غول‌کشی مدل بندانگشتی آی‌بی‌ام: TSPulse با فقط یک میلیون پارامتر حریف مدل‌های ۱۰۰ برابر بزرگ‌تر شد!
شرکت آی‌بی‌ام با معرفی مدل جدید Granite TSPulse R1 نشان داد که برای پردازش داده‌های سری زمانی همیشه نیازی به ابرمدل‌های سنگین نیست. این مدل بندانگشتی با تنها ۱.۰۸ میلیون پارامتر روی پردازنده‌های معمولی (CPU) اجرا می‌شود و در بیش از ۷۵ مجموعه داده، عملکردی حتی بهتر از مدل‌های ۱۰ تا ۱۰۰ برابر بزرگ‌تر از خود ثبت کرده است.
در یک نگاه (نکات کلیدی خبر)
خلاصه مهم‌ترین نکات و تحولات این گزارش برای مطالعه سریع
- آی‌بی‌ام از مدل پایه و متن‌باز جدیدی به نام Granite TSPulse R1 رونمایی کرده که با فقط ۱.۰۸ میلیون پارامتر، برای تحلیل و پردازش داده‌های سری زمانی روی پردازنده‌های معمولی (CPU) طراحی شده است.
- این مدل بندانگشتی در مقاله‌ای که در کنفرانس معتبر ICLR 2026 پذیرفته شده، در بیش از ۷۵ مجموعه داده مختلف درخشیده و حتی مدل‌هایی با ۱۰ تا ۱۰۰ برابر پارامتر بیش‌تر را هم شکست داده است.
- به لطف حجم ناچیز ۴.۳ مگابایتی، این مدل بدون نیاز به کارت‌های گرافیک گران‌قیمت مستقیماً روی لپ‌تاپ‌های شخصی، دستگاه‌های اینترنت اشیاء (IoT) و سرور‌های معمولی اجرا می‌شود.
مدل ۱.۰۸ میلیون پارامتری TSPulse آی‌بی‌ام؛ اجرای ۴ تسک سری‌های زمانی فقط با CPU
شرکت آی‌بی‌ام از مدل از‌پیش‌آموزش‌دیده‌ای به نام Granite TSPulse R1 برای پردازش داده‌های سری زمانی رونمایی کرده است؛ مدلی که از پسِ چهار وظیفه کلیدی یعنی طبقه‌بندی، تشخیص ناهنجاری، بازسازی داده‌های مفقود (Imputation) و جستجوی شباهت برمی‌آید. این مدل فوق‌العاده سبک تنها ۱.۰۸ میلیون پارامتر دارد، از اجرای مستقیم روی پردازنده‌های معمولی (CPU) پشتیبانی می‌کند و با مجوز آزاد Apache 2.0 در دسترس قرار گرفته است. جالب اینکه تا این لحظه، صفحه رسمی این مدل در هاگینگ فیس بیش از ۸۶۰ هزار بار دانلود ثبت کرده است.
به گفته آی‌بی‌ام، مقاله پژوهشی مربوط به این مدل در کنفرانس معتبر ICLR 2026 پذیرفته شده است. بر اساس آزمایش‌های انجام‌شده روی بیش از ۷۵ مجموعه داده مختلف، این مدل کوچک توانسته نتایجی به مراتب قوی‌تر از مدل‌هایی با ۱۰ تا ۱۰۰ برابر پارامتر بیش‌تر به ثبت برساند.
وظیفه (Task) | میزان بهبود گزارش‌شده | محدوده بنچمارک |
|---|---|---|
تشخیص ناهنجاری (Anomaly Detection) | ۲۰٪ | جدول رده‌بندی TSB-AD |
جستجوی شباهت (Similarity Search) | ۲۵٪ | بنچمارک‌های بازیابی اطلاعات (Retrieval) |
بازسازی داده‌های مفقود (Imputation) | ۵۰٪ | بنچمارک‌های مقادیر گمشده (Missing-value) |
طبقه‌بندی چندمتغیره (Multivariate) | ۵٪ تا ۱۶٪ | مجموعه‌داده‌های گوناگون طبقه‌بندی |
این درصدها خلاصه‌ای از نتایج ارزیابی مدل بر اساس معیارها، خطوط پایه (Baselines) و مجموعه‌های داده مختلف هستند. همچنین جدول‌های تفکیکی موجود در مقاله، جزئیات لازم را برای مقایسه دقیق‌تر عملکرد TSPulse با نیازهای واقعی پروژه‌ها در محیط عملیاتی ارائه می‌دهند.
