في عصر المعلومات، تلعب البيانات الزمنية (Temporal Data) دورًا حيويًا في تحويل الطريقة التي نفهم بها الأنظمة الديناميكية. تشمل هذه البيانات السلاسل الزمنية (Time Series) والبيانات المكانية الزمانية (Spatio-Temporal Data)، والتي يتم توليدها بكميات هائلة بواسطة حساسات فعلية وافتراضية.

مع التقدم الأخير في نماذج اللغات الضخمة (Large Language Models) والنماذج الأساسية الأخرى، أصبحت هذه الأدوات محورًا رئيسيًا في تعدين البيانات الزمنية والمكانية. لا تعزز هذه الأساليب من قدرة التعرف على الأنماط (Pattern Recognition) فقط، بل تساهم أيضًا في التقدم نحو تحقيق ذكاء اصطناعي عام بإمكانه فهم ومعالجة البيانات الزمنية.

كحصيلة لاستكشاف شامل، يستعرض بحثنا الحديث النماذج الضخمة المعدلة لتحليل البيانات الزمنية والزمانية وفقًا لأربعة أبعاد رئيسية: أنواع البيانات (Data Types) وفئات النماذج (Model Categories) ونطاقات النماذج (Model Scopes) ومجالات التطبيقات (Application Areas). تشمل النتائج تقسيم الأعمال القائمة إلى مجموعتين رئيسيتين: النماذج الكبيرة لتحليل السلاسل الزمنية (LM4TS) والنماذج الكبرى لتعدين البيانات الزمانية (LM4STD)، مع تمييز النماذج العامة والنماذج الخاصة بالمجالات.

بالإضافة إلى ذلك، نجمع الموارد ذات الصلة، بما في ذلك قواعد البيانات (Datasets) وتنفيذات النماذج (Model Implementations) والأدوات، مرتبة حسب مجالات التطبيقات الرئيسية. يعد هذا الاستطلاع تجميعًا لتطورات حديثة ويبرز الأسس والتطبيقات والموارد بالإضافة إلى فرص البحث المفتوحة في مجال تحليل البيانات الزمنية المدعومة بالنماذج الضخمة.

ما رأيكم في هذا التطور؟ هل تعتقدون أن النماذج اللغوية الضخمة ستحدث ثورة في معالجتنا للبيانات الزمنية؟ شاركونا في التعليقات!