「犯罪者には、顔つきに共通する特徴がある」「口が小さく、上唇が曲がり、目と目の間隔が狭い人は犯罪者になりやすい」――インターネット上では、こうした説がたびたび話題になります。事件報道で容疑者の顔写真が公開されると、目つきや人相から人物像を推測する声が上がることもあります。しかし、外見から犯罪性を見抜くことは、本当に科学的に可能なのでしょうか。
この疑問には、19世紀の犯罪人類学から、2016年に発表された顔画像と機械学習の研究、さらにAIによる人物評価をめぐる倫理問題まで、長い歴史があります。ハーバー・ビジネス・オンラインやクーリエ・ジャポンでも取り上げられた研究を手がかりに、犯罪者顔の特徴とされるものの根拠、チェーザレ・ロンブローゾの学説、現代犯罪学の見解を整理します。2026年のAI時代に、私たちが外見と犯罪をどう区別して考えるべきかも検証します。
📌 【この記事の重要ポイントまとめ】
- 犯罪者顔の真相：顔つきだけで、その人が犯罪を犯すかどうかを信頼性高く判定できるという科学的根拠は確立していません。
- ロンブローゾ説とAI研究：19世紀の生来性犯罪人説は強い批判を受けており、2016年のAI研究で報告された89.5％という精度も、実社会で犯罪性を見抜けることを意味しません。
- 口・上唇・目の間隔：特定の顔画像データで報告された差を、すべての人種や集団に共通する犯罪者の特徴として扱うことはできません。
- 微表情と人相：表情や視線から感情を推測することと、犯罪やうそを確実に見抜くことは別問題です。
- 最も重要な判断基準：外見やAIの判定ではなく、具体的な行為、客観的証拠、適正な手続きに基づいて判断する必要があります。
【結論から検証】犯罪者顔は本当に存在するのか？
「犯罪者顔」という言葉には、犯罪を犯した人には特有の顔つきがあり、見た目だけでその人物の危険性を判断できる、というイメージが含まれています。しかし、科学的に確認されている事実と、人間が顔から受ける印象は区別しなければなりません。
人は相手の顔を見ると、無意識のうちに「怖そう」「誠実そう」「攻撃的そう」といった印象を形成します。眉の角度、口元、顔の輪郭、表情、視線などが、その判断に影響することがあります。これは人間の社会的認知に関する現象ですが、印象が形成されることと、その印象が相手の本当の性格や犯罪歴を正しく示していることは同じではありません。
実際、顔写真から犯罪らしさを評価させた研究では、怒った表情の人物ほど犯罪者らしいと判断されやすいことが報告されています。こうした研究が示すのは、顔の形だけでなく、表情や写真の撮影条件、見る側の先入観によって犯罪者らしさの評価が変わるということです。
つまり、「犯罪者の顔がある」という主張を検討する際には、少なくとも次の3つを分けて考える必要があります。
- 人が犯罪者らしいと感じる顔には、どのような特徴があるのか。
- 顔画像から、過去に有罪判決を受けた人とそうでない人を統計的に区別できるのか。
- 顔つきから、その人物が実際に犯罪を犯す可能性を予測できるのか。
この3つは似ているようで、科学的には異なる問題です。ある顔が「犯罪者らしい」と評価されることがあっても、その人物が犯罪を犯した証拠にはなりません。また、特定の画像データで分類結果が良好だったとしても、犯罪の予防や捜査にその方法を安全に使えるとは限りません。
現代犯罪学では、犯罪行動を顔の形だけで説明することはできません。個人の行動、心理的・社会的環境、生活状況、機会、周囲との関係など、複数の要因を考慮する必要があります。顔の印象だけで将来の犯罪を予測できるという、一般化された信頼性の高い方法は確立されていません。
【歴史を整理】チェーザレ・ロンブローゾの犯罪人類学と身体的特徴説
犯罪者には生まれつきの身体的特徴があるという考え方を語るうえで、避けて通れないのがイタリアの医師・犯罪学者チェーザレ・ロンブローゾです。19世紀の犯罪人類学を代表する人物であり、犯罪の原因を身体的特徴と結びつけて説明しようとしました。
