AIは顔の老化を予測できる？研究からわかること

AIは、あなたの顔がどう老化するかを予測できるのでしょうか。「予測」という言葉が示すほど確かにはできません。AIは、年齢を重ねた人の顔から学んだパターンをもとに、写真のあなたをもっともらしく老化させた画像を作れます。本人だとわかる特徴を保ち、指定した年齢らしく見せられる場合もあります。どんなしわやボリュームの変化、髪の変化があなたに現れるかはわかりません。画像は将来予測ではなく、想定される姿の一例として捉えてください。

この違いは大切です。顔画像が本物らしく見えても、あなた自身の将来像としては間違っている場合があります。

AIによる顔の加齢シミュレーションの仕組み

加齢シミュレーションのシステムは、年齢層ごとの見た目の違いを学習します。本人らしさを保ちながら、質感、顔の各部の比率、髪、コントラストなどを変えます。目標とするのは、将来の特定の年ではなく、41から50歳といった年齢層の場合もあります。

シミュレーションと予測の違いがわかる研究例があります。Yang、Huang、Wang、Jainは、2018年のCVPRで顔を老化させるモデルを発表しました。学習には、MORPHの逮捕時の顔写真51,699枚と、有名人の写真163,446枚を使いました。データセットには60歳を超える人の顔が少なく、子どもの顔は含まれていませんでした。

研究チームは、合成したMORPHの顔画像22,318枚が、別の年齢推定器でより高齢と判定されるかを確認しました。3つの目標年齢層で、推定年齢の平均は42.84、50.78、59.91に上がりました。年齢を変える幅が最も大きい条件では、顔照合率が100%から93.09%に下がりました。

この結果は、モデルが年齢を示す特徴を加えながら、本人らしさを示す特徴も保ったことを示しています。描かれたしわや顎のライン、生え際の一つひとつが、その人の後年の写真と一致したことは示していません。この研究も、そのような主張はしていません。

正確な将来予測が成り立たない理由

顔の老化は、平面的な皮膚の層だけで起きるものではありません。Cotofanaらが2016年にFacial Plastic Surgeryで発表した総説は、皮膚、脂肪、筋肉、靱帯、骨に起こる変化を説明しています。自撮り写真に写るのは表面です。奥にあるすべての構造を測定したり、それぞれがどう変わるかを把握したりはできません。

今後どのような環境の影響を受けるかも関係します。Ichiboriらが2014年にJournal of Cosmetic Dermatologyで発表した研究では、40から87歳の日本人の一卵性双生児67組を調べました。写真で評価した双子間の肌の質感の差は、年齢とともに大きくなりました。喫煙していた人や肌の保護対策をしていなかった人は、もう一方の双子より、肌の質感やしわの評価スコアが悪くなっていました。

この研究から、あなた個人の将来を計算することはできません。遺伝子が共通していても、今の写真があっても、重要な要因が不明なまま残る理由を示しています。アプリには、将来の体重、日光を浴びる量、喫煙、ヘアスタイル、健康状態、美容に関する選択はわかりません。

期間が長くなるほど、不確実性は広がります。Ericksonらが2017年にScience & Justiceで発表した研究では、法科学分野の似顔絵画家8人に、子ども8人の顔を3つの期間に応じて加齢させた画像を描くよう依頼しました。85人の評価者による評価では、想定した期間が短いほど、画家たちが描いた顔の一致度が高くなりました。髪などの外見的な特徴を隠した場合も、一致度が高まりました。

