Clio-research — ett verktyg för frågor som förtjänar ett ordentligt svar

Vissa frågor är genuint öppna. Inte för att svaret saknas, utan för att ingen har letat systematiskt — eller för att letandet har skett inom för snäva ramar. Sökmotorer och AI-tjänster speglar i huvudsak etablerad konsensus. Det är användbart för de flesta frågor, men otillräckligt för de som befinner sig i gråzonen.

Jag ville ha ett verktyg som faktiskt undersöker — globalt, på källspråk, inklusive motbevis. Det resulterade i clio-research.

Metoden är hämtad från akademisk systematisk granskning: sökning i flera databaser, aktiv jakt på falsifieringsförsök, och geografisk konvergens som primärt evidenskriterium. Om oberoende forskargrupper i Ryssland, Japan och Latinamerika rapporterar liknande fynd är det mer intressant än om tio amerikanska studier bekräftar varandra. Varje källa poängsätts på sex dimensioner — metodologisk stringens, institutionell oberoende, replikerbarhet med flera — och rapporten presenterar evidensläget narrativt, inte som ett facit.

Tekniskt är det en åtta-fas pipeline: sökning i OpenAlex, CORE, CrossRef och J-STAGE, citationsanalys, relevanssfiltrering med embeddings, och slutligen en rapport skriven av Claude API. Rapporten levereras som PDF per mail och indexeras i Qdrant för framtida RAG-frågor.

Version 1.0 är i drift. Första körningen undersökte om pyramidformer påverkar materia eller biologiska system – ett klassiskt epistemologiskt öppet ämne. Koden är fri att använda: https://github.com/FredrikArvas/clio-tools/tree/main/clio-research.

Förbättra den gärna, antingen teoretiskt eller genom ett förbättringsförslag.

AI-assisterad granskning av video från CE5-meditationer

Under CE5-meditationer — där deltagare aktivt söker kontakt med okända fenomen — händer det ibland saker som är svåra att förklara. Ljusblixtar. Rörelser på himlen. Objekt som uppträder och försvinner.

Problemet: det är tidsödande att gå igenom videomaterial bildruta för bildruta.

Därför byggde vi ett verktyg för att automatisera analysen. Flödet är enkelt:

  1. Videon delas upp i enskilda bilder med ffmpeg
  2. En lokal AI (LLaVA via Ollama) filtrerar bort fåglar, flygplan och reflexer
  3. Claude Vision analyserar de kvarvarande bilderna och returnerar en strukturerad rapport — vad som syns, hur säkert, och om något är oklassificerbart

Systemet är byggt för att flagga det okända och lämna bedömningen till människor.

Vi testade det på en inspelning från Muskö, mars 2025 — ett spiralformat ljusfenomen som rörde sig konsekvent över himlen. AI:n klassade det korrekt som unknown. Förklaringen hittade vi genom att analysera liknande bilder och anspråk om att det var raketbränsle som kondenserats och solbelysts, inte från videon själv.

Det är precis det vi vill: ett verktyg som är ärligt med sina gränser.

Koden är öppen: github.com/FredrikArvas/clio-tools/tree/main/clio-uap

Kontakta mig om du vill resonera eller bidra!