ロンブローゾは1860年代から犯罪者の身体的特徴について研究を進め、代表作『犯罪人論』の初版を1876年に刊行しました。彼の理論の中心にあったのは、犯罪者の一部は進化の過程で原始的な段階にとどまった「先祖返り」の特徴を示す、という考え方です。これが、いわゆる生来性犯罪人説につながりました。
ロンブローゾが注目したのは顔だけではありません。頭蓋骨の形や大きさ、額、耳、顎、手などの身体的特徴に加え、刺青や話し方、振る舞いなども犯罪性を示す手がかりとして扱いました。身体に現れる特徴から犯罪者を分類できるという発想は、当時の人類学や医学の影響を受けていました。
ただし、身体的特徴と犯罪性を結びつける彼の理論は、後世に多くの批判を受けました。犯罪を犯した人の身体的特徴を観察することと、特定の身体的特徴が犯罪を引き起こすと証明することは別だからです。比較対象の選び方、観察者の判断、社会的偏見、環境要因なども、結果を左右する可能性があります。
オックスフォード大学出版局の『The Oxford Handbook of Criminological Theory』に収録されたロンブローゾ再考の論考も、彼の先祖返り理論や犯罪者の身体的特徴を示すとされた指標を歴史的に検討しています。現在の犯罪学は、ロンブローゾの理論をそのまま受け入れているわけではありません。
ここで重要なのは、ロンブローゾの研究を、現代の生物学や心理学が犯罪に関する要因を研究すること全般と混同しないことです。遺伝、神経発達、衝動性、環境などを研究することと、顔の形を見て生まれつきの犯罪者を特定できると主張することは、科学的にも倫理的にも異なります。
ロンブローゾ説が現代でも繰り返し話題になるのは、「人間の内面は外見に表れる」という直感に訴えるからでしょう。しかし、直感に合う説明だからといって、それが正しいとは限りません。
【研究データを検証】口が小さい・上唇が曲がる・目の間隔が狭い説の根拠
犯罪者顔の特徴として具体的に検索されることが多いのが、「口が小さい」「上唇が曲がっている」「両目の間隔が狭い」という3つの特徴です。この説は、ハーバー・ビジネス・オンラインが2018年3月27日に掲載した、微表情研究者の清水建二氏による記事でも紹介されました。
記事で取り上げられたのは、シャオリン・フーとシー・チャンによる2016年の顔画像分類研究です。研究では、機械学習を利用して犯罪者と非犯罪者に分類された人物の顔画像を比較し、顔の形状に関する差が報告されました。
ハーバー・ビジネス・オンラインの記事では、研究で報告された特徴として、鼻の先端と唇の両端を結ぶ角度が平均19.6％小さいこと、上唇の曲率が平均23.4％大きいこと、左右の目頭の間隔が平均5.6％狭いことが紹介されています。
ただし、これらは特定の研究データで報告された平均的な差です。「口が小さい人は犯罪者である」「目が近い人は危険である」といった個人の判定に、そのまま使用できる数値ではありません。
研究対象には、中国人男性の顔画像が使われました。対象集団や画像の収集方法が限定されている以上、結果が女性、異なる人種・民族、年齢層の違う人々にも当てはまるかどうかは別途検証しなければなりません。
さらに、犯罪者と分類された画像と、非犯罪者と分類された画像が、同じ条件で撮影・収集されているかという問題もあります。顔の形状以外に、画像の画質、照明、撮影機器、背景、画像処理の違いなどが分類結果に影響していれば、アルゴリズムは犯罪性ではなく、こうした画像の違いを学習している可能性があります。
ハーバー・ビジネス・オンラインの記事では、犯罪者とされた人々の顔の特徴は、非犯罪者とされた人々に比べて多様性が大きいという点にも触れられています。仮に集団平均に差があったとしても、個人ごとの特徴には重なりがあり、特定の特徴を持つ人が必ず犯罪者に該当するわけではありません。
