Modelo da Nvidia faz previsões em bancos de dados sem precisar de treinamento
O Kumo Relational analisa até 10 mil exemplos históricos direto nas tabelas e prevê tendências como cancelamentos ou fraudes, superando métodos tradicionais de machine learning
A Nvidia lançou o Kumo Relational, um modelo de IA pré-treinado que faz previsões (como cancelamentos de clientes ou demanda de produtos) direto em bancos de dados relacionais, sem precisar de treinamento específico nem transformação manual das tabelas. Ele reúne até 10 mil exemplos históricos como contexto e supera métodos tradicionais de machine learning em benchmarks públicos e empresariais.
A Nvidia lançou o Kumo Relational, um modelo de inteligência artificial pré-treinado que faz previsões direto em bancos de dados relacionais (aqueles organizados em várias tabelas conectadas, como as listas de clientes, pedidos e produtos de uma empresa) sem precisar de treinamento específico para cada tarefa. Segundo informou a empresa em seu blog, basta conectar o banco de dados, descrever o que você quer prever — por exemplo, quais clientes vão cancelar o serviço ou quanto um produto vai vender — e o modelo retorna as previsões em uma única rodada de processamento.
O diferencial está na forma como o modelo trabalha. A maioria dos sistemas de machine learning exige que alguém primeiro "achate" as tabelas, criando manualmente colunas como "valor médio de compra nos últimos 30 dias" para treinar um algoritmo — um processo que pode levar semanas. O Kumo Relational opera direto na estrutura original do banco de dados, respeitando as conexões entre tabelas (chamadas de chaves estrangeiras) e os registros de quando cada evento aconteceu. Na hora de fazer uma previsão, ele reúne até 10 mil exemplos históricos como contexto e usa atenção por grafos (um mecanismo que relaciona informações espalhadas em várias tabelas) para entender padrões e prever o que vai acontecer a seguir.
Em testes com 41 tarefas de previsão espalhadas por 15 bancos de dados diferentes — incluindo benchmarks públicos como o RelBench e o SAP SALT, usado por grandes empresas — o Kumo Relational superou tanto pipelines tradicionais de machine learning (como o XGBoost, muito usado em produção) quanto modelos de deep learning especializados. No SAP SALT, por exemplo, ele bateu ensembles do AutoGluon (uma ferramenta que combina vários modelos para aumentar a precisão) em 8% na métrica MRR (mean reciprocal rank, que mede a qualidade de listas ordenadas). Nas tarefas de classificação do RelBench, ficou quase 4 pontos acima do XGBoost rodando sobre features criadas por especialistas.
O modelo foi pré-treinado inteiramente com dados sintéticos gerados para imitar bancos de dados reais, incluindo suas relações complexas e evolução ao longo do tempo. Essa abordagem resolve o problema de que bases relacionais ricas raramente são públicas. A geração sintética é baseada no PluRel (um framework desenvolvido por parte da equipe da Nvidia), que cria esquemas de tabelas, links entre registros e valores que seguem tendências temporais e dependências entre colunas. Como os dados sintéticos são ilimitados, o pré-treinamento segue uma lei de potência: quanto mais bancos sintéticos, melhor o desempenho em bancos reais.
A Nvidia posiciona o Kumo Relational como um passo na mesma direção dos modelos de linguagem de grande escala (LLMs, a sigla em inglês para large language models, como o ChatGPT): um modelo que substitui pipelines artesanais por uma solução mais precisa, mais simples de colocar em produção e flexível o bastante para ser chamada por agentes de IA. O modelo já está disponível como biblioteca open-source (structured-data-models, otimizada para GPUs) e também como NIM (NVIDIA Inference Microservice, um formato de deploy em nuvem). A empresa criou ainda uma linguagem de consulta própria, a PQL (Predictive Query Language), que permite descrever o que se quer prever em vez de programar como fazer isso — facilitando o uso tanto por analistas quanto por agentes autônomos.
