あなたは未来を予測しようとしていると想像してください。しかし、水晶玉を使うのではなく、これまでに起きたすべての出来事が記された、巨大で生きた日記を持っています。コンピュータサイエンスの世界では、この日記は「時系列知識グラフ（Temporal Knowledge Graph）」と呼ばれます。これは、「2020年にアリスがボブに会った」や「3月に株式市場が暴落した」といった事実の巨大なウェブのようなものです。「時系列（Temporal）」という部分は、すべての事実にタイムスタンプが付いていることを意味しており、それによってコンピュータは「いつ」その出来事が起きたのかを知ることができます。科学者たちは、次に何が起こるかを予測したいと考えているため、これらのグラフに夢中になっています。例えば、アリスが再びボブに会うかどうか、あるいは新しいトレンドが始まるかどうかといったことです。通常、これらの予測を行うために、コンピュータは巨大で複雑な「ニューラルネットワーク」を使用します。これらは、数字を処理してパターンを見つけ出す、超スマートですが謎めいた「ブラックボックス」のようなものです。これらは強力ですが、重くて動作が遅く、理解することも不可能なことが多いのです。予測結果は得られますが、なぜコンピュータがその選択をしたのか、その理由は全く分かりません。

ここで、マンハイム大学の研究者による新しい論文が登場します。彼らは異なる方法を試みることにしました。「巨大なブラックボックスは必要ないのではないか？ 私たちが日常生活で使うような、シンプルで明快なルールを使えばいいのではないか？」と彼らは問いかけました。彼らはCountTRuCoLaと呼ばれるシステムを構築しました。複雑な脳の代わりに、このシステムは歴史を観察する探偵のように振る舞い、「おや、最近この特定のことが起きたときは、いつもあの出来事が後に続くぞ」と判断します。研究者たちは、このシンプルな探偵を、9つの異なるデータセットを用いて巨大なブラックボックスたちと比較テストしました。その結果、彼らのシンプルなルールベースのシステムは、より速く、より軽量であり（他のモデルのように巨大なデータでクラッシュすることもありませんでした）、さらに、予測の精度においても同等、あるいは時にはそれ以上の性能を発揮したことが分かりました。最も素晴らしい点は、彼らの答えを見て、その予測に至った正確なルールと、きっかけとなった特定の過去の出来事を確認できることです。それは、理解不能な魔法の杖を、誰にでも読める明確でステップバイステップの地図と交換するようなものです。

探偵の道具箱：CountTRuCoLaの仕組み

CountTRuCoLaの核心となるアイデアは、未来はしばしば過去を繰り返すが、そこには「直近性（recency）」と「頻度（frequency）」というひねりが加わる、という点にあります。あなたが友人が返信をくれるかどうかを予想している場面を想像してみてください。もし5分前にメッセージが届いたなら、すぐに返信が来るだろうと予想するでしょう。もし1週間ずっと毎日メッセージが届いているなら、さらに確信を持つはずです。CountTRuCoLaは、この論理を利用して知識グラフにおける将来のリンクを予測します。

このシステムは、予測を行うために4種類のシンプルな「ルール」を学習します。

1. 「また同じことが起きる」ルール（回帰ルール / Recurrent Rules）: これは最も単純なものです。もし「昨日、アリスがボブに会った」のであれば、このルールは「明日もアлоイスがボブに会う」ことを示唆します。これは、コーヒーメーカーが毎週火曜日に必ず故障することに気づくようなものです。
2. 「異なる展開」ルール（非回帰ルール / Non-Recurrent Rules）: 時には、ある出来事が別の出来事を引き起こすこともあります。「アリスがボブに会った」後、次は「アリスとボブがランチに行った」となるかもしれません。システムは、出会いが食事へとつながることが多い、ということを学習します。
3. 「特定のキャラクター」ルール（定数ルール / Constant Rules）: このルールは、特定の人や物に焦点を当てます。例えば、「アムステルダムで生まれた人は、アムステルダム大学で学ぶことが多い」といったことです。その人が誰であるかは関係ありません。アムステルダム出身であれば、ルールが作動します。
4. 「一般的な傾向」ルール（頻度ルール / Frequency Rules）: これらのルールは、大きな絵を見ます。「ピザはよく食べられる」あるいは「キムは特にピザが好きだ」といったことです。これらのルールは特定のトリガーとなるイベントを必要としません。単に、世界の中で特定の事柄が頻繁に起きていることを知っているのです。

秘伝のソース：信頼度関数

本当の魔法は、単にルールがあることではなく、システムがそのルールを「どの程度信頼するか」を決定する方法にあります。研究者たちは、スコアカードとして機能する特別な「信頼度関数（confidence function）」を作成しました。システムが未来を予測できる可能性のあるルールを見つけたとき、次の2つの質問を投げかけます。

