画面を見つめるだけでスマートフォンやパソコンのロックが解除される顔認証技術（Facial Recognition Technology: FRT）、便利ですよね。
最近では、電子マネーやクレジットカードのタッチ決済等、とっさにスマホのロックを解除しなければならないシーンも増えています。
また、以前お伝えしたパスキー認証を利用するシーンも増えています。
こういったときに、顔認証によって面倒なパスワード入力を回避できるのはとても便利です。
しかしながら、顔認証の仕組みについて「あまり詳しくないんだよね」、あるいは「ぶっちゃけ、よく分かっていない」という方も少なくないかと存じます。
今回は、知っているようで知らない顔認証技術について、秋元通信流に解説しましょう。
カメラがあなたの顔を捉えてから「本人である」と判断するまで、システムの中では大きく分けて4つの工程が流れるように行われています。
- ステップ1:検出（Detection）：まずは「顔」を探す
最初のステップは、画像の中から人間の顔がどこにあるかを見つけることです。かつては明暗のパターンを探すような単純な方法でしたが、今はAIが「ここが目、ここが鼻」と瞬時に判断します。最新の技術は、人混みの中でも、横を向いていても的な「顔」を見抜くことができます。 - ステップ2:整列（Alignment）：ベストショットに補正する
カメラを完璧な正面で見つめるとは限りません。斜めを向いていたり、顔が傾いていたり。そこでAIは、目や口の位置を基準に、画像を正面向きにデジタル処理でグイッと補正します。どんな角度からでも、同じ条件で比較できるように規格を揃える、いわば「証明写真の自動修正」のような工程です。 - ステップ3:表現（Representation）：顔を「数字の羅列」に変える
ここが顔認証技術の肝とも言えるステップです。AIは整列された顔画像を、そのまま画像として保存するのではなく、128個や512個といった「数値の並び（ベクトル）」に変換します。目と目の距離、骨格の深さ、肌の質感──これらを数学的な特徴に凝縮するのです。
この数値は、いわばあなたの顔を「復元不可能な数学的コード」へと暗号化したものであり、万が一データが漏れても、元の顔画像を復元することはできない仕組みになっています。 - ステップ4:照合（Matching）：ベクトル空間で再会する
最後に、ステップ3で作成したベクトルと、あらかじめ登録されているベクトルを比べます。2つの数字がどれくらい近いかを計算し、一定の基準を超えていれば本人と認められます。
ではなぜ、一度ベクトル化されると元の顔画像に戻せないのでしょうか？
それは、AIが膨大な画像データから「本人確認に必要な特徴」だけを抽出して極限まで圧縮しているからです。いわば、分厚い小説（顔画像）をたった一行のあらすじに要約するような作業であり、あらすじから元の文章をすべて復元することができないのと同様、数学的にも元の画像を取り出すことはできないようになっています。また、AIの計算プロセス自体が逆算できない一方向の構造になっていることも、安全性を高める大きな理由です。
顔認証を司るAIアルゴリズムも、劇的な進化を遂げています。
これまでの主流は「Convolutional Neural Network」（CNN、畳み込みニューラルネットワーク）というものでした。これは「目の形」「鼻の筋」といった局所的なパーツを細かくチェックするのが得意な職人タイプです。
ところが今、「Vision Transformer」（ViT）という新しい技術が登場しています。ViTの最大の特徴は全体を同時に見ること。画像をパズルのピースのように切り分けて、それぞれのピースがどう関係し合っているかを、自然言語処理（ChatGPTなど）で培われた「自己注意（Self-Attention）」という仕組みで解析します。
これにより、たとえば「目と顎の絶妙なバランス」といった大局的な特徴を捉えるのが格段に上手くなりました。マスクをしていて顔半分が隠れていても、残された部分から「この人は誰か」を推測する力も、このViTのおかげで飛躍的に高まっているのです。
