ポーカーAIは、研究・学習・対戦中支援を分けて考える
ポーカーAIを理解する軸は、研究で示した強さ、対戦後に学べること、対戦中に使えるかの3つです。強い研究AIや便利な学習ツールが、そのまま対戦サービスで使えるとは限りません。
ソルバーは、ルールや手札の候補、賭け方などを設定した局面について、戦略を計算する仕組みです。学習では行動の選択割合や期待値を調べます。
一方、RTA（Real-Time Assistance）は、対戦中の判断を外部から助ける使い方を指します。同じソルバーでも、対戦後の復習と進行中のハンドへの助言では、利用場面が変わります。
| 呼び方 | 何をするか | 区別するポイント |
|---|---|---|
| 研究AI | 決めたゲーム条件で戦略を作り、強さを評価する | 研究の条件と達成範囲を読む |
| 学習用ソルバー | 設定した局面の戦略や期待値を計算・表示する | 出力の前提を確認し、復習に使う |
| RTA | 進行中の判断に外部の助言を使う | 自分でクリックしていても、支援に該当し得る |
| ボット | 人の代わりに判断や操作を自動化する | 全自動だけでなく、一部の自動化も規定の対象になり得る |
| HUD | プレイヤーの統計などを対戦画面に表示する | 行動を勧める機能とは別だが、利用条件はサービスごとに違う |
RTA・ボット・HUDは、すべて同じ機能の名前ではありません。ただし、複数の機能を備えたツールもあるため、名称より実際の機能と使う場面で判断します。規約上の具体的な扱いは、後半の公式規定の比較で確認できます。
見えない手札を含めて判断するのがポーカーAI
ポーカーは、相手の手札を見られない不完全情報ゲームです。研究AIも、対戦者として与えられた情報を使って判断します。相手全員の手札を知った状態で、正解を選んでいるわけではありません。
テキサスホールデムでは、自分の手札に加え、すでに公開された共通カード、賭け額、行動履歴などが判断材料になります。相手の手札は見えないため、レンジ（持っている可能性のある手札の集まり）として考えます。相手の行動を受けて、どの候補が残りやすいかを考える必要があります。
まだ配られていないカードが分からないことに加え、すでに相手へ配られた情報も見えない点が、ポーカーの難しさです。研究上の不完全情報と戦略の関係は、Libratusの原著論文で説明されています。
そのため、良い判断をしても、1回のハンドでは負けます。逆に、無理なコールが偶然勝つこともあります。強さを読むときは、十分な対戦数での成績とばらつきを見る評価と、相手にどの程度つけ込まれ得るかを計算する評価を区別します。
「解いた」研究と「プロに勝った」実験は意味が違う
研究結果は、種目・人数・賭け方の条件と、何を評価したかをそろえて読みます。「ポーカーAIが勝った」という見出しだけでは、どこまで分かったかを判断できません。
| 研究 | 対象と評価 | 達成した範囲 |
|---|---|---|
| Cepheus（2015年発表） | 2人のリミット・テキサスホールデム。賭け額とレイズ回数に制約がある条件で、戦略のつけ込まれやすさを計算 | 「本質的に弱く解いた（essentially weakly solved）」と報告。厳密解に非常に近い戦略を、誤差の評価とともに示した |
| Libratus（2017年の対戦実験） | 2人のノーリミット・テキサスホールデム。専門プロ4人と、それぞれ1対1で計120,000ハンドを対戦 | 実験条件の下でプロに勝つ強さを示した。ゲーム全体の厳密解を得たという報告ではない |
| Pluribus（2019年） | 6人のノーリミット・テキサスホールデム。AI1体対人間5人と、人間1人対AI5体の実験 | 複数人の対戦でトッププロを上回る成績を実証。あらゆる6人卓での必勝や、厳密な均衡戦略の証明とは異なる |
Cepheusの「本質的に弱く解いた」は、相手が最も厳しく弱点を突いても、厳密な解との差を人間の生涯ほどの対戦では統計的に区別しにくいほど小さくした、という意味です。毎ハンド勝つ、損失が一切出ないという意味ではありません。 原著の著者による拡張論文は、解くことの定義と近似の精度を説明しています。
Libratusは、2017年の20日間の実験で4人の専門プロと対戦しました。Pluribusは、人間のプロ13人の中から5人ずつが参加する計10,000ハンドの実験と、別のプロ2人がそれぞれAI5体と5,000ハンドずつ対戦する実験を行いました。結果と評価条件は、Libratus原著とPluribus原著に記載されています。