研究結果を読む際には、次の比較が参考になります。
| 論点 | 研究・報道で示された内容 | 解釈する際の注意点 |
|---|---|---|
| 口元の角度 | 鼻先と唇の両端を結ぶ角度が平均19.6％小さいと報告 | 特定データ内の平均差であり、個人の犯罪性を示す基準ではない |
| 上唇の形状 | 上唇の曲率が平均23.4％大きいと報告 | 測定方法や画像条件、対象集団による影響を検討する必要がある |
| 目の間隔 | 左右の目頭の間隔が平均5.6％狭いと報告 | この差から、特定の人物が犯罪を犯すと判断することはできない |
| 機械学習の分類精度 | 2016年の研究では最大89.5％の正解率を報告 | 選定されたデータ内の分類成績と、実社会での犯罪予測能力は異なる |
| 対象集団 | 中国人男性の顔画像を使用 | 他の集団への一般化には、独立した検証が必要 |
この表からわかるのは、研究に具体的な数値が存在することと、その数値を日常生活で人を見分けるために使えることは、まったく別だという点です。平均的な差が見つかっても、犯罪者と非犯罪者を個人単位で確実に区別できるとは限りません。
また、犯罪者と非犯罪者の顔の違いが報告されたとしても、その原因が先天的な顔の形状にあるとは限りません。データの選び方や、社会が誰を犯罪者として認定するかという制度上の問題も、検証から外せない要素です。
【AI研究の落とし穴】89.5％の精度は犯罪者を見抜ける証拠なのか
「人間の目ではわからなくても、AIなら犯罪者の顔を見抜けるのではないか」という期待は、2016年に公開されたシャオリン・ウーとシー・チャンの研究によって注目を集めました。論文の題名は『Automated Inference on Criminality Using Face Images』です。
この研究では、1,856人の中国人男性の顔画像を用い、機械学習によって犯罪者と非犯罪者を分類する実験が行われました。研究者らは複数の分類手法を比較し、畳み込みニューラルネットワークによる分類で89.5％の正解率を報告しました。
しかし、この数字を「AIは顔を見るだけで犯罪者を約9割の確率で見抜ける」と解釈するのは誤りです。
まず、研究が分類しようとしたのは、用意されたデータセットの中で犯罪者と非犯罪者としてラベル付けされた人物です。将来犯罪を犯すかどうかを長期間追跡して検証したものではありません。過去の犯罪歴や有罪判決の有無を区別する実験と、犯罪を起こす前の人間の危険性を予測する実験では、目的が異なります。
次に、画像の収集方法にも注意が必要です。研究に用いられたデータでは、犯罪者と分類された画像の一部は当局に関連する資料から得られ、非犯罪者とされた画像はインターネット上から収集されました。撮影条件や画像の由来が異なれば、顔の形とは無関係な情報が分類に影響する可能性があります。
米国ノートルダム大学の倫理関連資料などでも、顔画像による犯罪性の分類をめぐって、データセットの構成や実験設計に問題がある可能性が指摘されています。AIが高い正解率を示したという事実だけでは、モデルが本当に犯罪性を識別していたのか、それともデータに含まれる別の特徴を識別していたのかを判断できません。
この問題は、2020年にクーリエ・ジャポンが紹介した記事「顔のつくりで『潜在的な犯罪者』がわかる─AIの発展と骨相学の再興」でも取り上げられました。同記事は、人工知能の哲学・倫理学の観点から、顔の特徴を犯罪性に結びつける研究が抱える問題を解説しています。
さらに、2026年に公開された『European Journal for Philosophy of Science』の論文でも、顔画像から犯罪性を推定するAIについて、犯罪行動と刑事司法上の判定を同一視することや、データに含まれる偏りを考慮しないことなどが問題として論じられています。
ここで区別すべきなのは、次の3つです。
