Sakana AI正将“防务与情报”作为与金融并列的重点领域加以推进。其目标是让AI从人类无法读完的海量数据中提出假设，并使分析人员能够连同依据一起使用这些假设。今年3月，我们与读卖新闻社合作，从SNS上的110万条投稿中分析了中国对日批评的叙事。在这一分析中，AI提出的假设通过记者的采访得到了印证。
SNS乍看之下像是映照舆论的镜子，但仅统计投稿数量会遗漏很多信息。例如，选举前看似支持率很高的候选人，实际上可能只是依靠党内动员支撑；突然增加的反应，大多其实是批评。要把握真实形势，需要追溯数十万条言论，读到“谁、为何而写”的层面。
借助AI，可以对投稿内容进行深入挖掘的SNS分析。本次作为案例研究，我们分析了将于11月3日投票的美国中期选举。
▶ 报告全文（PDF）：美国中期选举的AI分析——德克萨斯州参议院选举
来自SNS的叙事分析
Sakana AI的叙事分析系统以“谁、做了什么、如何被评价”的叙事单位提取言论，并以用自己的语言重新讲述该叙事的人数来衡量其传播范围。提取出的叙事由多个AI模型与原文进行核对，只有经过确认的内容才会保留在报告中。对于本次约71万条反应，我们也以统计误差范围估算了支持与批评的比例。
假设的深层分析
仅观察SNS内部，有时无法察觉言论空间的扭曲。因此，我们让公司通过长时间推理进行深度研究的产品“Sakana Marlin”调查民意调查、竞选资金、预测市场、报道等公开信息，并与X上的观察进行对照。Marlin拥有多个AI并行探索假设、相互评估的机制。借助Marlin，可以附带出处地追踪变化究竟先发生在SNS内部还是外部。
德克萨斯州参议院选举中发现的要点
在共和党连续获胜约30年的德克萨斯州，本次参议院选举预计将是一场势均力敌的较量。运用上述AI，我们分析了两名候选人和两党州组织在X上发布的2,042条内容及收到的705,976条反应，发现了以下情况。
- 共和党决选投票前，帕克斯顿候选人获得的“支持”大多是为党内提名竞争而进行的动员。决选结束后，支持比例从约5成下降到2成弱。
- 两名候选人的回复栏中发生的是两个阵营互相前往对方栏位进行攻击的往来。解读这些反应的内容与走势可以发现，塔拉里科候选人的相对优势在6月就已显现，在候选人资质、经济、宗教、数据中心等主要争论点变化之中，选战末期已进入差距微弱的胶着状态。
- X上的言论显示出民调中未体现的复杂动向，例如对帕克斯顿候选人评价的转变，以及围绕宗教和数据中心的两名候选人叙事及其评价等。此外，对两名候选人评价的转变，比Cook Political Report等主要评估机构改变判断早了约2个月。
走向与AI协作的情报工作
可以说，上述洞察仅靠人类或仅靠AI都无法得出。Sakana AI日前发布的“The AI Scientist”最新版中，提出了人与AI共同进行科学发现的“Co-Discovery”作为未来科学的发展方向。这种人与AI协作的重要性，在情报领域也同样适用。AI从人类无法读完的规模的信息中推导假设，并连同依据一起呈现。接收到假设的人类则审视假设，在进行采访或追加观察的基础上做出判断。运用AI进行分析、推导洞察，最终判断由人类承担。我们认为，这种AI与人类的协作正是AI时代情报工作的应有形态。
德克萨斯州参议院选举分析的详细内容已汇总在报告全文中。
▶ 报告全文（PDF）：美国中期选举的AI分析——德克萨斯州参议院选举
Sakana AI
Sakana AI正在招募与我们共同开拓AI未来的伙伴。请查看本公司的募集要項。
