Beauty is in the ELBO of the Beholder: A Variational Account of Processing Fluency in Face Perception
本論文は、人間の顔の魅力に関する判断が、教師なし学習で訓練された変分オートエンコーダーの証拠下界（ELBO）と一致することを示しており、これは美的な快楽が統計的に規則的で典型的な顔の処理の流暢さから生じるという理論を実証的に支持するものである。
原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは査読を受けていないプレプリントのAI生成解説です。医学的助言ではありません。この内容に基づいて健康上の判断をしないでください。 免責事項の全文を読む
何十年もの間、科学者たちは、なぜある顔は私たちを魅了し、他の顔は背景へと消えてしまうのかという疑問を抱いてきました。人間の知覚に関する理論は、美しさは単なる個人の好みの問題ではなく、私たちの脳がいかに目の前のものを処理できるかという仕組みに深く根ざしていることを長らく示唆してきました。顔が対称的であったり、平均的であったり、あるいは馴染み深かったりする場合、私たちの精神はより少ない労力でそれを認識できるようです。これは「処理の流暢性（processing fluency）」として知られる現象です。この理解の容易さは快感を生み出し、その結果、それらの顔をより魅力的であると評価させるのだと考えられています。この概念は、人間の被験者を対象とした数え切れないほどの行動実験によって検証されてきましたが、この精神的な容易さが、学習という複雑なメカニズムの中で実際にどのように立ち現れるのかについては、これまで不明なままでした。美しさについて教えられることなく、ただ顔を見るように訓練されたコンピュータは、同様の好みの感覚を発達させることができるのでしょうか。
これに答えるため、研究者のフランシスコ・ロペスとヨッヘン・トリーシュは、「変分オートエンコーダー」と呼ばれる人工知能の一種に目を向けました。これらは、人間の指導や美しさに関するラベルなしに、数千枚の人間の顔の写真といったデータの潜在的な構造を学習するように設計された機械です。このシステムは、顔を簡略化された内部コードへと圧縮し、そのコードから顔を再構成しようとすることで機能します。これを成功させるために、機械は二つの相反する目標のバランスを取る必要があります。すなわち、顔を正確に再現するための十分な詳細を保持することと、内部コードを単純かつ整理された状態に保つことの両立です。研究者たちは、機械がこれら二つの目標をいかにうまくバランスさせているかを測定するために使用される数学的なスコアこそが、人間の処理の流暢性の直接的かつ計算的なバージョンであると提唱しました。もしある顔が機械にとって理解しやすく再構成しやすいものであれば、その顔はその指標において高いスコアを得るはずです。
チームは、異なる大規模な顔画像コレクションを用いて4つの独立したAIモデルを訓練しました。その際、どのモデルも人間の魅力度に関する評価を一度も見たことがないように配慮しました。その後、彼らはシカゴ・フェイス・データベースから抽出された597枚の標準的な顔のセットを用いて、これらのモデルをテストしました。そこには、すでに人間の魅力度評価が存在していました。結果は驚くべきものでした。人間が最も美しいと評価した顔は、一貫して、機械が最も処理しやすいと判断した顔と一致していたのです。機械が顔を整理する数学的な空間において、美しさが増していく方向は、処理の容易さが増していく方向とほぼ完璧に一致していました。この一致は、機械がどのデータセットで訓練されたか、あるいは顔がどのデモグラフィック・グループに属しているかに関わらず、成立していました。機械は美しさが何であるかを教えられる必要はなく、顔を効率的に見ることを学ぶ過程で、自律的に美への道を見出したのです。
さらに、研究者たちは、この好みが単一の数値ではなく、機械の内部マップにおける特定の「方向」であることを発見しました。異なるモデルによって作成されたマップを比較したところ、その「美しさの方向」は極めて一貫していることが分かりました。モデルはそれぞれ異なる出発点と異なる訓練データを用いてゼロから構築されたにもかかわらず、それらはすべて、同じ「魅力」という概念に向かうように顔を整理していたのです。このことは、人間の美の感覚がランダムな文化的構成物ではなく、顔が表現される際の基本的かつ再現可能な構造に結びついていることを示唆しています。研究では、魅力的な顔は「プロトタイプ的（典型的）」、つまり、そのグループの平均的な顔に、その物理的な形状においても、また機械の内部コードにおいても、より似ている傾向があることも確認されました。しかし、機械の美を予測する能力は、単なる幾何学的な平均を超え、基本的な平均が捉えきれない微細な詳細をも捉えていました。
これらの知見は、美学に関する古い理論と現代の人工知能との間に、新たな架け橋を提供しています。それは、美しい顔を見たときに私たちが感じる喜びが、機械が最小限のエラーで画像を圧縮・再構成することを可能にするのと同じ「効率性」に由来している可能性を示唆しています。人間による指示なしに人間の好みを予測できたという機械の成功は、私たちの特定の顔に対する惹きつけられが、それらの顔を理解する際の容易さと深く結びついていることを暗示しています。この研究は、人間の脳がこれらのコンピュータモデルと全く同じように機能すると主張しているわけではありませんが、効率的な表現の原理が、その物語の重要な一部であることを示す強力な証拠を提供しています。研究は、顔の知覚における美とは、確かに「見る人の目の中」にあるものの、その目は情報の処理と理解の深層に共有された論理によって導かれているのだと結論付けています。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。