1. 前作との違い — 「何を知らないか」ではなく「どう間違えるか」
AIがポーカー戦術を誤るのは学習した知識が偏っているからだ、と 思われがちだが、それだけでは説明がつかない誤答パターンが存在する。 汎用LLMは確率推論というタスクそのものに構造的な弱さを 抱えており、いかに豊富な戦術知識を学習していても、推論の 過程自体が崩れれば誤答が生じうる。 本コラム既報「なぜ多くのAIがポーカー戦術でハルシネーションを 起こしやすいか（学習データの偏り編）」では学習データの偏りという 角度を扱ったが、本稿はモデルの能力面に起因する、異なる角度の誤答 パターンを扱う。ポーカーの戦術判断は、相手のアクション履歴から ハンドレンジを逐次的に絞り込んでいく一種の確率推論であり、この能力 自体が脆弱であれば、豊富な戦術知識の有無にかかわらず誤答が生じうる。
2. 確率推論タスクにおけるLLMの脆弱性
2025年9月に発表された研究「Reasoning Under Uncertainty: Exploring Probabilistic Reasoning Capabilities of LLMs」は、大規模言語モデルが 「言語理解・生成では広く成功している一方、確率推論を要するタスクでは 不明瞭かつしばしば一貫性を欠く挙動を示す」と指摘している（出典: arXiv:2509.10739）。 特に注目すべき知見は、文脈長が増加するにつれて確率推論の精度が 60%を超えて劣化するという結果であり、確率的な結果がどのように 表現されるか（数値・頻度・自然言語での確率表現等）への感度、さらに モデルサイズによる確率推論能力の差も報告されている。
3. ポーカー戦術判断への適用
ポーカーの戦術判断——特にマルチストリート（プリフロップ・フロップ・ ターン・リバー）にわたるハンドレンジの逐次更新——は、まさに 「長い文脈の中で確率的な結論を逐次的に更新し続ける」タスクの典型例である。 上記研究が示す「文脈長が伸びるほど確率推論精度が劣化する」という傾向が ポーカー領域にも当てはまるなら、アクション履歴が長く複雑になる 終盤のストリートほど、AIの戦術判断（特にレンジ推定）の信頼性が 体系的に低下しうるという仮説が成り立つ。これは学習データの 量や偏りをいくら改善しても解消しない、モデルアーキテクチャ由来の 限界である可能性を示唆する。
4. 誠実な留保
誠実性の注記: 引用した研究は汎用のLLM（会話・言語タスク 向けに訓練されたモデル）を対象としたものであり、PioSolverのようなポーカー 専用ソルバー（CFR系アルゴリズムによる数値計算エンジン）とは アーキテクチャが全く異なる。ポーカー専用ソルバーは確率推論を「言語による 説明」ではなく直接の数値反復計算として行うため、本稿の指摘する脆弱性は 汎用AIチャットボットにポーカー戦術を相談する場面に 特に当てはまるものであり、専用ソルバーの計算精度そのものへの批判ではない （本コラム既報「DOLOSデータセットとポーカーテル研究の接点」で示した 「対象領域の混同を避ける」という注意点と同じ構造である）。
本コラムは数理解説であり、トーナメント会場でのデバイス・ツール利用を推奨するものではありません。
出典
Pournemat, Rezaei, Sriramanan, Zarei, Fu, Wang, Eghbalzadeh, Feizi — "Reasoning Under Uncertainty: Exploring Probabilistic Reasoning Capabilities of LLMs"（2025年9月投稿）:
https://arxiv.org/abs/2509.10739