これまでの選挙の開票速報においては、専門家が当落の要因をどう解説するかが一つの柱となっており、様々なデータをもとに当落の要因を説明できるAI技術の活用が期待されます。

2021年衆議院選挙で、選挙当日に情勢を報道するための分析AIとして、Wide Learning™が日本で初めて生放送にて活用されました（※１）。

（※１）「TBSが「選挙の日2021」当落速報で、富士通の「説明可能なAI」を活用」

開票速報番組での報道に当たり、Wide Learning™で選挙データを分析した結果、興味深い激戦の理由を見つけることができました。

今回の衆議院選挙を振り返ると、日本維新の会が躍進したと言えます。特に大阪府では候補者を立てた15の小選挙区全てで勝利したのです。

これに関連して、番組では大阪府における日本維新の会の候補の強みとしてAIの分析結果「日本維新の会＋無党派層が減少＋大阪府（当選率86%）」を提示しました。つまり、日本維新の会の候補者に関して、選挙直前の数か月で無党派層の割合が（全国的に）減少傾向にあるとき、大阪府で出馬した場合の過去の当選率は86%でしたが、今回の選挙も同様のケースである、という分析結果でした。

大阪府で日本維新の会が強い傾向にあることや、無党派層の割合の増減が関連することなど、Wide Learning™は選挙の知識を持っていません。

ではどのような計算をしてこの組み合わせが出たのでしょうか。

分析に使用したのは、過去3回分の衆議院選挙における小選挙区のべ約3000人超の候補者データと選挙結果です。

候補者の特徴として、政党名、出馬都道府県、小選挙区における当選回数、推薦・支持を受けているか、世襲かどうかなど、選挙結果に影響しそうなデータの他、出馬する選挙区やその都道府県の年代・世代の人口比率、政党支持率の推移、無党派層の割合の推移データなども使用しました。

これら231個の特徴を組み合わせた条件を作成し、その条件を満たす候補者が過去に何人いて、そのうちの何人が当選または落選したか、ということをWide Learning™を使って計算しました。

　「大阪府では維新が強い」という印象がありますが、過去3回の衆議院選挙においては、大阪府における維新の選挙結果は、のべ43人の候補者が出馬し20人が当選しており、勝率は47%でした。これを強み・弱みで示すと、「維新＋大阪府（当選率47%）」となります。その3回の選挙結果をそれぞれ見てみますと、2012年は86%と高い勝率ですが、2014年は36%、2017年は20%と、2012年に比べてかなり低い数値です。

これに対してWide Learning™では、特徴の１つ「無党派層が減少」を組み合わせることにより、2012年の時に強かったという計算結果を導きました。「無党派層が減少」という特徴は、選挙直前の数か月で、無党派層の割合が全国的に減少している、ということですが、これに該当するのは2012年であって、2014年、2017年においては、無党派層の割合は増加していました。

今回は全部で231個の特徴から、当選率・落選率が高い特徴の組み合わせを選び出しましたが、この例では3つの特徴（「大阪府」「無党派層が減少」「日本維新の会」）が含まれています。

特徴を3つ選んでその組み合わせで強み・弱みを計算するだけでも、組み合わせ方は231×230×229÷(3×2×1)=2,027,795通りです。この中で候補者のうち、1人にしか当てはまらない組み合わせや、当選率が50%の組み合わせの計算をしてもあまり意味がありません。

つまり、組み合わせがどのくらいの候補者に当てはまるのか、組み合わせの当選率・落選率が高いかどうかという基準を使って、必要な計算だけを網羅的に行うことにより、高速性を実現しているのです。

Wide Learning™は、それぞれの候補者ごとに、強み・弱みを多数出力します。

今回報道された激戦区における候補者においては、平均で110個出力されました。このうち、対立候補の勢力が拮抗していることを示すような強み・弱みの組み合わせを、報道で取り上げました。

この例の他、Wide Learning™による分析で、世襲が強みにも弱みにもなり得ることをデータだけから示唆し、報道に活用しました。

選挙専門家の見識とも一致するところであり、今後、このようなAI分析で得られた結果から新しいインサイトを得られないかどうか、選挙専門家とも議論していきたいと考えています。