株価や交通の流れなど、定期的に収集された測定値は、業界全体のインテリジェントな意思決定システムの重要な推進力になりました。医療モニタリングから金融リスク管理まで、このデータのパターンを特定することは、多くの重要な操作に不可欠です。
同時に、時系列データの作成、またはデータYnthesis、 組織が現実世界の不足、プライバシー保護、およびリスクにさらさずにさまざまなシナリオをテストする必要性に取り組んでいるため、勢いを増しています。 AI生成された合成データは、リスクのない環境で現実的なパターンをシミュレートします。これにより、研究者は仮説的なシナリオを探索し、モデルを訓練してハイステークスのコンテキストで決定を下すことができます。
しかし、これらのモデルの多くは、必要なものには及ばないものです。真に実用的にするために、タイムシリーズデータのジェネレーターは、さまざまな業界やデータパターンにわたって適応し、トレンドとボラティリティを正確に制御し、正確なモデリングと分析をサポートするのに十分に現実的で信頼性の高いデータを生成する必要があります。
Microsoft Research Asiaが開発しました Timecraft（新しいタブで開く） このニーズに対処するため。このオープンソースフレームワークは、さまざまな業界で使用できる合成時系列データを作成し、商業用途向けに拡大します。ユーザーは、単純な書面によるコマンドを介してデータの生成を制御し、システムは、企業が既存のパターンを分析するか、特定の目標のデータを作成したいかどうかにかかわらず、さまざまなビジネスニーズに適応できます。
生成を導く3つの方法
Timecraftのユーザーインターフェイスは、柔軟性のためにビルドされています。ユーザーは、3つの異なる方法を使用して日付の世代をガイドできます。
- 少数のショット適応：ユーザーは、ターゲットドメインから小さな無効なサンプルのセットをアップロードできます。 Timecraftは、これらのサンプルから構造的特徴を学習し、高品質のデータを生成し、再訓練やラベルは必要ありません。
- 自然言語制御：ユーザーは、「早期に安定して、その後に鋭い変動が続く」など、希望する時系列を平易な言語で説明できます。 Timecraftはプロンプトを解釈し、それに応じてデータを生成します。
- タスクモデルフィードバック：ユーザーは、データ作成プロセスにモデルを統合することができます。 Timecraftは、モデルフィードバックに基づいて出力を動的に調整し、パフォーマンスのデータを最適化します。
これらの方法は、独立または一緒に使用できるため、ユーザーは特定の目標、シナリオ、または運用上のニーズに合わせたデータを生成できます。
図1。タイムクラフトアーキテクチャの概要
1つのモデル、多くの産業
タイムクラフトは、セマンティックプロトタイプを中心に構築された統一されたアプローチを使用して、各タイムシリーズデータが明確なパターンに従っている多数業界で機能します。これらは、時系列構造の共有表現であり、普遍的な語彙として機能します。
ユーザーが特定の業界からいくつかの例のタイムシリーズシーケンスを提供すると、プロトタイプ割り当てモジュール（PAM）がプロトタイプスペースにマッピングし、最適な組み合わせを計算します。この業界固有の入力は、モデルをガイドして、構造的に整列したデータを生成し、ラベルや再訓練は必要ありません。
その結果、エネルギー、ヘルスケア、財務、輸送などの分野の新しいシナリオに迅速に適応できるシステムができ、強力な構造転送と一般化を実証します。
テキスト制御の世代：1つの文がモデルをガイドします
多くの実際のシナリオでは、ユーザーはどのようなデータが必要かを知っていますが、十分な関連例にアクセスできません。典型的な要求は、「数日間ゆっくりと上昇し、10日目頃に低下し、その後変動する時系列が欲しい」かもしれません。これらのタイプのニーズは、多くの場合、ヘルスケアやファイナンスなどの分野で発生します。この分野では、現実的なデータを備えたシステムの設計とテストシステムが不可欠ですが、データアクセスは限られています。
タイムクラフトにより、プレーン言語を使用してこの種のカスタマイズされたデータを生成することができます。専門のツールや既存のデータセットに依存する代わりに、ユーザーは探しているパターンを単純に説明でき、システムは適合するデータを作成します。
これは、複数のAIエージェントを含む共同トレーニングプロセスを使用して行います。実際の業界レポートからフレージングを収集し、実際のデータ統計を使用して詳細を記入し、説明がデータと明確かつ正確に一致するまで文言を改善します。
ユーザーが説明を提出すると、タイムクラフトはそれをその生成モデルのガイダンスに変換し、技術的な専門知識のないユーザーからであっても、直接入力を可能にします。これにより、データが希少または絶えず変化している状況では、ツールが特に役立ちます。ユーザーの意図をモデルの機能に橋渡しすることにより、Timecraftは文を書くのと同じくらい簡単にカスタムデータ生成を行います。このプロセスを図2に示します。
図2。タイムクラフトテキストからタイムシリーズモジュールは、次のもので構成されています。（上）プレーン言語の説明と一致する時系列データのペアを作成するマルチエージェントシステム、および（下）ユーザーが作成した説明を合成時系列データに変えるハイブリッドメカニズム。
タスクアウェア生成：実際の影響のために最適化されています
ほとんどの生成モデルは、現実的なデータの作成に焦点を当てています。タイムクラフトはさらに一歩進んで、疾患の傾向を検出したり、市場行動のモデリングを検出したりするかどうかにかかわらず、下流のアプリケーションのパフォーマンスを改善するデータを生成します。
これは、Timecraftのタスクアウェアジェネレーションフレームワークのおかげで可能です。ユーザーは、既存のモデルをデータ作成プロセスに直接統合できます。このシステムは、これらのモデルからのフィードバックを使用して、データ生成の方向をリアルタイムで導くため、出力は単なる現実的ではなく、便利です。
この方法の中核には、 影響スコアリング、生成されたデータの各部分がモデルのパフォーマンスにどのように影響するかを推定します。 Timecraftはこれらのスコアを使用して生成プロセスをガイドし、システムが結果を改善するための最大の可能性を備えたデータを生成するのに役立ちます。このプロセスを図3に示します。
図3。タイムクラフトフレームワーク内の影響スコアリングプロセス
このアプローチは、特定のパターンがまれであるか、非常に重要な場合に特に役立ちます。たとえば、医学的診断では、タイムクラフトは、予測の精度を有意に改善する小さなパターンのセットを生成することに焦点を当てることができます。
データのシミュレーションから結果を積極的に改善するデータの生成に目標をシフトすることにより、タイムクラフトは合成データを戦略的ツールに変えます。
実世界で使用するために構築され、現在はオープンソースです
タイムクラフトは、実際のアプリケーション用に建設されました。さまざまな種類の入力を受け入れ、複雑なユースケースに適応し、サポートするタスクからのフィードバックを使用して時間の経過とともに改善します。 Microsoft Research Asiaの研究者は、データが制限され、収集に費用がかかる、または敏感である産業向けの包括的なソリューションとして想定しています。
今 オープンソース（新しいタブで開く）、タイムクラフトは、世界中の開発者、研究者、およびビジネスパートナーが探索、テスト、および構築するために利用できます。
クロスドメイン一般化
制御可能性
タスクの適応性
一般的な手法
金融アプリケーション
新しいタブで開きます
#Timecraftタイムシリーズの世代のための普遍的なフレームワーク