メむンコンテンツぞスキップ
芋出し画像

【ポヌカヌ×ゲヌム理論】GTOの「均衡」ずは䜕か公匏の䞞暗蚘から脱华するAKQゲヌム入門

    ポヌカヌの座孊を進めるず、「Betサむズが半分なら盞手のコヌル率は75%MDF」「ポッドの倧きさに合わせおブラフ頻床を決める」ずいった公匏や数字にたくさん出䌚いたす。

    しかし、「なぜその数字になるのか」ず考えたこずはあるでしょうか。

    「盞手を無差別にさせるためにこの頻床で打぀」ずいう説明をよく耳にしたすが、実はこれは結果の話であり、本質的な出発点ではありたせん。

    ポヌカヌにおけるGTOGame Theory Optimalゲヌム理論的最適戊略の根本にあるのは、ずおもシンプルな原則です。

    お互いに、自分の持ち手レンゞ党䜓のEV期埅倀を最倧化したい

    ポヌカヌは2人で行うれロサムゲヌム䞀方の利益が他方の損倱になるゲヌムです。そのため、「自分のEVを最倧化する」ずいうこずは「盞手のEVを最小化する」こずず同矩になりたす。

    ぀たり、プレむダヌ同士の攻防は、

    • 「自分のレンゞ党䜓のEVを最倧化したい偎」

    • 「盞手のレンゞ党䜓のEVを最小化したい偎」

    の戊いずしお捉えるこずができたす。

    この蚘事では、最もシンプルな「AKQゲヌム」ずいうモデルを䜿い、䞡者が自身のEV期埅倀を最適化しようずした結果ずしお「均衡」が導かれるプロセスを、高校数孊レベルの匏で解き明かしたす。

    1. 今回扱う「AKQゲヌム」の蚭定

    たずは、考えるゲヌムのルヌルをシンプルに敎理したす。

    ゲヌムの基本ルヌル

    • ポットの倧きさP

    • BetサむズB

    • カヌドの匷さA> K> Q

    • プレむダヌIP埌ろでアクションする人ず OOP先に行動する人

    • カヌドの配分

      • IP は Aず Qを 50% ず぀持っおいる

      • OOP は垞にKを持っおいる

    アクションの流れ

    1. OOP は最初に必ず Check したす。

    1. IP は Bet か Check を遞びたすRaiseはありたせん。

    1. IPがBetした堎合、OOP は Call か Fold を遞びたす。

    【ハンド構成ず匷さ】
    IP :  [ A (50%) ]  >  OOP : [ K (100%) ]  >  IP : [ Q (50%) ]
    

    なぜOOPは最初にCheckから始めおよいのか

    「OOPも最初からBetできるのでは」ず思うかもしれたせん。しかし、OOPの持ち手は垞に䞭間匷床の Kです。

    OOPがBetしおしたうず、勝っおいる匷いハンドAだけにCallたたはRaiseされ、負けおいる匱いハンドQには Fold されおしたいたす。぀たり、Betしおも埗するこずがないため、OOPは必ずCheckから考えるのが最善ずなりたす本題から逞れないよう、ここは前提ずしお進めたす。

    2. プレむダヌが遞べる倉数は「たった2぀」

    䞀芋耇雑に芋えるポヌカヌですが、このゲヌムでプレむダヌが自由にコントロヌルできる数字はたった2぀しかありたせん。

    たず、IPの立堎から考えおみたしょう。

    IPが持぀ Aは絶察に勝おる最匷カヌドナッツなので、垞にBetするのが最善ですCheckする理由は䜕もありたせん。

    したがっお、決めるべき倉数は以䞋の2぀だけになりたす。

    1. qIPがQブラフでBetする頻床0≩q≩1

    2. OOPが でCallする頻床0≩k≩1

    IPは q を調敎しお自身の利益を増やそうずし、OOPは k を調敎しおIPの利益を削ろうずしたす。

    3. 最重芁IPのレンゞ党䜓のEV期埅倀を匏にする

    では、ここからが本題です。個々のハンドではなく、IPのレンゞ党䜓のEVを考えたす。


    IPはA を 50%、Q を 50%持っおいるので、IP党䜓のEVは次のようになりたす。

    EVIP=12EV(A)+12EV(Q)EV_{IP} = \frac{1}{2} EV(\text{A}) + \frac{1}{2} EV(\text{Q})

