GeminiとGPTで競馬予想対決！天皇賞（春）で検証するAIの意思決定能力の限界と可能性

生成AIの能力評価というと、コード生成や文章作成が定番ですが、今回紹介する事例は一味違います。競馬予想という「不確実性が高く、複数の変数が絡み合う現実世界の意思決定」にAIを投入する実験です。

にゃんまるさんが実施したのは、GeminiとGPTに天皇賞（春）の予想を依頼し、実際に500円で馬券を購入するという検証。前回のパチンコ編では期待した結果が得られなかったようですが、「競馬ならAIの強みが活きるのでは」という仮説のもと、再挑戦が始まりました。

この実験の本質は、AIが持つデータ分析能力が、確率と運が支配するギャンブルの世界でどこまで通用するかという問いです。そして、その背後には「AIは人間の直感を超えられるのか」という、より大きなテーマが横たわっています。

この実験から読み取れる技術的な論点を整理しましょう。

1. 多次元データの統合処理

競馬予想には以下のような多様なデータが関わります：

GeminiとGPTは、それぞれ異なるアプローチでこれらの情報を処理します。Geminiはマルチモーダル処理に強みを持ち、GPTは言語理解と文脈把握に優れています。この違いが予想結果にどう影響するかが見どころです。

2. 確率論的思考の実装

AIは本質的に確率ベースで動作しますが、それを「500円の予算で最大リターンを狙う馬券戦略」に落とし込むには、以下の判断が必要です：

これは単なるデータ分析ではなく、**リスク許容度と期待値のバランスを取る意思決定**です。AIがどのような論理でこれを導出するかは、ビジネスにおける投資判断やリソース配分の意思決定にも通じる興味深いポイントです。

3. 説明可能性と透明性

「なぜその馬を選んだのか」という根拠の提示能力も重要です。ブラックボックス化した判断では、ユーザーは納得できません。特にお金が絡む場面では、AIの推論プロセスの可視化が信頼性を左右します。

従来の予測AIとの決定的な違い

競馬予想AIは実は新しいものではありません。統計モデルや機械学習を使った予測システムは以前から存在します。しかし、GeminiやGPTのような**汎用生成AI**を使う点が革新的です。

従来の専用AIは：

対して汎用生成AIは：

つまり、「競馬の専門知識がない人でも、対話だけで高度な予想ができる可能性」を秘めています。

メリット：民主化された意思決定支援

このアプローチの最大の強みは**参入障壁の低さ**です。専門的なデータ分析スキルがなくても、適切な質問をすればAIが多角的な分析結果を返してくれます。

ビジネスの場面に置き換えれば：

こうした「完全な正解がない意思決定」において、AIは複数の視点を提供し、判断材料を増やしてくれます。

注意点：確率と運の壁

一方で、この実験が明らかにする限界も重要です。

**データの限界**：AIは過去のパターンから学習しますが、競馬には「その日の馬のコンディション」「レース中の偶発的な出来事」など、データ化されていない要素が多数存在します。

**過学習のリスク**：過去の傾向を重視しすぎると、外的要因の変化（騎手の交代、調教方法の変更など）に対応できません。

**期待値の罠**：統計的に「最も確率が高い」選択が、必ずしも「ワンコイン500円で最大リターンを得る」最適解とは限りません。オッズが低すぎれば、当たっても儲けは微々たるものです。

適用範囲：どんな場面で活きるか

この手法が有効なのは：

1. **学習コストを抑えたい初心者**：専門知識を身につける時間がない人が、手っ取り早く「それなりの根拠」を得たい場合

2. **複数の視点を比較したい中級者**：自分の予想に加えて、AIの視点を参考情報として活用

3. **実験的な試行**：少額の予算で「AIの判断能力」を体感したい技術者

逆に不向きなのは：

1. 「比較検証プロンプト」を設計する

にゃんまるさんの実験の優れた点は、複数のAIを同時に走らせている点です。あなたも意思決定が必要な場面で、以下を試してください：

【プロンプト例】
「〇〇という選択をする必要があります。
以下の観点で、それぞれのメリット・デメリットを分析してください：
1. コスト効率
2. リスク
3. 実現可能性

最後に、あなたの推奨案とその理由を述べてください。」

GeminiとGPTで同じプロンプトを投げ、違いを比較しましょう。判断の多様性が可視化されます。

2. 「根拠の深掘り」を習慣化する

AIの回答をそのまま受け入れるのではなく、必ず「なぜその結論に至ったのか」を追加質問してください。

「その予想の根拠となるデータを3つ挙げてください」
「他の選択肢と比較して、なぜこれが優れているのですか？」
「この判断にはどんなリスクが潜んでいますか？」

こうした対話を通じて、AIの思考プロセスの透明性を高め、盲信を防ぎます。

3. 少額での「実践検証」を繰り返す

500円という予算設定は絶妙です。失っても痛くない金額で、実際に「AIの判断を現実世界で試す」経験ができます。

あなたのビジネスや日常でも、小さな意思決定で試してみましょう：

こうした「低リスクの実験」の積み重ねが、AIとの協働スキルを磨きます。

競馬予想というユニークな切り口から見えてくるのは、生成AIが万能ではないという当たり前の事実です。しかし同時に、適切に使えば「自分だけでは気づかなかった視点」を提供してくれる強力なパートナーであることも確かです。

重要なのは、AIの出力を鵜呑みにせず、あくまで判断材料の一つとして扱うこと。Gemini vs GPTという対決構造も、「どちらが正しいか」ではなく「異なる視点から多角的に考える」ためのフレームワークとして機能します。

最終的に意思決定するのは人間です。AIはその質を高める道具に過ぎません。この実験が教えてくれるのは、その使い分けの重要性なのです。

この情報は @にゃんまる さんの投稿を参考にしています。