本サイトの記事や画像は、AIが公的資料や複数の報道を基に事実関係を整理・再構成し制作したものです。[続きを表示]特定の報道内容や表現を再利用・要約することを目的としたものではありません。ただし、誤りや不確定な情報が含まれる可能性がありますので、参考の一助としてご覧いただき、実際の判断は公的資料や各出典元の原文をご確認ください。[私たちの取り組み]
Google Researchは6月30日、表形式データ向けのゼロショット基盤モデル「TabFM」を発表した。企業の売上、顧客、取引記録などを含む表データの分類・回帰に使うモデルで、BigQueryでは数週間以内にAI.PREDICTで利用できるようにする方針だ。
分類・回帰をBigQuery上で扱う新たな基盤モデル
TabFMが想定するのは、顧客離反予測や不正検知のような企業データ分析の中心的なタスクだ。分類は「この取引は不正か」「この顧客は解約しそうか」を判定する処理、回帰は売上額や需要量のような数値を予測する処理を指す。
表形式データの予測はこれまで、XGBoostやランダムフォレストなどの教師あり学習モデルを、企業ごとのデータで個別に学習させる手法が強い領域とされてきた。TabFMは、こうした作業を事前学習済みの基盤モデルに寄せ、分類・回帰のワークフローを簡素化する狙いを持つ。
BigQueryではすでに、時系列向け基盤モデル「TimesFM」を組み込んだAI.FORECAST機能が提供されている。TabFMはこの流れを表データの分類・回帰へ広げる位置付けで、発表文では数週間以内にBigQueryのAI.PREDICT SQLコマンドから利用できるようにすると説明している。
焦点は提供形態と運用条件
製品面では、AI.PREDICTの正式な構文、提供段階、料金体系、利用可能リージョンが確認点になる。7月8日時点で、Google Researchの発表はAI.PREDICTでの提供予定を示している一方、BigQueryの公開ドキュメントやリリースノートではTabFM向けの詳細仕様は確認できない。既存のBigQuery MLではML.PREDICTが学習済みモデルへの予測実行に使われてきたため、TabFMが従来のBigQuery ML機能とどう整理されるかも確認が必要だ。
性能面については、Google ResearchがTabArenaの38分類データセットと13回帰データセットで評価したと説明している。ただし、導入判断ではベンチマークの数値、評価条件、比較対象、コストやレイテンシをそろえて見る必要がある。今回の発表は、GoogleがBigQueryを単なるデータ保管・分析基盤にとどめず、基盤モデルを実行する場へ広げていく流れを示すものだ。
