AIさんはなぜいつも美しい女性を描くのですか？

要約:

今年 5 月初旬、X の 5 秒間の動画が急速に広まりました。これは韓国プロ野球リーグの中継で、ハンファ・イーグルス対斗山ベアーズの試合です。カメラはスタンドで白いトップスとジーンズを着て足を組む女性にパンした。ある時点で、彼女はため息をつき、目をそらし、ゲームに不満を持っているように見えました。

ビデオのキャプションは「普通の韓国人女性」です。この記事の公開時点で、この動画は 1,525 万回再生されています｜動画出典: X @kangminlee

しかしすぐに、年配のファンのグループは何かがおかしいことに気づきました。スコアボードには打者はチョ・インソンと書かれていたが、チョ・インソンは2017年に引退し、現在は斗山でコーチを務めている。

さらに、スタンドの応援スローガンは斗山ベアーズの公式スローガンよりも 1 語多く、AI による直訳のようです。この放送に関しては、解説が標準的なアメリカ訛りで、これも非常に怪しいものでした。

この女性は存在しません。AI によって生成されました。しかし、ビデオは公開された後も消えませんでした。代わりに、それはテンプレートになりました。全員が同じ放送画面に顔を映し、スタジアムのカメラで捉えた自分の写真を作成すると、ソーシャル ネットワークですぐに人気になりました。

「スタジアムのカメラが捉えた自分」はすぐに人気のテンプレートになりました｜写真出典: RADII

AI 画像の機能が強化されるたびに、必ずと言っていいほどヒット作が生まれます。たとえば、2025 年 3 月、GPT-4o は絵を描くことができるようになり、画面はジブリ アニメーション風に描き直された写真でいっぱいになりました。 8月末、GoogleのNano Bananaが発売されました。誰もが気に入った遊び方は、自撮り写真をフィギュアにしてコンピューターの机の上に置くことでした。ユーザーは 2 週間で 2 億枚以上の写真を作成しました。

人気のアイテムは毎回変わりますが、そのほとんどは「自分自身を投入する」ゲームプレイに基づいています。しかし今回、コート上では、以前はそれほど明白ではなかったシーケンスが暴露されました。まず、存在しない美女が何千万人もの人々を騙し、次に誰もがプレイできるテンプレートを開発しました。

美しさはシーンに偶然現れる脇役ではなく、むしろデフォルト値のようなものです

このデフォルトは AI よりも半世紀も前から存在しています。 1973 年、画像デジタル化の黎明期に、エンジニアのグループは新しい画像技術をテストしたいと考えていましたが、彼らもまた美しい女性を選びました。

01

インターネットのファーストレディ

レナ ソダーバーグは、イリノイ州シカゴで印刷物モデルとしてキャリアをスタートしました。彼女は以前、オーペアとしてスウェーデンから米国に移住していた。 1972年、彼女はプレイボーイ誌11月号の折り込みでポーズをとった。プレイボーイのその号は 716 万部以上を売り上げ、同誌で最も売れた号となった。

デジタル画像処理を研究したことのあるほとんどの人は、つばの広い帽子をかぶり、肩を裸にし、横向きにカメラを見つめている彼女を見たことがあるでしょう。何十年にもわたって、この顔に対して無数の画像圧縮および処理アルゴリズムがテストされてきました。

レナ・ソダーバーグはサイバー界のファーストレディ |画像ソース: SIPI 画像データベース

1973 年、南カリフォルニア大学信号画像処理研究所の研究者たちは、研究論文用の新しい画像を見つけるために奔走していました。彼らは通常のテスト画像のストックを使い果たしました。その瞬間、同僚がプレイボーイの1972年11月号を持って入ってきたと伝えられている。研究者の苦境を見て、彼はセンターインサートの上部から5.12インチのストリップを切り取り、それをスキャナーに送り込みました。

それ以来、

この画像は画像処理コミュニティで広く使用され、業界のデフォルトのテスト画像にもなりました

1996 年、IEEE Transactions on Image Processing の編集長である David Munson は、このランダムにスキャンされた画像がどのようにして業界標準になったかを説明する短い記事を書きました。彼は 2 つの理由を挙げました。 1つ目は技術的なものです。この画像には詳細、平らな領域、影、テクスチャがすべて含まれているため、アルゴリズムのテストに適しています。 2 番目の記事は、より人間の本性に沿ったものです。

これは魅力的な女性の写真です。男性が多数を占める研究サークルがそれに惹かれるのも不思議ではありません。

この画像の起源を考えると、その使用には論争がなかったわけではありません。 1991 年、プレイボーイは学術雑誌の表紙にこの画像が載っていることを発見し、著作権を主張する手紙を送り、最終的には手放し、研究での使用を続けることを許可しました。同社のニューメディア担当バイスプレジデントは、これは現象になっているので、それを活用する方がよいと述べた。

