SCT

กำลังเตรียมประสบการณ์ดิจิทัล

IBM ปล่อยโมเดลพยากรณ์อนุกรมเวลา Granite PatchTST-FM-r2 ใช้เชิงพาณิชย์ได้ และทำนายได้ทันทีโดยไม่ต้องเทรนเพิ่ม

IBM ปล่อยโมเดลพื้นฐานสำหรับพยากรณ์อนุกรมเวลาชื่อ Granite Time Series PatchTST-FM-r2 ขนาดราว 385 ล้านพารามิเตอร์ จุดเด่นคือพยากรณ์ได้ทันทีโดยไม่ต้องเทรนเพิ่มกับข้อมูลของแต่ละงาน และให้สัญญาอนุญาตแบบเลือกได้ระหว่าง Apache 2.0 กับ OpenMDW 1.0 ซึ่งใช้เชิงพาณิชย์ได้ บนกระดานวัดผล GIFT-Eval โมเดลนี้อยู่อันดับหนึ่งในกลุ่มโมเดลที่ใช้เชิงพาณิชย์ได้และทำนายแบบไม่ต้องเทรนเพิ่ม

IBM ปล่อยโมเดลพื้นฐานสำหรับพยากรณ์อนุกรมเวลาชื่อ Granite Time Series PatchTST-FM-r2 ขนาดราว 385 ล้านพารามิเตอร์ จุดเด่นคือพยากรณ์ได้ทันทีโดยไม่ต้องเทรนเพิ่มกับข้อมูลของแต่ละงาน และให้สัญญาอนุญาตแบบเลือกได้ระหว่าง Apache 2.0 กับ OpenMDW 1.0 ซึ่งใช้เชิงพาณิชย์ได้ บนกระดานวัดผล GIFT-Eval โมเดลนี้อยู่อันดับหนึ่งในกลุ่มโมเดลที่ใช้เชิงพาณิชย์ได้และทำนายแบบไม่ต้องเทรนเพิ่ม

อนุกรมเวลาคือข้อมูลที่เรียงตามเวลา เช่น ยอดขายรายวัน ปริมาณการใช้ไฟฟ้ารายชั่วโมง หรือจำนวนคำขอที่เข้าระบบรายนาที การพยากรณ์ข้อมูลกลุ่มนี้เดิมต้องสร้างโมเดลแยกต่อหนึ่งงาน ซึ่งกินเวลาและต้องมีคนที่เข้าใจสถิติมาดูแล แนวคิดของโมเดลพื้นฐานคือเทรนครั้งเดียวกับข้อมูลจำนวนมาก แล้วนำไปใช้กับงานใหม่ได้เลยโดยไม่ต้องเทรนเพิ่ม

PatchTST-FM-r2 เป็นรุ่นต่อจาก r1 โดยขยายจำนวนบล็อกจาก 20 เป็น 30 บล็อก ใช้โครงสร้างแบบ conformer ที่ผสมกลไก multi-head self-attention เข้ากับการคำนวณแบบ convolution ตามแกนเวลา เพื่อให้จับได้ทั้งความสัมพันธ์ระยะไกลและรูปแบบระยะสั้น รับข้อมูลย้อนหลังได้สูงสุด 8,192 จุด และให้ผลพยากรณ์เป็น 99 ควอนไทล์ ซึ่งหมายความว่าได้ช่วงความไม่แน่นอนมาด้วย ไม่ใช่แค่ตัวเลขเดียว

ด้านผลวัด ณ วันที่ 8 กันยายน 2026 บนกระดาน GIFT-Eval โมเดลนี้อยู่อันดับ 2 ในกลุ่มโมเดลที่ทำนายได้ทันทีและทำซ้ำผลได้ และอยู่อันดับ 1 ในกลุ่มที่ใช้เชิงพาณิชย์ได้ ค่า CRPS เฉลี่ยเรขาคณิตอยู่ที่ 0.467 และค่า MASE อยู่ที่ 0.6846 IBM ระบุว่าโมเดลทำได้ดีกว่า Chronos-2, Timer-S1 และ Toto หลายรุ่น ทั้งที่บางตัวมีขนาดใหญ่กว่ามาก

