Googleが追加学習不要の予測モデル「TabFM」を発表

　企業が保有するデータの多くは表形式で保存されている。これまで、売上予測や顧客の解約予測、クレジットカードの不正検知などの表データ分析にはXGBoostやランダムフォレストといった機械学習アルゴリズムが広く用いられてきた。しかし、これらの従来手法は新しいデータセットを処理するたびに、特徴量の設計やハイパーパラメータの綿密な調整、交差検証といったデータサイエンティストによる膨大な手作業と計算時間を要していた。

　今回グーグルが発表した「TabFM」は、大規模言語モデル（LLM）で用いられる「インコンテキスト学習」の仕組みを表データに応用した基盤モデルである。未知の表データを入力するだけで、追加の学習処理（パラメータ更新）を伴わずに、単一の順方向計算のみで予測を出力する。

　グーグル・リサーチの発表によれば、同モデルは構造的因果モデルから生成された数億件の合成データセットのみで訓練されており、実世界の企業データに対しても高い汎用性を発揮する。評価ベンチマーク「TabArena」の分類および回帰タスクを使用した検証では、事前の調整プロセスなしで既存の業界標準アルゴリズムを上回る精度を記録した。

　学習用オープンソースデータの枯渇問題を回避し、合成データのみで学習を完結させた点も技術的な特徴である。これにより機密性の高い実データを学習に用いるプライバシーリスクを抑えつつ、高度な予測能力を獲得している。

　モデルの重みデータとソースコードは、すでにHuggingFaceおよびGitHub上で公開されている。さらにグーグルは数週間以内に、自社のデータウェアハウス「BigQuery」を通じてTabFMを提供する方針を固めている。SQLコマンド「AI.PREDICT」から直接モデルを呼び出せる仕組みを整備し、データアナリストが複雑な機械学習の専門知識を持たずとも、日常的なデータ集計作業と同様の手順で高度な予測モデルを実業務に組み込む環境を実現する。