GTO vs エクスプロイトプレイ：どちらが優れた戦略か？
（翻訳元記事）
そろそろGTO（Game Theory Optimal）対Exploitative Playの話をしようかと思います。
このテーマは、よく聞かれたり、間違って使われたりして、多くの人を混乱させているようです。複雑なテーマなので、その混乱は理解できます。
GTOとExploitative Playは長い間ポーカーコミュニティで議論され続けてきました。GTOが "最適 "あるいは "良い "という意味で広く使われるようになったので、ますます頻繁に出てくるようになったのでしょう。
この記事では、それぞれの戦略をどのように、いつ使うかを説明します。しかし、その前に、私たちが同じステージに立っていることを確認し、それらを定義してみましょう。
ゲーム理論最適化(GTO)とは何か？
GTOという言葉はポーカー界隈でよく使われますが、正しく建設的な意味で使われることはほとんどありません。
もしあなたが本当の意味でゲーム理論に基づいた最適なプレイをすれば、対戦相手があなたを利用することは不可能になります。相手ができるのはせいぜいブレークイーブンにもっていくことなのです。
これほど素晴らしいことはありません。
ただ、GTOのスタイルでプレイしようとすると、現実的な問題があります。
GTOをプレイする上での問題点
ノーリミットホールデムはまだ解決されたゲームではないので、本当の意味でのGTOの戦略は知られていません。
どんなにバランスの取れた戦略を考えても、必ず弱点があるものです。
仮にGTOの攻略法がわかっても、コンピュータの助けを借りなければ、人間がそれを活用することは基本的に不可能でしょう。
ノーリミットホールデムはあまりに複雑なゲームだからです。
今のところ、あなたにできることは、既知の理論的概念に基づいて、エクスプロイトされないプレイを試みることによって、GTOプレイを模倣することです...。
しかしそうすると、対戦相手の傾向を無視することになり、その結果、相手があなたの戦略を利用しているかどうかを認識できない危険性があります。
それが「エクスプロイト・プレイ」です。
Exploitative PlayとGTO Playはどう違うのですか？
Exploitative Strategyとは、対戦相手の戦略のアンバランスを見極め、それを利用する戦略です。
言い換えれば、相手のゲームの弱点を見つけて攻撃し、それによって自分の弱点が生まれたとしても、それを利用するのです。
定義上、攻略法はバランスのとれたGTO戦略からの逸脱であり、それは同時にいくつかの欠点にもつながります。
エクスプロイトプレイの問題点
エクスプロイトプレーの最大の弱点は、相手にエクスプロイトし返される可能性があることです。
搾取的なプレーをするときは、相手の傾向を敏感に察知し意識しなければなりません。
もし相手がそれに気づいたら、あなたの戦略に対抗するための調整を行うでしょう。
そうなると自分も調整し直さなければならなくなり、逆にエクスプロイトされる危険性があります。
また、エクスプロイト的なスタイルには、より高い分散がつきものです。
搾取的な意思決定は、相手のゲームに関する情報や仮定に基づいて行われます。そのため、誤った情報や仮定に基づいてプレーをすると、非常に大きな代償を払うことになります。
GTOをベースにしたスタイルのプレイ方法
前述したように、ノーリミットホールデムにおけるGTOスタイルはまだ未知数である。人間はもちろん、どんなコンピューターでも完璧なGTOをプレイすることは不可能です（近いうちに変わるかもしれませんが）。
とはいえ、ポーカーの理論を理解し、それをテーブルでどう活かすかを知っていることは大きな武器になります。
GTOを使った効果的なプレイをするためには、あらゆる可能なラインに対してバランスの良いレンジを構築する必要があります。
ベットするときの目標は、理論上、相手にコールとフォールドを区別させないことですが、これには2つのステップがあります。
ステップ1：あなたのベットに対して相手が提示しているポットオッズを計算し、それを比率で表します。
ステップ2：バリューベットとブラフの比率を同じにして、ベッティングレンジを構築します。
例でさらに深ぼってみましょう。
PokerStarsで$5/$10ヘッズアップ、有効スタック$1,000。
ボードは、
Ad6h5hTs4h
リバー (ポット: $200)
ヴィランがチェック、ヒーローが$200をベット
ヴィランはリバーで$200のポットサイズのベットに直面しており、コールには2対1のオッズが付き、コールするには少なくとも33%の確率で勝っていなければならない。
ここで、ヒーローのバリューベットとブラフの正しい比率は2対1です。つまり、ヒーローのベッティングレンジはバリューベット66%とブラフ33%で構成されるべきなのです。
