Butikker planlægger tilbud efter vejrudsigten

Google har lanceret TimesFM-3, en model til at forudsige fremtiden, der bruger både fortid og kendte fremtidige begivenheder. Den laver hele forudsigelsen på én gang, så den bliver hurtigere, billigere og samler færre fejl. Nu kan brugere lave billigere og mere stabile forudsigelser længere ud i fremtiden.

Hvad nu hvis en vejrudsigt kunne tænke fremtiden med ind i regnestykket? Google har lavet en ny prognosemodel, som prøver netop det. Den hedder TimesFM-3. En prognosemodel er et computerprogram, der gætter på fremtiden ud fra tal. Den har 330 millioner parametre. Parametre er små indstillinger, lidt som skruer man kan dreje på, der afgør hvordan programmet regner. Den arbejder med tidsserier. En tidsserie er blot målinger over tid, som temperaturen dag for dag. Modellen kobler tidsserier med viden om fremtiden.

Den læser historiske forløb sammen med relaterede data. Det er for eksempel salgstal set i lyset af vejr og rabatter. Fremtiden afhænger jo sjældent af fortiden alene. Tænk på en købmand, der planlægger is-salg. Han kigger ikke kun på sidste uges salg. Han kigger også på vejrudsigten og på om der kommer tilbudskampagne. Kendte begivenheder får en fast plads i regnestykket. Det gælder tilbudskampagner og vejrudsigter, som ligger fast før prognosen laves. Modellen tager dem med som input i stedet for at gætte sig til dem. Input betyder her de oplysninger, man giver programmet på forhånd.

TimesFM-3 arbejder ikke trin for trin. Den udfylder alle fremtidige tidspunkter i ét hug, lidt som at male en hel mur på én gang i stedet for mursten for mursten. Det skærer ned på regnetiden. Metoden samler også færre fejl op undervejs. Ved trinvise prognoser bygger hvert gæt på det forrige, og fejlene vokser, lidt som i legen hvisk i øret. Den kæde forsvinder, når hele forløbet laves på én gang. Google Research står bag modellen. Den er tredje version i TimesFM-serien og fortsætter arbejdet med prognoser, der bruger både fortid og kendt fremtid. For brugeren er gevinsten praktisk. Kortere regnetid betyder billigere prognoser. Færre følgefejl betyder mere stabile tal længere ude i fremtiden.