EVOTS: 時系列予測のための進化的トランスフォーマー探索

AIの進化は目覚ましいですが、特に「時系列予測」という分野では、まだ「万能の設計図」が確立されていません。時系列予測とは、過去のデータ（例えば株価の動きや天気予報のデータ）から、未来の数値を予測する技術のことです。この分野で、最新の研究「EVOTS」は、AI自身に「最適な設計図」を見つけさせるという、新しいアプローチを提案しています。

これまでのAI研究では、時系列予測に「トランスフォーマー」という、ある特定の構造を持つAIモデルがよく使われてきました。これは、文章の理解などで高い性能を発揮した実績があるためです。しかし、時系列予測のタスクや、どれくらいの期間先まで予測したいか（予測期間）によって、最適なAIの形は大きく変わることが分かっています。それなのに、多くの研究は、この「トランスフォーマー」という決まった形をそのまま使っていたのです。これでは、まるで「どんな料理にも同じ包丁を使う」ようなもので、もっと適した道具があるはずなのに、それに気づけていない状況でした。

そこでEVOTSは、AIの「設計図」を自動で進化させていく「進化的ニューラルアーキテクチャ探索」という方法を使います。これは、生物の進化になぞらえた考え方です。まず、AIの設計図（ゲノム）をモジュール式にして、様々なパーツ（アテンション、フィードフォワード、プロジェクションなど）を自由に組み合わせられるようにしました。そして、進化の過程で、設計図がバラバラにならないように「修復メカニズム」も組み込んでいます。これにより、人間が「こうあるべきだ」と決めたルールに縛られることなく、AI自身が、多様な設計図の候補の中から、タスクに最も合ったものを見つけ出せるのです。

このEVOTSのすごさは、単に新しいAIモデルを作るだけでなく、そのモデルが「どんな予測期間」や「どんな予測のタイプ（過去のデータから1つの未来を予測するのか、複数の未来を予測するのか）」にも対応できる柔軟性を持っている点です。具体的には、ETTファミリーという有名なデータセットを使って、予測期間が96、192、336、720（単位は不明だが、一定期間を示す）といった様々な設定で、その性能が試されました。この研究は、AIがより賢く、そして状況に応じて柔軟に対応できるようになるための、大きな一歩と言えるでしょう。