スロカスが競輪始めたけど全然当たらないので、
予想AI作って爆益目指すよ🤣🤣🤣

筆者(ギャン中)

パチンコ屋は23時に閉まる。でも、ギャン中の夜はそこで終わらない — 探せばあるんですよ、深夜でもやってるギャンブルが。それがミッドナイト競輪でした😀

宙太

出たよ「新しい楽しみ」ｗ それ楽しみじゃなくて負けの延長営業な。パチ屋が閉まってもまだ負けたいのかよ。……で、収支は?

筆者

……結果は惨敗でした😮‍💨 スロットでは期待値のある台とか硬いところしか打たないのに、競輪になると根拠ゼロの雰囲気買い。自信のあった本命が最終コーナーで捲られて消えるのを見届けて、深夜1時にそっと投票画面を閉じる — 今日もマイナス🥺

§1💡 そこで私は考えた — AIで過去データを分析して、勝ち筋を見つけようと！！

もともとスロットを打っていた人間です。設定判別だ、期待値だと言っていたのに、ひょんなことから競輪に流れ着いて — 気づけば根拠ゼロで車券を買っている。ラインも脚質も分からん。新聞の記号も読めん。それでも買う。そして当たらない。

幸い、AIでWebサービスを作るのは趣味です。じゃあ自分の手で予想AIを作って、ごまかしの効かない方法で測ったらどうなるのか。確かめることにしました。

筆者

で、さっそく聞いてみました。質問は「競輪の予想AIって作れる? どんなロジック?」。ついでに同じ質問を、GPTとGeminiにもぶつけてみました🙂

GPT

作れます。①選手能力 ②ライン・展開 ③着順確率 ④オッズ期待値の4層構造で設計します。モデルはLightGBMで十分。最大の難所はAIそのものより、出走表・並び・オッズを集め続ける仕組みです。

Gemini

個人でも十分に作成可能です! 実際に回収率100%超えを目指して運用している開発者はたくさんいます。競輪はライン(人間関係)の要素が強いので、AIの真価を発揮しやすいジャンルですよ。

筆者

いいね、いける気しかしない😀 で、現役最強AI・Fable 5の答えがこちら。

Fable 5

作れます。核心は競輪特有の「ライン」で、選手個人の強さだけで学習させると精度が頭打ちになります。モデルはLightGBMが定番。

ただし先に言っておくと、的中率と回収率は別物です。競輪は控除率25%なので、本命ばかり当てても回収率は100%を切ります。AIの仕事は「当てること」ではなく、オッズと実力の乖離を見つけること。あと、検証で嘘をつくと全部無駄になります。

※各回答は実際のやりとりの要約です(原文は長いので抜粋)。

……1人だけ何やら不穏なことを言っている。でも全員「作れる」と言うなら作る。というわけで、まずはデータ集めからです。

§2📊 まず、データを集めまくった — 3年分・82,725レース

Fable 5の指示どおり、まずはデータ集めから。過去3年分の82,725レース — 出走表、選手の成績、並び(ライン)、結果。合計で約54万人分の出走データになりました。スロットで言えば、全国のホール3年分の差枚データを全部拾ってくるようなものです。

さらに、毎朝8時半にその日の出走表・選手の調子・並び予想・締切12分前のオッズ・夜には結果まで、全部自動で取ってくる仕組みも構築。私が寝ていても、データは毎日勝手に増えていきます。

検証の3つのルール — ここをサボった予想AIは、全部嘘になる

Fable 5が最初に言っていた「検証で嘘をつくと全部無駄になります」。具体的には、この3つを徹底しました。

※予想を出すのはLightGBMという専用の機械学習です。ChatGPTに出走表を貼って「予想して」と聞くタイプのAI予想とは別物。

§3🚴 なぜ競輪か — 「ライン」という因果

対象は公営競技ならどれでもよかったのですが、比較して競輪を選びました。競輪には他の競技にない「ライン(並び)」という構造があります。7人はバラバラに走るのではなく、数人が隊列を組む。「①が逃げる → 直後の②が有利 → ③も残る」というように、着順に因果の連鎖があるのです。

選手データを個別に眺めるだけのAIではなく、この「ライン → 展開 → 着順」の構造を特徴量にできれば、一段深く読めるのではないか — それがこのプロジェクトの技術的な賭けでした。ついでに言うと、出走が7〜9人で組み合わせが手頃、特徴量も100〜300で足りる。機械学習の題材として「ちょうどいい」サイズです。

§4⚠️ 大前提 — 競輪は「当てるゲーム」ではない

作り始めてすぐ、いちばん大事な前提にぶつかります。競輪はパリミュチュエル方式 — 払戻の原資は客の賭け金で、そこから25%が控除されます。つまり100円賭けると平均75円しか返ってこない。