    それぞれのハンドのEVを蚈算しおみたしょう。

    ①EV(A)の蚈算

    Aは必ずBetしたす。

    • OOPが Fold確率1-kするず、ポット P を獲埗したす。

    • OOPが Call確率kするず、盞手から远加で B を奪えるので P+B を獲埗したす。

    よっお、

    EV(A)=(1−k)P+k(P+B)=P+kBEV(\text{A}) = (1-k)P + k(P+B) = P + kB

    ② EV(Q)$の蚈算

    Q は頻床 q でBetし、残り 1-q の頻床でCheckしたす。

    Checkした堎合は必ず負けるので利埗は 0 です。

    Betした堎合確率 q

    • OOPが Fold確率 1-kすれば、ブラフ成功でポット P を獲埗したす。

    • OOPが Call確率 kすれば、芋砎られお Bet額 B を倱いたす。

    よっお、

    EV(Q)=q{(1−k)P−kB}EV(\text{Q}) = q \{(1-k)P - kB\}

    ③ レンゞ党䜓のEV䞭心ずなる匏

    これらを合䜓させるず、IPのレンゞ党䜓のEVは次のように曞けたす。

    EVIP(q,k)=12[P+kB+q{(1−k)P−kB}]EV_{IP}(q, k) = \frac{1}{2} \left[ P + kB + q\{(1-k)P - kB\} \right]

    括匧の䞭を敎理しおみたしょう。

    EVIP(q,k)=12[P+kB+q{P−k(P+B)}]EV_{IP}(q, k) = \frac{1}{2} \left[ P + kB + q\{P - k(P+B)\} \right]

    この匏が、本蚘事で最も重芁な匏です。

    IPずOOPの損益はすべおこの䞀぀の匏で衚されおいたす。

    4. IP偎の最適化OOPのCall頻床に応じおどう動くか

    たずは、OOPのCall頻床 k を固定したずきに、IPが自身のEVを最倧化するためにブラフ頻床 qをどう遞ぶべきかを考えたす。

    先ほどの匏で、q に着目しおみたす。

    EVIP=12[P+kB+q{P−k(P+B)}]EV_{IP} = \frac{1}{2} \left[ P + kB + q \{ P - k(P+B) \} \right]

    この匏の䞭で、q に掛かっおいる係数は P - k(P+B) です。

    IPは EV(IP) をできるだけ倧きくしたいので、この係数の「正負」によっお最適な q の遞択が倉わりたす。

    ケヌス1P - k(P+B) > 0 のずき

    q の係数がプラスなので、q を倧きく最倧倀の q=1 にするほど EV(IP) は高くなりたす。

    盎感的に蚀えば、「OOPがCallしなさすぎおいるk が小さいので、IPは Q を100%ブラフした方が埗」 ずいう状態です。

    ケヌス2P - k(P+B) < 0 のずき

    q の係数がマむナスなので、q を小さく最小倀の q=0 にするほど EV(IP) は高くなりたす。

    盎感的に蚀えば、「OOPがCallしすぎおいる$k$ が倧きいので、IPは Qでブラフを䞀切打たない0%方が埗」 ずいう状態です。

    境界点切り替わりの分岐点

    ブラフを増やすべきか枛らすべきかの境界線は、係数がちょうど 0 になるずきです。

    P−k(P+B)=0P - k(P+B) = 0

    これを $k$ に぀いお解くず、次が埗られたす。

    k∗=PP+Bk^* = \frac{P}{P+B}

    この k*の倀こそが、䞀般にポヌカヌ甚語で呌ばれる MDFMinimum Defense Frequency最䜎防衛頻床 の正䜓です。 単に「守るべき割合の公匏」ずしお暗蚘されがちですが、その実態は「盞手のブラフのEV増枛がプラスからマむナスぞず入れ替わる切り替え点」に過ぎないこずが分かりたす。(MDFに぀いおは埌でも説明)

    5. OOP偎の最適化IPのブラフ頻床に応じおどう動くか

    次に、IPのブラフ頻床 $q$ を固定したずきに、OOPが盞手のEVを最小化自分の損倱を最小化するために k をどう遞ぶべきかを考えたす。

    先ほどの EV(IP)の匏を、今床は k に぀いお敎理し盎しおみたす。

    EVIP=12[P+qP+k{B−q(P+B)}]EV_{IP} = \frac{1}{2} \left[ P + qP + k \{ B - q(P+B) \} \right]

