「AI 能不能預測百家樂」是近來常見的問題。要回答它，不需要先懂技術細節，只需要看預測這件事需要甚麼前提。本頁把前提講清楚。
一、預測需要甚麼前提
任何預測方法要成立，都需要輸入與結果之間存在可利用的關係。也就是說，過去能提供關於未來的有效資訊。
如果前後互相獨立，輸入就沒有可用訊號。此時模型無論多複雜，能學到的也只是雜訊。
二、百家樂的結構
| 前提 | 百家樂情形 | 結論 |
|---|---|---|
| 輸入與結果相關 | 各局獨立 | 無穩定關係 |
| 可累積資訊 | 每靴換牌重置 | 無法累積 |
| 存在可利用規律 | 結果由隨機發牌決定 | 無可用規律 |
三個前提都不成立，因此客觀上不存在可靠的預測方法。這與用的是統計方法還是機器學習無關。相關說明見百家樂有規律嗎。
三、為甚麼模型看起來有效
常見原因是樣本太小。在少量數據上，模型很容易找到看似規律的巧合，換到新數據就失效。這種現象在統計上稱為過度擬合。相關說明見樣本量與記錄天數。
要檢驗一個模型是否真的有效，需要拿沒見過的數據測試，並要求足夠大的樣本。這是基本要求。
四、AI 實際能做甚麼
能做：整理與統計
把記錄轉成統計、畫成圖表、歸納已發生結果的分佈，這些都是 AI 擅長的，也確實有用。
不能做：預測下一局
在沒有可用訊號的前提下，任何模型都無法可靠預測下一局。
不能做：改變機率
模型不會改變發牌規則，因此不會改變任何一局的機率。
打個比方：如果每天的天氣與前一天完全無關，那麼再複雜的天氣模型也無法用來預測明天。百家樂各局獨立，情況類似。
另一個常被忽略的點是資料本身的限制。即使累積了很長的記錄，其中也不含關於下一局的資訊，因此增加資料量並不會讓預測變得可能。
所以在討論 AI 與百家樂時，問題不該是「模型夠不夠強」，而是「有沒有可學的訊號」。而後者的答案是否定的。
還有一點要分辨：AI 能生成流暢的說明、整理資料、寫出摘要，這些都很有用，但這些能力與「預測」是兩回事。
把兩者分開，才不會因為工具擅長某一類任務，就推論它在另一類任務上也同樣可靠。
最後補充：面對任何聲稱能用 AI 預測的說法，可以先問三個問題——輸入是甚麼、有沒有可核對的記錄、樣本有多大。多數說法無法回答後兩項。