- 分類精度：特定のテストデータで、モデルが正しいラベルをどれだけ出せたか。
- 予測の妥当性：モデルが本当に予測したい対象を捉えており、未知のデータでも再現できるか。
- 社会での有用性：誤判定の影響、差別、プライバシー侵害などを考慮しても、実際に使う価値があるか。
89.5％という数字が示すのは、あくまで当該研究の条件下で報告された分類成績です。未知の人物に対して同じ性能を発揮することも、無実の人を誤って疑う危険が十分に小さいことも、その数字だけでは証明できません。
特に犯罪のような重大な判断では、誤判定の影響が極めて大きくなります。AIが「犯罪者らしい」と判定したために監視対象にされたり、就職や住宅の契約で不利益を受けたりするなら、単なる分類実験では済みません。モデルの精度だけでなく、何を学習し、何を予測しているのかを問う必要があります。
【人相と心理学】微表情や目つきから犯罪者を見分けられるのか
犯罪者の顔をめぐる話題では、顔の骨格だけでなく、目つき、口元の動き、表情の変化から相手の心理を読み取れるという説もあります。なかでも「微表情」は、本人が隠そうとした感情が一瞬だけ顔に表れる現象として紹介されることがあります。
微表情の研究と、犯罪者を見分ける研究は分けて考える必要があります。表情の変化から感情を推測することができたとしても、それだけで犯罪歴や犯罪意図がわかるわけではありません。
たとえば、面接や取り調べで目をそらす、落ち着かない、表情がこわばるといった行動には、緊張、恐怖、疲労、文化的な習慣、相手への警戒など、さまざまな理由が考えられます。無実の人でも疑われれば緊張することがあり、逆に、罪を犯した人が常に不安そうな表情を見せるとも限りません。
微表情と虚偽の関係を検討した研究にも、慎重な見方が必要です。2018年に公表された研究レビュー「Microexpressions Are Not the Best Way to Catch a Liar」は、微表情をうそ発見の決定的な手がかりとみなすことに疑問を呈しています。感情表現と実際の感情、さらに発言の真偽との間には、単純な一対一の対応関係があるわけではありません。
米連邦捜査局（FBI）の法執行機関向け解説でも、微表情や非言語的な行動を単独でうそと断定する根拠にしてはならないという趣旨の注意が示されています。表情や話し方は、質問を深めたり、説明の食い違いを確認したりする補助的な手がかりにはなり得ますが、それだけで真偽を確定するものではありません。
「殺人事件の犯人には独特の目がある」「犯罪を起こす人は目つきでわかる」という言説も、同じ問題を抱えています。事件の報道を見たあとに容疑者の顔を観察すると、目つきの悪さや不自然な表情が目につくことがあります。しかし、事件を知った後の印象を、事件前から犯罪性を見抜ける証拠にすることはできません。
ここには、確証バイアスと呼ばれる心理的な働きが関係します。人は自分の仮説に合う情報を見つけると、その情報を重視し、反対の証拠を軽視しやすくなります。「この人は怖そうだ」と感じたあとで犯罪報道を知ると、最初の印象が正しかったと思い込みやすくなるのです。
人相や心理学の知識を日常で活用するなら、相手の表情から犯罪者かどうかを判定するのではなく、会話の内容、実際の行動、状況の変化を総合的に理解するために使うべきです。感情を読み取ろうとすることと、人物を犯罪者と決めつけることの間には、明確な線引きが必要です。
【差別と偏見の問題】犯罪者顔の研究が社会にもたらすリスク
犯罪者顔をめぐる問題は、科学的な精度だけではありません。外見によって人を分類する仕組みが、社会的な偏見や差別を強化する可能性もあります。
クーリエ・ジャポンの記事が指摘する重要な論点の一つは、AIによる顔の分類が、19世紀の骨相学や人相学を思わせる問題を再び生み出しかねないことです。かつては頭蓋骨や身体の特徴から人間の性格や能力を判定しようとする考え方が広まりました。現在は、機械学習が同様の判断をより客観的なものに見せる可能性があります。
