أطلقت شركة IBM نماذج أساسية متخصصة في فهم السلاسل الزمنية، بدعم من أكثر من 44 مليون تحميل، فيما توفر شركة Confluent البيئة اللازمة لتطبيقها على بيانات العمل الحية. يجمع التعاون بين الشركتين بين نماذج ذكاء اصطناعي متقدمة ومنصة بث بيانات في الوقت الفعلي، مما يختصر شهورًا من العمل المعتاد في دمج هذه النماذج في الإنتاج.

تعالج هذه النماذج مشكلة أساسية في صنع القرار: أن معظم التنبؤات تعتمد حاليًا على نماذج إحصائية بسيطة مع حدس الموظفين. الشركات تركز على مئات المتسلسلات ذات القيمة العالية فقط، بينما تغطي الباقي بهوامش أمان تكلفها ملايين الدولارات سنويًا. النموذج الأساسي للسلاسل الزمنية يعمل على أي متسلسلة لم يرها من قبل، ويتنبأ بالقيم القادمة ويكتشف الانحرافات عن السلوك الطبيعي.

تقدم IBM محفظة من أربعة نماذج متكاملة، كل منها مصمم لحالات استخدام مختلفة. PatchTST-FM يقرأ البيانات على طريقة نماذج اللغة، FlowState يحدث ملخصًا ديناميكيًا مع كل نقطة بيانات، TTM يغطي مئات الآلاف من المتسلسلات بمليون معامل فقط، و TSPulse يجمع بين العرض الزمني والترددي للكشف عن الشذوذ والتصنيف. جميع النماذج متاحة عبر دوال SQL في Confluent ويمكن التبديل بينها برمز واحد دون إعادة تصميم الأنابيب.

تطبيقات عملية متعددة تبرز قيمة هذه النماذج: في مصنع الشوكولاتة، يتنبأ النموذج بإنتاج خط الإنتاج ويحذر من الانحرافات قبل ظهور المشاكل، في تجارة التجزئة، يعمل نموذج واحد على مئة ألف صنف دون الحاجة للتدريب المخصص لكل منها، في الاحتيال المالي والعمليات الأمنية، الكشف عن الشذوذ يمنع الخسائر الكبرى.

توفر المنصة الموحدة حكومة ذكاء اصطناعي شاملة مع شفافية الترخيص وتتبع مصدر النماذج. النتائج العملية من التجارب الداخلية والشراكات مع شركات في الإسمنت والصلب والورق والغذاء تشير إلى زيادة إنتاجية بمعدل 5 إلى 10 مرات، مع كل نقطة دقة إضافية تستحق ملايين الدولارات.