ICI-Time: όταν ένα vision model προβλέπει χρονοσειρές σαν να συμπληρώνει εικόνες

Το ICI-Time μετατρέπει χρονοσειρές σε εικόνες και αξιοποιεί visual in-context learning για forecasting με λίγα δεδομένα και ελεγχόμενο pilot. Τι θα γινόταν αν ένα μοντέλο δεν «διάβαζε» τις πωλήσεις, τη ζήτηση ή την κατανάλωση ενέργειας ως αριθμούς, αλλά ως μια εικόνα από την οποία λείπει το τελευταίο κομμάτι; Αυτή είναι η ιδέα του ICI-Time, ενός ερευνητικού framework που μετατρέπει την πρόβλεψη χρονοσειρών σε visual inpainting. Αντί να εκπαιδεύσει ειδική temporal αρχιτεκτονική, δίνει σε ένα προεκπαιδευμένο large vision model παραδείγματα καμπυλών και του ζητά να συμπληρώσει την άγνωστη συνέχεια.

Η εργασία των Thang Nguyen, Dung Nguyen, Romero Morais και Truyen Tran από το Deakin University υποβλήθηκε ως arXiv preprint τον Αύγουστο του 2026. Οι συγγραφείς αναφέρουν ανταγωνιστική απόδοση απέναντι σε Informer, Pyraformer και LogTrans σε δεδομένα επιδημιολογίας, καιρού και συστημάτων ισχύος, χωρίς fine-tuning του vision model. Ιδιαίτερο ενδιαφέρον έχουν τα few-shot πειράματα, όπου η απόδοση του ICI-Time έμεινε πιο σταθερή καθώς μειώνονταν τα διαθέσιμα ιστορικά δεδομένα.

Για e-commerce, marketing και operations teams, η μελέτη δεν είναι έτοιμη υπόσχεση καλύτερου demand forecasting. Είναι όμως χρήσιμο παράδειγμα cross-modal engineering: μια πιστή αναπαράσταση μπορεί να ενεργοποιήσει ικανότητες foundation model σε εργασία για την οποία δεν σχεδιάστηκε. Η αξία κρίνεται από retrieval, κλιμάκωση, ανάκτηση αριθμών από pixels, baselines και πραγματικές επιχειρησιακές αποφάσεις.

Από τη χρονοσειρά στο οπτικό κενό

Η κλασική πρόβλεψη χρονοσειρών δέχεται ένα ιστορικό παράθυρο και υπολογίζει τις επόμενες τιμές. Τα σύγχρονα deep learning μοντέλα μπορούν να πετύχουν υψηλή ακρίβεια, αλλά συνήθως χρειάζονται ειδική αρχιτεκτονική, training και νέα προσαρμογή όταν αλλάζει το domain. Η δυσκολία μεγαλώνει όταν η συμπεριφορά δεν είναι σταθερή, συνυπάρχουν πολλές χρονικές κλίμακες ή τα διαθέσιμα δεδομένα είναι λίγα.

Το ICI-Time αλλάζει τη διατύπωση. Μετατρέπει τα αριθμητικά παράθυρα σε area charts, βάζει ένα γνωστό input-output παράδειγμα στην πρώτη σειρά ενός grid και το query στη δεύτερη. Η περιοχή του μελλοντικού query μένει κενή. Το vision model παρατηρεί τη σχέση του γνωστού ζεύγους, συμπληρώνει το κενό και το σύστημα μεταφράζει την παραγόμενη καμπύλη πίσω σε αριθμούς.

Πρόκειται για visual in-context learning: η εργασία ορίζεται από το παράδειγμα μέσα στο prompt και όχι από αλλαγή των βαρών. Το paper χρησιμοποιεί το vision model off-the-shelf, χωρίς task-specific fine-tuning ή τροποποίηση της αρχιτεκτονικής. Αυτό διαφοροποιεί το ICI-Time τόσο από εκπαιδευμένους temporal forecasters όσο και από vision-first μοντέλα που χρειάζονται task-aligned pretraining.

Τα τέσσερα στάδια του ICI-Time

Το πρώτο στάδιο δημιουργεί βάση περιπτώσεων από το διαθέσιμο ιστορικό. Με sliding windows, κάθε παλαιότερο τμήμα χωρίζεται σε lookback και γνωστή συνέχεια. Για το νέο query, το σύστημα συγκρίνει κανονικοποιημένα inputs με ευκλείδεια απόσταση και επιλέγει το πλησιέστερο παράδειγμα.

