ドラフトだけで勝敗を62%の精度で予測するAIを作った強者あらわる
- ドラフトとランク帯の情報のみで勝敗を62%の精度で予測するAIツール「LoLDraftAI」が登場、1000万試合以上で学習済み。
- レーンマッチアップだけでなくチーム全体の構成を考慮。ピック提案機能「Suggest Champion」も搭載。
- 「人間とAIの勝敗予測を比較するクイズを作ってほしい」といったユニークな提案から、コード公開や商用化への関心も集まっている。
試合が始まる前から「あ、この試合負けたな」と感じたことはないだろうか?
そんな悩みに対処すべく、とある海外プレイヤーがユニークなAIモデルを公開した。

このAIは、ドラフトされたチャンピオン・ランク帯を使って、ランク戦の勝敗を62%の精度で予測できるという。マッチアップごとの勝率やダメージ量といった細かい統計情報は一切使っていないとのこと。
レーンマッチアップだけではなく「構成全体」を見る
このAIの特徴は、レーンの相性だけを見るのではなく、構成全体のシナジーや構成の噛み合いを学習している点。
「Suggest Champion」ボタンを押せば、勝率を最も高めてくれるピックを提案してくれる機能もある。
ダリウス vs サイオンの例で見る、このAIの強み
例えば、パッチ15.06のエメラルド帯において、サイオンに対して有利なチャンピオンとされているダリウス。このモデルによれば、ダリウスは8番目に良いピックで、勝率は53.3%。
だが、敵のボットレーンがトリスターナ/ジャンナだった場合、事情は変わる。
この場合、ダリウスは25番目のピックに落ち、勝率も49.3%まで下がるという。
理由はシンプルで、「カイトされて何もできなくなるから」。このAIはこうした状況も理解しているようだ。
このAIモデルの限界と補足情報
- このモデルはソロキューの試合を学習しているため、プロシーンにはうまく適用できないケースがある。特に、プロで人気のあるタンクジャングラーの強さを過小評価する傾向がある。
- 精度62%という数字は、未学習の約200万試合に対して予測を行い、「実際に勝った側を50%以上の確率で予測していた場合に正解」とカウントした結果。
(参考までに、機械学習の評価指標であるLog Lossは「0.656」) - ピック順やブラインドピックの概念は理解していない。未完成のドラフトに関しては、ランダムにマスキングされたデータで学習しているため、「最悪のカウンターが来る」前提ではなく、「平均的な敵構成」を相手にした予測となる。
反応
- 提案だけど、同じ情報だけを使って「どっちが勝つか」を人間に当てさせるクイズを用意して、AIとの正解率を比べてみたらどうだろうか?
- 62%なんて大したことないよ。俺は自分のチームのドラフトが負けるって毎回100%の確率で予測できてるからね。
- これ、TFTにはすでにあるよ。boardleっていうやつ。
基本的には、TFTのラウンドの状況が表示されて、両チームのボードとアイテム(オーグメントはなし)が見られる。で、「どっちがそのラウンドに勝ったか」を当てるって仕組み。
その後、実際に勝った側(実際の試合から取られてる)と、どれだけの人が正解したか、あとAIの予測とその確信度(%)も表示される。
- ちょっとアホな質問かもしれないけど、このデータってどこから取ってきたの?Riotから直接?それともサードパーティ?
- OP:アホな質問なんかじゃないよ。でも答えとしては「Riotから直接」。開発者はRiotが提供してるAPIを通じてデータにアクセスできるようになってるんだ。
- めっちゃクールだね。コードってどこかで公開されてたりする?
- OP:ごめん、今は公開してないんだ。
でもそのうちオープンソースにするかも。楽しみにしてて。 - 開発者として言うけど、コードは公開しないほうがいいかも。
たぶんMobalyticsとかOP.GGみたいなサードパーティのサイトが、ソースコードを買いたがると思うよ。
もし精度が70%とかに達したら、実際に連絡してみるといいかも。
- OP:ごめん、今は公開してないんだ。
- めちゃくちゃすごいね。どれくらいの試合数で学習させたの?
- OP:ありがとう。今オンラインで使えるモデルは、だいたい1000万試合分のデータで学習させたよ。
- メタの変化とか、チャンピオンの調整による影響ってどう処理してるの?
