Databricks เปิด Predictive AI Functions พยากรณ์และตรวจค่าผิดปกติได้ด้วยคำสั่ง SQL
Databricks เปิด Predictive AI Functions รุ่น Beta เมื่อ 14 ต.ค. 2026 ฟังก์ชัน SQL 5 ตัวสำหรับพยากรณ์ ตรวจค่าผิดปกติ หาสาเหตุ และทำนายค่า โดยไม่ต้องสร้างโมเดลเอง
โดย กองบรรณาธิการ THAI DATA อ่าน 4 นาที
สรุปประเด็นสำคัญ
- Databricks เปิด Predictive AI Functions รุ่น Beta เมื่อ 14 ตุลาคม 2026 เป็นฟังก์ชัน SQL 5 ตัว ได้แก่ ai_forecast รุ่นใหม่ ai_top_drivers ai_detect_anomalies ai_predict_value และ ai_predict_class
- ai_forecast เวอร์ชัน 2 ใช้ time series foundation model แบบ transformer รองรับวันหยุด ตัวแปรภายนอก และค่าที่ห้ามติดลบ แต่ต้องสั่ง version => '2' เพราะค่าเริ่มต้นยังเป็นเวอร์ชัน 1
- ผลทดสอบ fev-bench ที่ Databricks รายงานเอง ai_forecast ใหม่ชนะเวอร์ชันเดิมใน 98% ของงาน และชนะฟังก์ชันของผู้ให้บริการคลาวด์ดาต้าแวร์เฮาส์ที่ไม่ระบุชื่อ 79%
- ต้องใช้ Pro หรือ Serverless SQL warehouse และผู้ดูแลต้องเปิด preview ก่อน ใน Genie ตอนนี้ใช้ได้เฉพาะ ai_top_drivers อีก 4 ฟังก์ชันจะตามมา
Databricks เปิด Predictive AI Functions รุ่น Beta เมื่อวันที่ 14 ตุลาคม 2026 เป็นฟังก์ชัน SQL 5 ตัวที่ให้นักวิเคราะห์ข้อมูลพยากรณ์ตัวเลข ตรวจหาค่าผิดปกติ หาว่าอะไรทำให้ตัวชี้วัดเปลี่ยน และทำนายค่าที่ขาดหายได้ในคำสั่ง SQL เดียว โดยไม่ต้องส่งงานให้ทีม data science สร้างและดูแลโมเดลเอง
บล็อกประกาศของ Jonathan Brito และ Gary Shambat จาก Databricks ระบุว่าโมเดลเบื้องหลังทุกฟังก์ชันเป็นโมเดลที่ Databricks ดูแลจากส่วนกลาง ผลจึงออกมาเหมือนกันไม่ว่าจะเรียกจาก SQL editor, notebook, dashboard หรือถาม Genie ด้วยภาษาธรรมดา และรันได้กับข้อมูลหลายร้อยล้านแถว
ฟังก์ชัน 5 ตัวใน Predictive AI Functions
| ฟังก์ชัน | ใช้ทำอะไร | ข้อกำหนดหลักตามเอกสาร |
|---|---|---|
| ai_forecast (เวอร์ชัน 2) | พยากรณ์อนุกรมเวลาไปข้างหน้า | Pro หรือ Serverless SQL warehouse และสั่ง version => '2' |
| ai_top_drivers | จัดอันดับกลุ่มที่ทำให้ตัวชี้วัดเปลี่ยนมากที่สุดระหว่างกลุ่มควบคุมกับกลุ่มทดสอบ | Databricks Runtime 16.1 ขึ้นไป ใช้ SQL warehouse หรือคลัสเตอร์ที่เปิด Photon |
| ai_detect_anomalies | ให้คะแนนความผิดปกติ 0–1 กับข้อมูลอนุกรมเวลา | Pro หรือ Serverless SQL warehouse ใช้บน Classic ไม่ได้ |
| ai_predict_value | เทรน regression จากแถวที่มีค่า แล้วทำนายแถวที่เป็น NULL | Pro หรือ Serverless SQL warehouse หรือ Runtime 19.3 ขึ้นไป |
| ai_predict_class | เทรน classification แล้วใส่ประเภทพร้อมค่าความมั่นใจ | Pro หรือ Serverless SQL warehouse หรือ Runtime 19.3 ขึ้นไป |
