遠くから近づいてくる人が「敵」か「味方」かを瞬時に見分けることは、人間の根源的な生存スキルです。人間は声や顔表情が無くとも、ごく小さなボディランゲージから相手の「社会的意図」を難なく読み取ることができますが、人工知能(AI)にとってこれは依然として困難な課題です。

東北大学 電気通信研究所 サイバー＆リアルICT学際融合研究センターの程 苗（Miao CHENG）らの研究チームは、人間の身体的な社会的意図の認識に関する新たな評価基準を構築しました。そして、脅威を伝える際の身体運動のエネルギーレベルによる普遍性と文化特異性（方言）の違いを明らかにしました。さらに、最先端の深層学習モデルは表面的な動作パターンを高い精度で分類できるものの、人間が他者の意図を推論する際の認知プロセスとは大きく乖離している「アライメント・ギャップ」が存在することを突き止めました。本研究は、今後の人間とAI・ロボットの安全なインタラクションにおいて、AIが人間の社会的認識にいかに近づくべきかという重要な指針を示すものです。

本研究成果の論文は、2026年5月25日～29日に京都で開催された国際会議20th IEEE International Conference on Automatic Face and Gesture Recognition （FG 2026） に採択され、ポスター発表されました。論文はIEEE Xplore で公開されます。