«آي بي إم» تطلق «غرانيت باتش تي إس تي»: التنبؤ بالسلاسل الزمنية ينتقل إلى النماذج التأسيسية المفتوحة

أطلقت شركة «آي بي إم» نموذج السلاسل الزمنية الجديد «غرانيت باتش تي إس تي إف إم آر 2» (PatchTST-FM-r2)، وهو أحدث إصدارات عائلة «غرانيت» لنماذج التنبؤ بالبيانات الزمنية. يأتي النموذج بحجم يقارب 385 مليون معامل وسياق زمني يمتد حتى 8192 خطوة، مع قدرة متقدمة على التنبؤ الاحتمالي وتوليد تقديرات مبنية على 99 شريحة مئوية، بالإضافة إلى دعم تعويض القيم المفقودة آليا. ويمثل الإصدار تحولا في هندسة أنظمة التنبؤ، إذ يتيح للفرق التقنية توليد توقعات مباشرة بنمط القياس الفوري دون تدريب مسبق، بدلا من الاضطرار إلى تدريب نموذج منفصل وصيانته لكل مجموعة بيانات على حدة.

يسجل النموذج المركز الأول بين النماذج القابلة للتكرار والمرخصة للاستخدام التجاري المفتوح على منصة التقييم المعيارية «غيفت إيفال». فبحسب بيانات لوحة الصدارة حتى 8 سبتمبر 2026، حل النموذج في المرتبة الثانية إجمالا بين النماذج الصفرية القابلة للتكرار في مقياسي الخطأ، بمعدل 0.467 لمقياس CRPS ومعدل 0.6846 لمقياس MASE، خلف نموذج «تايمز إف إم 3» مباشرة، ليصبح الأعلى أداء بين جميع النماذج ذات التراخيص التجارية المفتوحة. وحتى عند مقارنته بنماذج سُمح لها بتضمين بيانات التقييم ضمن تدريبها المسبق، حافظ على المرتبة الثالثة في CRPS والرابعة في MASE، متفوقا على نماذج مثل «كرونوس 2» ومتغيرات «توتو» و«تايمر إس 1»، رغم أن بعض النماذج المنافسة يفوقه حجما بعدد المعاملات.

يعود هذا التحسن إلى إعادة بناء المعمارية الداخلية مقارنة بالإصدار السابق، حيث استبدلت «آي بي إم» كتل المحولات القياسية بكتل هجينة مستوحاة من معمارية «كونفورمر» الشائعة في معالجة الإشارات الصوتية. تجمع الكتلة الجديدة بين طبقات الانتباه الذاتي متعدد الرؤوس وطبقات الالتفاف الزمني التي تتناوب فيها نوى الالتفاف بين مقاسي 3 و5 بنمط متكرر. تمنح هذه الهندسة النموذج آليتين متكاملتين: تتولى طبقات الالتفاف التقاط الهيكل الزمني والعلاقات قصيرة المدى، بينما يركز الانتباه الذاتي على نمذجة العلاقات بعيدة المدى عبر آلاف الخطوات الزمنية. كما دمجت المعمارية نوافذ هامنغ بنسبة تداخل 50% بين الرقع الزمنية لتقليص أخطاء التنبؤ عند الحدود، مع زيادة عدد الكتل من 20 إلى 30 كتلة وإضافة طبقات تطبيع لتعزيز استقرار التدريب.

اعتمدت «آي بي إم» على منهجية تدريب شفافة لمعالجة متطلبات الحوكمة المؤسسية، فاستخدمت مجموعة بيانات معلنة تتألف من مصادر مختارة من بيانات التدريب المسبق لمنصة «غيفت إيفال»، وبيانات تركيبية معدلة، ونحو 500 ألف تسلسل تركيبي بطول 4096 خطوة. وترافق ذلك مع طرح النموذج بترخيص مزدوج يتيح الاختيار بين رخصة «أباتشي 2.0» ورخصة «أوبن إم دي دبليو 1.0» التابعة لمؤسسة لينكس، وكلاهما يمنح حقوقا واسعة للاستخدام والتعديل وإعادة التوزيع التجاري دون اشتراطات مقيدة. كما وفرت الشركة مكتبة برمجية عبر بيئة بايثون وأوزان النموذج كاملة على منصة «هاغينغ فيس»، إلى جانب تكامل سحابي مع منصة «كونفلوينت» لتشغيل التنبؤات اللحظية واكتشاف الشذوذ مباشرة على تدفقات البيانات الحية عبر محرك «أباتشي فلينك» دون الحاجة لنقل البيانات إلى بيئات تعلم آلي منفصلة.

يفتح هذا الطرح مسارا عمليا لفرق البيانات والتقنية في الخليج ومصر لخفض تكاليف تشغيل التنبؤ المؤسسي. ففي قطاعات حيوية مثل إدارة الأحمال الكهربائية ومحطات التبريد وتحلية المياه في الخليج، أو سلاسل التوريد والخدمات اللوجستية في الموانئ والمطارات الإقليمية، تضطر المؤسسات عادة لصيانة مئات النماذج الإحصائية التي تستهلك وقتا طويلا في الضبط وإعادة التدريب. إن توفر نموذج خفيف بوزن 385 مليون معامل يعمل بأسلوب التنبؤ الصامت وبترخيص تجاري كامل، يمكّن المصارف والشركات المحلية من تشغيله محليا داخل مراكز بياناتها الوطنية أو خوادمها الخاصة دون مخاطر خروج البيانات أو أعباء الفواتير الشهرية لواجهات البرمجة المغلقة. كما أن ربط النموذج مباشرة بمعالجة البيانات المتدفقة ينقل التحليلات في شبكات التوزيع ومنصات التقنية المالية من رصد المشكلات بأثر رجعي إلى التنبؤ الاستباقي بالاختناقات والسيولة قبل وقوعها.

يمثل إتاحة هذا النموذج دليلا على أن ثورة النماذج التأسيسية تتجاوز النصوص والصور لتصل إلى عصب البيانات التشغيلية والمستشعرات الحساسة. ويمنح هذا التوجه المطورين والمهندسين في البيئة التقنية العربية أداة دقيقة ومفتوحة المصدر لإعادة هندسة التنبؤ اللحظي وبناء تطبيقات مؤسسية متقدمة دون الاعتماد الحصري على المنصات الأجنبية المغلقة.