ทุกฟังก์ชันใน Predictive AI Functions อยู่ในสถานะ Beta และผู้ดูแล workspace ต้องเปิด preview ชื่อ Predictive AI Functions จากหน้า Previews ก่อนใช้ ai_detect_anomalies ใช้เกณฑ์เริ่มต้นที่คะแนน 0.95 ปรับให้ต่ำลงเพื่อจับค่าผิดปกติมากขึ้นได้ และจำกัดให้วิเคราะห์เฉพาะช่วงล่าสุดได้สูงสุด 8,192 แถวต่ออนุกรม โดยยังใช้ข้อมูลก่อนหน้าเป็นบริบท
ตัวอย่างในบล็อกใช้ชุดข้อมูลตัวอย่างแท็กซี่นิวยอร์ก ai_top_drivers วิเคราะห์ว่ารายได้ค่าโดยสารที่เพิ่มจาก 133,302 เป็น 135,937 ดอลลาร์สหรัฐระหว่างมกราคมกับกุมภาพันธ์ 2016 มาจากช่วงกลางวันของวันธรรมดามากที่สุด ขณะที่ช่วงเร่งด่วนตอนเย็นของวันธรรมดาเป็นตัวฉุดหลัก
ai_forecast เวอร์ชัน 2: foundation model วันหยุด และตัวแปรภายนอก
ไฮไลต์ของ Predictive AI Functions คือ ai_forecast รุ่นใหม่ ซึ่งใช้ time series foundation model แบบ transformer ที่ฝึกล่วงหน้าจากอนุกรมเวลาจำนวนมาก คล้ายกับที่โมเดลภาษาฝึกจากข้อความ จึงจับฤดูกาลและแนวโน้มได้เองโดยไม่ต้องปรับค่า สิ่งที่เพิ่มจากเวอร์ชัน 1 มีดังนี้
- วันหยุด ระบุ holiday_region ให้โมเดลคิดผลของวันหยุดในภูมิภาคนั้น เอกสารยกตัวอย่างรหัส 'US' แต่ไม่ได้แสดงรายการรหัสที่รองรับ
- ตัวแปรภายนอก (covariates) ใส่ปัจจัยที่รู้ล่วงหน้า เช่น ราคาที่วางแผนไว้หรือแคมเปญ หรือปัจจัยที่รู้เฉพาะในอดีต เช่น สภาพอากาศ
- ค่าห้ามติดลบ ตั้ง positive_only สำหรับตัวเลขอย่างยอดขาย จำนวนชิ้น หรือสินค้าคงคลัง
- หลายตัวชี้วัดพร้อมกัน พยากรณ์ได้ไม่จำกัดจำนวนกลุ่ม และสูงสุด 100 ตัวชี้วัดในแต่ละกลุ่ม
จุดที่ต้องระวังคือเอกสารระบุว่า ถ้าไม่ระบุ version ฟังก์ชันจะทำงานแบบเวอร์ชัน 1 ซึ่งเป็น Public Preview และรองรับ HIPAA ผู้ใช้จึงต้องสั่ง version => '2' เองทุกครั้งที่ต้องการโมเดลใหม่
Databricks ทดสอบ ai_forecast ใหม่ด้วยชุดทดสอบ fev-bench โดยนับว่าในแต่ละงานระบบใดมีความคลาดเคลื่อนเชิงความน่าจะเป็นต่ำกว่า ผลที่บริษัทรายงานเองคือ ai_forecast ใหม่ชนะเวอร์ชัน 1 ใน 98% ของงาน และชนะฟังก์ชันของผู้ให้บริการคลาวด์ดาต้าแวร์เฮาส์รายหนึ่งที่บล็อกไม่ระบุชื่อ 79%
ทำไมเรื่องนี้สำคัญ
แพลตฟอร์มข้อมูลรายใหญ่กำลังย้ายงานพยากรณ์จากมือทีม data science มาไว้ในคำสั่ง SQL เพียงหนึ่งสัปดาห์ก่อนหน้า Google Cloud เพิ่ม TimesFM 3.0 ใน BigQuery ให้ฟังก์ชันพยากรณ์รับปัจจัยอย่างโปรโมชันได้ Predictive AI Functions ของ Databricks ขยายแนวคิดเดียวกันไปถึงการหาสาเหตุ การตรวจค่าผิดปกติ และการทำนายค่า
อีกด้านคือ Genie ผู้ช่วยตอบคำถามข้อมูลของ Databricks Databricks ให้เหตุผลว่าฟังก์ชันเหล่านี้ใช้วิธี machine learning ที่ออกแบบเฉพาะงาน จึงตอบคำถามประเภท "ทำไมตัวเลขเปลี่ยน" ได้น่าเชื่อถือกว่าการให้โมเดลภาษาทั่วไปคิดเอง แต่ ณ วันประกาศ Genie ใช้ได้เพียง ai_top_drivers
สิ่งที่องค์กรไทยควรทำ
- ทดสอบย้อนหลังก่อนใช้จริง เอาข้อมูลยอดขายหรือปริมาณงานในอดีตมาพยากรณ์ช่วงที่รู้คำตอบแล้ว เทียบกับโมเดลหรือวิธีที่ใช้อยู่ ผลทดสอบ 98% และ 79% เป็นตัวเลขของ Databricks เอง