これはAIの検証ではありません。ただ、同じ問題を切り分けて示しています。若い顔が1つあっても、年齢を重ねた姿として、もっともらしい顔は複数考えられるのです。

AIの老化予測という主張を検証するには

よくある検証結果から、それぞれ何がわかるか

主張	妥当な検証で確認すること	結論として言えること
出力画像が指定した年齢に見える	独立した年齢評価や年齢推定器によって、生成された顔を採点します。	モデルは、ある年齢層に結びつく特徴を加えています。あなた個人の細部を予測したわけではありません。
出力画像が本人らしさを保っている	人、または顔照合システムが、入力と出力を同一人物として照合します。	本人らしさを示す特徴が一部残っています。将来の顔に似ているかは、まだ検証されていません。
出力画像があなたの将来の顔を予測している	学習に使っていない大規模な集団を対象に、予測画像と、同じ人たちを後年に標準化した条件で撮影した写真を研究者が比較します。	個人の将来予測を検証できるのは、この研究設計だけです。誤差の範囲や、グループ別の結果も必要です。
あなたと似た属性の人にもモデルが機能する	公表された結果が、あなたの年齢、肌の色、性別、撮影条件を網羅しています。	それらの結果がなければ、あなた個人に対する精度は不明です。

サービスが写実性と本人らしさしか示していないなら、示せているのは、よくても最初の2種類の証拠までです。画像が鮮明になっても、3つ目の問いへの答えにはなりません。

写真の質が結果を左右することがあります

現在の年齢を推定するだけでも、画像処理の過程に左右されます。PaplhámとFrancが2024年のCVPRで発表したベンチマークでは、位置合わせ、顔が写っている範囲、解像度、モデルの構造、事前学習が、手法間の違いより大きく影響する場合がありました。

加齢シミュレーションは別の課題ですが、Yangらの研究では、生成した顔の評価に年齢推定器を使いました。あなたの体が変化していなくても、切り抜く範囲が変われば、そのスコアが動く可能性があります。

再現性のある比較をしたい場合は、均一な光の下で、加工フィルターを使わず、無表情で正面から撮った写真を使ってください。距離、切り抜く範囲、表情、カメラを同じにします。これは編集上、条件をそろえるための確認であり、老化予測の方法として検証されたものではありません。

撮り直して結果が変わったなら、ツールが入力画像の違いにどう反応するかがわかります。結果が安定していれば、その条件下では一貫していることがわかります。どちらの結果も、将来の顔画像が正確だという証明にはなりません。

AIで老化させた顔画像は何に役立つか

老化させた顔画像は、大きなリスクを伴わない見た目の検討には使えます。たとえば、明るい髪色、ひげ、くっきりした眉、別の眼鏡フレームが、シミュレーションした顔に似合うかを比べられます。元に戻せる範囲で選んでください。生成されたしわやたるみのパターンを理由に、治療にお金を払ったり、施術が必要だと判断したりしないでください。

ツールが現在の「肌年齢」を表示するなら、それは別の主張です。その数値を基準として扱う前に、肌年齢の推定を検証する方法と、その限界を読んでください。

顔の構造については、加齢による顔型の変化で、構造の変化とカメラによる見え方の違いを分けて説明しています。現在の写真をもとにした分析を希望する場合は、目に見える顔の特徴と分析の限界を説明する顔スキャンを試してください。

顔写真をアップロードする前に、画像の保存期間、削除、学習への利用、そのサービスが再利用可能な顔テンプレートを作成するかを確認してください。当サイトのAI美容アプリのプライバシーチェックリストに、確認すべき質問をまとめています。

説明のための例：1つの結果をどう読み取るか

28歳の人が自撮り写真を1枚アップロードします。モデルは55歳の顔として、こめかみ部分の生え際の後退、白髪、目の下のくぼみ、深くなったほうれい線を加えます。根拠をもって読み取れることは限られています。これらは、あるモデルが選んだ加齢の特徴だということです。

この画像は、どの変化が起きるか、いつ現れるか、どの程度目立つかを示していません。別のツールなら、髪はそのままに、頬をふっくらさせるかもしれません。その食い違いが示すのは、モデルごとの前提の違いです。2つの診断が競合しているわけではありません。

元に戻せるスタイル選びに役立つ場合に限り、その顔画像を保存してください。顔のどこが、いつ、どれくらいの速さで老化するかを具体的に断定する主張は、気にしないでください。