BoatFactorAI のしくみ

ＡＩの学習と予測について

「ＡＩが予想する」と言われても、中で何をしているのかが分からないと信用のしようがありません。
このページでは、BoatFactorAIが行っている学習と予測を、専門用語をかみくだいて説明します。

ひとことで言うと

過去のレースで「どんな艇が上位に来たか」の傾向を数式にまとめ（学習）、その数式に今日の出走表を通して着順を見積もる（予測）。やっているのはこの2つだけです。

1. 集める

予測したい開催日の前日までの1年ぶんのレースを、出走表と結果をそろえて読み込みます。1年でおよそ4万レース・24万艇ぶんのデータです。

2. 学習する

「級別」「勝率」「平均スタート」「モーターの成績」などの項目と、実際の着順との関係を、コンピュータが繰り返し計算して数式にまとめます。

3. 予測する

できあがった数式に、その日の出走表を通します。6艇それぞれに点数が付き、点数の高い順に ◎〇△×５６が決まります。

ＡＩの「学習」とは何をしているのか

人が競艇を覚えるときも、たくさんレースを見て「1号艇は強い」「Ａ級は堅い」「モーターが良いと来る」と法則を覚えていきます。
ＡＩの学習はそれを、人の感覚ではなく数字の積み上げでやっているだけです。

学習に使うもの

用語	かみくだくと	BoatFactorAIの場合
学習データ	お手本にする過去のレース	予測する開催日の前日までの1年ぶん。古すぎると今の勢力と合わず、短すぎると数が足りないため、初期値を1年にしています（月数は変更できます）。
特徴量（とくちょうりょう）	判断材料。ＡＩに見せる項目	選手の級別・全国勝率・当地勝率・平均スタート、モーターやボートの2連対率、艇番（コース）、会場、レース番号など。どれを使うかは開発側で検証した推奨値が全利用者に配られます。
目的変数（もくてきへんすう）	当てにいく「答え」	着順ランク／1着になったか／2連対したか／3連対したか、の4つ。4つを別々に学習します。
モデル	学習でできあがった数式のかたまり	目的変数ごとに1つずつ、計4つ作られます。
アルゴリズム	学習のやり方	勾配ブースティング（LightGBM）。「はい／いいえ」の枝分かれ（決定木）を少しずつ積み重ねていく方式です。

学習の進み方

ざっくり言えば「予測してみる → 答え合わせ → ずれた分を直す」の繰り返しです。

まず雑に予測

最初のモデルは当たりません。全艇に似たような点を付ける程度です。

答えと比べる

実際の着順と見比べて、どの艇をどれだけ間違えたかを測ります。

間違いを直す枝を足す

間違えたレースを説明できる枝分かれを1本足します。これを何千回も繰り返します。

行き過ぎる前に止める

直しすぎると過去だけに詳しい「暗記」になるので、途中で改善が止まったらそこで打ち切ります。

設定	意味
学習回数	枝を足す回数の上限。初期値2000回。多いほど細かく覚えますが、暗記に近づきます。
早期打切り	この回数ぶん改善しなくなったら学習を止める、という歯止め。初期値50回。
学習率	1回ごとにどれだけ直すか。初期値0.05。小さいほど慎重に、ゆっくり学びます。
葉の数	1本の枝分かれの細かさ。初期値31。大きいほど複雑な条件を表せますが、暗記しやすくなります。

これらの設定は開発側で検証した推奨値が自動で配られるので、利用者が調整する必要はありません。学習は開催日ごとにボタン1つ、数分から十数分で終わります。

「ちゃんと学べたか」の確かめ方

学習に使ったレースで答え合わせをしても、暗記した答案を採点するようなもので意味がありません。そこで学習期間の後ろ2割は学習に使わず、答え合わせ専用に取り分けています。

検証	取り分けたレースで、1着的中率と3連対率を測ります。
ベースライン比較	競艇は1号艇が有利な競技です。そのため「常に1号艇を本命にする」だけの成績を必ず並べて表示します。これを上回れなければ、ＡＩを使う意味がないからです。
データの欠け	予測する日のデータに抜けがあると精度が落ちるため、欠測の割合もログに出しています。

