Machine-learning classification of documented pedophilic sexual interest from eye-tracking patterns

数十年にわたり、児童への性的関心の評価は、人々が何を語るかに大きく依存してきました。臨床医や法医学の専門家は、インタビュー、自己申告による履歴、そして、社会的に受け入れがたい、あるいは法的に危険であると自覚している思考や行動を、個人がどれだけ正直に認めるかという点に頼っています。しかし、羞恥心、結果への恐怖、そして自己を守りたいという欲求といった、この主題の本質的な性質が、しばしば不完全または不誠実な回答を招きます。これは、特に利害関係が極めて高い法的・治療的場面において、理解における重大な空白を生み出しています。この隔たりを埋めるために、研究者たちは、意識的な制御を回避できる生理学的または行動学的な信号を探し求め、性的嗜好を測定するための間接的な方法を長年追求してきました。その一つの手段が、人がどこを見、どのくらいの時間注視するかを記録するテクノロジーであるアイトラッキング（視線計測）です。その根底にある考え方は単純です。「目が向かうところに、心もまた向かう」のであり、これらのパターンは、人が隠そうとしている嗜好を明らかにする可能性があるというものです。

ドイツからの新しい研究は、この概念を一歩進め、アイトラッキングのデータと高度なコンピュータ解析を組み合わせています。研究者たちは、対象者が画面上の画像をどのように見ていたかのみを用いて、小児に対する性的関心が文書化されている男性と、そのような関心を持たない男性を区別できるかどうかを検証することを目的としました。彼らは参加者に感情を説明させたり、画像の評価を求めたりはしませんでした。その代わりに、参加者が特定のタスクを行っている間に、彼らの目が大人や子供の写真に対してどのように反応するかを観察しました。目標は、機械が、これら二つのグループを分かつ微細で自動的な注視の差異を特定する方法を学習できるかどうかを確認することであり、高リスクな状況における臨床的判断を支援するツールを提供することにありました。

この研究には、ドイツ全土の5つの場所から募集された124人の成人男性が参加しました。グループは主に2つのカテゴリーに分けられました。一つは、小児に対する性的加害歴を持つフォレンジック患者（司法精神医学的患者）を多く含む、小児に対する性的関心が文書化された診断を受けている34人の男性です。もう一つは、この診断を受けていない90人の男性です。この対照群には、健康なボランティアのほか、性的犯罪ではない他の種類の犯罪を犯した人物も含まれていました。視線をテストするため、参加者はスクリーンの前に座り、3つの異なるタスクを完了しました。最初のタスクでは、男女の画像が左右に並べて示され、どちらがより魅力的であるかを判断するよう求められました。第二のタスクでは、3D形状を回転させるメンタルパズルを解くのですが、その最中に大人や子供の画像が妨害として画面上にフラッシュ表示されます。第三のタスクは、様々な画像がどれほど性的、あるいは快いものであるかを単純に評価するというものでした。これらの演習を通じて、高速カメラが彼らの目の動きをすべて記録し、どこを見たのか、どのくらいの時間そこに留まったのか、そしてどれくらいの速さで視線を動かしたのかを正確に記録しました。

研究者たちは、この膨大な量の視覚データを機械学習システムに投入しました。このコンピュータプログラムは、人間の観察者が見逃してしまうような複雑なパターンを見つけ出すように設計されていました。プログラムは、例えば、子供の頭部や腹部にどれくらいの時間注視したか、妨害画像に対してどれくらい素早く目を動かしたか、そしてパズルと画像の間の注意の移り変わり方など、数千もの微細な詳細を分析しました。システムは、これらの眼球運動のみに基づいて、二つのグループを識別するように訓練されました。結果は驚くべきものでした。コンピュータが初期のオリエンテーション・タスクとディストラクション（妨害）タスクのデータを組み合わせて分析したところ、対象者が小児に対する性的関心を持っているかどうかを、高い精度で正しく識別できました。具体的には、モデルは全体として約88パーセントのケースを正しく分類しました。特に、性的関心を持たない男性を特定することに優れており、別の健康なボランティア・グループでテストした際には、ほぼすべてのケースで陰性と正しくラベル付けしました。

これらの結果を可能にしたのは、単一の行動を見るのではなく、多くの小さな信号を組み合わせたことでした。研究によると、性的関心を持つ男性は、他の男性と比較して、子供の画像をより頻繁に、かつより長い時間注視する傾向がありました。これは、彼らが別のタスクに集中しようとしている時であっても同様でした。彼らはまた、子供が妨害として現れた際の注意のパターンも異なっており、対照群よりも早く、かつ長く子供に視線を向ける傾向がありました。これは、性的に関連する刺激を無視する能力が弱いことを示唆しています。対照的に、この関心を持たない男性は、一貫して成人の画像を見ることを好み、パズルに集中するために子供の画像を無視することに長けていました。興味深いことに、コンピュータは収集したすべてのデータを使用する必要はありませんでした。研究者がモデルを最も重要な少数の眼球運動の特徴だけに絞り込んだ場合でも、精度は非常に高いまま維持されました。このことは、シグナルが堅牢であり、複雑な変数の網に依存していないことを示唆しています。

研究はまた、参加者の背景によってこれらの眼球パターンが変化するかどうかについても調査しました。研究者たちは、子供に対して犯罪を犯した男性とそうでない男性、現在服役中か釈放されているか、そして自身の思考を認めているか否認しているか、といった観点から検討を行いました。機械学習モデルは、これらほぼすべての異なるサブグループにおいて一貫して良好に機能しました。モデルは、男性がフォレンジック患者であろうと健康なボランティアであろうと、あるいは自身の関心を公言していようと隠そうとしていようと、同じ眼球運動のパターンを検出することができました。この一貫性は重要です。なぜなら、このアイトラッキングの手法が、人が隠そうとしても持続する、性的関心の根本的な側面を捉えていることを示唆しているからです。唯一の例外は、特定の犯罪歴を持つ非常に小さなグループでしたが、サンプルサイズが小さすぎたため、確実な結論を導き出すことはできませんでした。

しかし、研究者たちは、このテクノロジーが何であり、何ではないかについて慎重に述べています。彼らは、これが臨床面接や法的判断に代わる診断ツールではないことを強調しています。本研究は、アイトラッキングのデータが研究設定において高い精度で個人を分類できることを示した「概念実証（プルーフ・オブ・コンセプト）」です。著者らは、無実の人を性的関心があるとして誤ってラベル付けしてしまう「偽陽性」は深刻な結果を招く可能性があるため、実世界の臨床や法的決定に使用される前に、より大規模で多様なグループでのさらなる検証が必要であると指摘しています。また、眼球運動が犯罪行為を引き起こすことを証明したのではなく、文書化された診断と相関関係があることを示したに過ぎないことも述べています。タスクによる感情的な影響も監視されましたが、コンピュータのスコアは怒りや悲しみといった感情の変化と関連していたものの、テスト前の参加者の感情状態が結果を予測するということは見出されませんでした。

結局のところ、この研究は、性的関心の評価が「人々が何を語るか」よりも「彼らの目が何をすること」に依存するようになる未来への一端を提示しています。単純な視覚タスクと強力なコンピュータ解析を組み合わせることで、研究者たちは、小児に対する性的関心を持つ男性と持たない男性を区別する明確な注意のパターンを検出できることを実証しました。このテクノロジーはまだ法廷やクリニックで使用できる段階ではありませんが、今回の知見は、さらなる検証が進めば、これらの手法が、欺くことがより困難で、より精密な評価が可能であり、社会が予防と治療へのアプローチを行う方法を潜在的に変革させる新世代のツールになり得ることを示唆しています。