Στο δεύτερο στάδιο, το example και το query γίνονται εικόνες. Στο τρίτο, οργανώνονται σε grid prompt και το large vision model εκτελεί inpainting. Στο τέταρτο, η παραγόμενη εικόνα καθαρίζεται και η καμπύλη ανακτάται ως αριθμητική ακολουθία. Η ροή συνδυάζει case-based retrieval, οπτική κωδικοποίηση, generative inference και deterministic post-processing.

Αυτή η αλυσίδα είναι κρίσιμη για τη σωστή απόδοση ευθύνης. Ένα κακό forecast δεν προέρχεται υποχρεωτικά από το vision model. Μπορεί να οφείλεται σε ακατάλληλο ιστορικό παράδειγμα, ασυνεπή άξονα, ανεπαρκή ανάλυση εικόνας, θόρυβο στο inpainting ή λάθος curve extraction. Όπως και στην Explainable AI για χρονοσειρές, η εξήγηση πρέπει να καλύπτει ολόκληρο το pipeline και όχι μόνο τον τελικό predictor.

Retrieval και αναπαράσταση καθορίζουν το forecast

Το in-context example λειτουργεί σαν οπτική αναλογία. Αν η πρόσφατη καμπύλη μοιάζει με ιστορικό μοτίβο, το μοντέλο βλέπει πώς εξελίχθηκε εκείνο το μοτίβο και επιχειρεί να προσαρμόσει τη συνέχεια στο query. Οι συγγραφείς περιγράφουν το LVM ως μη γραμμικό interpolator περιπτώσεων στον χώρο της εικόνας.

Σε εμπορικό σύστημα, η απλή ομοιότητα του lookback δεν εγγυάται κοινό επιχειρηματικό πλαίσιο. Μια κορύφωση πωλήσεων πριν από Black Friday μπορεί να μοιάζει με κορύφωση από stock clearance, ενώ η επόμενη κίνηση διαφέρει. Το ίδιο πρόβλημα εμφανίζεται όταν ένα μοντέλο μεταφέρεται σε νέα αγορά: το geographic domain shift μπορεί να αλλάξει τη σχέση ανάμεσα σε παρόμοια μοτίβα και μελλοντική συμπεριφορά.

Η οπτική αναπαράσταση πρέπει επίσης να είναι αντιστρέψιμη. Το ICI-Time εφαρμόζει min-max normalization και διατηρεί τα στατιστικά του query, ώστε η οπτική πρόβλεψη να αποκανονικοποιηθεί στην αρχική κλίμακα. Οι εικόνες έχουν σταθερό μέγεθος 224 × 224 pixels. Η χρονική ανάλυση input και output ρυθμίζεται με διαφορετικά όρια στον οριζόντιο άξονα, ενώ η κάθετη κλίμακα του example μεταφέρεται στο query.

Η επιλογή αυτή δεν είναι αισθητική λεπτομέρεια. Αν μικρή αριθμητική αλλαγή μετατρέπεται σε μεγάλη μετατόπιση pixel ή αν example και query χρησιμοποιούν ασύνδετες κλίμακες, το μοντέλο βλέπει ασταθή οπτική γλώσσα. Για μια επιχείρηση, η αναπαράσταση χρειάζεται versioning και tests όπως κάθε άλλο production feature.

Πώς τα pixels γίνονται ξανά δεδομένα

Μετά το inpainting, η εικόνα μπορεί να περιέχει θόρυβο ή ασαφή όρια. Το framework κάνει binarization, αντιστροφή και morphological opening με δομικό στοιχείο 3 × 3 pixels. Έπειτα βρίσκει το ανώτερο foreground pixel κάθε στήλης, δημιουργεί συνεχές περίγραμμα με interpolation και το δειγματοληπτεί στον ζητούμενο αριθμό μελλοντικών βημάτων.

Υπάρχει επίσης το «disconnection problem»: το πρώτο προβλεπόμενο σημείο μπορεί να απέχει απότομα από το τελευταίο γνωστό σημείο. Οι συγγραφείς εφαρμόζουν Gaussian smoothing decay που ενώνει ομαλά τις δύο περιοχές για περίπου 10 χρονικά βήματα. Στις έξι σειρές δεδομένων, το smoothing μείωσε το μέσο MSE κατά 0,7% έως 2,2%, με το μεγαλύτερο όφελος στο ILI.