これらは異なるゲーム条件で得た成果です。2人のリミットで解に近づいた結果を、多人のノーリミットや、賞金順位のあるトーナメントへそのまま移すことはできません。持ち点、手数料、賞金構造、選べる賭け額、比較相手も、実戦への適用を考える際の確認項目です。
とくにPluribusの論文は、多人ゲームでは2人のゼロサムゲームと同じ強い理論保証が得られないことを説明しています。対人実験で強さを示したことと、全ポーカーを完全に解いたことは別です。
人間は、ソルバーの出力を判断理由へつなげる
人間の復習では、出力の暗記より、条件が変わると判断がどう変わるかを調べます。対象局面と設定が合っているかを確かめてから、行動の頻度や期待値を読みます。
頻度は、その局面で特定の行動をどれくらいの割合で選ぶかを表します。チェックとベットが混ざる出力なら、片方だけを唯一の正解として読むと、戦略の意味が抜けます。
期待値（EV）は、設定した前提の下で見込む平均的な損益です。1回の勝敗や、そのハンドが勝つ確率そのものではありません。GTO WizardのStudy Mode公式ガイドでも、行動頻度と各行動のEVを別の表示として扱っています。
復習は、次の順序で進めると、出力を自分の判断へつなげやすくなります。
- 迷った場面と自分の理由を残す。 結果だけでなく、人数、位置、持ち点、公開カード、そこまでの賭け方を確認します。
- 解析の前提をそろえる。 想定レンジ、ポット、賭け額の選択肢、手数料などが、復習したい場面に合うかを確かめます。対応していない形式なら、似ているという理由だけで同じ答えと扱いません。
- 頻度とEVの差を見る。 複数の行動が近いのか、ある行動が大きく劣るのかを区別します。小さな頻度の違いだけに注意を奪われず、影響が大きい判断から見直します。
- 条件を変え、理由を言葉にする。 たとえば持ち点や相手のレンジを変え、どの違いが行動を変えたかを確認します。「この条件では、なぜこの選択が残るのか」と説明できる知識を増やします。
ソルバーは、入力した相手のレンジや戦略が実際に正しいかまで保証するものではありません。GTO Wizardのカスタム解析の公式説明でも、レンジ、持ち点、ポット、選べる行動を設定することが分かります。
また、相手の癖を利用するために基準の戦略から変えるなら、どの観察を根拠に変えるかが人間側の課題になります。AIの対戦成績から、目の前の相手の癖まで自動的に分かるわけではありません。
対戦中の利用は、最新の公式規約で確認する
学習に役立つかと、対戦中に利用できるかは別の判断です。とくに「自分で操作するから大丈夫」「判断の前後なら大丈夫」とは限らない点を確認してください。
以下は、2026年10月25日に確認した公式ページの要点です。各サービスの対象クライアント・地域の規約と、最新告知を確認する必要があります。
| 公式の確認先 | 確認できた条件 |
|---|---|
| PokerStars：Third Party Tools and Services Policy | 自動判断・操作や現在の状況を読み取るリアルタイム助言を禁止。自分のプレイで集めた数値統計の表示には条件付きの許容がある一方、表示内容や自動切替などを制限。GTO解、上級計算、AIによる行動助言などは、クライアント等を開いている間の利用を禁止 |
| GGPoker：Security & Ecology Policy（表示版20260313） | 外部支援を受けずに判断することを要求し、RTA・ボット・ソルバー・チャート・HUDなどの利用を規制。プレイ中のチャート参照も禁止 |
| GGPoker：2026年10月15日の公式告知 | 第三者ポーカーソフトと自動化ツールの禁止方針を強化。例示したソフト等を、GGPoker起動前に完全に閉じるよう案内 |
PokerStarsの「ソフト起動中に禁止」の区分は、テーブルを開いていない場合や、いまの判断に直接関係しない解析、別端末の利用にも及ぶと説明されています。ハンドが終わったことだけでは、利用条件を満たしたと判断できません。 GGPokerも、古いツール紹介だけで判断せず、上表の新しい公式告知を合わせて確認します。
また、事後の学習でも、ハンド履歴の入手・変換・共有に関する規定は残ります。自分の履歴であれば、あらゆる外部サービスへ自由に送れると決めつけないでください。
利用可否が分からない場合は、対戦サービスの公式サポートや、大会主催者のルール窓口へ、ツール名と版、使う機能、データの出所、利用する時点を示して確認します。ツール提供元の「学習用」という説明だけで、対戦先の許可を代用することはできません。確認が取れるまでは対戦中に使わず、許された条件の中で対戦後の復習に役立てましょう。
