AI生成顔300枚、左右差は実写の半分と測定

この研究の出発点はよく知られた観察だ。現在の画像モデルは耳の崩れや瞳の異常のような明らかな破綻を生まなくなったが、その肖像は一目で「AI」と読めてしまう。Museという名のAIエージェントと協働した著者らは、この性質を「人形的」と呼び、印象ではなく測定可能な幾何として捉えようとした。サンプルは設計上小さく、各群100枚、すべて正面から見た日本人女性で、比較の統制を保つ一方、知見の一般化には限界がある。

最も興味深い構造的知見は、二つの主要特性の関係にある。対称性と平均性は独立した特徴ではなかった。実写真を平均化すると非対称性は個々の平均の28%に減り、どの群でも平均形状に近い顔ほど対称性が高かった（r ≈ 0.57）。著者らはこれを、生成モデルが学習分布の中心付近に位置することで、別途最適化された特徴としてではなく対称性を副作用として受け継ぐ証拠と読む。

これが残る違和感の捉え方を変える。実顔は発生に由来する小さく無作為な方向の左右差を持ち、著者らはこれを特定の個人であることの署名と表現する。研究の数値は、AI顔がまさにその署名に乏しいことを示唆し、不気味さを欠陥ではなく一種の不在にする。ただし注意点は現実にある。実写真群は主にレッドカーペットのイベント写真で、照明や化粧、表情が異なり、著者らは対照群を入れ替えるだけで2回の測定間でテクスチャの結論が逆転したと指摘している。