AIがサッカーのスコアを予測：LLMと統計モデルのハイブリッドアプローチ

AIによるサッカー予測の進化

サッカーの試合スコア予測は、長年統計モデルが中心でした。しかし、これらのモデルはチームの強さや期待ゴール数を数値化できる一方で、選手の役割、戦術的な組み合わせ、チームのモチベーション、そして試合中の最初のゴールが選手の行動にどう影響するかといった、複雑な「文脈」を直接理解できません。一方、大規模言語モデル（LLM）はこのような文脈的な推論は得意ですが、確率的な計算や厳密な数値予測には向いていません。

この課題を解決するため、統計モデルの確率計算能力とLLMの文脈理解能力を組み合わせた、新しいハイブリッド予測システムが開発されました。このシステムは「監査可能な情報ハーネス」として機能し、両者の強みを統合することで、より正確で、かつその推論過程を追跡できる予測を実現します。

ハイブリッドシステムの開発と反復

この予測システムは、V1からV4までの4つのバージョンを経て進化しました。 V1は、Dixon-Colesモデルをベースとした動的なスコア駆動型ベースラインです。 V2では、LLMによる文脈的評価を期待ゴール数パラメータにマッピングし、統計モデルにLLMの知見を組み込みました。 V3では、スカラー補正を廃止し、設定されたスコア候補セットに対してゴールごとのシミュレーションを行うことで、より詳細な試合展開を考慮できるようになりました。 そして最終バージョンであるV4では、最初のゴールが試合に与える影響や、ゴール後の連鎖的な行動変化、時間経過を考慮した停止条件、そして発生確率の低いテール候補の追加など、サッカー固有のより詳細な要素をモデルに組み込みました。これにより、LLMが試合の状況変化をより深く理解し、予測に反映することが可能になりました。

予測精度の向上と具体的な成果

このハイブリッドシステムの有効性は、2025-26シーズンのイングランド・プレミアリーグの最初の150試合を時系列で再現する検証によって示されました。 ベースラインであるV1は、Top-1（最も可能性の高いスコアを正確に予測）で10.0%、Top-3（上位3つのスコアの中に正確なスコアが含まれる）で26.7%の精度を達成しました。 V3ではTop-1精度が12.0%、Top-3精度が30.0%に向上。 そして、最も進化したV4は、Top-1精度で14.7%、Top-3精度で30.7%という最高の結果を記録しました。 V4はまた、予測候補のカバレッジをV1の77.3%から84.7%へと増加させ、より広範囲な可能性をカバーできるようになりました。

監査可能性と今後の展望

この研究の重要な貢献は、単に予測精度を向上させただけでなく、「監査可能なハイブリッドアーキテクチャ」を確立した点にあります。AIによる予測がどのような推論経路を経て導き出されたのかを追跡できることは、透明性と信頼性を高める上で極めて重要です。

この結果は探索的なものですが、統計モデルとLLMの融合が、サッカーのような複雑なドメインにおける予測能力を大きく引き上げる可能性を示しています。私の見方では、このようなハイブリッドアプローチは、スポーツ予測だけでなく、ビジネスにおける意思決定支援など、文脈理解と数値的精度が求められる多岐にわたる分野に応用できると考えます。今後、さらなる検証と改善を通じて、その実用性が高まることに期待しています。