AI News Watcher
Thursday, Sep 3, 2026  ·  Daily briefing
Feed Telegram
Daily briefing · By AI News Watcher · Sep 03, 2026 · 2 min read · HuggingFace ← Back to feed

IBM и Confluent: большие модели для потоков данных — прогностика без экспертов daily

Каждая точка точности таких моделей стоит миллионы, а настроить их может не дата-сайентист, а любой инженер.

IBM и Confluent: большие модели для потоков данных — прогностика без экспертов
Редакция · Daily briefing

До сих пор каждое критическое решение в бизнесе — будь то заказ сырья или остановка платежа — требовало индивидуальной модели и месяцев работы экспертов. IBM и Confluent объединили усилия, чтобы большие модели начали анализировать потоковые данные в реальном времени.

IBM и Confluent запускают Foundation-модели временных рядов (TSFM) для анализа потоковых данных в реальном времени. Эти модели, доступные в раннем доступе на Confluent Cloud, призваны заменить традиционный подход, при котором каждое бизнес-решение требовало создания уникальной модели и месяцев работы экспертов. Такая индивидуальная разработка приводила к высоким затратам, задержкам и необходимости покрывать риски большими запасами.

TSFM обучаются на огромных массивах разнообразных сигналов и могут обобщать знания для временных рядов, которые они ранее не видели. Они прогнозируют дальнейшие события, оценивают отклонения от нормы и находят похожие исторические паттерны. Для использования этих моделей не нужна армия дата-сайентистов: планировщик спроса, аналитик по борьбе с мошенничеством или инженер-технолог могут применять их самостоятельно. IBM строит вокруг моделей функции, которые превращают прогнозирование, обнаружение аномалий, оптимизацию и семантический интеллект в готовые возможности.

В качестве примера приводится линия темперирования шоколада: температура, скорость и производительность отслеживаются каждые несколько секунд. Foundation-модель в этом потоке данных может спрогнозировать выработку до конца смены, выявить отклонения от нормы при производстве тёмного шоколада до появления брака и найти схожие исторические случаи для инженера. Модель также может быть донастроена на параметры, контролируемые персоналом.

IBM сначала использовала эти модели в своих продуктах и операциях, а затем с партнёрами в цементной, сталелитейной, целлюлозно-бумажной, пищевой и телекоммуникационной отраслях. Цифры показывают, что каждый пункт точности стоит миллионы, прирост производительности составляет от 5 до 10 раз, а работа, ранее требовавшая специалистов, теперь выполняется экспертами, принимающими решения. Модели доступны в раннем доступе (Early Access) на Confluent Cloud.

Объединение моделей IBM, способных понимать поведение сигналов, с платформой Confluent, управляющей потоками данных в реальном времени, позволяет Foundation-моделям работать там, где данные уже движутся. Это упрощает их внедрение, но пока неясно, как быстро бизнес перейдёт от привычных индивидуальных моделей к новому подходу, особенно с учётом статуса «раннего доступа».

Дополнительные источники

  1. github.com
  2. TRL - Transformers Reinforcement Learning - Hugging Face
  3. Detect Anomalies in Data with Confluent Cloud for Apache Flink
  4. IBM Granite Time Series models bring real-time forecasting and anomaly detection to Confluent Cloud
  5. arxiv.org
  6. cargo.site

Источники

  1. https://huggingface.co/blog/train-to-paint-with-code external
  2. https://huggingface.co/blog/ibm-research/real-time-intelligence external
→ Опубликовано в Telegram: @agentic_ai_news/977