AIで「盛れない顔」が生まれる理由

SNSで話題になっているのは、ChatGPTに「ルッキズム的な美の基準に基づくメイク」を生成させたところ、意図せずホラー的なビジュアルが出力されたという投稿だ。

興味深いのは、これが単なるAIのバグではないという点。生成AIが学習している「美の基準」は、インターネット上の大量の画像データから導かれたものであり、「ルッキズム」というコンセプト自体を言語として与えると、モデルが持つ「美」「醜」「誇張」「批評」といった複数の概念が衝突し、意図不明な出力になりやすい。

つまり今回のケースは、プロンプトが指示したのは「メイク」だが、AIが参照した文脈が「ルッキズム批判のビジュアル」や「ホラー表現」とも重なってしまった結果とも読める。AIには「意図」を読む能力はなく、言語の統計的な近さで出力を決める。批評的なコンセプトをそのまま入力すると、意図しない方向に振れるのはある意味で必然だ。

生成AI画像の仕上がりは、プロンプトの言語化精度に大きく依存する。「かわいく」「おしゃれに」といった抽象語だけでは、AIが持つデフォルトの判断基準（＝学習データの統計的な平均）に引きずられる。

一方、「何が美しいかをAI自身に決めさせない」設計にすれば、出力はかなりコントロールできる。具体的には：

• 構図・ライティング・カラーパレットを言語で指定する（「ソフトな自然光」「くすみピンクのモノトーン」など）
• 参照する「スタイル」を具体的な固有名詞で与える（「2010年代のフランス映画のメイク」など）
• 逆に「避けたいもの」をネガティブプロンプトで明示する

生成AI画像×動画、個人制作の新潮流でも触れているように、生成AI画像の品質は「何を入れるか」より「何を明示的に除外するか」の設計が鍵になってきている。コンセプトが抽象的・批評的であればあるほど、この設計の重要性は増す。

今回のバズり方は「面白い失敗」として拡散しているが、SNSでのコンテンツ制作という文脈で見ると、これは再現性のあるパターンだ。

生成AI画像が「ミスる」ケースには大きく2つの型がある。

型①：概念の衝突 今回のように、抽象・批評的なコンセプトが複数の視覚表現と干渉して意図不明になるケース。

型②：過学習バイアス 「美しい女性」「プロフェッショナルな男性」のような指定で、AIが学習データの偏りを反映し、特定の顔立ちや人種・体型に偏った出力をしてしまうケース。

どちらも「AIは平均を出力する機械であり、批評や意図のニュアンスは持てない」という原則から来ている。SNSで使う画像を量産する際、このミスの法則を知っておくだけで、意図しない炎上リスクや品質のブレをかなり抑えられる。コンセプトが尖れば尖るほど、プロンプト設計に時間をかける価値がある。