自己回帰モデル（ARモデル）は、過去の自身のデータを用いて未来の値を予測する統計的および機械学習の手法です。音声合成やテキスト生成などの生成AIの基礎としても重要な役割を担っており、時系列データの予測に広く活用されています。
自己回帰モデル（ARモデル）とは
一言でいうと、自己回帰モデル（ARモデル）とは「過去の自分自身の状態を振り返り、そこから未来の数値を予測する仕組み」のことです。
詳しく解説
自己回帰モデルは英語でAutoregressive Modelと呼ばれ、統計学や時系列解析において最も基本的なモデルの一つです。このモデルでは、現在の値が過去の一定期間（ラグ）の値の線形結合とランダムな誤差項によって構成されると仮定します。機械学習やディープラーニングの発展に伴い、トランスフォーマーなどの自己回帰型の大規模言語モデルとしても応用されており、テキストや音声などのシーケンスデータを順番に生成する際の根幹技術となっています。
具体例・使われ方
具体的な利用例としては、毎日の気温や株価の変動といった時系列データの予測が挙げられます。また、音声認識や音声合成において連続する音声を生成する場面や、大規模言語モデルが文章を1単語ずつ左から右へと予測して生成していくプロセスにも自己回帰の仕組みが利用されています。
似た用語との違い
移動平均モデル（MAモデル）や、それらを組み合わせたARMAモデル・ARIMAモデルと混同されやすいですが、ARモデルは「過去のデータ値」を説明変数に使うのに対し、MAモデルは「過去の予測誤差」を説明変数に使うという明確な違いがあります。
注意点
注意点として、自己回帰モデルは過去のパターンが未来も同様に続くという定常性を前提としていることが多いため、急激なトレンドの変化や突発的な外部ショックには対応しきれないという限界があります。また、大規模言語モデルなどの文脈では、生成を1ステップずつ行う性質上、推論に時間がかかるという計算上の課題も存在します。