Un gruppo di collaborazione tra l’Università di Montréal, il laboratorio CERC-AAI, ServiceNow e Morgan Stanley ha creato Lag-Llama. Questo è un nuovo modello gratuito per prevedere le serie temporali, cioè sequenze di dati che cambiano nel tempo.
Recentemente, i modelli di base hanno migliorato molto la comprensione del linguaggio umano e il riconoscimento di immagini, ma non sono stati molto usati per prevedere serie temporali. Lag-Llama vuole cambiare questo, usando un tipo speciale di architettura chiamata “trasformatore”, che si basa solo sulla decodifica e utilizza ritardi nei dati per fare previsioni più accurate.
Lag-Llama è stato allenato su un’ampia varietà di dati di serie temporali da settori diversi come energia, trasporti, economia, natura, qualità dell’aria e gestione dei servizi cloud. In totale, ha usato 27 gruppi di dati, con quasi 8.000 serie temporali e più di 352 milioni di “token” (pezzi di dati).
Il modello trasforma i dati in token basandosi sui ritardi (punti specifici nel tempo) e sulle date e orari. Il team ha anche sviluppato metodi efficaci per preparare e normalizzare i dati prima di allenare il modello.
Lag-Llama ha superato altri metodi di apprendimento profondo quando si tratta di lavorare con dati mai visti prima, rendendolo uno dei migliori modelli per le previsioni delle serie temporali. Può essere utilizzato in molti campi diversi, come la medicina, le scienze naturali, la finanza, il clima, il commercio, l’ecologia e l’energia. La sua capacità di adattarsi bene anche quando ci sono pochi dati lo rende molto utile per molti tipi di applicazioni.