AutoRaceFactorAI 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、AutoRaceFactorAIのＡＩ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。
学習と予測は SNIPER-JAPAN 側で毎晩行い、お客様のソフトは配信されたＡＩ予想を受け取って表示します。

ひとことで言うと

過去のレースで「どんな選手が上位に来たか」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7,600レース・5万6千車ぶんのデータです。

2. 学習する

「競走得点」「ハンデ」「試走タイム」「勝率」「級班」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。出走する選手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

人がオートレースを覚えるときも、たくさんレースを見て「競走得点の高い選手は強い」「試走タイムの良い選手は調子が良い」「ハンデが重いと前に届きにくい」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AutoRaceFactorAI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、1年にしています。
特徴量
（とくちょうりょう）		 判断材料。ＡＩに見せる項目 競走得点とそのレース内での差・順位、ハンデ（メートル）、試走タイム（前走・前3走の平均と最速）、平均スタートタイミング、前3走の着順、走路状態（良・湿・斑）ごとの近走成績、直近4か月・90日・180日・1年の勝率や連対率、級班、予想ゴールタイム、同じレース場での成績、地元かどうか、年齢、車番、会場、レース番号、距離など。どれを使うかは SNIPER-JAPAN 側で検証して決めています。
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。全選手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、どの選手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SNIPER-JAPAN 側で検証した推奨値を使い、学習と予測も SNIPER-JAPAN 側で毎晩行います。お客様のソフトは配信されたＡＩ予想を受け取るだけなので、設定の調整や学習の操作は必要ありません。

「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。
ベースライン比較オートレースは競走得点の高い選手が有利な競技です。そのため「常に競走得点1位を本命にする」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、欠測の割合も確かめています。

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人ずつ通すだけです。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
着順ランク出走選手の中での強さの序列。1位から8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着確率その選手が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（△と×）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つの見方が同じ選手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。AutoRaceFactorAI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つのモデルが同じ選手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、若手や失格点を持つ選手が多くないか、級班が混在していないか、といった荒れやすさ。
妙味ＡＩの見立てと、出走表の予想印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。

予測から［ＡＩ診断］の６つの型へ

ＡＩの予測から、レースごとの診断（総合スコア・ランク・判定）と買目を作ります。［ＡＩ診断］は、前日ＡＩ・直前ＡＩの2つと、的中率特化型・バランス型・回収率特化型の3つを組み合わせた6つです。型が変わると、買うレースと買目の両方が変わります。前日ＡＩと直前ＡＩで決まりは同じで、もとにするＡＩの見込みだけが違います。全券種の買目を出し、組み合わせが無い券種は「推奨なし」と出ます。ソフトでは、詳細画面の型ごとのタブと、番組表の型ごとの列で見られます。はじめは前日ＡＩ・バランス型です。自動運転でも「ＡＩの型」タブで型を選べます。型ごとの買目の組み合わせはマニュアルに載せています。

型買うレース買目
的中率特化型ＡＩの判定が BUY のうち、総合スコアが高い、堅いレースだけ買います。バランス型より広げます。
バランス型ＡＩの判定のまま、BUY のレースを買います。基準の買目です。
回収率特化型ＡＩの判定が WATCH（様子見）のうち、総合スコアが一定以上のレースを買います。バランス型で BUY のレースは買いません。バランス型より絞ります。
型の決まりは過去のレースで確かめた目安で、将来の的中や利益を約束するものではありません。過去の検証でも、回収率が100%を下回る期間が多くあります。どの型でも、無理のない金額でご利用ください。

前日ＡＩと直前ＡＩ

ＡＩ何を材料に予想するか
前日ＡＩ前の日までに分かっている材料で、夜のうちに学習・予想します。朝から見られます。
直前ＡＩ前日ＡＩの材料に、当日発表の試走タイム・走路状況・気温・湿度・走路温度を足して予想する、別に学習したモデルです。AIMaster が予想し直して配信し、ソフトはそれを受け取って表示します（お使いのパソコンでは予想し直しません）。配信が届くまでは「直前情報待ち」と出ます。

レース内の偏差値と標準偏差

同じ成績でも、メンバーが強いレースと弱いレースでは意味が変わります。そこで、成績などをそのレースの出走メンバーの中での偏差値に直したものと、メンバーの実力差の大きさ（標準偏差）も学習の材料に加えました。偏差値は、ソフトの詳細画面の［偏差値］タブでもご自分の目で確かめられます。

ＡＩの本命の1着率これまでのＡＩ新しいＡＩ比べ方
オートレース37.6％42.2％直前ＡＩ。偏差値を学習に加えただけの段階では 39.4％
当社の検証：2026年10月のレースを、過去のデータでＡＩの予想を再現して比べたものです。これからの成績を保証するものではありません。

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。

前日ＡＩは当日しか分からない項目を使わない

当日の試走タイムや直前のオッズは、朝の予測時（当日の午前3時ごろ）には入りません。これを前日ＡＩの学習に入れると、予測時だけ材料が欠けた状態になるため、前日ＡＩの材料から外しています。試走タイムなどの直前の材料は、別に学習した直前ＡＩだけが使います。

結果が混ざる項目を外す

「今節成績」のうち、予測したいレース自身の着順が入り込む部分は、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。落車・失格・走路状態の急な変化・エンジンの仕上がりなど、データに現れない要素もオートレースには多くあります。

正直にお伝えしておくこと。オートレースは競走得点の高い選手が有利な競技で、「常に競走得点1位を本命にする」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。競走得点、勝率、決まり手など。
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「常に競走得点1位を本命にする」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。

AutoRaceFactorAI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