Nvidia heeft Kumo Forecast vrijgegeven, een open AI-model dat voorspelt hoe meetreeksen zich gaan ontwikkelen. Denk aan temperatuur, druk of trillingen van machines in een fabriek, gemeten per seconde of per minuut. Het model heette eerder NV-Tesseract Forecasting en staat met code en gewichten op Hugging Face en GitHub, onder de vrije Apache 2.0-licentie.

Voorspellen met een geheugen

De kern is een bestaand, vooraf getraind model (MOMENT-1-large, met ongeveer 340 miljoen parameters) met daarbovenop een laag die de eigenlijke voorspelling maakt. Nieuw is een tweede route die Nvidia DARR noemt. Daarbij zoekt het systeem in historische gegevens naar periodes die op de huidige situatie lijken, en weegt het wat er toen gebeurde mee in de voorspelling. Ontwikkelaars bepalen zelf hoe zwaar die terugblik telt ten opzichte van de directe voorspelling.

Dat is vergelijkbaar met hoe een ervaren monteur werkt: die herkent een patroon omdat hij het eerder zag, vlak voordat een pomp de geest gaf.

Uitleg bij elke voorspelling

Opvallend is dat Kumo Forecast optioneel uitleg meelevert. Per voorspellingstermijn laat het zien welke eerdere meetpunten en welke meetwaarden het zwaarst meewogen. Voor bedrijven is dat geen luxe: een technicus stuurt niet graag iemand de fabriek in op basis van een zwarte doos. In Europa speelt ook de AI Act mee, die bij risicovolle toepassingen eisen stelt aan uitlegbaarheid en menselijk toezicht.

Beperkingen

Het model werkt alleen met getallen in de tijd, niet met tekst of beelden. Invoer bestaat uit een tijdstempel met een of meer meetwaarden, in reeksen van 256 tot 2048 metingen. Nvidia publiceert geen vergelijkende scores in de aankondiging en raadt bedrijven aan het model eerst op hun eigen gegevens te testen. Er zit een voorbeeld bij om het op een eigen CSV-bestand bij te trainen.

Nvidia gebruikt het model zelf in een module voor voorspellend onderhoud in zijn fabrieksblauwdruk. Het past in een reeks open releases van het bedrijf deze week, zoals 2.000 simulatieklare 3D-modellen voor robots en open zoekmodellen. Hoe meer bedrijven op zulke open bouwstenen draaien, hoe meer ze uiteindelijk ook Nvidia-chips nodig hebben.