راز ۱.۰۸ میلیون پارامتری بودن این مدل چیست؟
یک مدل پایه سری زمانی در مرحله پیش‌آموزش یاد می‌گیرد که الگوها و ویژگی‌های بنیادین سیگنال‌ها را شناسایی کند و سپس آن‌ها را با حداقل آموزش اختصاصی یا حتی بدون نیاز به آن، روی مجموعه‌داده‌های جدید پیاده کند. در حالی که بیش‌تر مدل‌های جدید به سراغ معماری‌های سنگین با ده‌ها یا صدها میلیون پارامتر رفته‌اند، TSPulse از یک معماری بسیار فشرده به نام MLP-Mixer بهره می‌برد؛ سازوکاری که اطلاعات را به صورت متناوب بین بازه‌های زمانی (Time Patches) و کانال‌های ویژگی ترکیب می‌کند.
همین تعداد اندک پارامترها باعث می‌شود هزینه‌های پیاده‌سازی و استقرار مدل به شدت افت کند. ذخیره‌سازی ۱.۰۸ میلیون پارامتر با فرمت FP32 تنها حدود ۴.۳ مگابایت فضا می‌گیرد (پیش از بسته‌بندی، کتابخانه‌ها و رم اجرایی). این ردپای حافظه فوق‌العاده اندک اجازه می‌دهد مدل بدون نیاز به زیرساخت‌های گران‌قیمت یا کارت‌های گرافیک اختصاصی (GPU)، مستقیماً روی سرویس‌های مانیتورینگ مبتنی بر پردازنده (CPU)، گیت‌وی‌های اینترنت اشیاء (IoT)، پایپ‌لاین‌های پردازش دسته‌ای و حتی لپ‌تاپ شخصی برنامه‌نویسان اجرا شود.
مطالب مرتبط و پیشنهادی
آواتارهای هوش مصنوعی به تماس‌های تصویری رسیدند؛ شبیه‌سازی ترسناک و مو به تن سیخ‌کن انسان!
ابزار جدید هوش مصنوعی Griffin با ساخت آواتارهای ویدیویی فوق‌العاده واقع‌گرایانه، تماس‌های تصویری را متحول کرده؛ آواتارهایی که درست مثل یک انسان واقعی حرف می‌زنند، شوخی می‌کنند و واکنش نشان می‌دهند. با این حال، توانایی عجیب این ابزار در شبیه‌سازی انسان باعث شده کارشناسان درباره موج تازه کلاهبرداری‌ها هشدار دهند.
ترمز موقت اسپیس‌ایکس در توسعه دیتاسنتر کولوسوس: وقتی پایداری از سرعت مهم‌تر می‌شود!
اسپیس‌ایکس پس از قطعی‌های اخیر در دیتاسنتر ممفیس که سرویس گروک و مشتریان پردازشی را مختل کرد، ساختار مدیریتی دیتاسنتر غول‌پیکر کولوسوس را به کلی دگرگون کرده است. این شرکت اکنون با جایگزینی مدیران قبلی با مهندسان باسابقه موشک و استارلینک، سیستم‌های برق پشتیبان و خنک‌کننده اضطراری را ارتقا داده تا پایداری شبکه را فدای رکوردشکنی در سرعت ساخت نکند؛ تصمیمی حیاتی که به دلیل حفظ قراردادهای ماهانه چند میلیارد دلاری با غول‌های فناوری اتخاذ شده است.
مدیر ارشد گلدمن ساکس: «نیروهای تازه‌کار از روز اول یک ارتش مجازی از هوش مصنوعی را مدیریت می‌کنند!»
کوین اسنیدر، مدیر ارشد گلدمن ساکس، می‌گوید نیروهای تازه‌وارد به جای انجام امور اداری روتین، از همان بدو استخدام مدیریت ارتشی مجازی از هوش مصنوعی را بر عهده می‌گیرند. این تغییر بنیادین الگوهای کاری سنتی را متحول کرده و امنیت شغلی مدیران میانی را به چالش می‌کشد.
دیدگاه ها و گفتگوی تخصصی
نظرات خود را با جامعه مخاطبان وایر ای آی در میان بگذارید
هنوز دیدگاهی برای این مطلب ثبت نشده است
اولین نفری باشید که دیدگاه، تحلیل یا دیدگاه خود را درباره این موضوع با دیگران به اشتراک می گذارد.