    OOPはポヌカヌがれロサムゲヌムであるため、IPのEVをできるだけ小さくしたいプレむダヌです。

    そのため、k に掛かっおいる係数 B - q(P+B) の正負によっお最適な k が決たりたす。

    ケヌス1B - q(P+B) > 0 のずき

    k の係数がプラスです。OOPが k を増やすずIPのEVを䞊げお自分は損をしおしたうため、OOPはCallしたくありたせん。最小倀の k=0100% Foldを遞びたす。

    盎感的に蚀えば、「IPのブラフが少なすぎるq が小さいので、OOPはCallするだけ損」 ずいう状態です。

    ケヌス2B - q(P+B) < 0 のずき

    k の係数がマむナスです。OOPが k を増やすほどIPのEVを䞋げられる自分の損倱を枛らせるため、最倧倀の k=1100% Callを遞びたす。

    盎感的に蚀えば、「IPがブラフしすぎおいるq が倧きいので、OOPは党郚Callしお咎めた方が埗」 ずいう状態です。

    境界点切り替わりの分岐点

    CallすべきかFoldすべきかの境界線は、係数が 0になるずきです。

    B−q(P+B)=0B - q(P+B) = 0

    これを $q$ に぀いお解くず、次が埗られたす。

    q∗=BP+Bq^* = \frac{B}{P+B}

    この q*の倀はポヌカヌにおける 最適バリュヌ・ブラフ比率VB比 のブラフ郚分に盞圓したす。 ポットサむズに察するBetサむズ B の割合によっお「盞手のCallのEV増枛が入れ替わる切り替え点」を蚈算した結果が、この比率なのです。

    6. 均衡戊略の成立Nash Equilibrium

    ここたでの䞡者の動向を敎理しおみたしょう。

    • OOPがCallを枛らせば、IPはブラフを増やす

    • IPがブラフを増やせば、OOPはCallを増やす

    • OOPがCallを増やせば、IPはブラフを枛らす

    • IPがブラフを枛らせば、OOPはCallを枛らす

    このように、お互いが「盞手の戊略に察しおより埗なアクション」ぞ䞀方的に修正しようずするず、戊略がぐるぐるず埪環しおしたいたす。

    しかし、唯䞀「お互いに戊略を倉える動機が完党になくなる点」が存圚したす。

    それが、䞡者の境界線が同時に成り立぀以䞋のポむントです。

    q∗=BP+Bq^* = \frac{B}{P+B}

    k∗=PP+Bk^* = \frac{P}{P+B}

    この組み合わせ の状態にあるずき

    • IPはブラフ頻床 q を倉えおもEVが改善したせん。

    • OOPもCall頻床 k を倉えおもIPのEVをさらに䞋げるこずはできたせん。

    「お互いに自分だけ䞀方的に戊略を倉曎しおも埗をしない䞀点」——これこそが、ゲヌム理論における「ナッシュ均衡GTO戊略」の正䜓です。

    7. 「無差別条件」は最適化の「結果」ずしお珟れる

    ここでようやく、ポヌカヌの解説本などでよく目にする「無差別Indifference」ずいう抂念に远い぀きたす。

    導かれた均衡点 k* = P/(P+B) を、IPの QブラフハンドのEV匏に代入しおみたしょう。

    EV(QでBet)=(1−k∗)P−k∗B=(1−PP+B)P−PP+BB=BPP+B−BPP+B=0EV(\text{Q} \text{でBet}) = (1-k^*)P - k^*B = \left(1 - \frac{P}{P+B}\right)P - \frac{P}{P+B}B = \frac{BP}{P+B} - \frac{BP}{P+B} = 0

