【ITニュース解説】I Run a Lottery Model That Publishes Its Own Failures — 51 Draws of Mark Six Data

この記事は、香港の宝くじ「マークシックス」の予測モデルについて解説している。一般的な宝くじ予測サイトが、成功した予測だけを強調するのとは異なり、このモデルは予測が外れた「失敗」の記録を、隠すことなくすべて公開している点が大きな特徴だ。なぜこのような透明性の高いモデルを構築したのか、そして51回の抽選データを通して見えてきた正直な実態が詳細に語られている。

この宝くじ予測モデルは、それぞれ異なるアプローチを持つ三つのナンバー生成器を運用している。一つ目は「Science（サイエンス）」モデルで、過去51回の抽選データを分析し、各数字の出現頻度、最近の出現状況、そして出現していない期間（オミッションギャップ）といった統計的な要素を考慮して数字を選び出す。二つ目は「Physics（フィジックス）」モデルで、これは宝くじの抽選機が物理的にどのようにボールを排出するかをシミュレーションし、数字の順序や位置に特定の偏りがある可能性を考慮して予測を立てる。そして三つ目は「Mystic（ミスティック）」モデルと名付けられており、これは意図的に統計的な根拠を持たず、数秘術のような非科学的なルールに基づいて数字を選ぶ。このミスティックは、他の二つの統計モデルが本当に効果があるのかを検証するための「対照群」として機能する。もしミスティックが統計モデルと同程度の的中率を示してしまったら、それは統計モデルに特別な意味がないことを意味してしまうため、その動向は重要だ。現在のところ、ミスティックの的中率は他のモデルに及ばず、統計モデルの有効性を間接的に示している。

実際の抽選結果を見ると、このモデルの正直さがより明確に示される。例えば、ある特定の抽選（26104）では、当選番号が「4, 28, 31, 44, 47, 48」と特別番号「19」だった。この時、Scienceモデルは一つも当たらず、Mysticモデルも同様に一つも当たらなかった。Physicsモデルだけが数字「44」を一つだけ当てた。結果として、三つのモデルを合わせた的中数は、ランダムに18個の数字を選ぶよりも低く、期待値の半分以下という厳しい結果だった。しかし、筆者はこのような低い的中率であっても、その事実を包み隠さず公開している。「監査できないモデルは、単なる宣伝に過ぎない」という強い信念が背景にある。モデルの性能を客観的に判断できる情報を提供することで、予測の透明性と信頼性を確保しようとしているのだ。

このプロジェクトには、モデルが自身の性能を評価し、自動的に調整する「自己調整」の仕組みも組み込まれている。例えば、プロジェクトの別の側面である競馬のオッズモデリングでは、EMA（指数移動平均）という手法を使ってパラメータが自動的に更新される。これは、モデルが出した予測と実際の結果を常に比較し、その評価に基づいてモデル内部の「重み」と呼ばれる設定値を自動で微調整していくプロセスだ。もしモデルがある日、特定の傾向を持つ予測が外れ続けた場合、モデル自身がその傾向に関するパラメータの重みを調整し、次回以降の予測を改善しようと試みる。これは人間が手動で数値を調整するのではなく、モデル自身が「宿題を採点し、調整する」という、まさに自律的な学習と改善のプロセスである。

記事では、これから行われる抽選（26105）についても、各モデルが予測した数字が事前に公開されている。Scienceモデル、Physicsモデル、Mysticモデルそれぞれが選んだ数字が示され、複数のモデルで共通して予測された数字（この記事の例では「48」が三つのモデルすべてで、「7」が二つのモデルで予測されている）も示唆されている。これらの予測結果は、翌日には的中したかどうかにかかわらず公開される予定だ。

なぜこのような「正直さ」がこのプロジェクトの核となる「製品」なのか。それは、筆者が予測コンテンツの市場を「レモンの市場」のような状態だと見ているからだ。「レモンの市場」とは、買い手と売り手の間に情報の非対称性があり、品質の悪い製品（この場合は信頼できない予測）が市場から品質の良い製品を締め出してしまう経済現象を指す。多くの予測サイトが「80%の的中率」などと謳いながらも、その実態を誰も検証できない状況にある。このプロジェクトは、その現状に逆行するアプローチを取る。完全な予測履歴、詳細なポストモーテム（事後検証）、システムの健全性を示す公開ステータスページ、そして連敗期間を含むキャリブレーション（調整）統計など、すべての情報を公開している。もしモデルが200回抽選してもランダムな予測と変わらない程度の性能しか発揮しない場合、その事実も正直にサイトで表明する。これが、このプロジェクトが利用者と交わす透明性のある「取引」なのである。

このようなシステムは、Cloudflare Workers、Cloudflare Pages、Cloudflare KV/D1といったクラウドサービスを組み合わせて構築されている。特にレース日には2分ごとに自動でスナップショットが取得され、Pythonで書かれたEMAドリフトループによってモデルの自動調整が実行されている。これは、現代のシステム開発において、サーバーレス技術やクラウドサービスを活用して、透明性、信頼性、そして自動化された改善プロセスを実現する具体的な例を示していると言えるだろう。