論文の概要: When Prediction Shapes the Future: A BlueSky Agenda for Reflexive Time Series Analysis

• arxiv url: http://arxiv.org/abs/2611.02511v1
• Date: Mon, 02 Nov 2026 04:30:54 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 19:11:55.574757
• Title: When Prediction Shapes the Future: A BlueSky Agenda for Reflexive Time Series Analysis
• Title（参考訳）: 予測が未来を形作るとき:リフレクティブ時系列分析のためのBlueSky Agenda
• Abstract要約: 時系列モデルは、予測が将来の観測を変える介入を引き起こす運用システムにますますデプロイされている。 このようなAI形式の軌道は、即時のパフォーマンス監視をサポートするが、一度受動的データとして再利用されると曖昧になる。 我々は、分析対象を介入非依存のシーケンスから予測-行動-観測ループにシフトさせる反射的時系列分析の課題を提唱する。
• 参考スコア（独自算出の注目度）: 58.89511371796593
• License:
• Abstract: Time-series models are increasingly deployed in operational systems (e.g., inventory management and clinical care) where predictions trigger interventions that alter future observations, producing records we term AI-shaped trajectories. This sequence-prediction coupling deepens as such systems evolve into agents that autonomously predict, act, and remember across long horizons. Such AI-shaped trajectories support immediate performance monitoring, but turn ambiguous once reused as passive data. An algorithm may then misread a prediction-prevented stockout as naturally stable demand, or an averted medical crisis as a false alarm. This ambiguity then propagates into everything built on the record, from retraining and agent memory to downstream predictive tasks. As a result, systems may internalize these intervention effects as natural phenomena, drifting further from the truth at every closed-loop cycle. In this Blue Sky paper, we advocate an agenda for reflexive time-series analysis that shifts the analytical object from the intervention-agnostic sequence to the prediction-action-observation loop. The agenda requires closed-loop provenance to track the operational context (e.g., predictions, policies, and actions), sequence identification to estimate how those actions affect future values under explicit causal assumptions, and closed-loop evaluation to separate intrinsic process prediction from policy-driven effects. This foundation is essential for integrating autonomous agents into such loops at scale, enabling the joint learning of intervention effects and intrinsic dynamics for robust temporal representations.
• Abstract（参考訳）: 時系列モデルはますます運用システム(在庫管理や臨床ケアなど)に展開され、予測は将来の観測を変える介入を引き起こす。 このようなシーケンス予測結合は、長い地平線を自律的に予測し、行動し、記憶するエージェントへと進化する。 このようなAI形式の軌道は、即時のパフォーマンス監視をサポートするが、一度受動的データとして再利用されると曖昧になる。 アルゴリズムは予測された在庫を自然に安定した需要と誤読したり、医療危機を誤報として回避する。 この曖昧さは、トレーニングやエージェントメモリから下流の予測タスクに至るまで、レコード上に構築されたすべてのものに伝播します。 その結果、システムはこれらの介入効果を自然現象として内部化し、閉ループサイクルごとに真実からさらに遠ざかる可能性がある。 このBlue Sky論文では、分析対象を介入非依存シーケンスから予測-行動-観測ループにシフトさせる反射的時系列解析の課題を提唱する。 このアジェンダは、運用状況(例えば、予測、ポリシー、行動)を追跡するためにクローズドループ証明、これらのアクションが明確な因果的仮定の下で将来の値にどのように影響するかを推定するためのシーケンス識別、ポリシー駆動効果から固有のプロセス予測を分離するためのクローズドループ評価を必要とする。 この基礎は、自律的なエージェントをそのようなループに大規模に統合するために不可欠であり、堅牢な時間表現のための介入効果と本質的なダイナミクスの合同学習を可能にする。

