Google「TimesFM」、学習なしで時系列予測

「Googleが未来予測AIを無料配布してた」。そんな触れ込みのX(旧Twitter)の投稿を見た人は、この夏そこそこいたはずだ。1000億個の時系列データ点(タイムポイント)で事前学習済み、パラメータはわずか200M、ライセンスはApache-2.0で商用利用も無料。数字が具体的なだけに、いかにも今日出たばかりの新顔に見える投稿だった。

Google Researchの公式リポジトリと公式ブログ、論文を確認すると、数字そのものは全部事実だった。「1000億件の実世界の時系列データで事前学習した」「パラメータはわずか200M」という表現は、公式ブログにそのまま載っている。論文「A decoder-only foundation model for time-series forecasting」は機械学習の国際会議ICMLの2024年大会に採択済みだ。過去の数値データの並びを渡すだけで、追加の学習をせずに(ゼロショットで)次の動きを確率分布つきで予測する、というのがこのモデルの正体である。

ただし「今日出たばかり」という部分だけは事実と違う。GitHubリポジトリの公開は2024年4月だ。初期版は200Mパラメータだったが、2.0では逆に500Mへ拡大し、2025年9月の2.5でまた200Mへ絞りつつ、一度に扱えるデータ量を2048から16000へ伸ばした。BigQuery MLには「AI.FORECAST」というSQLの関数として組み込まれ、モデル作成や学習の手間を飛ばして予測を呼び出せるようになっている。2026年2月にはGoogleスプレッドシートの高度なデータ連携機能Connected Sheets経由でも同じ予測が呼べるようになり、直近では2026年7月にPyPIパッケージが更新された。

読者にとって身近な言い方をすれば、これは「録音するだけで議事録ができる」の数字版に近い。文章の要約をAIが追加学習なしでこなす時代に読者は慣れているが、数字の将来予測も同じ形で提供されるようになった。予測モデルを個別に選び自分のデータで学習させる手間なしに、問い合わせ件数やページ閲覧数の推移から次の動きを引ける環境が、SQLかスプレッドシートさえあれば手の届くところに来ている。

ここまで聞くと、もう専門的な手当ては要らない、と思うかもしれない。だが論文の要旨に立ち返ると、そうは言い切っていない。TimesFMのゼロショット性能は「個別のデータセットに特化した最先端の教師ありモデルの精度に近づく」という書き方になっている。上回るとは書いていない。

その含みは、Google自身の更新履歴にも表れている。2026年4月のREADME更新で、HuggingFaceのライブラリを使った追加学習(ファインチューニング)の実行例が新しく加わった。学習不要をうたうモデルに、あとから追加学習の手順を用意したということだ。汎用のままで足りる場面と、業種固有の季節性のように自分のデータに合わせて追い込む余地がある場面は、最初から両方存在していたことになる。

この綱引きは、録音メモの世界でも同じ形をしている。文字起こしAIも汎用モデルのままである程度は動くが、使うほどによく出てくる固有名詞を学習して精度を上げていく仕組みを持つものもある(メモリスの認識精度が使うほど上がる仕組みがこれにあたる)。汎用モデルをまず無料で試し、足りない部分だけ自分のデータで補うという発想は、数字でも言葉でも同じように機能する。

TimesFMが教えてくれるのは、汎用の予測AIをまず試すことがもう特別な選択肢ではなくなった、という現在地だ。ただしその現在地に立ってなお、精度を追い込む場面では自分のデータに合わせた調整が要る。この均衡点は、当分動かないだろう。

Google「TimesFM」、学習なしで時系列予測

AIボイスメモを試してみませんか？