NGR Softlab сообщила об исследовании новой модели для анализа данных – DivergentGPT. Модель призвана помочь выявлять аномалии в последовательности событий и будет наиболее полезной в сферах, где не обнаруженные вовремя отклонения могут привести к серьёзным последствиям, например, в энергетике, финансах и безопасности информационных систем.
Эксперты NGR Softlab предложили строить прогнозы на основе так называемых foundation-моделей, изначально созданных для обработки текстовых данных. В отличие от традиционного подхода, который подразумевает тщательную выборку данных по определённым параметрам и плохо подходит для анализа новой информации, GPT-модели были обучены на большом количестве данных из разных сфер – энергетики, транспорта, ритейла, финансов и т.д., что позволяет им быстро адаптироваться к новым сведениям. Они обрабатывают знания, полученные из естественного языка, переносят их на числовые последовательности и на основе этой информации успешно ищут скрытые закономерности событий.
Эксперты NGR Softlab предложили строить прогнозы на основе так называемых foundation-моделей, изначально созданных для обработки текстовых данных. В отличие от традиционного подхода, который подразумевает тщательную выборку данных по определённым параметрам и плохо подходит для анализа новой информации, GPT-модели были обучены на большом количестве данных из разных сфер – энергетики, транспорта, ритейла, финансов и т.д., что позволяет им быстро адаптироваться к новым сведениям. Они обрабатывают знания, полученные из естественного языка, переносят их на числовые последовательности и на основе этой информации успешно ищут скрытые закономерности событий.
Собственная модель DivergentGPT, разработанная NGR Softlab, развивает идеи GPT‑подходов для поиска аномалий во временных рядах.
«Мы заметили, что обычные foundation‑модели чаще всего ограничиваются точечным прогнозом следующих значений. DivergentGPT же предсказывает событие, выходящее за пределы нормы, и оценивает возможный диапазон отклонения. Благодаря тому, что DivergentGPT является foundation‑моделью, знания, полученные на обучающих данных, переносятся на новые наборы данных, в которых ищутся аномалии. Это означает, что модель может точнее выявлять отклонения в поведении пользователей, работе оборудования или предстоящие колебания финансовых показателей компаний и сразу же показывать вероятный разброс этих изменений», – поясняет Павел Владимиров, эксперт отдела анализа данных NGR Softlab.
Специалисты NGR Softlab продолжают исследование, по результатам которого продукты компании получат расширенные возможности.
Полную версию статьи вы можете прочитать на сайте NGR Softlab.