しかし、AIが人間の主観を完全に排除するとは限りません。学習データの収集方法、ラベルの付け方、対象集団の選び方には、人間や制度の判断が入り込みます。社会に存在する偏見がデータに反映されていれば、AIがそれを再現したり、増幅したりする可能性があります。
たとえば、ある集団が警察の捜査対象になりやすい環境に置かれている場合、その集団の逮捕歴や有罪判決を犯罪性の代理指標として学習すると、AIは実際の犯罪行動ではなく、取り締まりや司法判断の偏りを学習するかもしれません。判定結果がさらに監視や取り締まりを強めれば、偏りが繰り返される危険もあります。
この問題を考えるうえでは、「犯罪者」というラベルの意味も重要です。逮捕された人、容疑者として捜査された人、有罪判決を受けた人、実際に犯罪を犯した人は、すべて同じではありません。逮捕や起訴は有罪を意味せず、司法上の記録だけですべての犯罪行動を把握できるわけでもありません。
したがって、顔画像と犯罪歴の間に統計的な関連が見つかったとしても、それが顔の形による生物学的な犯罪傾向を証明するとは限りません。社会的な環境や司法制度、画像の収集過程など、別の説明が成り立つ可能性を検討しなければなりません。
また、顔認識技術にはプライバシーの問題もあります。本人が知らないうちに顔画像を収集され、犯罪リスクの推定や監視に利用されれば、日常生活における自由や権利が損なわれるおそれがあります。判定理由が不透明なシステムでは、誤判定を受けた人が異議を申し立てることも困難になりかねません。
こうした理由から、犯罪者顔の研究を評価する際には、精度の高さだけでなく、誤判定が誰に集中するか、判断の根拠を説明できるか、データが適切に収集されたか、本人の権利を守れるかという観点が欠かせません。
「AIが判断したから客観的だ」という考え方は危険です。AIはデータから規則性を学習する技術であって、出力された判断が正義や真実であることを保証する装置ではありません。
【プロの結論】犯罪者顔の情報を見極めるための判断基準
犯罪者顔に関する情報を読む際には、センセーショナルな見出しや具体的な数値だけに注目するのではなく、その研究が何を実際に調べたのかを確認することが重要です。
特に、顔の形状、表情、犯罪歴、将来の犯罪リスクは、それぞれ異なる概念です。研究が過去の有罪判決の有無を分類しただけなら、犯罪を犯す前の人を見分けられると読み替えることはできません。表情から感情を推測した研究も、犯罪性を判定する根拠にはなりません。
研究や記事を評価するときは、次の基準を確認すると、誇張された主張を見分けやすくなります。
- 対象者は誰か：性別、年齢、人種・民族、人数が明らかで、結果を適用できる範囲が説明されているか。
- 犯罪者の定義は何か：逮捕歴、有罪判決、容疑、実際の犯罪行動を混同していないか。
- 画像の条件は同じか：撮影環境、画質、照明、画像の出所などが分類結果に影響していないか。
- 独立した検証があるか：学習に使用していないデータや、別の研究者による再現実験でも結果が確認されているか。
- 誤判定の影響を検討しているか：無実の人を犯罪者と判定した場合の不利益や、集団間の偏りを評価しているか。
- 結論が研究の範囲を超えていないか：集団の平均差や分類精度を、個人の犯罪性を見抜く方法として紹介していないか。
これらの基準は、犯罪者顔に限らず、AIによる性格診断、採用時の人物評価、表情からの心理推定などを検討するときにも役立ちます。
防犯の観点でも、外見に頼るより、具体的な状況や行動に注目するほうが合理的です。不審な行為や具体的な脅威があれば、その行為や状況を基に安全を確保し、必要に応じて適切な機関に相談することが大切です。顔立ちや人種、服装、表情だけを理由に他人を危険人物と決めつけることは避けるべきです。