จุดที่ควรสังเกตคือชุดข้อมูลที่ใช้เทรนถูกระบุไว้ชัดเจนสี่แหล่ง และตัดชุดทดสอบของ GIFT-Eval ออกอย่างชัดแจ้งเพื่อเลี่ยงปัญหาข้อมูลทดสอบรั่วเข้าไปในชุดเทรน ซึ่งเป็นข้อครหาที่พบบ่อยกับโมเดลพยากรณ์ที่อ้างผลสูง การประกาศเรื่องนี้ตรง ๆ ทำให้เทียบผลได้อย่างมีความหมายมากขึ้น

การใช้งานทำผ่านไลบรารี granite-tsfm ตั้งแต่รุ่น 0.3.9 ขึ้นไป ติดตั้งด้วย pip แล้วเรียกโมเดลผ่านคลาส PatchTSTFMForPrediction กับ TimeSeriesForecastingPipeline โดยกำหนดความยาวข้อมูลย้อนหลัง ความยาวช่วงพยากรณ์ และระดับควอนไทล์ที่ต้องการ แล้วส่งข้อมูลเข้าไปได้เลยโดยไม่ต้องเทรนหรือปรับพารามิเตอร์ก่อน IBM ระบุกรณีใช้งานไว้ เช่น การพยากรณ์ความต้องการสินค้า ราคา ปริมาณการใช้พลังงาน ปริมาณการจราจร และข้อมูลวัดจากอุปกรณ์

สำหรับธุรกิจไทย ประโยชน์ที่จับต้องได้ที่สุดคืองานพยากรณ์ที่เคยต้องจ้างผู้เชี่ยวชาญเฉพาะทาง เช่น การคาดการณ์ยอดขายเพื่อวางแผนสต๊อก หรือการคาดการณ์ปริมาณงานเพื่อจัดกำลังคน ตอนนี้เริ่มต้นได้ด้วยข้อมูลที่มีอยู่แล้วโดยไม่ต้องลงทุนเทรนโมเดล และสัญญาอนุญาตที่ใช้เชิงพาณิชย์ได้ทำให้นำไปใช้ในผลิตภัณฑ์จริงได้ ทีมงาน Smart Cyber Tech รับพัฒนาซอฟต์แวร์สั่งทำและระบบ AI รวมถึงต่อยอดโมเดลพยากรณ์เข้ากับระบบหลังบ้านที่ใช้อยู่ ปรึกษาได้ที่ แบบฟอร์มติดต่อ

แหล่งข่าวเรียบเรียงจาก Hugging Face Blog — อ่านต้นฉบับ
ภาพปก: Hugging Face Blog · ลิขสิทธิ์ภาพเป็นของเจ้าของต้นฉบับ ใช้ประกอบการรายงานพร้อมอ้างอิงแหล่งที่มา
เนื้อหาบนหน้านี้เป็นการสรุปและเรียบเรียงเพื่อผู้อ่านชาวไทย หากพบข้อผิดพลาดโปรดแจ้งที่ info@smart-cyber-tech.com
บริการที่เกี่ยวข้องจากทีมงาน Smart Cyber Tech

ข่าวอื่นที่น่าสนใจ

ข่าวที่เกี่ยวข้อง

OpenAI เปิดตัว GPT-6 Astra โมเดลใช้คอมพิวเตอร์แทนคน เริ่มปล่อยให้องค์กรก่อน ราคา API สูงกว่ารุ่นก่อน 2.5 เท่า ปัญญาประดิษฐ์

OpenAI เปิดตัว GPT-6 Astra โมเดลใช้คอมพิวเตอร์แทนคน เริ่มปล่อยให้องค์กรก่อน ราคา API สูงกว่ารุ่นก่อน 2.5 เท่า

