AI競馬予想の仕組みとは? — データ・特徴量・確率のきほんを解説

公開: 2026-07-15 / koei-ai 編集部

「AI競馬予想」と聞くと、ブラックボックスの中から買い目が出てくる魔法のように感じるかもしれません。しかし実際にやっていることは、公開データを整理し、統計・機械学習の手法で「確率」を推定する、地道なデータ分析です。この記事では、AIによる競馬予想が一般にどのような仕組みで動いているのかを、専門用語をかみくだいて解説します。

AI競馬予想の材料は「公開データ」

AIといっても、未来を見通す特別な情報源を持っているわけではありません。材料になるのは、誰でも確認できる公開データです。中央競馬ならJRA(日本中央競馬会)の公式サイトが出走表・レース結果・払戻の一次情報であり、地方競馬では地方競馬全国協会(NAR)や各主催者が同様の情報を公開しています。ただし地方競馬は競馬場ごとに主催者が異なるため、AI予想の観点では中央競馬と同列に扱えない点もあります。詳しくは「地方競馬でもAI予想は使えるのか?」で解説しています。

代表的な入力データ

代表的な入力データには、次のようなものがあります。

• 出走馬の過去成績(着順・タイム・上がり・レース間隔など)
• 騎手・調教師の成績、乗り替わりの有無
• コース・距離・馬場状態・枠順などのレース条件
• オッズ(市場の評価そのものを示すデータ)

大切なのは、予想の質は元データの質と範囲に依存するという点です。データに含まれない情報(当日のパドックでの気配、直前の馬体重変化への解釈など)は、モデルの外側にある不確実性として残り続けます。

データを「特徴量」に変換する

集めた生データは、そのままではモデルに入れられません。「直近3走の平均着順」「同距離での複勝率」「騎手の当該コース勝率」のように、予測に役立ちそうな数値へ加工します。この加工後の数値を特徴量(とくちょうりょう)と呼びます。

AI競馬予想の性能差は、モデルのアルゴリズムそのものより、この特徴量設計で生まれることが少なくありません。どの特徴量を使っているかを開示しているサービスは、根拠を後から検証できるという意味で透明性が高いといえます。特徴量の設計と学習の流れは「AIはどうやって1着確率を出すのか」で詳しく解説しています。実際に自分でデータ収集から特徴量設計、モデル評価まで手を動かしてみたい方は「競馬AIを自作するには? — データ収集からモデル評価までの入門ロードマップ」も参考になります。

モデルは「勝ち負け」ではなく「確率」を出す

機械学習モデル(勾配ブースティングやロジスティック回帰、ニューラルネットワークなど)は、過去のレース結果を教師データとして「この特徴量の組み合わせなら、1着になった割合はどれくらいか」を学習します。そして未知のレース条件に対して、各馬の1着確率の推定値を出力します。

ここで重要なのは、出力が「この馬が勝つ」という断定ではなく、「1着確率18%」のような確率だという点です。確率18%は「100回走れば82回は勝てない」という意味でもあります。確率で示すからこそ、外れた予測も含めて予測の質そのものを後から検証できます。ただし「1着確率18%」という数字自体が信用できるかどうかは別の検証が必要です。予測確率と実際の頻度が一致しているかを確かめる考え方は「予測確率のキャリブレーション(校正)とは」で解説しています。

オッズとの比較 — 市場との差(edge)という考え方

競馬はパリミュチュエル方式(投票の総額から払戻原資が決まる方式)なので、オッズは「市場に参加している人々の総意としての確率評価」とみなせます。AI予想の分析では、モデルの確率とオッズが示す確率を比較し、その差をedgeと呼ぶことがあります。

誤解しやすいのですが、edgeがプラスでも利益は保証されません。モデルの推定自体が間違っている可能性が常にあり、また公営競技には控除率(払戻に回らない割合)があるため、参加者全体では構造的にマイナスサムだからです。edgeは「モデルが市場より精度良く見積もれているかを検証するための指標」であって、「儲かるサイン」ではありません。edgeの厳密な定義は「edgeとは何か」を参照してください。競馬・競艇・競輪など種目ごとの控除率の実際の水準は「公営ギャンブルの控除率・還元率 比較一覧【競馬・競輪・宝くじ】」で一次情報から比較しています。

AI予想の限界を知っておく

仕組みを理解すると、AI予想の限界も見えてきます。

過去データへの依存

過去に例の少ない条件(新馬戦、極端な馬場など)は精度が落ちやすくなります。

不確実性の残存

出遅れ・不利・当日の体調など、データ化できない要因は消えません。

検証期間の問題

短期間の的中実績は偶然でも作れてしまいます。学習期間と検証期間が分離されていない成績は未来リークの疑いがあります。

だからこそ、予想を確率で示し、当たった予測も外れた予測もすべて検証ログとして残す姿勢が、AI予想サービスの信頼性を判断する軸になります。「必ず当たる」「絶対に稼げる」といった表現を使うサービスとは、距離を置くことをおすすめします。

予想情報とどう付き合い、資金をどう管理するかについては、別記事「予想情報との付き合い方と資金管理の基礎」で詳しく解説しています。

よくある質問