朝、目も開いていないような寝起きの顔でスマホを持ち上げても、ロックは一瞬で解除されますよね。

ある日ふと思ったんです。 あれ、髪はボサボサ、顔はむくんでる、部屋は薄暗い。登録したときと全然違う顔なのに、なんで“本人”って分かるんだろう？ と。

しかもこの照合、体感ほぼゼロ秒。登録した写真と見比べている……にしては、速すぎるし、条件が悪すぎる。

調べてみたら、裏には「顔を“数字の並び”に変換してしまう」という、AIらしい発想の転換がありました。エンジニア初学者の方にもわかるように、順番にほどいていきます。

素朴な発想「写真と見比べる」は、なぜ無理なのか

何も知らずに顔認証を作るとしたら、こう考えますよね👇

❌ 登録した顔写真を保存しておいて、カメラに映った顔と画像同士で見比べる

これ、実はほぼ機能しません。理由は単純で、同じ人の顔でも、写真としては毎回まったく別物だからです。

1. 照明が違う ― 朝の逆光と夜の室内では、画素の値は全然違う
2. 角度と距離が違う ― 少し傾くだけで、画像としては別物になる
3. 顔そのものが変わる ― 髪型、ヒゲ、メガネ、むくみ、表情……

画素をそのまま比べる方式だと、「昨日の自分」にすら弾かれてしまう。かといって条件をゆるめると、今度は他人まで通してしまう。“画像のまま”扱うのが、そもそも筋が悪いんですね。

発想の転換：顔を「数百個の数字」にしてしまう

現代の顔認証は、写真同士を見比べません。代わりに、こうします👇

💡 AIがあなたの顔から「その人らしさ」だけを抽出して、数百個の数値の並び（ベクトル）に変換してしまう。 いわば、顔に対して発行される“数値の住所”。

流れはこうです👇

1. カメラが顔をとらえる
2. 学習済みのAIが、顔の特徴を数値の並び（例：512個の数字）に変換する
3. 登録時に作った数値の並びと、いま作った数値の並びの距離を測る → 距離が十分近ければ「本人」

ポイントは、最終的な照合が「画像の見比べ」ではなく、ただの数字の距離計算になっていること。数百個の数字の引き算と足し算なんて、スマホには一瞬です。あの速さの正体は、「重い比較を、軽い計算に変換してある」ことなんですね。

技術名でいうと、この“数値の住所”が 特徴量ベクトル（embedding）、距離の測り方が 類似度（コサイン類似度など） です。

👇 「画像で見比べる」vs「数値に変換して距離を測る」の対比

なぜ寝起きでも、髪型を変えても通るのか

「でも、寝起きの顔と登録時の顔じゃ、その“数値”も変わっちゃうんじゃないの？」

いい質問です。ここがAIの学習のすごいところで、この変換AIは、あらかじめこう訓練されています👇

🎯 同じ人の顔は、どんな条件で撮っても“近い数値”になるように。 別人の顔は、どれだけ似ていても“遠い数値”になるように。

膨大な顔画像でこの訓練を繰り返すと、AIは自然と「照明・角度・髪型・表情みたいな変わりやすいものは無視して、目鼻の配置や骨格みたいな変わりにくいものだけを数値にする」ようになります。

だから、寝起きでも、髪を切っても、薄暗くても、あなたのベクトルは登録時のすぐ近くに落ちる。逆に、あなたに似た他人のベクトルは、ちゃんと遠くに落ちる。

ちなみに「どこまで近ければ本人とみなすか」の線引き（しきい値）は、厳しくすれば他人を通しにくくなる代わりに本人も弾かれやすくなる、というトレードオフで調整されています。一卵性双生児のような極端なケースが難しいのは、この距離が本当に近くなってしまうからなんですね。

技術名でいうと、この訓練の考え方が 深層学習（ディープラーニング） による距離学習です。

👇 ベクトル空間のイメージ ― 同じ人は近くに、他人は遠くに集まる

豆知識：あなたの顔データは、スマホの外に出ていない

「顔のデータって、どこかのサーバーに送られてるんでしょ…？」と不安になりますが、スマホのロック解除に関しては、多くの機種で照合は端末の中だけで完結しています。

• 保存されているのは顔写真そのものではなく、数値化されたデータ
• しかも端末内の特に保護された領域に暗号化して保存
• 照合のたびにサーバーへ問い合わせたりはしない（だからネットがなくても解除できます）

機内モードのままでもロック解除できるのは、この「端末内で完結」の何よりの証拠です。

実はこの技術、いまのAIブームの主役でもある

最後に、ちょっと視野を広げます。

この「なんでも数値の並び（ベクトル）に変換して、距離で意味を測る」というアイデア、実は顔だけの話ではありません。文章にも使えます。

文章をベクトルにすれば、「言葉づかいは違うけど、意味が近い文章」を距離で探せるようになる。これがベクトル検索で、たとえば「社内の大量のマニュアルから、質問に関係する箇所を探し出してAIに答えさせる」——いわゆる RAG（検索拡張生成） の心臓部が、まさにこの技術です。

つまり、毎朝あなたのスマホを解除しているのと同じ発想が、いま企業のAI活用の最前線を支えている。ちなみに弊社では、この embedding や RAG を未経験から実務レベルまで学ぶ社内企画「YouAI」を運営しています。興味があればそちらの記事もぜひ👇

プラスバリューAI人材育成のためのYouAI企画について

✅ まとめ

1. 「写真と見比べる」は筋が悪い ― 同じ人でも、画像としては毎回別物になってしまう
2. 顔を数値の並びに変換する ← 核心 ― 照合を「重い画像比較」から「軽い距離計算」に変えたから一瞬（特徴量ベクトル／embedding）
3. AIは“変わらないもの”だけを見る ― 同じ人は近く・別人は遠くなるよう訓練されている（深層学習／距離学習）
4. 照合は端末内で完結 ― 顔データは外に出ず、ネットなしでも解除できる
5. 同じ技術が文章でも使われている ― ベクトル検索、そしてRAGへ

寝起きの「カシャッ」の裏には、“顔”を“数字”に翻訳するAIがいた、という話でした。

最後に（自分で試すなら）

• 機内モードでロック解除してみる → ネットなしで解除できる＝端末内で完結している証拠です
• 顔の登録をやり直して、条件を変えて試す → メガネ・暗い部屋・マスクなど、どこまで「変わらないもの」を見てくれるか体感できます
• 開発に興味がある方は、文章のembeddingを試すのがおすすめ。数行のコードで「意味が近い文章ほど距離が近い」を自分の目で確認できて、ちょっと感動しますよ

明日の朝、寝起きでスマホが開いたら、「いま距離計算されたな」と思い出してもらえたらうれしいです。

私たちプラスバリューでは、こうした「身近な“当たり前”の裏側」を一緒に面白がれるエンジニアを募集しています。 経験の有無は問いません。「なんでこれ動くんだろう？」という小さな疑問を、技術で解きほぐしていく仕事に興味がある方は、ぜひ一度お話しましょう！