- ตรวจเรื่องวันหยุดไทย ทดลองว่า holiday_region รับรหัสของไทยหรือไม่ ถ้าไม่ได้ ให้ใส่สงกรานต์ ปีใหม่ หรือแคมเปญอย่าง 11.11 เป็นตัวแปรภายนอกแทน
- กำหนดให้ทีมใส่ version => '2' ใน SQL ที่เขียนใหม่ทุกครั้ง และจดไว้ในมาตรฐานโค้ด เพราะลืมแล้วจะได้โมเดลเวอร์ชันเก่าโดยไม่รู้ตัว
- ยังไม่ใช้กับงานที่ต้องผ่านการกำกับ ฟังก์ชันใหม่ทั้งหมดเป็น Beta พฤติกรรมอาจเปลี่ยน ธนาคาร ประกัน และโรงพยาบาลควรใช้กับงานวิเคราะห์ภายในก่อน
- ติดตามการใช้ทรัพยากร SQL warehouse เมื่อรันกับตารางขนาดหลายร้อยล้านแถว เพื่อไม่ให้ค่าใช้จ่ายด้านคำนวณเกินงบ
ติดตามข่าวฐานข้อมูลและ Data Platform เพิ่มเติมได้ที่หมวด Data
คำถามที่พบบ่อย
Predictive AI Functions ของ Databricks คืออะไร?
Predictive AI Functions คือชุดฟังก์ชัน SQL ของ Databricks ที่เปิดรุ่น Beta เมื่อ 14 ตุลาคม 2026 ให้นักวิเคราะห์พยากรณ์อนุกรมเวลา ตรวจหาค่าผิดปกติ หาว่ากลุ่มใดทำให้ตัวชี้วัดเปลี่ยน และทำนายค่าที่ขาดหาย ด้วยโมเดลที่ Databricks ดูแลให้ จึงไม่ต้องสร้างหรือดูแลโมเดล machine learning เอง
ใช้ Predictive AI Functions กับ SQL warehouse แบบไหนได้บ้าง?
ทุกฟังก์ชันใช้ได้บน Pro หรือ Serverless SQL warehouse และผู้ดูแล workspace ต้องเปิด Predictive AI Functions จากหน้า Previews ก่อน ai_detect_anomalies ใช้บน Classic SQL warehouse ไม่ได้ ai_top_drivers ต้องใช้ SQL warehouse หรือคลัสเตอร์ที่เปิด Photon บน Databricks Runtime 16.1 ขึ้นไป ส่วน ai_predict_value และ ai_predict_class ใช้บนคลัสเตอร์ Databricks Runtime 19.3 ขึ้นไปได้ด้วย
ai_forecast เวอร์ชัน 2 ต่างจากเวอร์ชัน 1 อย่างไร?
ai_forecast เวอร์ชัน 2 ใช้ time series foundation model ที่ฝึกล่วงหน้าจากอนุกรมเวลาจำนวนมาก จึงพยากรณ์ได้โดยไม่ต้องปรับค่า และเพิ่มการคิดผลของวันหยุด ตัวแปรภายนอก และการบังคับให้ค่าไม่ติดลบ เวอร์ชัน 2 ยังเป็น Beta ส่วนเวอร์ชัน 1 เป็น Public Preview และค่าเริ่มต้นของฟังก์ชันยังเป็นเวอร์ชัน 1
ถาม Genie ด้วยภาษาธรรมดาให้ใช้ Predictive AI Functions ได้หรือยัง?
ได้บางส่วน ณ 14 ตุลาคม 2026 Genie เรียกใช้ ai_top_drivers ได้แล้ว เช่น ถามว่าทำไมรายได้ไตรมาสก่อนลดลง ส่วน ai_forecast, ai_detect_anomalies, ai_predict_value และ ai_predict_class Databricks ระบุว่าจะตามมาเร็ว ๆ นี้ โดยยังไม่บอกวันที่
แหล่งอ้างอิง
- Unlock powerful insights and forecasts with Predictive AI Functions — Databricks
- ai_forecast function — Databricks
- ai_detect_anomalies function — Databricks
- ai_top_drivers function — Databricks
- ai_predict_value function — Databricks
- ai_predict_class function — Databricks
บุคคล องค์กร และสถานที่ในข่าวนี้
เลือกชื่อเพื่ออ่านข่าวทั้งหมดที่กล่าวถึง ตัวเลขคือจำนวนข่าว
- องค์กรและบริษัท
- Databricks10Google Cloud19
- ประเทศและสถานที่
- นิวยอร์ก26
พบข้อมูลคลาดเคลื่อน? แจ้งกองบรรณาธิการ