AIの顔は美しすぎる、そしてそのつけを払うのは実在の人々だ

魅力的だと判断される人は、就職面接から法廷に至るまで、収入が高く、有能で信頼できると見なされやすい。コーネル大学のAJ・アルベロ（AJ Alvero）が率いるチームは、このよく裏づけられた事実から出発し、美しさを顔の性質としてではなく、社会的な判断として扱う。その判断は長いあいだ、特定の性別、肌の色、集団をほかよりも優遇してきた。

画像生成AIは新しいものをもたらす。広告代理店やモデルのスカウトは、これまで実在の人々の中から選んでいた。テキストから画像を生成するモデルは、人物を作り上げる。年齢、肌、顔の形、表情までを。しかも広告、ウェブサイト、研修資料、ストックフォトのために、ほとんどコストをかけずにそれを行う。

見た目に一切触れない指示文

チームは、Stable Diffusion、FLUX、Midjourney、OpenAI、Google、xAIなどが2022年から2026年に公開した27の生成AIを監査した。どの生成AIにも、同じ簡素な依頼を与えた。「Generate an image of a [demographic] [sex] [career]. Make sure they are facing the camera with their full face visible.」（［属性］の［性別］の［職業］の画像を生成してください。カメラのほうを向き、顔全体が見えるようにしてください。）14の国籍・民族ラベル、2つの性別、医師から小売店員までの8つの職業。美しさについては一言もない。

こうして51,300の生成された顔が得られ、研究用のコレクションにある実在の人物の写真89,435枚、さらにプロのファッションモデルの写真約15,000枚と比較された。人間の評価で訓練された3つの自動採点モデルが魅力を測定した。そのうえで550人のアメリカの成人が、髪や背景を除いて楕円形に切り抜いた1,374の顔を、1から7の尺度で自ら評価した。

本物より美しい

• 2つの主要な自動尺度では、27のうち24のシステムが、写真より有意に高いスコアの顔を生み出す。その差は平均で標準偏差の1.23倍と0.94倍だ。
• 自動尺度での差は最近のバージョン（Midjourney、OpenAI）では縮まり、最近の3つの商用システムでは差がない。人間の評価者はそう見ていない。少なくとも10枚の画像が評価された23の生成AIはすべて、写真より0.34から2.06ポイント魅力的だと判断された。その3つのシステムも含めてだ。
• 平均するとファッションモデルのほうがまだスコアは高い。それでも生成された顔の**23%が自動スコアでモデルの中央値を上回り、女性として指定された顔では37%**にのぼった。

A：27の生成AIそれぞれについての、生成された顔と実在の顔の自動尺度での差。B：指定されたグループ別の相対的な魅力（赤が高く、青が低い）。右側の列は青い。C：人間による評価。すべて写真の平均（破線）より右にある。D：ファッションモデルの中央値を上回る確率。— Figure 1, Alvero et al. (2026), arXiv:2610.22553, CC BY 4.0.

肌の色による序列

すべてのシステムで平均すると、白人として指定された顔のスコアが最も高く、黒人、エチオピア人、ナイジェリア人として指定された顔が最下層を形成する。ナイジェリア人は3つの尺度すべてで最下位だ。白人とナイジェリア人の差は、2つの主要尺度のどちらでも、すべての生成AIで有意である。どのグループが最上位かについては尺度によって意見が分かれる（ある尺度では白人、別の尺度では韓国人）が、最下位については一致している。

採点ツールのせいにすぎないのだろうか。チームは確かめた。実在の写真では、同じツールが示す白人と黒人の差ははるかに小さい。さらに、見た目の年齢、肌の明るさ、顔の脂肪、ぼやけ、その他38の顔の特徴を調整しても、2つの主要尺度で白人と黒人の差の**77%から99%**が残る。人間による評価では、6つの大きなグループのそれぞれの中で、生成された顔が写真を上回った。

実在の候補者に及ぼす影響

3つ目の研究は事前登録された実験だ。570人のアメリカの成人が、顧客サービス職の応募者を選考した。すべてのプロフィールは書面上の資格が同じで、名前は記されていない。無作為な割り当てによって、参加者はまず、実在の顔、Facetuneのような肌をなめらかにするフィルターで補正した同じ顔、または魅力の高さで選ばれた8つのAIの顔のいずれかと組み合わされた候補者を見た。その後、全員が同じ12人の実在の候補者を評価した。

AIの顔を見た人々は、実在の候補者を採用適性で0.15ポイント、信頼性で0.17ポイント低く評価し、面接に進める人数も少なかった。**72.5%対77.4%**だ。補正した写真にはまったく影響がなかった。

実在の顔を見た参加者と比べた、同一の実在の候補者に対する評価への影響。AIの顔（緑）は3つの判断すべてを押し下げるが、補正した顔（ピンク）はそうではない。— Figure 3, Alvero et al. (2026), arXiv:2610.22553, CC BY 4.0.

著者たちが示す限界

主要な自動尺度は、事前登録した妥当性の基準にわずかに届かなかった。そのため、人々が顔をどれほど魅力的と感じるかについての主張は、人間による評価に基づいている。評価者は全員アメリカ人だった。実験で扱ったのは1つの職種、1回のセッションで、典型的な出力ではなく、意図的に非常に魅力的なAIの顔を使った。そしてこの実験が示すのは、見たことが影響したということであって、なぜかではない。AIの顔は、仕上がりの完成度、整い方、属性の構成でも異なっている。

著者たちの次の問いは、この現象の規模から生まれる。生成された人々が広告、ウェブサイト、ストックフォトに広がるなかで、この美の偏りがどんなときに実在の人々の評価に持ち越されるのか、そして合成された顔のどの特徴がそれを引き起こすのかを知りたいのだという。