Άρα μέρος της επίδοσης προκύπτει από τον συνδυασμό μοντέλου και post-processing. Μια δίκαιη σύγκριση πρέπει να αξιολογεί ολόκληρο pipeline απέναντι σε ολόκληρα baselines. Δεν είναι ορθό να αποδίδεται κάθε βελτίωση αποκλειστικά στο foundation model, ούτε να αγνοείται η πιθανότητα το smoothing να κρύψει απότομη αλλά πραγματική αλλαγή.

Τι ακριβώς δοκιμάστηκε

Η αξιολόγηση κάλυψε τρία domains. Το ILI περιλαμβάνει εβδομαδιαία δεδομένα ασθενών με συμπτώματα παρόμοια με γρίπη από το CDC για την περίοδο 2002–2021. Το Weather έχει 21 μετεωρολογικούς δείκτες ανά 10 λεπτά για το 2020. Το ETT αφορά θερμοκρασίες δύο ηλεκτρικών μετασχηματιστών σε ωριαία και 15λεπτη ανάλυση, σχηματίζοντας ETTh1, ETTh2, ETTm1 και ETTm2.

Οι σειρές έχουν αντίστοιχα 966, 52.696, 17.420 και 69.680 timesteps για τις ομάδες του πίνακα της μελέτης. Το lookback είναι 96 βήματα για το ICI-Time και τα Transformer baselines. Οι ορίζοντες πρόβλεψης είναι 24, 36, 48 και 60 για ILI και 96, 192, 336 και 720 για Weather και ETT.

Η σύγκριση έγινε με Informer, Pyraformer και LogTrans, χρησιμοποιώντας MSE και MAE. Οι baseline τιμές προήλθαν από προηγούμενη εργασία όταν υπήρχαν, ενώ οι συγγραφείς αναφέρουν ότι συμπλήρωσαν τα κενά με δικά τους experiments και συνεπείς ρυθμίσεις. Το setup είναι channel-independent: κάθε μεταβλητή προβλέπεται χωριστά, χωρίς να μοντελοποιούνται άμεσα οι μεταξύ τους σχέσεις.

Αυτό περιορίζει την επιχειρηματική γενίκευση. Η πρόβλεψη ζήτησης συχνά χρειάζεται τιμή, promotion, stock availability, ημέρα, κανάλι και ανταγωνιστικές κινήσεις. Η Causal AI στις επιχειρηματικές αποφάσεις υπενθυμίζει γιατί ένα καλό μοτίβο δεν ισοδυναμεί με κατανόηση της αιτίας που το δημιούργησε.

Τι έδειξαν τα full-data αποτελέσματα

Στο full-data setting, το ICI-Time είχε την καλύτερη MAE σε 23 από τις 24 περιπτώσεις και τη δεύτερη καλύτερη στην τελευταία. Στο MSE η εικόνα ήταν πιο μικτή. Στο ETTh1, για παράδειγμα, Pyraformer ή Informer είχαν χαμηλότερο MSE σε αρκετούς ορίζοντες, ενώ στα ETTh2, ETTm2 και Weather το ICI-Time παρουσίασε ισχυρότερα αποτελέσματα.

Η διάκριση MAE και MSE έχει πρακτική σημασία. Το MSE τιμωρεί περισσότερο τα μεγάλα σφάλματα, άρα μπορεί να είναι κρίσιμο όταν ένα ακραίο under-forecast προκαλεί stockout ή όταν μια λάθος πρόβλεψη ισχύος επηρεάζει ασφάλεια και κόστος. Το MAE δίνει πιο γραμμική εικόνα του συνηθισμένου σφάλματος. Η επιλογή metric πρέπει να ακολουθεί το κόστος της απόφασης, όχι το αποτέλεσμα που παρουσιάζει πιο ευνοϊκά το μοντέλο.

Οι συγγραφείς σημειώνουν ότι ο μέσος όρος πολλών runs με διαφορετικά near-optimal examples μπορεί να μειώσει τον θόρυβο. Αυτό όμως αυξάνει το inference work και δημιουργεί νέα απόφαση: πόσα runs χρειάζονται, πώς επιλέγονται τα παραδείγματα και ποια είναι η διακύμανση του forecast. Το paper δεν παρέχει latency ή συνολικό compute cost ανά πρόβλεψη.

Ένας nearest-neighbour sanity check, που αντέγραφε τη συνέχεια του πρώτου παραδείγματος, απέδωσε χειρότερα από το ICI-Time και τα Transformer baselines. Το αποτέλεσμα υποστηρίζει ότι το vision model δεν αντιγράφει μηχανικά το example. Δεν αποδεικνύει όμως ότι έχει μάθει τους επιχειρηματικούς μηχανισμούς πίσω από τη σειρά.