つまり、パッチごとのモデルってこと? それにしても、めちゃくちゃ面白いアイデアだね!- OP:そう、パッチごとのモデルになってるよ。
イメージとしては、まずモデルがチャンピオンごとの一般的な特徴を学習しておいて、それをパッチごとに調整する感じ。
だから、「パッチが変わっても共通すること(例:ダリウスはレンジに弱い)」も、「このパッチ特有のこと(例:あるチャンピオンがバフされた)」も、どっちのケースにも対応できるようになってる。
- OP:そう、パッチごとのモデルになってるよ。
- これヤバすぎる。作るのにどれくらい時間かかったの?
- OP:7ヶ月くらい、サイドプロジェクトとしてちょこちょこ作ってたよ。
たぶん何百時間もかかってると思う。
- OP:7ヶ月くらい、サイドプロジェクトとしてちょこちょこ作ってたよ。
- チャンピオンの勝率とプレイヤーのMMRだけを使った場合って、予測精度はどれくらいになるの?
それでもほぼ60%になるんじゃないかって気がするんだけど、違うかな。- OP:うーん、それは試してないけど、2年くらい前に似たような(でももっとシンプルな)プロジェクトをやったことがあって、そっちは統計データを使ってたんだけど精度はかなり低かった(だいたい55%くらいだったと思う)。
ただ、そのとき使ってたのはXGBoostっていう統計モデルで、データ量が多いときはディープラーニングモデルの方が圧倒的に強いから、単純な比較はできないけどね。
でも、その最初のシンプルなプロジェクトで、「統計だけに頼っても本当のゲームの構造は学べないし、高い精度も出せない」って直感したんだよね。だから今回はモデルにすべてを自分で学ばせる方式を選んだ。
あと、MMRは試合全体の平均値だけを使ってる。各プレイヤーのMMRも使えば精度は上がるかもしれないけど、チャンピオンセレクトの時点ではそれが分からないから、実用的じゃないんだよね。
- OP:うーん、それは試してないけど、2年くらい前に似たような(でももっとシンプルな)プロジェクトをやったことがあって、そっちは統計データを使ってたんだけど精度はかなり低かった(だいたい55%くらいだったと思う)。
- 気になるんだけど、各ロールの1対1のマッチアップ勝率を使って、5人全員分の平均を出して、より勝率が高いチームを勝ちと予測する──みたいな方法と比べて、どれくらい精度に差があるの?
例えば、トップがダリウスなら、敵チーム5人それぞれに対するダリウスの勝率を取って平均する。それを全ロールでやって、合計の勝率が高い方のチームが勝つって予測するような感じ。
LoLalyticsのデータとか使えば、機械学習なしでもそれできそうだけど。- OP:実は、まさにそれをやってる面白いプロジェクトがあるんだよ。https://draftgap.com(ちなみにこれは自分の作ったものじゃないからね)。
このサイトはマッチアップの勝率ベースの単純なルールだけを使っていて、機械学習のモデルは使ってない。
詳しい比較はブログに書いたから、よかったら見てみてくれ。
https://loldraftai.com/blog/draftgap-vs-loldraftai-comparison
ざっくり言うと、全員AP構成になってるとか、そういう文脈を全く理解できないっていう明らかな欠点がある。
実際に5000試合のデータセットで比較したところ、結果はこんな感じだった:
DraftGap:56.46%(2823/5000の正解)
※この結果は https://github.com/vigovlugt/draftgap のコードを使って検証
LoLDraftAI:65.56%(3278/5000の正解)
このデータセットはタイトルで使ったものより小さくて、EUWのエメラルド帯のみだから、精度がちょっと違うのはそのせい。でも、それでも明確な差が出てるのはわかると思う。
もちろん、統計ベースのアプローチをもっと良くする方法もあると思ってて、その統計を入力としてモデルを作ることもできる。
他にも、ダメージ比率とか、「このチャンピオンにはCCがある」「ブリンク持ち」といった特徴量を入れたらもっと精度が上がるかも。でも、自分のやり方なら、十分なデータがあればそういうのも自動で学習してくれる。
それに、レアなマッチアップへの汎用性もこっちのほうが高いと思う(ただ、これを証明できるデータは今のところまだないけどね)。
- OP:実は、まさにそれをやってる面白いプロジェクトがあるんだよ。https://draftgap.com(ちなみにこれは自分の作ったものじゃないからね)。
Source: I made an AI model that predicts 62% of ranked games from draft only
LoL愛があるでござる。
おすすめ関連記事



コメント
エンチャンターSUPとキャリーJGがコンボピックでめちゃくちゃ勝率出たりするんだろうか
もしかしてRiotがピック画面で名前を検出出来なくしたのこういうのが来るの知ってたのかな?
