NVIDIA stellte am 29. September Kumo Tabular vor. Das vortrainierte Modell erhält eine Tabelle mit Beispielen, deren Ergebnisse bekannt sind, und schätzt für weitere Zeilen eine Kategorie oder einen Zahlenwert. Für diese neue Aufgabe müssen Nutzer seine Gewichte nicht erneut trainieren. Beispiele mit bekannten Ergebnissen bleiben nötig: Aus einer leeren Tabelle lässt sich nichts vorhersagen.

Die Entwickler berichten von Vortraining mit künstlichen Tabellen und eigenen Benchmarks. Diese garantieren keinen unabhängig bestätigten Spitzenplatz. Die Dokumentation enthält zudem Transformationen der Eingaben: „kein neues Training“ bedeutet nicht „keine Datenaufbereitung“. Die Gewichte unterliegen OpenMDW 1.1, der Code Apache 2.0; die Bedingungen sind nicht identisch.

Redaktioneller Ausblick: Ein kleiner Hersteller könnte aus vergangenen Aufträgen Ausschussrisiken schätzen, ein Wartungsbetrieb Geräte für Inspektionen auswählen. Der Nutzen wäre eine schnellere Prüfung, ob eine Tabelle brauchbare Signale enthält, nicht Unfehlbarkeit. Die Vorhersage eines Zusammenhangs erklärt keine Fehlerursache und sollte die Produktion nicht eigenständig stoppen.

Vor dem Einsatz sind Testdaten zurückzuhalten, die das Modell nicht als Beispiele erhalten hat, und die Ergebnisse mit einer einfachen bestehenden Methode zu vergleichen. Bei zeitgestempelten Daten auch spätere Zeiträume testen, damit keine Zukunftsinformationen durchsickern. Rechenkosten, Fehlalarme und menschliche Prüfung gehören in die Kostenrechnung.

Ein erstes Experiment kann mit den verfügbaren Gewichten bereits beginnen. Mit brauchbaren Daten und technischer Ausstattung könnte ein optimistischer Pilot binnen zwei bis acht Wochen eine Bewertung liefern. Das ist eine redaktionelle Schätzung für einen begrenzten Versuch, kein Sparversprechen oder fertiges System. Die Illustration zeigt eine erfundene Tabelle, keine Kumo-Ausgabe.