【プロの結論】犯罪者顔という言葉が示すのは、科学的に確立された人物分類というより、外見から内面を読み取りたいという人間の欲求と、それを支える歴史的な発想です。ロンブローゾの身体的特徴説から現代のAI研究まで、技術や表現が変わっても、相関関係を原因と取り違えたり、集団の傾向を個人に当てはめたりする危険は残ります。
科学的な研究を否定する必要はありません。必要なのは、研究で示された事実と、そこから導き出せる結論の範囲を正確に区別することです。犯罪の予防や捜査においても、外見による推測ではなく、検証可能な証拠と適正な手続きが判断の基礎でなければなりません。
【犯罪者顔】に関するよくある質問（FAQ）
Q1：犯罪者顔には共通する特徴があるのですか？ A1：口元や目の間隔などの差を報告した研究はありますが、特定の顔の特徴を持つ人が犯罪者であると判断できる、一般化された科学的基準は確立されていません。集団の平均差と個人の犯罪性は区別する必要があります。
Q2：口が小さい、上唇が曲がっている、目の間隔が狭い人は危険ですか？ A2：そのようには判断できません。これらの特徴は2016年の顔画像分類研究に関連して紹介されましたが、特定のデータで報告された平均的な差です。顔立ちだけで危険性や犯罪歴を判断する根拠にはなりません。
Q3：チェーザレ・ロンブローゾの犯罪人類学は正しいのですか？ A3：ロンブローゾは身体的特徴から生来性犯罪人を識別できるという理論を唱えましたが、その決定論的な考え方は後世に強い批判を受けました。現代の犯罪学では、犯罪行動を身体的特徴だけで説明することはできません。
Q4：AIなら顔だけで犯罪者を見分けられますか？ A4：顔画像を使って特定のデータセットを分類した研究はありますが、実社会で犯罪性を確実に見抜けることは証明されていません。データの偏り、画像条件、犯罪者というラベルの定義、誤判定の影響などを考慮する必要があります。
Q5：微表情や目つきから、うそや犯罪意図を見抜けますか？ A5：微表情や目つきだけで、うそや犯罪意図を確実に判定することはできません。表情には緊張や恐怖などさまざまな原因があり、実際の行動や客観的な証拠と区別して考える必要があります。
Q6：犯罪者顔という考え方が差別につながるのはなぜですか？ A6：外見から犯罪性を推測すると、特定の顔立ちや人種、集団に対する偏見が強化されるおそれがあるためです。AIを使った場合も、学習データに含まれる偏りが判定結果に反映される可能性があり、誤判定や不当な監視につながりかねません。
まとめ：犯罪者顔を見分ける最も確かな判断基準とは
犯罪者顔は本当に存在するのか。その問いに対する答えは、外見だけで犯罪者を信頼性高く特定できるという科学的根拠は確立されていない、というものです。
ロンブローゾが唱えた生来性犯罪人説は、身体的特徴から犯罪性を判断しようとした歴史的な理論です。2016年のAI研究では、口元や目の間隔などに関する特徴と、最大89.5％の分類精度が報告されました。しかし、その結果は特定のデータセットに基づくものであり、すべての人に当てはまる法則や、将来の犯罪を予測する能力を証明したわけではありません。
微表情や人相についても同様です。表情から感情を推測できる場合があっても、犯罪歴やうそを確実に見抜けるわけではありません。AIによる判定であっても、データの偏りや誤判定の危険を無視することはできません。
2026年のAI時代に必要なのは、機械が出した数値や、見た目から受ける直感を無条件に信じることではなく、その判断が何に基づき、どこまで検証されているかを見極める姿勢です。
人を判断する基準は、顔の形や目つきではありません。具体的な行為、客観的な証拠、検証可能な事実、そして公正な手続きです。「犯罪者顔」という印象と、実際の犯罪行為との間にある隔たりを理解することが、偏見に流されず情報を読み解くための第一歩になります。 （出典: 犯罪 者 顔（Yahoo!ニュース））