これにより、ヴィランはどちらのアクションも期待値が0となるため、コールとフォールドのどちらかを選択することになる。
ヒーローは基本的にヴィランがミスするのをフリーロールしているのです。
もちろん、ヴィランが完璧なプレイをすれば、2人のプレイヤーはレーキのコストを折半することになる。
しかし、より可能性が高いのは、ヴィランがいくつかのハンドでミスをし、その過程でヒーローにEVが送られることであろう。
想像できると思いますが、完璧にバランスの取れたGTO戦略を構築するには、多くの思考と時間が必要です。
幸いなことに、完璧なGTO戦略をプレイする必要はあまりないのです。
ハンドの途中で正確に最適なレンジを構築することは非常に難しく（不可能な場合もある）、必要ないのです。
必要なのは、既知のGTOの概念に基づいた戦略をプレーすることです。
GTOベースのアプローチの長所と短所
GTOベースの戦略を採用することは、現実的に多くの利点があります。
GTOベース戦略は攻略されにくい
上記で何度も述べたように、GTOスタイルの目標は、エクスプロイトされないことです。
そのため、うまくいけば長期的な成功が約束される、信頼性の高い戦略です。
GTOベースの戦略は、ほとんどすべての相手に対して利益をもたらす
GTOベースのアプローチは、ほぼ全ての相手、特にタフな相手に対して限界の成功（またはそれ以上の成功）を収めることができます。
大きな戦略的調整を必要とするような非常に変わった傾向のあるプレイヤーは例外ですが、そのようなプレイヤーはリークが明らかであることが多いので、すぐに気づいて調整することができます（詳しくは後述します）。
GTOをベースにしたアプローチは、完璧なデフォルト戦略
"アジャスト "という言葉はポーカーの戦略を語るときによく使われる言葉ですが、何かをアジャストする前に、デフォルトのゲームプランが必要です。
GTOベースのアプローチは、前述の理由から、デフォルトの戦略として理想的な選択です。
悪用されにくく、ほとんどの相手に対して有効です。
しかし、GTOスタイルには大きな欠点もあります。
GTOをベースにしたスタイルは、常に最も収益性の高いプレーができるわけではない
GTOのアプローチでは、悪用可能なものも含め、相手の傾向を考慮しないのが定義です。
言い換えれば、真のGTOベースの戦略は、バランスのために最もEVの高い決断を見送ることが多いのです。
これは、個々のハンドのEVを低下させるが、全体としてあなたのレンジをより有益なものにする。
特に低いステークでは、対戦相手のゲームに攻略すべきリークがある場合、このようなEVの犠牲は必要ないことがほとんどである。
例えば、全てのポジションからプリフロップで50%のハンドをレイズするような、非常にルーズなプレイヤーとテーブルを囲んでいるとします。このような相手に対してGTOのアプローチを取ることは、テーブルに大量の資金を残すことになります。
ルーズなプレイヤーをアイソレートさせるために、より広いレンジで3ベットするなど、搾取的なアジャストをすることが、ここではより優れた選択肢となります。
エクスプロイティブ・スタイルのプレイ方法
効果的なエクスプロイト戦略を採用するには、相手の傾向と頻度に細心の注意を払う必要があります。
もしオンラインでプレイしているならば、トラッキングソフトを使うことで、相手の統計に基づいた極めて具体的な（効果的な）調整を行うことができます。
ライブでプレイしている場合は、自分が関与していないハンドも含めて、すべてのハンドのアクションに目を配るようにしましょう。
たった1、2回のショーダウンから、そのプレイヤーの大きなリークを特定できる場合があるのです。
例えば、ベラージオで$2/$5、エフェクティブスタック数500ドル
ヒーローはUTGで9s2hが配られた。
COまでフォールドで周り、COが$20にレイズ、2人がフォールド、BBがコール。
フロップは、JdTc3c (ポット: $42)
BBはチェック、COの$25ベット、ビッグブラインドは$70にチェックレイズ、COコール。
ターンは、6d (ポット: $182)
ビッグブラインドが$90をベット、COがコール。
リバーは8s (ポット: $262)
BBはチェック、COもチェック。
BBは、Jh9hをショー。
COは、QdQsをショー。
COはQのペアで262ドル獲得。
この一回の対決で、両プレイヤー、特にビッグブラインドについて多くの情報が得られました。
何がわかったのか、それを使ってこの対戦相手を攻略する方法を考えてみましょう。
ビッグブラインドはミディアムトップペアでフロップをチェック／レイズしました
ビッグブラインドのフロップのプレイを見ると、彼はフロップで非常にマージナルなハンドでチェック/レイズをするのが好きなようだ。
その結果、彼のチェック/コールレンジは主にドローとミドル～ウィークペアとなる。
これを利用するのはとても簡単な戦略です。
