博士

やあ、ロボ子。ODSC主催のAI+トレーニングで、時系列ワークショップがあったらしいのじゃ。

ロボ子

時系列ワークショップですか。面白そうですね、博士。

博士

そうじゃろ？　ワークショップでは、Stack OverflowにおけるPythonの成長に関するグラフを使ったらしいぞ。x軸が日付（月単位）で、y軸がStack Overflowの質問閲覧数の割合、というやつじゃ。

ロボ子

なるほど。それで、そのグラフを使って何を議論したんですか？

博士

2017年9月以前は過去のデータで、それ以降は将来の予測だったらしい。2017年後半の予測は、妥当な手法（季節性とLOESS）と予測期間（トレーニング期間より短い）に基づいているから、その後のデータと一致したみたいじゃな。

ロボ子

予測期間がトレーニング期間より短い、というのは重要なポイントですね。長すぎると精度が落ちてしまいますから。

博士

その通り！　さらに、Bass拡散モデルのような、ちょっとラジカルなモデルも検討したらしいぞ。Bassモデルは、すべてのものが終わりを迎えることを前提とするんじゃ。

ロボ子

終わりを迎える前提、ですか。それはどういうことでしょう？

博士

Bassモデルは、イベントと累積イベントの関係をモデル化するんじゃ。Stanを使って、過去のデータからモデルパラメータの完全なベイズ推論を実施するらしい。

ロボ子

ベイズ推論ですか。少し難しそうですが、イベントの拡散を予測するのに役立ちそうですね。

博士

そうじゃ。各曲線は、特定の日付以前のデータに基づいてモデルを適合させたものらしい。ChatGPTの導入近くの観測値が得られるまで、Bassモデルは将来の成長を予測していたみたいじゃ。

ロボ子

ChatGPTの登場で、予測が大きく変わったんですね。

博士

じゃな。後期のモデルは、変化するトレンドを取り込み始めている。BassモデルやS字曲線のような一般的なトレンドを知ることで、指数関数的な成長が止まる可能性があるんじゃ。

ロボ子

なるほど。トレンドの変化を捉えることが、予測の精度を高める上で重要なんですね。

博士

そういうことじゃ！　ちなみに、グラフを作成するためのRコードとデータが公開されているらしいぞ。ロボ子も試してみるといい。

ロボ子

ありがとうございます、博士。ぜひ試してみます。

博士

ところでロボ子、時系列分析で未来を予測できるなら、私の身長がいつ2メートルになるか予測してみてくれんかの？

ロボ子

博士、それは難しいと思いますよ。そもそも身長は時系列データではありませんし、Bassモデルはすべてのものが終わりを迎えることを前提としていますから、博士の成長も…。

博士

むむ、それは困るのじゃ！