画像処理研究コミュニティ内からもさまざまな声があります。彼らは、エンジニアは女性を侮辱するとみなされる可能性のある出版物の内容を使用すべきではないと指摘した。

レナ自身も、ドキュメンタリー「Losing Lena」の中で、この写真の使用をやめたいと述べています。

ドキュメンタリーでは、レナ自身が 50 年以上前の有名な自分の写真を掲げています。画像ソース: IMDB

その結果、2024 年 4 月 1 日以降、IEEE Computer Society はこの画像を使用した論文を受け付けなくなります。

あのスキャンから 51 年が経過しました

02

平均的な顔

現在、技術界の試験問題は長い間変更されてきました。

AI はグラス一杯の赤ワインを引き出すことはできません。グラスの中の液面は常に真ん中で止まります。 AIが時計を描くとき、​​針は必ず10時10分で止まります。理由は同じです。インターネット上の赤ワインの写真のほとんどはフルグラスではなく、時計の広告では 10 時 10 分の位置に表示されるのが慣例です。モデルはトレーニング データの分布を複製するため、データの慣性を取り除くことはできません。

時計の広告がいつも 10 時 10 分で止まる理由として最も一般的な説明は、それが「陽気な笑顔」に見えるからというものですが、1950 年代以前は 8 時 20 分で止まる方が一般的でした。画像ソース: Reddit

赤ワインと時計は「モデルが十分ではない」という証拠です。しかし、美しい女性となると事情は異なります。 「彼女」の惰性はたまたま人々の美学と一致しています。

1990 年、心理学者のジュディス ラングロワとロリ ロッグマンは実験を実施しました。彼らは一連の顔を数学的に平均して新しい顔を合成し、人々にそれを評価してもらいました。その結果、合成顔は、合成に含まれるほぼすべての実際の顔よりも魅力的となり、平均に含まれる顔の数が増えるほど、合成顔の見栄えは良くなります。この効果は、男性と女性の両方の顔、およびさまざまな民族グループに当てはまります。

論文のタイトルは単純に

「魅力的な顔は平均的なものにすぎない」

同様の観察が以前にも発生しました。 1877年、誰かがダーウィンに手紙を書き、立体視を使って2枚の女性の肖像画を重ね合わせると、出来上がる顔は毎回大幅に美しくなる、と伝えた。

生成モデルの本質は、実際にはデータ分布を学習し、分布の中心近くからサンプリングすることです。言い換えれば、モデルは平均的な顔を描くようにプログラムされており、人間が美しいと感じるのはたまたま平均的な顔なのです。

人間の心理学と機械の原理が組み合わされて、AI のデフォルト値としての美しさの技術的基盤となっています

2023 年のオーストラリア国立大学の研究では、この衝突を極限まで突き詰めました。心理学者は、AIが生成した白い顔は、本物の白い顔よりも実験参加者によって「本物」であると判断されることが多いことを発見しました。研究者らはこれを「AIハイパーリアリズム」と呼んでおり、トレーニングデータは主に白人であり、モデルによって生成された顔はこのグループの平均に近く、より典型的で本物の人間に近いものとして認識されるだろうと説明している。

ラングロワ氏の実験が発表された後、ラングロワ氏は批判を受けました。合成顔が良く見えるのは、平均化するときに皮膚のシミや傷が簡単に消去されるからに過ぎません。この批判は 1990 年には方法論的なものでした。

しかし今日では、それは予言のように思えます。

AI 美人の最も典型的な特徴は、過度に滑らかな肌です。 30年以上が経ち、事実調査機関は人々にAI画像を識別する方法を教えているが、リストされている欠陥の1つは過度に滑らかな肌だ。 30 年以上前に批評家が指摘したこの統計的アーチファクトは、2025 年の AI の美しさを特徴づけています。

03

石膏の卵

レナは研究室で選ばれました。現在のデフォルト値はデータから生成されます。

2022 年末、写真編集アプリケーション Lensa の「マジック アバター」機能が突然人気になりました。自撮り写真を数枚アップロードすると、AI がさまざまなスタイルのポートレートを 100 枚生成してくれるというものです。 MIT Technology Review の AI レポーターである Melissa Heikkilä も、これを使用して自分の 100 個のアバターを生成し、そのうち 16 個はトップレス、14 個は最小限の服とセクシーなポーズをとりました。そして、彼女の男性同僚は全員、宇宙飛行士、探検家、発明家だった。このプロセス中にモデルにヒントを与えた人は誰もいませんでした。