Το ίδιο επίπεδο πειθαρχίας χρειάζεται σε κάθε forecasting experiment. Η ανάλυση για QHAdamW και πρόβλεψη χρονοσειρών δείχνει γιατί dataset, split, horizon, optimizer και baseline πρέπει να διαβάζονται μαζί πριν ένα χαμηλότερο error μετατραπεί σε γενικό συμπέρασμα.

Γιατί τα few-shot αποτελέσματα ξεχωρίζουν

Τα few-shot experiments περιόρισαν όλα τα μοντέλα στο πρώτο 10%, 5% ή 1% των training data. Για να αποφευχθεί leakage στην ανάκτηση παραδειγμάτων, τα τμήματα test input που δεν θα ήταν διαθέσιμα σε πραγματική ανάπτυξη αντικαταστάθηκαν με μηδενικά κατά τον υπολογισμό αποστάσεων. Στο 5% και 1% παρουσιάστηκαν μόνο horizons με αρκετά δεδομένα για training των baselines.

Στο Weather με horizon 96, όταν τα δεδομένα μειώθηκαν από 10% σε 1%, το MAE του Informer ανέβηκε από 0,389 σε 0,514 και του Pyraformer από 0,360 σε 0,487. Το ICI-Time μετακινήθηκε από 0,234 σε 0,242. Οι σχετικές αυξήσεις που προκύπτουν είναι περίπου 32,1%, 35,3% και 3,4% αντίστοιχα.

Σε άλλο χαρακτηριστικό παράδειγμα, στο ETTh2 με horizon 96 και 10% των δεδομένων, το MSE ήταν 0,317 για ICI-Time, 4,047 για Informer και 4,065 για Pyraformer. Στο ETTm2 με horizon 96 και 1%, οι τιμές ήταν 0,208, 1,984 και 2,444. Πρόκειται για τις συγκεκριμένες σειρές, splits και baselines· δεν αποτελούν καθολική υπεροχή του visual forecasting.

Ablations, leakage και όρια της απόδειξης

Η μεταφορά της κάθετης κλίμακας από το example στο query μείωσε το μέσο MSE κατά 9,2% έως 18,5% στα ETT και Weather σε σχέση με fixed factor 1,5. Το ILI ήταν εξαίρεση, όπου η σταθερή κλίμακα απέδωσε καλύτερα. Η διατήρηση διαφορετικής χρονικής ανάλυσης για input και output ξεπέρασε την ομοιόμορφη συμπίεση και στα έξι datasets, με μείωση μέσου MSE 1,8% έως 5,1% σε ETT και Weather και 10,7% στο ILI.

Οι ablations δείχνουν ότι η «γραμματική» της εικόνας συμβάλλει ουσιαστικά στο αποτέλεσμα. Η επιλογή modality δεν είναι μαγική συντόμευση: χρειάζονται engineering της αναπαράστασης, τεκμηρίωση transforms και tests που απομονώνουν ποιο κομμάτι βελτιώνει πραγματικά το forecast.

Η πρόληψη leakage χρειάζεται ακόμη μεγαλύτερη προσοχή σε εταιρικό pilot. Τα rolling splits πρέπει να διασφαλίζουν ότι το retrieval δεν βλέπει μελλοντικό παράδειγμα, ότι normalization και feature engineering υπολογίζονται μόνο από διαθέσιμο ιστορικό και ότι κανένα promotion ή προϊόν δεν εμφανίζεται ταυτόχρονα σε train και test με τρόπο που κάνει την εργασία τεχνητά εύκολη.

Η σημερινή απόδειξη έχει συγκεκριμένα όρια: preprint v1, δημόσια datasets, τρεις Transformer families, fixed ανάλυση 224 × 224, channel-independent forecasting και απουσία retail δεδομένων, latency και compute cost. Η διαδικασία curve extraction και smoothing μπορεί να βελτιώνει ή να παραμορφώνει απότομες αλλαγές. Η διαφορετική συμπεριφορά του ILI στο height ablation δείχνει ότι μία οπτική ρύθμιση δεν ταιριάζει παντού.