ＡＩの「予測」とは何をしているのか

学習でできたモデルに、その日の出走表を1艇ずつ通すだけです。返ってくるのは順位ではなく点数で、その点数を高い順に並べたものが ◎〇△×５６になります。

4つの見方で予測する

予測するもの	何が分かるか
着順ランク	6艇の中での強さの序列。1位から6位までの並びを直接学習したものです。1位と2位が僅差なのか断然なのかが分かるよう、順位だけでなく元の点数も残しています。
1着確率	その艇が1着になりやすいか。頭を決めるときの判断材料です。
2連対確率	2着までに入りやすいか。
3連対確率	3着までに入りやすいか。3連単の3着候補を選ぶときに使います。

4つは別々に学習した別々のモデルです。だからこそ、4つの見方が同じ艇を指しているレースは信頼でき、バラバラのレースは危ない、という判断ができます。ソフトではこの一致の度合いを「ＡＩ同士の一致度」として点数にしています。

予測から「レース診断」へ

予測はあくまで材料です。BoatFactorAIは、その材料を組み合わせて「このレースは買う価値があるか」まで判断します。

診断項目	予測から、どう計算しているか
予測容易度	1位と2位の点差が大きいほど高くなります。実力差がはっきりしているレースです。
ＡＩ同士の一致度	4つのモデルが同じ艇を上位に置いているかどうか。
ＡＩ信頼度	一致度と、その会場・レース番号の過去データの多さから求めます。
波乱度	上位陣の点数が団子状態か、実績の薄い艇が上位に来ていないか、といった荒れやすさ。
妙味	ＡＩの見立てと、一般的な予想（電話投票の予想など）との食い違いの大きさ。
総合評価・判定	上の項目に重みを付けて足したものが総合評価（Ｓ〜Ｄ）。しきい値で「買い／様子見／見送り」を決めます。

守っているルール

ＡＩの予測は、作り方を少し間違えるだけで「過去を振り返れば当たっているのに、本番では当たらない」という状態になります。それを避けるために、次のことを徹底しています。

答えを見て学習しない

学習に使うのは、予測する開催日の前日までのレースだけです。予測する日の結果は、たとえ手元にあっても学習には混ぜません。

当日しか分からない項目を使わない

展示タイムやスタート展示は当日にならないと入りません。これを学習に入れると、前日の予測時だけ材料が欠けた状態になるため、推奨の特徴量から外しています。

結果が混ざる項目を外す

「今節成績」のように、予測したいレース自身の着順が入り込む項目は、候補から除いています。入れると成績が良く見えますが、実戦では役に立ちません。

ＡＩにできること・できないこと

できること

何万レースぶんもの傾向を、感情や体調に左右されずに同じ基準で当てはめること。そして「このレースは条件が揃っていない」と買わない判断を淡々と出すことです。人が1日何十レースも同じ精度で見続けるのは困難です。

できないこと

結果を当てることの保証はできません。ＡＩが出すのは確率であり、確率が高いレースでも外れます。事故・妨害・展開のあやなど、データに現れない要素も競艇には多くあります。

正直にお伝えしておくこと。競艇は1号艇が有利な競技で、「常に1号艇を本命にする」だけでもかなりの的中率になります。これは非常に強いベースラインです。開発では毎回この数字と並べて検証しており、これを安定して上回ることを目標に改良を続けています。的中率や利益をうたうことはいたしません。

本ソフトは判断材料を提供するものであり、購入の判断はご利用者ご自身で行ってください。公営競技には損失の可能性があります。

用語のまとめ

学習	過去のデータから規則性を見つけて、数式（モデル）を作る作業。
予測	できた数式に新しいデータを通して、結果を見積もること。
特徴量	ＡＩに見せる判断材料の項目。勝率、平均スタート、モーター成績など。
目的変数	当てにいく答え。着順ランク、1着確率など。
モデル	学習の成果物。特徴量を入れると点数を返す数式のかたまり。
過学習	過去のデータを暗記してしまい、新しいレースでは当たらなくなること。
検証	学習に使わなかったデータで答え合わせをすること。
ベースライン	比較の基準。ここでは「常に1号艇を本命にする」買い方。
リーク	本番では使えないはずの情報（答えなど）が、学習に混ざってしまうこと。
勾配ブースティング	枝分かれの判断（決定木）を少しずつ積み重ねて精度を上げる学習方式。LightGBMはその実装のひとつ。

BoatFactorAIの機能を見る

学習と予測のしくみが、実際の画面でどう使えるのかは製品ページでご確認いただけます。

製品ページへ戻る問い合わせる