まず、中程度の強さの手札でフロップをチェックすることから始めます（まだしていない場合）。
ATやJ2sのような手をCベットしてチェックやレイズに直面すると、このプレイヤーに対しては悲惨なシナリオになる。
ビッグブラインドがフロップをチェック/コールした場合、バリューベットを薄くし、ブラフを多くすることで、その弱いレンジを利用することです。
ビッグブラインドのベットサイズは彼のハンドを表していた
このようなダイナミックなフロップでは、ビッグブラインドはターンやリバーがボードの模様を変える前に最大限の価値を引き出すために、比較的大きなベットサイズを使うべきでしょう。
しかし、彼はフロップとターンの両方で小さなサイズ（ポットの半分以下）を選びました。
Jh9hを見た後では、このサイズはより理にかなっている。
もっと大きなサンプルがないと確かなことは言えないが、BBはCOがより悪いハンドでプレイを続けやすいように、サイズを小さくしていたように思える。
BBはこのようなマージナルレンジでマルチストリートをバレルすることはないだろうから、リバーの前に（バリューハンドとドローの両方を含む）より広いレンジをレイズすることで、このベットサイジングに対抗することができるだろう。
カットオフはリバーでシンバリューベットをしなかった
COは自分のレンジにミスドローがたくさんあったにもかかわらず、オーバーペアでバリューベットしないことを選んだ。
確かに、彼はフロップのチェック/レイズとターンのバレルに直面していたが、リバーでシンバリューを狙うのはまだ妥当なところである。
これはビッグブラインドの犯したミスよりは悪用されにくいが、それでも悪用される可能性はある。
もしこのプレイヤーがリバーで強いワンペアをベットしてバリューを得ようとしないなら、ドローが外れたときに彼のリバーベットに対してブラフキャッチをすることで対抗することができる。
もしあなたが92oをフォールドした後、ただボーっとしていたら、せっかくの情報を逃してしまうことになる。
アジャストとリアジャスト
エクスプロイティブスタイルは流動的でなければなりません。
前述したように、GTOから外れるとエクスプロイトされやすくなるので、それを避けるために、瞬時に戦略を調整できるようにしておかなければなりません。
例えば、80%の確率でフロップのCベットにフォールドする相手と対戦しているとします。
この場合、Cベットのレンジを2つの方法でアジャストすることで簡単に攻略することができます。
相手のフォールド率が高いことを利用するために、自分のレンジの中のエアハンドと脆弱なハンドを全てCベットする。
自分のレンジにある強い手のほとんどをチェックバックして、相手をポットの中にとどめておくこと。
しかし、もし相手がそれに気づいたら、次のような方法でリアジャストすることで、あなたをかなり苦しめることができます。
フロップでより多くのマージナルハンドでコールする
フロップでチェック/レイズブラフを多用する
ターンで大きなサイズを使ってバリューヘビーなレンジでプローブをする
チェック/レイズするつもりで、ナッツのついた手でターンをトラップチェックする
その結果、あなたはそれに応じて戦略をリアジャストする必要があります。適切なアジャストとリアジャストを行うことは、エクスプロイティブスタイルをプレイする上で最も重要な要素の一つであり、ステークスが上がれば上がるほど、その重要性は増していきます。
もしこの記事から何か一つでも得られるとしたら、それはこれです。
情報が少なすぎる、あるいは信頼できない状態でアジャストを行わないように注意してください。
よく、「あそこでブラフをかけるなんてありえない。彼は絶対にフォールディングしない！」と言っている人がたくさんいます。
確かに、相手が絶対にフォールドしないスポットだとわかっていれば、絶対にブラフをかけないようにアジャストすることは可能ですが...。
しかし、実際にそうであることは稀であり、このような絶対的な発言は信頼できる証拠に裏打ちされたものであることは稀です。
このような不確かな仮定に基づいて判断しないようにしましょう。
両方の長所を生かす：ミックス戦略
実際には、GTOベースとエクスプロイトの両方をミックスしたプレイが最も効果的です。
一般的に、対戦相手に関する情報や読みがない場合は、GTOベースのスタイルを利用します。
そうすれば、ほとんどの対戦相手に勝てるでしょうし、自分も攻略されにくくなります。
セッションが進むにつれて、相手の傾向を利用する方法が分かってくるので、適切と思われるところで自分の戦略に利用可能なプレイを加えるようにします。
自分のアジャストに対してプレイヤーがどう反応するかを常に意識し、相手のカウンターに対抗できるように準備しておきましょう。
いつでもGTOに基づいた基本戦略に戻り、そこからアジャストすることができることを忘れないでください。