• 最後にこれが起きたのは、どれくらい最近だったか？（直近性）
• 最近、これが何度起きたか？（頻度）

イベントが非常に最近起きたか、あるいは短期間に何度も起きた場合、システムは高いスコアを与えます。もしそれが長い前の出来事であったり、年に一度しか起きなかったりする場合、スコアは下がります。これは、今週毎日雨が降っていた場合と、先月一度だけ雨が降った場合とでは、天気予報への信頼度が変わるのと似ています。システムは各ルールに対して最適なバランスを学習し、時間が経過するにつれて「信頼」がどれほど速く減衰すべきかを正確に把握します。

対決：シンプル vs 複雑

彼らのシンプルな探偵が巨大なブラックボックスに勝てるかどうかを確認するため、研究者たちは、小さな事実の集まりから、グローバルなニュースを追跡するGDELTのような大規模なものまで、9つの異なるデータセットでCountTRuCoLaをテストしました。彼らはこれを、多くがディープラーニングを用い、実行に強力なグラフィックスカード（GPU）を必要とする11の最新鋭モデルと比較しました。

結果は驚くべきものでした。標準的なコンピュータのプロセッサ（CPU）で動作し、GPUを必要としないCountTRuCoLaは、驚異的なパフォーマンスを発揮しました。

• 4つのデータセットで勝利し、残りのデータセットでも2位または3位に入りました。
• 「回帰ベースライン（Recurrency Baseline）」（単に物事が繰り返されると推測する単純な手法）に対し、9つのデータセットのうち7つで勝利しました。 これにより、追加のルールとスマートな信頼度スコアを加えることが実際に役立つことが証明されました。
• クラッシュしませんでした。 これは非常に重要なことです。研究者が複雑なニューラルネットワークモデルを最大規模のデータセットで実行しようとした際、多くのモデルがメモリ不足になったり、実行時間がかかりすぎたり（out-of-timeエラー）しました。CountTRuCoLaは、一度もクラッシュすることなくすべてのデータセットを処理しました。

この論文は、これら多くの予測タスクにおいて、巨大なニューラルネットワークの「複雑さ」は実際には必ずしも必要ではないことを示唆しています。データのパターンは多くの場合、シンプルなルールセットによって十分に、あるいはそれ以上にうまく見つけ出すことができるほど単純なのです。

なぜこれが重要なのか：「なぜ」の力

CountTRuCoLaの最大の利点は、単に機能することではなく、「なぜ」を説明できることです。複雑なニューラルネットワークでは、もしコンピュータが「アリスがボブに会う」と予測しても、「なぜ？」と尋ねることはできません。答えは何百万もの数字の中に埋もれてしまっているからです。しかし、CountTRuCoLaを使えば、完全なレポートが得られます。

例えば、システムが「Alexis_T. が Evangelos_V. と相談する」と予測したとします。システムは次のように示すことができます。

• ルール: 「会いたいという意図を示した人は、通常、後に相談を行う。」
• トリガー: 「Alexis_T. は4ステップ前に会いたいという意図を示した。」
• スコア: 「このルールは、このパターンがいかに最近かつ頻繁であるかに基づいて、0.17の信頼度を持っている。」

この透明性は、事件を解決するだけでなく、証拠ファイル、タイムライン、そしてあらゆる結論の背後にある論理を提示してくれる探偵を持っているようなものです。研究者たちは、ユーザーが予測をクリックすると、その予測に至った正確なグラフと数値を確認できるツールを構築しました。これにより、科学者は単に「何が起こるか」だけでなく、「データのどのようなパターンがその予測を駆動しているのか」を理解することができます。

結論

この論文の著者たちは、タイムトラベルの謎を解いたとか、複雑なAIが無用だと言っているわけではありません。彼らは、知識グラフにおける将来のリンクを予測するという特定のタスクにおいて、私たちは物事を複雑にしすぎていた可能性があると示唆しています。彼らのシンプルなルールベースのアプローチであるCount-TRuCoLaは、ディープラーニングという重厚な機械を使わなくても、トップレベルの性能を達成できることを示しています。それはより速く、大きなデータでもクラッシュせず、そして最も重要なことに、魔法がどのように起きているのかを私たちに見せるために「ブラックボックス」を開いたままにしておくことができるのです。AIがより複雑になり、理解するのが難しくなっている世界において、CountTRuCoLaは、時にはシンプルなルールこそが最も強力であることを思い出させてくれる、新鮮な視点を提供しています。