確定済みの販促日程、料金表、予測時点で入手済みの天気予報など、予測期間についても既知の共変量だ。

将来既知の共変量とは、後から判明した実測値を入力できるという意味ではない。たとえば需要予測を6月末に行うなら、その時点で保存されていた7月の販促計画や天気予報を使う必要があり、7月終了後に確定した実績値を渡せば将来情報の漏洩になる。

モデル内部では、時系列を32時点単位のパッチに分け、各系列の時間方向を見る因果的注意と、同じ時点にある系列間を見る注意を交互に適用する。TimesFM-2.5で外部変数を使う場合に必要だった別の回帰処理とは異なり、TimesFM-3は目的系列と二種類の共変量を事前学習済みモデルの入力構造として扱う。

予測期間を一度に生成し、九つの分位点も返す

推論方式も変わった。従来版は予測パッチを順番に生成していたが、TimesFM-3は予測期間全体にマスク済みのプレースホルダーを置き、一回のフォワードパスで全パッチを埋める。目的系列と過去限定の共変量は将来部分を隠す一方、予定済みイベントなどの将来既知の共変量は参照可能な状態に保つ。

この非自己回帰方式では、次のパッチを出すために直前の予測を再入力する反復処理がない。そのため、逐次推論による待ち時間を減らし、初期の予測誤差が後続パッチの入力として伝わる経路もなくせる。ただし、一回で生成すること自体が精度向上を保証するわけではない。

各目的系列については点予測に加え、10パーセンタイルから90パーセンタイルまで九つの分位点を各時点で出力する。単一の予測値だけでなく不確実性の範囲を扱えるが、分位点が出ることと、その区間が自社データで正しく校正されていることは別問題である。

ベンチマーク首位はGoogleの集計条件で読む

GoogleはGIFT-Eval、FEV-Bench、TIMEの三つの公開ベンチマークについて、比較対象となった事前学習済み基盤モデルの中で、TimesFM-3が点予測と確率予測の双方で最良の平均順位を得たとしている。単変量モードでも比較対象と同等以上となり、系列間情報や共変量を使う多変量モードでは集計順位がさらに改善したという結果だ。

一方、TSFM.aiの公開直後の分析 は、発表資料のグラフがタスク横断の平均順位を示す一方、効果量を判断できる完全なタスク別スコア表や、新たな論文でのアブレーション結果は提示されていないと指摘する。平均順位だけでは、多くのタスクで僅差だったのか、一部のデータセットで大きな差が付いたのかを区別できない。

したがって、公開ベンチマークの首位を自社データでの精度保証と読み替えることはできない。需要予測で評価するなら、予測起点を時間順にずらすローリング検証を行い、季節ナイーブ法、現在の運用モデル、TimesFM-3の単変量モードと多変量モードを同じ予測期間で比較する必要がある。

評価指標も平均絶対誤差だけでは足りない。分位点損失や予測区間の被覆率を確認し、販促や天気予報を加えた場合は、各予測起点で実際に入手できた版のデータだけを使う。これにより、系列間情報による改善と、後から更新された共変量の混入による見かけの改善を分けられる。

公開重みは評価用、商用・本番導入には別許諾

導入判断では、取得できることと展開できることを分ける必要がある。TimesFM-3の公開ライセンスが認める社内ベンチマークも、その結果を商業上の意思決定、顧客向け成果物、有料製品やサービスに用いない場合に限られる。売上予測や発注判断に出力を直接使う運用は、単なる社内利用という理由だけでは非商用目的にならない。

制限は、公開チェックポイントを調整、再学習、微調整した派生モデルにも及ぶ。ライセンスは出力自体を派生モデルとは扱っていないものの、商用・本番目的でモデルや出力を利用する行為を禁じているため、重みを社内サーバーに置けば問題が解消するわけでもない。

一方、ライセンス本文は、API経由の利用には別の条件が適用される可能性があるとしている。これは公開重みの商用利用を認める規定ではなく、将来別の提供経路が用意された場合には、そのサービス固有の規約を確認すべきだという区別である。

現時点でTimesFM-3は、関連商品の需要、過去の客数、将来の販促や天気予報を一つのモデルで扱える有力な評価候補になった。しかし、公開重みを日本企業の商用需要予測へ直接投入できる状態ではない。今後の焦点は、公開チェックポイントによる独立した再現結果と、自社データでの時間順検証、そして商用ライセンスまたは別サービスが提示される場合の具体的な利用条件となる。