統計モデル vs AI — 予想を「対決する二本立て」にした理由と仕組み

2026年7月14日から、UmaLab-AIの予想は二本立てになりました。ひとつは従来どおりの「スコアリング予想」。もうひとつが新しく加わった「AI予想」です。二つは同じレースでそれぞれ◎を打ち、どちらが当たったかを毎回記録します。つまり——統計モデルとAIの対決です。

スコアリング予想 — 数字で選ぶ

過去のレースデータから学習した統計モデルが、脚質・枠順・血統・騎手や調教師との相性・対戦成績にもとづく能力レーティング・持ち時計（生涯通算と直近重視の両方）・JRA遠征実績・デビュー前の能力試験タイムなど、実測できる項目だけで全馬を採点します。人気・オッズは一切使いません。項目の重みも人が決めるのではなく、モデルが過去データから学び直し続けます。的中率は実績ページでwalk-forward検証の実測値として全公開しています。

AI予想 — 数字の外まで考える

AI予想は、スコアリング予想の全出力（全馬の項目別評価・◎と対抗・その根拠）に加えて、スコア化されていない文脈——逃げ馬が何頭いるかというメンバー構成、季節や月ごとの傾向、当日の天気予報、直近開催の馬場バイアス——まで材料として、AI（大規模言語モデル）がレースを読み直したものです。AIにも人気・オッズは一切渡しません。ただしAIが学習で身につけた競馬の一般知識は使います。そこが「数字だけ」の統計モデルとの違いです。

スコアリング予想と同じ結論なら「一致」、違う◎を打ったら「対決レース」のラベルがつきます。割れたレースにはAIが「スコアの見えていない何を見たか」を必ず書きます——ここがいちばんの読みどころです。

対決のルール

勝敗はシンプルです。同じレースで、片方の◎だけが3着以内に入ったら1勝。両方的中・両方外れは引き分け。着順の優劣（5着と7着など）では勝敗をつけません——外れ同士の勝ち負けを数えても意味がないからです。分母はAI予想を出した開催のみ。通算成績は対決ボードとしてトップページと実績ページに常設し、負けている側も含めてすべて公開します。

なぜ対決させるのか

「AIは統計モデルに勝てるのか」——この答えはまだ誰にも分かりません。統計モデルは定量化済みの傾向を安定して積み上げるのが得意で、AIは例外的な文脈の察知が得意なはずです。でも「はず」は当てになりません。だから毎レース対決させて、実測で決着をつけることにしました。答え合わせを取り込んで改良を続けるのがUmaLab-AIの流儀です。外した分だけ、強くなる。その検証の過程そのものを、勝敗つきでお見せします。

今日の予想はトップページから。AI予想がある日は、予想ページに紫の「AI予想」ブロックと「本日はAI予想つき」の表示が出ます。

対決の現在地（実測）

これまでにAI予想を出した179開催・2,064レースのうち、両者の◎が一致したのは76.7%です。つまり9割近くは同じ結論になり、勝敗が立つのは残りの割れたレースだけです。ここが対決の実態で、勝敗の母数が小さいのは構造上そうなります。

割れたレースの決着はスコアリング予想の146勝・AI予想の117勝（両方的中と両方外れの引き分けが1,801レース）。◎全体の的中率で見ると、単勝は スコアリング予想37.1%・AI予想35.6%、3着内はスコアリング予想70.2%・AI予想68.8%です。 現時点ではスコアリング予想が上回っていますが、この差はまだ小さく、勝敗の母数も十分ではありません。 結論を出すには早い、というのが正直な現在地です。

通算の内訳と推移は実績ページの対決ボードに常設しています。負けている側も含めてそのまま出しています。