関連論文リスト

• A Path-Space Formulation of Prediction in World Models: From a Single Action to Prediction, Planning, and Irreversibility [0.0]
  本稿では,AI世界モデルにおける予測の経路空間の定式化を提案する。 潜在力学を可逆成分と可逆成分に分解する。 注意非対称性は、データの不可逆性に比例して訓練中に獲得される。
  論文  参考訳（メタデータ） (2026-06-27T06:00:09Z)
• Position: Beyond Model-Centric Prediction -- Agentic Time Series Forecasting [49.05788441962762]
  エージェント時系列予測(ATSF)は,認識,計画,行動,反射,記憶からなるエージェントプロセスとして再編成される。 ワークフローに基づく設計、エージェント強化学習、ハイブリッドエージェントワークフローパラダイムという3つの代表的な実装パラダイムを概説し、モデル中心の予測からエージェント予測に移行する際に生じる機会と課題について議論する。
  論文  参考訳（メタデータ） (2026-02-02T08:01:11Z)
• DoFlow: Causal Generative Flows for Interventional and Counterfactual Time-Series Prediction [16.417858983587248]
  DoFlowは、コヒーレントな観察および介入予測を提供する因果DAG上に定義されたフローベースの生成モデルである。 DoFlowは将来の軌道の明確な可能性を提供し、原則的異常検出を可能にする。
  論文  参考訳（メタデータ） (2025-11-04T00:01:25Z)
• time2time: Causal Intervention in Hidden States to Simulate Rare Events in Time Series Foundation Models [7.400285974510125]
  我々は,ある事象の統計モーメントを他の事象に付与することで,隠れた状態を操作する因果的介入である移植活性化を導入する。 モデルが事象重大性の段階的概念を符号化し、潜在ベクトルノルムはシステム的ショックの大きさに直接関連していることがわかった。 本研究は, モデル予測を規定する潜在概念空間の証拠として, ポストホック帰属から直接因果介入への解釈可能性のシフトが示唆された。
  論文  参考訳（メタデータ） (2025-09-06T18:28:20Z)
• Performative Time-Series Forecasting [64.03865043422597]
  我々は,機械学習の観点から,パフォーマンス時系列予測(PeTS)を定式化する。 本稿では,予測分布シフトに対する遅延応答の概念を活用する新しい手法であるFeature Performative-Shifting(FPS)を提案する。 新型コロナウイルスの複数の時系列モデルと交通予報タスクを用いた総合的な実験を行った。
  論文  参考訳（メタデータ） (2023-10-09T18:34:29Z)
• Streaming Motion Forecasting for Autonomous Driving [71.7468645504988]
  ストリーミングデータにおける将来の軌跡を問うベンチマークを導入し,これを「ストリーミング予測」と呼ぶ。 我々のベンチマークは本質的に、スナップショットベースのベンチマークでは見過ごされていない安全上の問題であるエージェントの消失と再出現を捉えている。 我々は,任意のスナップショットベースの予測器をストリーミング予測器に適応させることのできる,"Predictive Streamer"と呼ばれるプラグアンドプレイメタアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-10-02T17:13:16Z)
• What Should I Know? Using Meta-gradient Descent for Predictive Feature Discovery in a Single Stream of Experience [63.75363908696257]
  計算強化学習は、未来の感覚の予測を通じて、エージェントの世界の知覚を構築しようとする。 この一連の作業において、オープンな課題は、エージェントがどの予測が意思決定を最も支援できるかを、無限に多くの予測から決定することである。 本稿では,エージェントが何を予測するかを学習するメタ段階的な降下過程,(2)選択した予測の見積もり,3)将来の報酬を最大化するポリシーを生成する方法を紹介する。
  論文  参考訳（メタデータ） (2022-06-13T21:31:06Z)
• Latent State Inference in a Spatiotemporal Generative Model [3.7525506486107267]
  我々は、波動伝播力学を含む温度と気象の過程に注目し、普遍的な原因は空間と時間にわたって適用されると仮定する。 最近導入されたDIsed Stemporal graph Artificial Neural Architecture (DISTANA)を使用して、そのようなプロセスを学ぶ。 DISTANAは、アクティブチューニングと呼ばれる振り返り状態推論原則と組み合わせることで、位置参照型隠れ因果関係を確実に導出できることを示す。
  論文  参考訳（メタデータ） (2020-09-21T12:59:40Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。