なぜAIの顔はどれも同じに見えるのか、そしてなぜ視聴者が嫌悪し始めているのか

AIドラマブームで何度も起きている光景がある。視聴者がスクロールしていて、クリップを観て、いいねを押し、そして気づく。この作品の男性主人公が、前の作品の男性主人公と同じ顔だと。その前の作品とも。同じ輪郭、同じ髪型、同じセンター分けの前髪。比較スクリーンショットはバイラルになり、その反応には中国のネットスラングで名前がついている。生理的嫌悪だ。

すべてのAIの顔が同じ顔に収束する理由は謎ではない。統計だ。動画モデルはフレーム間で顔を一貫させなければならず、左右対称で完璧、特徴のない顔が、フレーム間のちらつきを引き起こす微小な誤差に最も耐性がある。個々の特徴——曲がった鼻、ほくろ、非対称な目——は、モデルが同じ顔を毎秒30回再レンダリングするときにまさに崩れるものだ。だからモデルは「安全な」顔、つまり学習したすべての顔の平均を求める。出てくるのは、ある研究者が統計的な「平均最適解」と呼んだものだ。

経済性も同じ方向に押す。生成動画は秒単位で課金され、個々の顔をカスタマイズするにはプロンプトを反復し、特徴を固定し、微表情をフレームごとに調整する必要があり、時間が2倍になる。毎日アップロードするスケジュールを追うほとんどのチームはそれをすべて飛ばし、公開顔ライブラリでヒットテンプレートを再利用する。グレーマーケットさえある。学習用に侵害の疑いがあるドラマクリップ2万本のパックが1ドル未満で売られている。学習データ自体が同じ少数のソースから引かれているとき、それが生み出す顔が似るのは避けられない。

結果として、顔が完璧で交換可能なコンテンツカテゴリが生まれる。清華大学のジャーナリズム教授は、この問題を印象に残る言葉で表現した。アルゴリズムは美しさのスコアを計算できるが、人間の個性の厚みは計算できない。不完全さこそが要点だ。そばかす、わずかな非対称、本当に笑ったときに目が細くなる様子、疲れているときに眉が緩む様子。それらは人を見分けさせてくれるものであり、滑らかさに最適化されたモデルがまさに削り落とすものだ。

ここには進化的な議論も潜んでいる。人間はアイデンティティと感情を顔から読み取るようにできており、人を見分けるために小さな違いに依存している。区別のつかない標準化された顔は、不気味の谷と同じ警報を作動させる。人間に近すぎて顔として認識されるが、違いすぎて違和感を覚える。嫌悪はスノッブさではない。ほとんど人間に見えるが、完全にはそうでないものへの知覚的反応だ。

同じ力学は、モデルがアイデンティティそのものを扱う方法にも現れる。AIの「俳優」は表情の分布に対する統計的当てはめであり、自律神経系を持つ人間ではない。本物の顔は生理と状況によって動く。疲れた人の眉はある仕方で緩み、本当に面白がっている人は目を細める。モデルはこれらを近似できるが、それらを生み出すことはできない。その違いは、視聴者が言語化できなくても感じ取る微妙な平坦さとして現れる。それは演技とレンダリングの違いだ。

均質化がどこまで進んだかを示す具体的なデータポイントがある。報告によれば、許可なくスクレイピングされたとされる数万本のショートドラマクリップを含む学習素材パックが1ドル未満で売られている。学習データがそれほど狭く、それほど広く再利用されれば、生み出される顔が収束するのは当然だ。同じさは趣味の偶然ではない。安価な量産に最適化されたサプライチェーンの下流の結果だ。

これは単なる美的な不満ではない。商業的な問題になりつつある。すべての番組が同じ番組に見えるとき、何も記憶に残らず、新規性で生きるカテゴリは同じさによって死ぬ。中国の規制当局はすでに、キャラクターの独自性を独立した採点項目とする品質基準を起草している。これは、業界が次の競争の波をどこに期待しているかについての明確なシグナルだ。自分のキャラクターを見分けられないカテゴリは、なぜ誰もが見続けるべきなのかを理解していないカテゴリだ。

このすべての下には、ショートドラマをはるかに超えて当てはまる、より深い論点がある。生成AIは平均へと向かう。平均が最も安全な賭けであり、最も安全な賭けこそ確率モデルが生み出すように訓練されているものだからだ。人間の創造性は具体へと向かう。具体的な選択だけが際立つからだ。両者の戦いは今、リアルタイムで、大規模に、ほとんどの西洋の観察者が見ていないインターネットの片隅で展開している。

これが美学を超えて重要なのは、より大きな文化的問いを予告しているからだ。最も安く簡単なコンテンツがすべて同じ見た目、同じ顔、同じ声に収束するなら、インターネットは一つの統計的平均を自分自身に映し返す鏡の館になる。その収束に抗う人々、曲がった鼻、方言、予定外の間を主張する人々は、懐古的になっているのではない。文化をそもそも持つ価値のあるものにしているものを守っているのだ。

より広いAIスロップ問題との並行関係は正確だ。Deezerは毎日7万5千曲のAI楽曲がアップロードされていると報告している。米国の新聞の監査では、新規記事の9％がAI生成とフラグ付けされた。共通する糸は、編集意図なしに走らされた生成ツールが、一定の水準にあるが交換可能な出力の洪水を生むことだ。AIの顔は、音楽、テキスト、画像を同時に再形成している現象の、最も視覚的に不快な例にすぎない。

解決策はモデルを滑らかでなくすることではない。モデルのデフォルトを完成品として扱うのをやめることだ。キャラクターの独自性は、キャスティングディレクターが配役を設計するのと同じように、意図的に設計されなければならない。ツールはすでにそれを支えている。参照画像、キーフレーム、固定された特徴。欠けているのは、余分な時間をかける意志だ。ブームの経済性がスピードに報いるからだ。平均的な顔に抗うクリエイターこそ、新規性が薄れたときにも観客を持ち続ける人々だ。それが賭けであり、成熟するあらゆるメディアがクリエイターに強いる同じ賭けだ。具体的であれ、さもなければ平均に消えよ。

圧力がすでに移りつつあると考える理由がある。量に報いることでブームを煽ったプラットフォームは今、独自性に報い始めている。交換可能な顔でいっぱいのフィードはリテンションの問題だからだ。品質基準は一つのレバーであり、アルゴリズムはもう一つだ。プラットフォームが同じさに報いるのをやめれば、経済性は反転し、キャラクター設計の筋力をつけたチームが勝つ位置につく。AIの顔はなくならない。なくなるのは、デフォルトで勝てるという考え方だ。それは、本当に見る価値のあるものを作りたいすべての人にとって健全な発展だ。