تنبؤ السلاسل الزمنية هو أحد التحديات الصعبة للبشرية. تعاني الطرق التقليدية للتنبؤ التي تستخدم نماذج الانحدار المتوسطة من عيوب خطيرة في تمثيل التقلبات الحقيقية في العالم. بينما تسارع الطرق الاحتمالية الجديدة لتقديم المساعدة، فإنها تواجه صعوبات تقنية مثل تداخل الكميات أو اختيار توزيع سابق. لدمج القوى المختلفة لهذه المجالات مع تجنب نقاط ضعفها وكذلك لدفع حدود أحدث التقنيات، نقدم ForGAN - خطوة واحدة إلى الأمام في التنبؤ الاحتمالي باستخدام الشبكات المولدة المعادية (Generative Adversarial Networks). يستخدم ForGAN قوة الشبكة المولدة المعادية الشرطية لتعلم توزيع البيانات المنتجة وحساب التنبؤات الاحتمالية منه. نناقش كيفية تقييم ForGAN مقارنة بطرق الانحدار. لإستكشاف التنبؤ الاحتمالي لـForGAN، ننشئ مجموعة بيانات جديدة ونظهر قدرات طريقتنا عليها. سيتم جعل هذه المجموعة متاحة للجمهور للمقارنة. بالإضافة إلى ذلك، نختبر ForGAN على مجموعتين من البيانات متاحتين للجمهور، وهما مجموعة بيانات ماكي-غلاس (Mackey-Glass) ومجموعة بيانات حركة الإنترنت (A5M)، حيث يظهر الأداء المذهل لـForGAN قدرته العالية على التنبؤ بالقيم المستقبلية.