IBM i Confluent uruchamiają modele AI do analizy szeregów czasowych w czasie rzeczywistym

👁 121 przeczytań

IBM i Confluent ogłosiły wspólną integrację, która udostępnia fundacyjne modele do analizy szeregów czasowych (TSFM) bezpośrednio w strumieniach danych - modele działają już w trybie Early Access na Confluent Cloud (AWS), a obsługa Confluent Platform ma nastąpić wkrótce.

Dotychczasowe podejście do prognozowania szeregów czasowych w przedsiębiorstwach wymagało budowania oddzielnego modelu dla każdego zastosowania i miesięcy pracy specjalistów. W praktyce oznaczało to, że firmy modelowały tylko kilkaset najważniejszych sygnałów, a resztę pokrywały zapasami bezpieczeństwa i nadmiarowymi buforami. IBM nazywa ten koszt wprost: to cena decyzji, których nikt nie był w stanie przewidzieć, płacona w każdym cyklu.

Modele fundacyjne zmieniają ten rachunek - wytrenowane raz na zróżnicowanych danych, generalizują na nowe sygnały bez dodatkowego treningu. W praktycznym przykładzie podanym przez IBM: pojedyncza linia produkcyjna w fabryce czekolady może być monitorowana pod kątem prognozy wydajności, wykrywania anomalii i dopasowania do historycznych wzorców - bez udziału działu data science, a ten sam model można natychmiast uruchomić na każdej kolejnej linii w zakładzie.

Modele działają jako funkcje wywoływane z Apache Flink i obejmują cztery możliwości: prognozowanie, wykrywanie anomalii, wyszukiwanie podobnych wzorców w historii oraz optymalizację ustawień pod zadany cel. IBM przetestował je wcześniej we własnych produktach i z partnerami z branży cementu, stali, masy celulozowej, żywności i telekomunikacji. Łącznie modele IBM z tej rodziny mają ponad 44 mln pobrań.

Deklarowane efekty wdrożeń to wzrost produktywności rzędu 5-10x i przesunięcie pracy analitycznej bezpośrednio do ekspertów dziedzinowych - planistów, analityków fraudu czy inżynierów procesowych.

Integracja ze strumieniami Confluent to logiczny krok, bo większość decyzji operacyjnych zapada właśnie tam, gdzie dane płyną na żywo - nie w hurtowni danych.

// czytaj dalejPerplexity uruchamia Collaborative Analysis - zespołowa praca nad badaniami w czasie rzeczywistymPerplexityDuplexSpeechBench-IFEval: jak testować głosowych asystentów AI w czasie rzeczywistymNewsyTS-Debate: wieloagentowa debata LLM nad szeregami czasowymi bez fine-tuninguNewsy