AI競馬研究

ケイバの地図のAIモデルが、どこまで当てられるのか、何を見落とすのか。良いところも足りないところも、分かる言葉で公開します。

• AIの上位5頭に、1〜3着が全員入るのはどれくらい？AIモデル（C0）と人気順で、上位5頭・6頭・8頭に1〜3着が全員入った割合を5,586レースで比較。外れ方の内訳と頭数による違いも。
• AIが見落とした3着内の馬は、どんな馬だったかAIが9番手以下にしたのに3着以内に来た馬（延べ2,701頭）を調査。約6割は8番人気以内、8割は3つのモデルで共通の見落とし。
• クラス実績は本当に重要か — 4つの候補を全出走馬で確かめた「同クラス以上の好走歴」「条件復帰」「芝ダ替わり」「過去最良と近走の差」を77,043頭で比較。人気順位をそろえても差が残ったのは1つだけ。
• 馬場適性はどこまで使える？ — AIの見落としと馬場の関係AIが見落とした3着内馬と、AIが置けた3着内馬を、道悪・含水率・クッション値で比較。事前に決めた基準では差は見つからなかった。

研究の進め方

• 比べ方と「差あり」の基準は、結果を見る前に決めて記録します。
• すでに結果を見た期間（2026年9月まで）の集計は「探索的」として扱い、確かめた事実とは分けます。
• 新しい工夫は、まだ結果を見ていない2026年10月10日以降のレースで前向きに確かめてから、新聞の予想に使います。
• うまくいかなかった結果も残します。