Google เปิดตัว TabFM — foundation model สำหรับ 'ตารางข้อมูล' ทำนายแบบ zero-shot ชนะ gradient boosting ที่จูนมาเต็มที่ กำลังเข้า BigQuery

ในขณะที่ข่าว AI ทั้งหมดวนอยู่กับ LLM ที่คุยกับคนได้ Google Research กลับปล่อยของที่แก้ปัญหา “งานจริงในองค์กรส่วนใหญ่” ตรง ๆ — TabFM (Tabular Foundation Model) โมเดลพื้นฐานสำหรับ ข้อมูลตาราง (แถว/คอลัมน์ แบบที่อยู่ใน SQL, สเปรดชีต, ดาต้าแวร์เฮาส์) ที่ทำงาน classification และ regression แบบ zero-shot — ป้อนตารางฝึกกับแถวที่อยากทำนายเข้าไป โมเดลคืนคำตอบใน การ forward ครั้งเดียว โดยไม่ต้องเทรนโมเดลใหม่ ไม่ต้องจูน hyperparameter และไม่ต้องทำ feature engineering

นี่คือการยกแนวคิด foundation model / in-context learning ที่เราคุ้นจากฝั่งภาษามาลงกับข้อมูลที่ ธุรกิจส่วนใหญ่ใช้จริงทุกวัน — การทำนาย churn, จัดประเภทธุรกรรม, ประเมินความเสี่ยง, พยากรณ์ยอด — งานที่ทุกวันนี้ยังต้องนั่งเทรน XGBoost/LightGBM แล้วจูนทีละตัว

เทรนบนข้อมูลสังเคราะห์ล้วน แต่ชนะ baseline ที่จูนมาเต็ม

จุดที่ทำให้ TabFM น่าสนใจเชิงงานวิจัยคือวิธีเทรน มัน ไม่ได้เทรนบนข้อมูลจริง แต่เทรนบน ชุดข้อมูลสังเคราะห์หลายร้อยล้านชุด ที่สร้างจาก structural causal models (SCM) เพื่อจำลองความสัมพันธ์แบบต่าง ๆ ในโลกจริง โมเดลจึงเรียน “รูปแบบของการเรียนรู้จากตาราง” มากกว่าจะจำโดเมนใดโดเมนหนึ่ง

สถาปัตยกรรมผสมสองแนวเข้าด้วยกัน: row/column attention แบบ TabPFN (จับความสัมพันธ์ระหว่างฟีเจอร์และระหว่างแถว) บวก in-context learning แบบ TabICL — ในเวอร์ชัน 1.0 คือ 3 บล็อก column attention, 3 บล็อก row attention และ 24 บล็อก ICL transformer ที่ embedding dimension 256

ผลบน TabArena (51 ชุดข้อมูล — classification 38, regression 13): ในโหมด zero-shot การ forward ครั้งเดียวไม่มีการค้นหา hyperparameter TabFM เอาชนะ baseline แบบ supervised ที่ปรับแต่งมาเต็มที่ รวมถึง gradient-boosted trees ซึ่งเป็นแชมป์ของงานตารางมานานหลายปี ส่วนเวอร์ชัน TabFM-Ensemble (เพิ่ม cross features, SVD, Platt scaling) ดันคะแนนขึ้นไปอีก

กำลังเข้า BigQuery ผ่าน AI.PREDICT

มุมที่นักพัฒนาต้องจับตาคือ Google กำลังผูก TabFM เข้ากับ BigQuery โดยตรง — อีกไม่กี่สัปดาห์จะเรียกใช้งาน regression/classification ขั้นสูงได้ด้วยคำสั่ง SQL อย่าง AI.PREDICT โดยไม่ต้องยกข้อมูลออกจากดาต้าแวร์เฮาส์ไปเทรนที่อื่น น้ำหนักโมเดลก็ปล่อยบน Hugging Face (google/tabfm-1.0.0-pytorch) และโค้ดบน GitHub (google-research/tabfm) ให้ลองรันเองได้

ข้อควรอ่านให้ละเอียดเรื่องใบอนุญาต: โค้ดเป็น Apache-2.0 แต่ น้ำหนักโมเดลอยู่ใต้ “TabFM Non-Commercial License v1.0” — ใช้เชิงพาณิชย์ไม่ได้ ฉะนั้น “เปิด” ในที่นี้คือเปิดให้วิจัย/ทดลอง ไม่ใช่เอาไปฝังในผลิตภัณฑ์เชิงพาณิชย์ได้ทันทีเหมือน MIT/Apache สายพาณิชย์เต็มตัวคงต้องรอเส้นทาง BigQuery (จ่ายตามใช้) ข้อจำกัดทางเทคนิคอื่น: classification สูงสุด 10 คลาส, เหมาะกับตารางไม่เกิน ~500 ฟีเจอร์, และหน่วยความจำโตตามจำนวนแถวที่ใช้เป็น context เพราะทุกแถวถูกป้อนเป็น context

มุมมอง AI Curator

ข่าวนี้อาจดู “ไม่เซ็กซี่” เท่าโมเดลแชตตัวใหม่ แต่ในทางปฏิบัติมันอาจกระทบงาน data science ในองค์กรมากกว่า — เพราะ ข้อมูลตารางคือ 80% ของ ML ที่ธุรกิจทำจริง ไม่ใช่ข้อความหรือรูป การมี foundation model ที่ทำนายได้ในช็อตเดียวโดยไม่ต้องเทรน หมายถึงการยุบขั้นตอน “เก็บ label → เลือกโมเดล → จูน → deploy” ให้เหลือแค่ “ป้อนตาราง แล้วถาม” ซึ่งเป็นการเปลี่ยน workflow ระดับเดียวกับที่ LLM ทำกับงานข้อความ

สำหรับทีมไทย/SEA ที่มักมีข้อมูลน้อยและ data scientist ไม่พอ นี่คือแนวที่ควรจับตาเป็นพิเศษ งาน churn/fraud/credit-scoring ที่แต่ก่อนต้องมีคนจูน XGBoost อาจเริ่มจาก zero-shot baseline ที่ดีพอใช้ได้เลย แล้วค่อยตัดสินใจว่าจะลงทุนเทรนโมเดลเฉพาะทางเพิ่มไหม — ประหยัดทั้งเวลาและคน

แต่ต้องอ่านเงื่อนไขให้ครบก่อนตื่นเต้น: (1) ใบอนุญาตน้ำหนักเป็น non-commercial — สายโปรดักชันจริงต้องรอ BigQuery หรือเงื่อนไขเชิงพาณิชย์ ไม่ใช่โหลด weights ไปใช้ในสินค้าได้เลย; (2) เทรนบนข้อมูลสังเคราะห์ล้วน Google เองระบุว่า performance บนโดเมนจริงจะแปรผัน — ต้องเทสต์กับข้อมูลตัวเองก่อนเชื่อ; (3) เพดาน 10 คลาส/~500 ฟีเจอร์ทำให้มันยังไม่ครอบทุกเคส คำแนะนำคือใช้เป็น strong baseline ที่ตั้งได้ในไม่กี่นาที ไม่ใช่คำตอบสุดท้ายที่แทน XGBoost ทุกงาน — แต่ทิศทาง “foundation model สำหรับตาราง” คือคลื่นลูกถัดไปที่มาแน่

แหล่งข่าว

• Introducing TabFM: A zero-shot foundation model for tabular data — Google Research
• google/tabfm-1.0.0-pytorch บน Hugging Face
• Google AI Introduces TabFM — MarkTechPost