OpenAI ปล่อยโมเดลเรือธงรุ่นใหม่ที่สั่งงานโปรแกรมบนคอมพิวเตอร์เองได้และรับมืองานยาว ๆ ได้ดีขึ้น แต่ราคาต่อโทเคนแพงขึ้นและยังไม่ได้นำทุกสนาม ทีมที่จะใช้ในงานจริงจึงต้องคิดต้นทุนเป็นรายงานที่ทำสำเร็จ GPT-6 Astra เปิดตัวเมื่อ 3 กันยายน 2026 เริ่มจากลูกค้าองค์กรในโครงการ Daybreak ก่อนทยอยเปิดให้ ChatGPT แบบเสียเงินและ API

อ่านข่าวนี้
GPT-6 Astra แพงกว่ารุ่นก่อน 2.5 เท่าต่อโทเคน แต่นักพัฒนาพบว่าค่าใช้จ่ายรวมถูกลงเมื่อตั้งค่าระดับการคิดให้ถูก ปัญญาประดิษฐ์

GPT-6 Astra แพงกว่ารุ่นก่อน 2.5 เท่าต่อโทเคน แต่นักพัฒนาพบว่าค่าใช้จ่ายรวมถูกลงเมื่อตั้งค่าระดับการคิดให้ถูก

ทีมที่เลือกโมเดล AI จากป้ายราคาอย่างเดียวอาจตัดสินใจพลาด GPT-6 Astra ของ OpenAI คิด 10 ดอลลาร์ต่อล้านโทเคนขาเข้า และ 50 ดอลลาร์ต่อล้านโทเคนขาออก แพงกว่า GPT-5.6 Sol (4 และ 20 ดอลลาร์) 2.5 เท่า แต่ผลวัดจาก OpenAI นักพัฒนาอิสระ และ ARC Prize ต่างพบว่าค่าใช้จ่ายต่องานที่ทำเสร็จหนึ่งชิ้นมักต่ำกว่า เพราะโมเดลใหม่ใช้รอบเรียกและโทเคนน้อยกว่า ตัวแปรที่กระทบบิลมากที่สุดจึงกลายเป็นระดับการคิดที่ทีมเลือกตั้ง ไม่ใช่ราคาต่อโทเคน

อ่านข่าวนี้
NVIDIA ตกลงซื้อ Hugging Face มูลค่า 12,930 ล้านดอลลาร์ ยืนยันแพลตฟอร์มยังเปิดให้ทุกค่ายฮาร์ดแวร์และคลาวด์ ธุรกิจไอที

NVIDIA ตกลงซื้อ Hugging Face มูลค่า 12,930 ล้านดอลลาร์ ยืนยันแพลตฟอร์มยังเปิดให้ทุกค่ายฮาร์ดแวร์และคลาวด์

แหล่งดาวน์โหลดโมเดล AI แบบเปิดที่นักพัฒนาทั่วโลก รวมถึงทีมไทยจำนวนมาก ใช้กันแทบทุกวันกำลังจะมีเจ้าของใหม่ NVIDIA ตกลงซื้อ Hugging Face ด้วยเงิน 12,930 ล้านดอลลาร์สหรัฐ (ราว 4.2 แสนล้านบาท) คำถามที่ตามมาทันทีคือแพลตฟอร์มจะยังเป็นกลางหรือไม่ ซึ่ง NVIDIA ตอบว่าจะยังเปิดให้ทุกค่ายฮาร์ดแวร์ ทุกเฟรมเวิร์ก และทุกคลาวด์ใช้งานเหมือนเดิม

อ่านข่าวนี้

ติดต่อเพื่อสอบถามข้อมูลเพิ่มเติม

ทีมของเรายินดีให้คำแนะนำว่าเรื่องนี้กระทบระบบของคุณอย่างไร และควรเตรียมตัวอย่างไร

สอบถามทีมงาน