다변량 시계열 예측 파운데이션 모델
multivariate time series forecasting foundation model
매출·날씨처럼 시간에 따라 변하는 여러 데이터를 한꺼번에 넣어 서로의 영향까지 계산해 미래를 예측하는 AI 모델
쉽게 말하면
다변량 시계열 예측 파운데이션 모델은 매출, 방문자 수, 날씨처럼 시간이 지나며 변하는 여러 데이터를 한꺼번에 입력받아 서로 영향을 주고받는 관계까지 계산해 미래 값을 내놓는 AI 모델이다.
일기예보관이 기온 하나만 보고 내일 날씨를 말하지 않고 습도, 바람, 계절 이벤트까지 함께 살피는 것과 비슷하다. 아이스크림 가게로 예를 들면, 과거 매출 기록만 보는 모델은 '주말마다 잘 팔린다'는 요일 패턴만 찾아내지만, 다가올 프로모션 일정까지 함께 넣어주면 '이번 화요일엔 프로모션이 있으니 평소보다 더 팔린다'는 것까지 미리 계산할 수 있다.
여기서 파운데이션이라는 말은 이 모델이 소매점 하나, 특정 산업 하나에만 맞춰 새로 훈련하지 않아도 된다는 뜻이다. 미리 폭넓은 데이터로 학습해두었기 때문에 소매, 금융, 헬스케어 등 서로 다른 분야의 시계열 예측에도 큰 수정 없이 바로 갖다 쓸 수 있다.
기사에서 이렇게 나와요
기사에서는 "구글 리서치가 다변량 시계열 예측 파운데이션 모델 TimesFM-3를 공개했다"는 식으로 쓰인다. 오해하기 쉬운 점은, 관련 데이터를 여러 개 넣기만 하면 무조건 정확도가 오른다고 생각하는 것이다. 실제로는 프로모션 일정처럼 매출과 실제로 관계 있는 신호를 함께 넣어야 효과가 나고, 아무 데이터나 추가한다고 예측이 좋아지는 것은 아니다.