Lensa 経由で Melissa によって生成された画像｜画像ソース: MIT TECHNOLOGE REVIEW

メリッサは記事の中で、その背後にあるモデルはインターネットからキャプチャした写真でトレーニングされたものであり、

インターネットにはすでに露出度の高い女性の写真が溢れていると説明しました。これにより、モデルはデフォルト値として「露出度の高い女性」を生成します。

その後、ユーザーの行動の惰性がこの傾向を促進し続けるでしょう。すべての世代、保存、転送は投票です。 2025 年の調査では、AI 画像コミュニティ Civitai のコンテンツ変更をカウントしました。NSFW (成人向け) 画像の割合は、2023 年 1 月の 41% から 2024 年 12 月には 80% に増加しました。

最後に、メーカーはこれらの投票をモデルに書き込みます。画像モデルがより魅力的な画像を生成できるようにするために、メーカーは技術的には報酬モデルまたは美的スコアラーと呼ばれる「スコアラー」をトレーニングします。その仕事は、人々がどのような写真が見栄えが良いと考えるかを学習し、この標準を使用してモデルをトレーニングすることです。つまり、スコアが高い方向にはさらに進み、スコアが低い方向にはあまり進みません。

最も一般的に使用されるスコアラーの 1 つは、PickScore と呼ばれます。そのトレーニング データは Web アプリケーションから取得されます。ユーザーがプロンプトの単語を書き、システムが 2 枚の写真を表示し、ユーザーはより気に入った方を選択します。

このデータは見直され、NSFW コンテンツを生成するユーザーは排除されますが、依然として NSFW のプロンプト ワードが大量に混ざっています。報酬モデルを研究した 2024 年の論文では、PickScore を使用してモデルを微調整すると、

プロンプトの言葉が性別に関係がない場合でも、モデルはより多くの NSFW の画像を描画することがわかりました。

次に、フロント デスクのコンテンツ レビュアーがインターセプトを行っていますが、バックエンドのスコアラーが後退しているという図が表示されます。メーカーの公式デモには NSFW の美女は決して登場せず、生成ポリシーは非常に厳格です。しかし、誰もが知っているように、今日の大型モデルは完全に制御できるわけではありません。ユーザーの好みによって訓練されており、ユーザーの好みは惰性でかなり進んでいます。

1930 年代、オランダの動物行動学者ニコ ティンバーゲンはカモメの一種を観察しました。この鳥は、灰色の斑点のある小さな淡い青色の卵を産みます。しかし、彼が巣の隣に、大きくて明るい青色で黒い点のある石膏製のダミーの卵を置くと、鳥たちは自分の卵を捨てて石膏の卵の上によじ登って孵化させた。本物以上に魅力的なこの誇張された模造品を彼は「超常刺激」と呼んだ。

屋外探検中に卵に絵を描くニコ・ティンバーゲン |学術

人間の顔にも並外れた刺激があり、「平均が最も美しい」という概念をさらに一歩進めます。 1994 年、デビッド ペレットらは、Nature 誌に研究結果を発表しました。つまり、最も見栄えの良い顔のグループは、すべての人々の平均的な顔よりも好感が持てるように合成されました。そして、平均的な顔との差が 50% 拡大されると、スコアはさらに高くなります。日本人被験者と白人被験者は同じ方向を選択した。

主流の AI 企業の中には、この心理を製品の機能に直接転換した企業が少なくとも 1 社あります。 Grok の画像生成には 4 つのモードがあり、そのうちの 1 つは Spicy と呼ばれます。オンにすると、コンテンツ フィルタリングが緩和され、思わせぶりなコンテンツや部分的なヌードの生成が許可され、有料ユーザーのみが利用できます。

2026 年 1 月、ユーザーは、Grok に「デジタル的に服を脱ぐ」ために誰でも写真をアップロードできることを発見しました。犠牲者には子供も含まれており、多くの政府が圧力を加えた。 X は、画像生成全体を有料機能に限定することで対応しました。

英国首相の報道官は次のようにコメントしました。これは違法な画像を生成する単なる機能であり、有料サービスと化しています。

AI は、最も頻繁に「いいね！」を押す人々のグループの形に成長します

インターネット界のファーストレディ、レナは偶然の出来事でした。現在のデフォルトでは、モデルはデータの中心から成長します。ユーザーのクリックがそれをどんどん遠くへ押し進め、最終的に誰かがそれに値段を付けました。

AI 生成モデルの統計的特性、「平均的な顔」に対する人間の美的好み、さらにユーザーのクリックや商業的インセンティブがフィードバック ループを形成します。これらは互いに独立していますが、たまたま同じ方向を向いているため、今日のコンテンツ消費のデフォルトのオプションとなっています。