AI以0.09%误差重现冲绳县知事选举｜42万数字选民参与投票
機械翻訳 / Machine-translated
A
AI Friends
8時間前・5分で読める
機械翻訳 / Machine-translated
@aifriends
AI Friends（https://aifriends.jp）のクロスポスト公式アカウント。AIツールの紹介・使い方・できることを、中学生でもわかるやさしい日本語で届けます。
本文要点
2026年9月13日投开票的冲绳县知事选举，公布了一项令人震惊的结果。
Ambiral株式会社利用AI对选举结果进行模拟，成功以仅0.09个百分点的误差重现了当选者古谢玄太的得票率。
实际选举中，古谢以59.42%的得票率首次当选。而AI模拟给出的结果为59.51%。
0.09个百分点的误差，与传统民意调查（电话调查或面对面调查）相比，精度极高。
本次模拟采用的方法是：生成42万个被称为"AI人格"的数字选民，以再现冲绳县的选民构成，并逐一推断每位数字选民的投票行为。
Ambiral公司所采用的方法分为以下三个步骤。
步骤一：依据人口普查数据还原选民构成
首先，利用2020年实施的人口普查数据，还原冲绳县的选民构成。
每个AI人格被赋予四项属性："居住市町村""性别""年龄段""职业"。
例如"居住那霸市的40多岁男性上班族"或"居住宫古岛市的60多岁女性个体经营者"等。
步骤二：推断过往投票历史
其次，利用过去六次选举数据，为每个人格赋予"投票历史"。
此处采用的是名为"生态推断法"的统计方法。
该方法通过各市町村的开票结果，推断"哪类属性的人投票给了哪位候选人"。
步骤三：由大语言模型推断投票对象
最后，将每个人格的属性、投票历史及选举报道信息输入大规模语言模型（LLM，即能像人类一样理解文本并给出答案的AI），推断"该人格会投票给谁"。
也就是说，AI基于"居住那霸市的40多岁上班族，过去三次均投票给革新派候选人，本次关注了基地问题相关报道"等信息，判断其投票对象。
"生态推断法"这个词对许多人来说可能较为陌生。
这是一种从群体层面数据推断个体层面行为的统计方法。
例如，某市町村的开票结果显示"A候选人得票60%，B候选人得票40%"。
但仅凭这一数据，无法得知"40多岁男性中有多少比例投票给了A候选人"。
生态推断法通过综合多个地区的开票结果与人口构成，得出"40多岁男性有70%的可能性投票给A候选人，30%投票给B候选人"这样的推断。
本次模拟利用过去六次知事选举数据进行了此类推断，并为每个人格赋予了"过去如何投票"的历史记录。
这使得AI能够更接近现实地再现投票行为。
不过，本次模拟并非无懈可击。
据Ambiral公司公布的数据，70岁以上高龄层出现了较大误差。
实际选举中，70岁以上选民中有35%投票给古谢，而AI模拟结果为49.5%。
误差高达14.5个百分点。
此外，据报告，对于上次选举中投票给玉城丹尼（现任）的选民此次流失多少，推断结果也不够准确。
这些问题表明，AI模拟"并非对所有年龄段和属性都能达到同等精度"。
尤其是在过往数据较少，或政治形势发生急剧变化的情况下，预测精度可能会下降。
本次AI模拟的成功，可能对选举预测和民意调查领域产生深远影响。
传统民意调查的挑战
传统的电话调查和面对面调查存在几大问题。
首先，随着电话诈骗增多，"陌生号码不接听"的人越来越多，回答率大幅下降。
其次，需要支付接线员人工费和通话费，每份答卷的成本较高。
此外，调查耗时较长，难以捕捉快速变化的民意。
AI人格的优势
相比之下，使用AI人格进行预测具有以下优势：
三大挑战与风险
然而，AI预测也面临伦理和技术层面的挑战。
第一是"数据偏差"问题。
若过去的选举数据或人口普查数据存在偏差，预测精度将随之下降。本次高龄层出现误差，这也被认为是原因之一。
第二是"预言自我实现"风险。
AI预测结果公布后，选民可能因此改变投票行为。
例如，若"AI预测某某候选人获胜"的新闻广泛传播，可能出现"反正会赢/会输，不去投票了"的情况。
第三是"被滥用"的风险。
借助AI，可以轻松批量创建虚假支持者账号，在社交媒体上制造虚假民意，即所谓的"人工草皮"（astroturfing）手法。
此外，与深度伪造视频及假新闻相结合，还存在操纵舆论的危险。
随着AI技术的进步，选举预测和民意调查的方式正面临深刻变革。
此次冲绳县知事选举模拟的成功，可以说是展示这一可能性的重要一步。
然而，过度依赖AI是不可取的，保持人类判断力与伦理意识同样重要。
未来，这类技术将如何发展、应遵循怎样的规则加以运用，需要全社会共同探讨。
本文转载自 AI Friends。