このシステムに加えて名前まで分かればレート・チャンピオンの練度・プレイヤーの勝率まで加味して85%以上で予測できるはず
人が少ないレートなら90%は硬いよ
今でも名前を無理やり見るチートで情報有利を取ってるやつはいる
試しにちょっと前の記事↓のピックを最新パッチで入れてみた
この構成、どっちが強い?海外コミュニティで大論争。ザヤを守り切れるか?グウェンがタンクを溶かすか? | LoL忍者
https://lolninja.net/2025/03/03/46740/
青側がだいぶ有利で勝率はエメラルドで71.3%、ダイヤで72.4、マスターで72.7だった
パッチ15.05に限り、青側勝率が4%ほど落ちるけど変わらず有利
ソロQだとタンクやプロテクトADCが弱いっていう一般論と一致してるね
プロなら赤が強いみたいな意見多かったけど普通にプロだと9割青が勝つと思う
集団戦が強い!って赤側擁護してた人が多いのに、集団戦を重視するAI目線だと青有利になるんだ
どこにそんなこと書いてるの?
それプロならスワップされてグウェン腐るから赤有利って話だったしなあ
しかもこのAIタンクジャングラーの強さを過小評価する傾向があるって書いてあるし、その勝率ソロキューでしか意味なさそう
このAIは、ドラフトされたチャンピオン・ランク帯を使って、「「「ランク戦」」」の勝敗を62%の精度で予測できるという
記事全文読めとは言わんが最初の文章くらい読んでくれや
この「どっちの構成が強い?」って記事は「トップチーム同士がこの構成で戦ったら」どっちが強いって記事だからな?
記事全文読めとは言わんが最初の文章くらい読んでくれや
aiの作成者がランク戦の勝率を予測するためのソフトですよってって言ってるのに、わざわざソロキューでしか意味なさそうなんて書くやつはよっぽどの馬鹿じゃなければ最後まで読んでないんだろうと普通は考えるけどな
よっぽどの馬鹿だったみたいだけど
悔しそう
極上の負け惜しみを聞けて満足だよ
ありがとう
「これ使えば自分も勝率上がる!」と勘違いした低レが、まともに操作できないチャンプをピックし始めるのがオチ
ええアイデアでござるな
めちゃくちゃ便利そう
便利ではあるが低レートでは全く意味を持たなそうではある
自分のチャンピオンが構成に合ってるかどうかを視認できるのは勉強にもなる
いいシステムね
配信者大会とか見る分には使えるだろうけど、自分の勝率が上がるように有効活用するのは難易度高いだろうねぇ
なんでそんなキャラピックするの??ってキャラを味方が取った時にAI予測の勝率もガクッと落ちてティルト加速装置になりそう
これを基に他人にピック指示しだす奴が出てきませんように
僕の大好きなtopアフェリオスを入れたら勝率が意味わからんぐらい下がっちゃったんだけど、どうなってんの〜?
俺のアフェリオスtop情報が入ったlora追加しろ
試合前に勝率出してもどーせljlのAIブリッツくんみたいに試合途中で手のひらドリルするんでしょ〜?
サンプル数の問題はあるけどプロシーンでもこういうの活用されないかな
自チームがうまく行く構成見つけたり全体見て隠れた罠ピック・構成を発見したり
それを毎日人力でやってんのがコーチとかアナリストでしょ
6割ちょいの今だとお遊びに使えるツールの域を出ないけど8割超えだしたら自分の対面とこれの結果次第でドッジするのが最適解になりそう
プロ用のこういうのあるとプロのドラフトってどうなるんだろうなってだいぶ前に思ってたんだけどあればあるほどいいとは言え1000万試合も学習してるのか…