「本人の写真や動画をカメラに見せたら、ロックが解除されてしまうのでは？」と心配になる方もいるのではないでしょうか。これを防ぐのが「なりすまし検知（ライブネス検知）」です。
以前は「目をパチパチしてください」といった動作を求めるアクティブ検知が主流でしたが、今は何もしなくても見破るパッシブ検知が進化しています。
最新のAIは、人間が意識できないほど微細な「肌の光の反射」や「皮膚内部での光の散乱（サブサーフェス・スキャタリング）」を分析します。液晶画面から発せられる特有のノイズや、写真にはない「奥行きの矛盾」を瞬時に見抜くため、超高精細なマスクですらAIを騙すことは難しくなっています。
スマホの上位機種などでは、普通のカメラに加えて3Dセンサーが活躍しています。
代表的なのがToF（Time-of-Flight）方式。これはカメラから赤外線を発射し、顔に当たって跳ね返ってくるまでの「時間」を測定する技術です。光の速さで距離を測ることで、顔の凹凸をミリ単位で立体的に把握します。暗闇でも正確に、そして瞬時に顔の立体構造をスキャンできるのは、この光の測量技術があるからなのです。
便利さが加速する一方で、顔認証には慎重な議論が必要な側面もあります。
1つは「プライバシー」の保護です。
顔は基本的には変えることができない究極の個人情報です。どこで誰に撮られているか分からない監視社会にならないよう、世界中でルール作りが進んでいます。日本でもかつて、JR東日本が駅構内での不審者検知に顔認証を導入しようとした際、プライバシー保護の観点から大きな議論を呼び、最終的に計画の一部を取りやめるといった事例がありました。
この取り組みでは、犯罪者の検知だけでなく、出所者も検知していました。これが大きな批判を呼んだのです。
ちなみに、欧州の「EU AI法」では、公共の場でのリアルタイムな監視を原則禁止し、さらに職場や学校での感情認識にAIを使うことを制限するなど、私たちの権利を守るための厳しい基準が設けられています。
もう1つ、公平性の問題も悩ましいところです。
AIが学習するデータが偏っていると、性別や人種によって認証の精度に差が出てしまうことがあります。過去には、黒人や女性の誤認識率が白人男性に比べて顕著に高いという研究データが示され、社会的な議論を呼びました。この主な原因は、AIの学習に使われたデータセットの偏りにあります。特定の層の画像データが過半数を占めていたため、多様な肌の色や顔の造形をAIが十分に学習できていなかったのです。
しかしながら、依然として残るエラーの多くは、アルゴリズム自体の偏見というよりも、撮影環境の不備（例えば、肌の色が濃い被写体に対する露出不足や照明の不均一）に起因することが明らかになっています。
これは、公平性を担保するためには、アルゴリズムの改善だけでなく、カメラハードウェアの性能向上や設置環境の最適化が不可欠であることを示唆しています。
誰もが平等に、そして安心して恩恵を受けられるよう、開発現場ではソフトとハードの両面から公平なAI環境を整えるためのたゆまぬ努力が必要とされるのです。
顔認証技術は今、「わざわざ止まってカメラを見る」段階から、「歩きながら自然に認証される」段階へと進化しています。
大阪・関西万博（2025年）開催に合わせ、大阪メトロなどで導入された顔認証改札はその一例です。立ち止まることなく、ポケットからスマホを出す必要さえない顔認証での交通機関利用や物品購入などは、今後、さらに広がっていくでしょう。
また、顔だけでなく「虹彩（目の模様）」なども組み合わせた、より強固で便利な多層認証の研究も進んでいます。
顔認証は便利な技術ですが、一方で監視社会へとつながる活用に対する懸念が拭いきれません。
顔認証に限ったことではありませんが、こういった問題って、技術的なハードルから、その危険性や危機感が共有されず、なし崩し的に社会実装されてしまう可能性があります。
一方で、正しく技術を理解せずに、「なんかヤバそうだから、とにかく反対!!」という反論や世論が生じるケースもあります。
技術とは、正しく使って初めてその真価を発揮するものです。
その意味合いで、顔認証技術は「その人が正しい技術認識を持っているかどうか？」の踏み絵となりそうです。