「よく当たる」は勝ちを意味しない。オッズには既に"みんなの予想"が織り込まれていて、儲けるには市場の見積もりを25%以上上回る正確さで、割安な買い目を見抜く必要がある。

だからこのプロジェクトの目標は最初から「的中率」ではなく、期待値(EV) — 確率×オッズが1.00を超える買い目が実在するか、の一点に置きました。

§5🧪 検証① — AIは市場より賢いのか

最初の問いはこれです。「うちのAIの確率は、オッズが示す"みんなの総意"より正確なのか?」

モデルが一切学習していない期間(2025年7〜12月、12,698レース)の確定オッズを取得し、同じレース集合で予測精度(対数損失: 低いほど正確)を比較しました。

AI単独では市場に勝てません(これは競馬研究の古典的な知見の通りでした)。しかし市場の確率とAIの確率を最適比率で混ぜると、市場単独を上回った。この「AIの寄与分」が偶然かどうかを統計検定にかけると — p値0.0068で「偶然ではない」。つまり:

このAIは、8万人の賭けの総意に対して、統計的に本物の「上乗せ情報」を持っている。

ここまでは、正直かなり嬉しい結果でした。問題は次です。

§6💰 検証② — では、勝てるのか

「統計的に賢い」と「儲かる」の間には、控除率25%という巨大な溝があります。合成確率でEV(確率×オッズ)を計算し、EVが高い買い目だけを選んで買ったら回収率はどうなるか — 6,174レースでシミュレーションしました。

EV上位の買い目を実際に買った場合の回収率(まともなオッズ帯に限定・学習に使っていない後半期間):

つまり、AIが最も自信を持つ買い目でも、回収率は市場平均圏(75%前後)から抜け出せない。113.6%という数字も56点の偶然の範囲(誤差±110pt)です。

結論: 統計的に本物の優位は、経済的には薄すぎた。市場に25%勝つ必要があるゲームで、上乗せできたのはその10分の1以下だった。

§7🎢 道中で起きたこと — 仮説は次々に潰れた

結論だけ書くと綺麗ですが、実際は仮説が潰れていく過程でした。いくつか紹介します。

• 検証の途中で致命的なバグを「別のAI」が発見。学習時と本番で特徴量のスケールが100倍ズレていて、エラーは一切出ないのに予測が静かに劣化していた。自分(を手伝うAI)のチェックでは見つからず、文脈を持たない独立レビューAIが一発で検出。「作った本人に採点させない」原則の勝利でした。
• ライン仮説 → 半分当たり「2着は勝者と同ラインから出る」は本当だった。実測57.9%に対し、教科書的な確率モデル(Harville)は32.5%と大幅に過小評価。ここを直接学習するモデルを作ると2着的中率は38.7%→50.9%に跳ねた。ただし——
• 市場との対決 → 潰れた市場は「スジ(ライン決着)」をほぼ完全に織り込んでいた。確定オッズが同ライン決着に割り当てた確率は56.4%。実測57.9%との差はわずか1.5pt。競輪ファンの「スジ買い」は伊達ではなかった。
• 締切前の歪み → 幻想締切12分前のオッズでは市場の織り込みが13ptも甘く見えた日があった。しかしパリミュチュエルの払戻は確定オッズで決まる。締切直前に賢い金が流れ込んで歪みを修正する以上、「買った時に割安に見えた」は利益にならない。

§8📝 学び — 「AI予想」を見る目が変わる4つの事実

• 1. 市場は、思っているよりずっと賢い個人が公開情報で作れる特徴は、ほぼすべて既にオッズに織り込まれている。「AIだから見抜ける」は、検証すると25%の壁の前で消える。
• 2. 「よく当たる」を売りにするAI予想は、その時点で怪しい的中率と収支は別物。回収率の主張には「購入可能時点のオッズか」「学習に使っていない期間か」「点数と誤差はいくつか」を確認するだけで、大半は崩れる。
• 3. 検証は、生成より難しい今回いちばん価値があったのは、モデルではなく検証の仕組み(リーク自動検査・独立AIレビュー・市場ベースライン比較)。100倍バグはその仕組みだけが捕まえた。
• 4. 否定結果には、値段がつかないだけの価値がある「儲かる」と言う記事は無数にあるが、8万レースの否定結果を数字ごと公開したものはほぼない。この記録自体が、次に同じことを考える誰かの数ヶ月を節約する。

§9🚀 これから — 検証は続く(公開で)

プロジェクトは終わりではありません。「AIの上乗せ情報は本物(p=0.007)だが薄い」が現在地なら、次の問いは「上乗せを厚くする情報はどこにあるか」です。市場がまだ数値化していない情報 — 例えば:

どの仮説がどう転んだかは、この場所と X で数字ごと公開していきます。うまくいく保証はありません — が、うまくいかなかった場合も、その数字ごと公開することだけは保証します。