Google、表データ向け基盤モデル「TabFM」を提案

Google Researchは、表形式のデータ（テーブルデータ）に特化した新しい基盤モデル「TabFM」を提案した。従来のように個々のデータセットごとにモデルを一から学習させるのではなく、これまで見たことのない新しいテーブルに対しても、一度の推論処理だけで予測を生成できるアーキテクチャを採用している。

ビジネスデータの大部分は、データウェアハウスや顧客管理システム、財務台帳といった表形式で管理されている。しかしこうしたデータから予測モデルを作るには、これまでデータの前処理、欠損値の補完、カテゴリ変数の数値変換、特徴量エンジニアリングといった複雑な準備作業が必要だった。さらに学習後も、ハイパーパラメータの最適化を繰り返し、データの分布が変化するたびに再学習パイプラインを回し続けるという継続的な運用コストがかかる。Google Researchの研究科学者、Weihao Kong氏はこの状況を「データの変化に対応し続けるための継続的な運用負債が生じる」と表現している。

こうした課題に対し、テキストや画像を扱う生成AIの分野では「ゼロショット推論」、つまり追加学習なしにプロンプトだけで新しいタスクをこなす手法がすでに普及している。では既存の大規模言語モデル（LLM）にテーブルをそのまま入力すればよいのでは、という発想も自然に浮かぶ。しかしLLMは自然言語で学習されているため、構造化データの処理が苦手だ。数千行・数百列になるだけでコンテキストの上限に達してしまい、数値のトークン分割で精度が落ち、2次元のテーブルを1次元のテキストに変換する際に行と列の対応関係を見失うという問題がある。Kong氏は「今日、LLMにテーブルを直接読み込ませるより、LLMにコードを書かせてXGBoostを呼び出す方がはるかに効果的だ」とも語っている。

TabFMはこの問題を「インコンテキスト学習」という手法で解決しようとしている。インコンテキスト学習とは、モデルの重みを更新（再学習）せず、既知のデータと予測したい新しいデータをひとつのプロンプトとしてまとめて渡すだけで、モデルが列と行の関係を実行時に自ら解釈して予測を出力する仕組みだ。つまり、新しいテーブルが来るたびに学習し直す必要がなく、単一の「フォワードパス（前向き計算）」で推論が完結する。

実務上の変化は大きい。従来のアプローチでは、データパイプラインの構築から本番環境への展開まで数週間単位の作業が必要だった。TabFMの枠組みでは、これが原則としてAPIを一度呼び出すだけに短縮できると説明されている。企業の開発者やAIエンジニアにとっては、予測モデルの導入にかかるリードタイムを大幅に圧縮できる可能性がある。

TabFMが示す方向性は、機械学習の運用モデルそのものを問い直すという点で注目に値する。これまで表データの予測はデータサイエンティストによる手厚いチューニングが前提とされてきたが、基盤モデルがその役割の一部を担えるとすれば、AI活用の間口が広がると考えられる。一方で、実際の業務データにおける精度や、大規模テーブルへの対応能力については、今後の検証が必要な段階にあるという見方もできる。TabFMが産業利用に耐える水準に達するかどうかが、次の注目点となるだろう。