هوش مصنوعی فلامینگو به درد چه کسانی می‌خورد؟

به گزارش گروه رسانه ای شرق، مرکز تحقیقات هوش مصنوعی پارت در ادامه عرضه محصولات بهبود یافته و متن‌باز خود به اکوسیستم هوش مصنوعی کشور، از جدیدترین مدل بزرگ سری زمانی خود تحت عنوان «فلامینگو» پرده برداشت. این مدل بنیادی، علاوه‌بر پیش‌بینی سری زمانی، از قابلیت دسته‌بندی داده‌ها نیز برخوردار است و توانسته بسیاری از جنبه‌های مدل پایه خود را ارتقا دهد.

اگر بخواهیم چند مورد از کاربردی‌ترین قابلیت‌های هوش مصنوعی را نام ببریم، پیش‌نگری الگوهای آینده، قطعاً یکی از آن‌ها است. این فناوری به لطف توانایی شگفت‌انگیز خود در تجزیه‌وتحلیل کلان‌داده‌ها، این قابلیت را دارد که بر اساس الگوهای گذشته، وقایع آتی مانند نوسانات نرخ ارز، الگوی تغییرات سهام، تغییرات آب‌وهوایی و فرایندهایی از این دست را با دقت نسبتاً بالایی تخمین بزند. این ویژگی باعث شده تا هوش مصنوعی، بیش‌ازپیش مورد توجه صنایع گوناگون قرار بگیرد و فعالان اقتصادی، پزشکان، توسعه‌دهندگان، محققان و… AI را به‌عنوان دستیاری قابل‌اتکا برای تحلیل داده‌های سری زمانی بشناسند.

شاخص دقت در مدل‌های سری زمانی از اهمیت زیادی برخوردار است و بهبود میزان دقت مدل‌ها، تأثیر چشمگیری روی نتیجه نهایی دارد. از همین رو، مرکز تحقیقات هوش مصنوعی پارت با عرضه مدل اختصاصی خود تحت عنوان «فلامینگو »، موفق شده برخی از محدودیت‌های مدل پایه خود (Google Times FM) را رفع کند و با میزبانی از ویژگی‌های جدیدی مانند قابلیت دسته‌بندی، به سطح جدیدی از دقت و کارایی برسد.

مدل بنیادی پارت با استفاده از ترکیب داده‌های واقعی و ساختگی، شامل 100 میلیارد نقطه داده آموزش دیده و توانسته از این طریق، قابلیت پیش‌بینی مدل را به طور چشمگیری بهبود ببخشد. یکی دیگر از قابلیت‌های این مدل سری زمانی، قابلیت «Zero-shot» است که امکان پیش‌بینی بر اساس داده‌های جدید، بدون نیاز به آموزش مجدد را فراهم می‌کند. به علاوه، این مدل از افق پیش‌بینی 128 نقطه‌ای بهره می‌برد و قادر است از عهده پیش‌بینی‌های بلندمدت‌تر به‌خوبی برآید. این مدل برای تحلیل داده‌های سری زمانی در حوزه‌های گوناگون مورد استفاده قرار می‌گیرد که برخی از آنها، شامل موارد زیر است:

•  مالی و اقتصاد: پیش‌بینی قیمت سهام، نرخ ارز، و سایر شاخص‌های مالی
• سلامت: تحلیل داده‌های پزشکی و پایش بیماران
• سیستم‌های نظارتی و IoT: تحلیل داده‌های حسگرها، پیش‌بینی خرابی تجهیزات
• آب‌وهوا و محیط‌زیست: پیش‌بینی دما، بارش، و الگوهای جوی
• حمل‌ونقل و لجستیک: بهینه‌سازی مسیرها، پیش‌بینی ترافیک و تأخیرها

کاربردهای مدل بنیادی سری زمانی تنها به موارد فوق ختم نمی‌شود و در حال حاضر این ابزار در حوزه‌های مختلفی مانند بررسی روند تغییرات احساسات کاربران نسبت به یک برند، بررسی میزان استفاده از پهنای باند، پیش‌بینی روندهای درآمد و هزینه و… مورد استفاده قرار می‌گیرد.

اگر امروزه به اکوسیستم هوش مصنوعی کشور نگاهی بیندازیم، پیشرفت معنادار آن را نسبت به سال‌های گذشته مشاهده می‌کنیم. بخش زیادی از این پیشرفت‌ها، ناشی از عرضه ابزارهای متن‌باز است که به‌منظور رفع نیازهای بومی توسعه پیدا کرده‌اند و محدودیت سرویس‌های خارجی، از جمله عدم پشتیبانی مناسب از زبان فارسی را از میان برداشته‌اند. مرکز تحقیقات هوش مصنوعی پارت، یکی از مجموعه‌های فناور داخلی است که تاکنون با عرضه چندین سرویس مبتنی بر هوش مصنوعی به‌صورت متن‌باز، مسیر رشد و توسعه هوش مصنوعی در کشور را هموار کرده است. فلامینگو، جدیدترین ابزاری است که اخیراً توسط مجموعه پارت به صورت متن‌باز عرضه شده و از آنجا که شفافیت و همکاری در مدل‌سازی سری‌های زمانی اهمیت بالایی دارد، ارائه این مدل به صورت منبع‌باز، می‌تواند گامی بلند و رو به جلو در جهت کاهش هزینه‌های تولید و توسعه باشد.

به گزارش مرکز تحقیقات هوش مصنوعی پارت، کار این مجموعه با مدل بنیادی فلامینگو در همین‌جا به پایان نمی‌رسد و این مجموعه قصد دارد در آینده، عملکرد این مدل را با به‌روزرسانی‌های مختلف بهبود ببخشد. اضافه شدن تسک‌های جدید از جمله Anomaly Detection و آموزش روی Domain های مختلف، بخشی از چشم‌اندازهای آینده پارت برای مدل بزرگ فلامینگو  به حساب می‌آیند.

مدل بنیادی سری زمانی «فلامینگو»، هم‌اکنون به صورت متن‌باز در دسترس است و توسعه‌دهندگان، محققان، تحلیل‌گران و تمامی علاقه‌مندان به فناوری هوش مصنوعی می‌توانند از طریق وب‌سایت «هاگینگ‌فیس»، این مدل سری زمانی را به رایگان تست و استفاده کنند.