字節跳動と清華大学が時系列マルチモーダル大規模モデル「ChatTS」を共同開発

マルチモーダル大言語モデル（MLLM）が急速に発展する波の中で、字節跳動と清華大学は最近、新しい時系列マルチモーダル大モデル「ChatTS」を共同で発表しました。ChatTSの登場により、時系列データの処理や推論に新たな活気をもたらし、現在の市場におけるこの分野の空白を埋めています。このモデルの開発は、AIによる時系列データの質問応答や推論の応用力を向上させることが目的であり、特にAIOpsや金融など複雑な時系列データを取り扱うシナリオにおいて非常に重要です。

本研究の主執筆者は清華大学の三年生博士課程の謝哲氏であり、協力チームには字節跳動から李則言氏と何暁氏が含まれています。指導教官は字節跳動の研究科学者である張鉄贏氏と清華大学コンピュータ科学科の裴丹准教授です。ChatTSの最大の特徴は、多変数時系列の質問応答や推論機能を元々サポートしている点であり、従来のモデルが抱えていた時系列データ処理に関する制限を解決しています。

これまで、時系列データの分析は伝統的な統計モデルやAIモデルに依存してきましたが、これらは多くの場合、特定の大量のデータが必要で、複雑な前処理も必要でした。そのため汎用性と説明可能性が大きな弱点でした。しかし、ChatTSの登場により、その状況は変わりつつあります。強力な言語モデリング能力を活用して、時系列データに対する自然言語理解を実現しています。

時系列データと自然言語とのマッチングの難しさに対処するために、研究チームは「純粋な合成駆動」の方法を取り入れ、エンドツーエンドのデータ生成とモデルトレーニングフレームワークを設計しました。属性駆動型の時系列生成システムを構築することで、ChatTSは多様で現実的な時系列データを生成し、自然言語記述と正確に対応させることができます。

具体的なアプリケーションでは、ChatTSは複数変数の時系列パターンを分析し、未知の変動パターンを識別して自動的に名前を付けることができます。さらに、正確なプロンプトがない場合でも、時系列データ内の異常変動を正確に抽出することができ、その柔軟さと知能特性を示しています。

この革新的なモデルの発表により、時系列データが各業界でますます広く活用されるようになります。将来的には、障害診断や金融分析などの分野で重要な役割を果たす可能性があります。ChatTSの研究成果は、トップデータベースカンファレンスVLDB2025で採択され、その学術的価値と実際の応用前景が証明されました。