NVIDIA 29. září představila Kumo Tabular. Předtrénovaný model dostane tabulku s příklady, u nichž známe výsledek, a odhaduje chybějící kategorii nebo číselnou hodnotu u dalších řádků. Pro tuto novou úlohu nemusí uživatel znovu trénovat jeho váhy. Příklady se známým výsledkem však stále potřebuje: nejde o věštění z prázdné tabulky.

Vývojáři uvádějí předtrénování na uměle vytvořených tabulkách a vlastní benchmarky. Ty nejsou nezávislou zárukou prvenství. Dokumentace zároveň obsahuje úpravy vstupních dat; slogan „bez nového trénování“ proto neznamená „bez přípravy dat“. Váhy jsou pod OpenMDW 1.1, kód pod Apache 2.0; podmínky nejsou totožné.

Redakční výhled: menší výrobce by mohl z historie zakázek odhadovat riziko zmetků, servisní firma vytipovat zařízení ke kontrole. Přínosem by nebyla neomylnost, ale rychlejší ověření, zda tabulka vůbec obsahuje užitečný signál. Predikce souvislostí přitom nevysvětluje příčinu poruchy a nemá sama zastavovat výrobu.

Před praxí je nutné oddělit zkušební data, která model nedostal jako příklady, a porovnat výsledky s jednoduchou stávající metodou. U časových záznamů testovat i pozdější období, aby odhad těžil ze skutečné schopnosti, ne z úniku budoucích informací. Počítat náklady výpočtu, chybných poplachů i lidského ověřování.

První experiment lze s dostupnými vahami zahájit už nyní. Pokud firma má použitelná data a technické zázemí, optimistický pilot může dát odpověď za dva až osm týdnů. To je redakční odhad omezené zkoušky, nikoli příslib úspor nebo hotového systému. Ilustrace zobrazuje smyšlenou tabulku, ne výstup Kumo.