arXivに掲載された新しい研究（ID: 2607.21792）は、顔認識プロセスにおける写真ラインナップの精度が、ギャラリーのデータベースサイズによってどのように変化するかを調査しました。この研究はGenesis Arguetaら4人の著者によって行われ、2026年7月23日に提出されました。研究の焦点は、監視映像からのプローブ画像を運転免許証や入獄写真のギャラリーと照合する、一般的な一対多の顔認識手法です。アルゴリズムが出力するランク1の画像、または人間の検査官がアルゴリズムの上位画像から選択した画像が、目撃者に提示される写真ラインナップに含まれます。目撃者がギャラリー内の画像を選択すると、その画像に該当する人物が逮捕される可能性があります。
研究チームは、この顔認識プロセスが少なくとも9件の誤認逮捕に関与していると指摘しています。問題を定量化するため、彼らは「容疑者」画像がそれぞれ500枚、5,000枚、24,000枚の画像からなるギャラリーから抽出された場合のラインナップ精度を比較する実験を設計しました。結果は、ギャラリーサイズが大きくなるほど、目撃者が誤った識別を行う可能性が有意に増加し、さらに目撃者がその誤った識別に自信を持つ度合いも高まることを示しました。つまり、大規模なギャラリーは誤認識率を高めるだけでなく、誤認識をより信頼性があるように見せかけるのです。
これらの発見は重要な法的・倫理的疑問を提起します。すなわち、このような顔認識プロセスから得られた画像を写真ラインナップに使用すべきかどうか、またラインナップの結果だけを逮捕の相当な理由と見なすべきかどうかです。研究者らは、さらなる司法過誤を避けるため、現在の手法を再検討する必要があると示唆しています。本論文は22ページで構成され、18の図を含み、最後の8ページは実験で使用された容疑者の画像の例です。