Τι σημαίνει για e-commerce και predictive analytics

Οι πιθανές εφαρμογές περιλαμβάνουν ζήτηση, traffic, παραγγελίες, χρήση υπηρεσίας και λειτουργικά μεγέθη. Το πλεονέκτημα που αξίζει να διερευνηθεί είναι η γρήγορη προσαρμογή όταν ένα SKU, μια αγορά ή ένα κανάλι έχει περιορισμένο ιστορικό. Το paper παρέχει ερευνητική ένδειξη ότι το visual in-context approach μπορεί να παραμένει ανταγωνιστικό σε τέτοιες συνθήκες.

Δεν παρέχει όμως εμπορική αξιολόγηση με promotions, stockouts, holidays, price changes ή multivariate causal signals. Μια e-commerce ομάδα δεν πρέπει να μετατρέψει τις benchmark επιδόσεις σε υπόσχεση revenue ή inventory accuracy. Τα market models για εμπορικές αποφάσεις έχουν αξία μόνο όταν οι υποθέσεις, τα διαθέσιμα δεδομένα και η απόφαση που ενεργοποιούν παραμένουν ορατά.

Η πιθανή χρησιμότητα επεκτείνεται και στο interface της αναλυτικής. Αν η ίδια οπτική αναπαράσταση χρησιμοποιείται για model inference και ανθρώπινο έλεγχο, η ομάδα μπορεί να επιθεωρεί example, query και prediction σε κοινό πλαίσιο. Αυτό είναι εύλογη σχεδιαστική προοπτική, όχι αποτέλεσμα που αξιολόγησε η μελέτη. Τα εργαλεία στατιστικής ανάλυσης για επιχειρήσεις παραμένουν απαραίτητα για residuals, rolling performance και uncertainty.

Επτά βήματα για αξιόπιστο pilot

Ένα pilot πρέπει να ξεκινήσει από την απόφαση και όχι από το μοντέλο. Ορίστε ποια σειρά προβλέπεται, πόσο μακριά, πόσο συχνά και ποιο είναι το κόστος under-forecast και over-forecast. Το πλαίσιο RAIL πριν από την παραγωγή βοηθά να συνδεθούν reliability, accountability, inputs και limits με σαφές go/no-go.

Η οικονομική αξιολόγηση πρέπει να αποφεύγει ένα γενικό «καλύτερο score». Όπως δείχνει η μέτρηση AI ROI ανά εργασία, η σωστή μονάδα είναι το αποτέλεσμα της συγκεκριμένης απόφασης μαζί με το κόστος inference, εποπτείας, λαθών και συντήρησης.

Η αναπαράσταση δεν καταργεί τη διακυβέρνηση

Το ICI-Time είναι περισσότερο από ένας ακόμη forecaster. Δείχνει πώς ένα interface δεδομένων μπορεί να μεταφέρει εργασία σε διαφορετικό foundation model: η χρονοσειρά γίνεται σχήμα, η πρόβλεψη γίνεται συμπλήρωση μοτίβου και το in-context example γίνεται οδηγία. Η καινοτομία βρίσκεται τόσο στην αναπαράσταση όσο και στο μοντέλο που τη διαβάζει.

Όταν ένα forecast επηρεάζει παραγγελίες, budget ή στελέχωση, χρειάζεται πλήρες audit trail. Query, retrieved example, normalization, παραγόμενη εικόνα, post-processing και τελική σειρά πρέπει να παραμένουν διαθέσιμα. Χωρίς αυτά, η ομάδα δεν μπορεί να ξεχωρίσει κακή αναλογία από generative αστοχία ή σφάλμα curve extraction.

Χρειάζεται επίσης fallback και συνεχής παρακολούθηση. Αν δεν υπάρχει κοντινό ιστορικό παράδειγμα, αν η καμπύλη είναι ασύνδετη ή αν η πρόβλεψη βγαίνει εκτός επιχειρησιακών ορίων, το σύστημα πρέπει να επιστρέφει σε απλούστερο baseline ή να ζητά ανθρώπινο έλεγχο. Η ακρίβεια ανά horizon, περίοδο και κατηγορία μπορεί να αλλάξει όταν εμφανίζεται νέο καθεστώς δεδομένων.

Το ώριμο συμπέρασμα δεν είναι ότι όλες οι χρονοσειρές πρέπει να γίνουν εικόνες. Είναι ότι αξίζει να εξετάζονται υπάρχοντα foundation models όταν μια πιστή, αντιστρέψιμη και ελέγξιμη αναπαράσταση μπορεί να αξιοποιήσει τις γενικές τους ικανότητες. Η υπόθεση γίνεται επιχειρηματική αξία μόνο μετά από δύσκολο backtest, shadow operation και σαφή όρια αυτοματοποίησης.