1. Nash均衡という理論上の定義
「GTOを解いた」という表現は、まるでポーカーというゲームに唯一の正解が存在し それを発見したかのように聞こえる。しかし理論的に保証されているのは、あくまで 存在であって、実務での到達ではない。ナッシュ均衡とは、どのプレイヤーも 自分の戦略を単独で変更しても利得を改善できない戦略の組である。2人ゼロサムのポーカーにおいては、 この均衡戦略対は「被搾取度（exploitability）がちょうどゼロになる」戦略として 定義される。これは数学的に厳密な定義であり、有限のゲーム木に対しては 理論上必ず存在することが保証されている（ナッシュの均衡定理）。
2. なぜ「厳密な」Nash均衡をそのまま計算できないのか
ポーカーのような大規模不完全情報ゲームでは、可能な情報集合・行動の 組合せが天文学的な数に上るため、厳密なNash均衡を有限時間で 正確に計算し尽くすことは実務上不可能である。そのため実際のソルバー （CFR系アルゴリズム等）は、計算資源と時間の制約の中で 「十分に均衡へ近い」戦略を反復的に探索する。この「十分に近い」 状態を指す概念がapproximate equilibrium（近似均衡）である。
3. 近似の度合いを測る物差し
exploitability(σ) = max_σ′ [ u(σ′, σ) ]近似均衡の「近さ」は、被搾取度という単一の数値で測定される（本コラム 「GTO Wizard Benchmarkから見るソルバー精度の現在地」で扱ったNash Distanceも この概念の実装例）。理論上のNash均衡は被搾取度＝0だが、実務上のソルバー 出力は被搾取度が0に限りなく近いが厳密には0でない、ε-均衡 （epsilon-equilibrium）という位置づけになる。反復回数を増やすほど このεは小さくなるが、有限の反復ではゼロには到達しない。
4. 実務上の含意
誠実性の注記: 「ソルバーが計算したのはNash均衡そのものではなく 近似均衡である」という事実は、ソルバー出力の実用性を否定するものではない。 被搾取度が十分に小さければ、実戦での搾取可能性は無視できる水準まで 下がる（本コラム既報「GTO Wizard Benchmarkから見るソルバー精度の現在地」の通り、実測値は0.21%というオーダー）。重要なのは 「近似」という言葉を理由にソルバー出力の信頼性を過小評価しないこと であり、同時に「厳密なGTO」という表現がそもそも理論上の理想値を 指す言葉であって、実装が到達するのは常にその近似であるという構造を 正確に理解しておくことである（※編集部の評価）。
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。