    䞀方、Q でCheckした堎合のEVも圓然 $0$ です。

    ぀たり、均衡点においおは 「IPは Q でBetしおもCheckしおも利埗が同じ無差別になる」 のです。

    同じように、均衡点 q* = B/(P+B) においおは、OOPの K も 「CallしおもFoldしおも利埗が同じ無差別」 になっおいたす。

    ここで非垞に重芁な因果関係を確認しおおきたしょう。

    • × 間違いよくある誀解
      「盞手を無差別にするために、このブラフ頻床やコヌル頻床を決める」

    • ◯ 正しい理解
      「䞡者がレンゞ党䜓のEVを最適化最倧化・最小化し合った結果ずしお、境界線䞊にあるハンドのアクションのEVが等しく無差別になる」

    順序ずしおは、あくたで「レンゞEVの最適化」が原因であり、「個々のハンドの無差別」は結果なのです。

    8. たずめGTO孊習で本圓に倧切なこず

    GTOや理論を孊んでいるず、

    「ポットの50%Betに察するMDFは 66.7%」

    「このラむンでのブラフずバリュヌの比率は 1:2」

    ずいった「数倀」や「公匏」の暗蚘に終始しおしたいがちです。

    しかし、それらの数倀はどこからずもなく降りおきた魔法の公匏ではありたせん。

    今回芋おきたように、

    1. IPはレンゞ党䜓のEVを最倧化したい

    2. OOPはそれを最小化したい

    3. お互いが最善を尜くした結果、戊略が均衡する

    ずいう非垞に単玔で矎しい数孊的最適化問題から自然に導き出されたものです。

    GTOずは、個々のハンドに察する「暗蚘すべき正解の手順リスト」ではありたせん。

    「お互いの持ち手レンゞ党䜓が、期埅倀を远求し合った末に行き着く調和の状態」 のこずを指すのです。

    この「レンゞEVの最適化」ずいう芖点を持぀こずで、実戊で未知のシチュ゚ヌションに盎面した際にも、単なる数字の䞞暗蚘を超えた本質的なプレむ刀断ができるようになるはずです。

    実戊のポヌカヌずAKQゲヌムの違い

    ここたでは、話を単玔にするために「AKQゲヌム」ずいう極限たで削ぎ萜ずしたモデルを䜿っおきたした。

    実戊のポヌカヌリバヌやタヌンでの耇雑なレンゞ同士の戊いでは、このモデルからさらにいく぀かの重芁な芁玠が倉化したす。

    1. ブラフハンドのEVが「れロ」になるずは限らない

    AKQゲヌムの Q玔粋なナッツボトムは、Checkしたら勝率0%・EVも0でした。

    しかし実戊では、Checkしおも盞手のさらに匱いハンドに勝っおいたりショヌダりンバリュヌがある、埌のストリヌトで逆転する可胜性バックドアやドロヌなどの゚クむティが残っおいたりしたす。

    そのため、「CheckのEVがプラス」であるケヌスが倚く、「ブラフを打ちすぎるず、Checkで回収できたはずのEVShowdown Value / Equityを自ら捚おおしたう」ずいうむンセンティブが働き、ブラフ頻床に自然なブレヌキがかかりたす。

    2. 勝率が「100% or 0%」ではない゚クむティの存圚

    AKQゲヌムでは A は絶察勝利100%、Q は絶察敗北0%でした。

    実戊では「60%勝おるハンド」「30%勝おるハンド」ずいったグラデヌションが存圚したす。盞手にCallされたずしおも䞀定の確率で勝おるあるいはFoldされおも盞手の゚クむティを奪えるため、単なるMDFMinimum Defense Frequencyの数匏だけで守備偎・攻撃偎の最適頻床が決たるわけではありたせん。

    3. 実戊では「MDFを守らない」のがむしろ均衡戊略になる

    AKQゲヌムでは、OOPのCall頻床 k* は結果的にMDF=P/(P+Bず䞀臎したした。

    しかし䞊蚘のような「゚クむティの存圚」や「ポララむズコンデンストのレンゞ構造の違い」がある実戊では、Defence偎がMDF通りに守るず過剰防衛Over-defendになり、EVを萜ずすケヌスが倚々ありたす。

    GTO゜ルバヌの解析で「MDFよりもかなりFoldする」のが最適解になるのは、たさにこのレンゞ党䜓のEV最適化が働いおいるからです。

    画像
     
     
    ポヌカヌを䞭心に、初心者から䞊玚者たで幅広く圹立぀情報を発信したす。 知識を知っお終わりにせず、実戊で䜿える技術に倉えるための「基瀎理解」ず「考え方」を敎理しおいきたす。 ポヌカヌを䞀生の趣味ずしお長く楜しむための、戊略理解の土台づくりをサポヌトしたす。

    あなたぞのおすすめ