PARAs AI動画対応、合成検出では届かない「映像の嘘」を論理で見る

動画のなかで根拠のない断定をしても、本物のカメラで撮った映像であれば、合成検出も来歴の記録も反応しません。PARAs AIが8月25日に加えた動画対応は、その空白を狙っています。しかも同社が挙げた使い道の半分は、他人ではなく自分の動画を公開前に点検することでした。

株式会社Accel Brainは2026年8月25日、AI分析プラットフォーム「PARAs AI」が動画コンテンツの入力・分析に対応したと発表した。従来のテキストデータ（ウェブページ、PDF、HTML、TXT）に加え、動画そのものを直接入力できる。同社が「バイアス」と総称する検知対象は、概念の曖昧さと根拠の不足、早計な一般化や感情に訴える論証などの論理的誤謬、分断・対立の煽動、情報ソースとの齟齬の4分類である。

統計力学・情報理論に基づく独自アルゴリズムで可視化すると説明している。想定活用シーンには、映像の論理展開の検証や、動画配信前のセルフチェックによる炎上の予防が挙げられた。今後は動画分析における多言語対応の強化、ライブ配信への対応、企業・メディア向け大容量処理プランの拡充を予定する。

From: 【生成AIのウソ発見器？】PARAs AI、動画コンテンツの虚偽情報検知に対応――AIが映像のバイアスを検知・解説

【編集部解説】

今回のアップデートを「入力できるファイルが1種類増えた」と読むと、いちばん大事なところを取り落とします。変わったのは、入力の口ではありません。使いどころです。

PARAs AIは2025年8月の正式リリース時から、生成AIが書いた文章と人間が書いた文章の両方を分析対象に掲げていました。ただし当初の訴求の中心は生成AIのハルシネーションです。同年11月には人間の虚偽情報を検知する機能が加わり、マスメディアの記事やSNSの投稿、インフルエンサーの発言を検証する用途が前面に出ました。このとき挙げられた活用シーンは5項目。いずれも、すでに世に出た情報を後から確かめる方向を向いています。

ところが今回、同社が挙げた想定活用シーン4項目のうち2項目は、配信前のセルフチェックと、発信前の自己検証による炎上の予防でした。検証の相手が変わったというより、想定用途の重心が動いています。他人の発信を確かめる使い方に加えて、自分が撮った動画を公開ボタンの手前で自分で疑う使い方が、明示的に前へ出てきました。

その下地は前回にもありました。同社は昨年11月の時点で、YouTubeのチャンネル配信者やメディア向けの大容量処理プランに言及しています。発信者やメディアを利用者として見る視線は、すでにあったわけです。ただしこのとき挙げられていた活用シーンは、いずれも既存の情報を検証するもので、発信前の自己点検という用途までは示されていませんでした。

検知する4分類のうち、技術的にいちばん面白いのは4つ目の「情報ソースとの齟齬」だと考えます。ここは2方向に分かれています。ひとつは、情報ソースには含まれていないのに動画のなかだけで語られている論点。もうひとつは、情報ソースには書かれているのに動画では取り上げられていない論点です。

前者は「足したもの」、後者は「落としたもの」を指します。重要な文脈の欠落や切り取りは、従来のファクトチェックでも判定の要素でした。今回のPARAs AIで目を引くのは、参照ソースにあるのに動画では扱われていない論点を、検知項目としてはっきり立てているところです。省略は嘘の形をとらないので、指摘するのは難しい。そこに機械が手を伸ばそうとしている点は、素直に注目したいと思います。

論理的誤謬の一覧に「事実命題と価値命題の混同」が入っているのも見逃せません。事実についての前提から、説明を挟まずに「だからCすべきだ」という規範的な結論へ移ってしまう問題です。18世紀の哲学者デービッド・ヒュームが『人間本性論』で、isからoughtへの移行には説明が要ると指摘した箇所に連なる論点で、その哲学的な含意をどこまで広く読むかには議論があります。動画には文章の段落のような視覚的な区切りがないため、事実の説明から価値判断へ移った境目を追いにくい場面もあります。

同社が背景として挙げているのも、この近辺です。動画は話者の話速や演出、映像効果によって、論理の飛躍やエビデンス不足が視聴者に気づかれにくい。テキストとは別の観点での検知が要る、という判断でした。

ここで、動画の信頼性をめぐる技術を、本稿では便宜上2つの層に分けて考えます。ひとつは、その映像がどう作られたかを確かめる制作・来歴の層です。NVIDIAのSynthetic Video Detectorは、映像そのものに残る痕跡からAI生成の可能性を推定するフォレンジック技術です。C2PAは、作成や編集の来歴情報を改ざん検知できる形で記録・検証する規格です。方式はまったく違いますが、どちらも映像が何を論じているかを評価する技術ではありません。

制度も同じ層にあります。7月13日に成立した改正法では、公職選挙法にAI利用の表示義務が新設されました。選挙運動、または選挙期間中の落選運動に使う画像・映像をAIで作成・改変した場合、軽微な改変などを除いて、その旨の表示が求められます。施行は2027年3月1日。同日以後に期日を公示・告示される選挙が対象となり、翌4月に見込まれる統一地方選も含まれます。

もうひとつの層が、映像が何をどう論じているかを見る内容の層です。PARAs AIが公表している分析対象は、こちらにあります。論理展開や根拠、情報ソースとの整合性、偏りといった中身の側です。

この違いは実務では大きく効きます。本物のカメラで撮り、加工も合成もしていない映像のなかで、根拠のない断定をすることは可能だからです。来歴を確かめられても、発言内容の妥当性までは保証されません。AIで作成・改変された旨が表示されても、そこで何が論じられているかは分からない。中身を見るための別の物差しが要る、という発想は理にかなっています。

もうひとつ、国内の動きとして押さえておきたいことがあります。発信する前に自分のコンテンツを点検する仕組みが、この夏に2つ続いたという事実です。innovaTopiaでは7月に、書き手が自分の記事をAIで点検してバッジを表示する「miraipage」の機能を報じました。今回のPARAs AIも方向は同じです。第三者が後から検証するのではなく、出す側が出す前に確かめる。2例で全体の潮流を語るのは早いとしても、事後の検証だけでなく事前の自己点検という選択肢が目立ち始めた、とは言えそうです。

もっとも、自己点検は第三者によるファクトチェックの代わりにはなりません。これは各サービスの弱点というより、この形のツールに共通する性格です。Accel Brain自身も、分析結果は参考情報であり最終的な判断は利用者が行うものだと案内しています。判定者ではなく、見落としを減らす補助線として設計されている。この線引きを保っている点は、むしろ誠実な設計だと感じます。

運用面に目を移すと、PARAs AIの料金はポイント制で、ライトが500ポイント380円、スタンダードが1500ポイント980円、プレミアムが5000ポイント2980円（いずれも税込）です。1回の分析につき固定100ポイントと、入力した本文・情報ソースの文字量に応じたポイントを消費します。出力が長くなっても追加費用は発生せず、投稿前に消費見込みが画面に表示されます。正式リリース時にあった無料枠は現在は設けられておらず、事前に購入したポイントを分析ごとに使う方式です。購入したポイントの有効期限は1か月となっています。

動画1本あたりの消費ポイントや、対応する形式・尺の上限は、執筆時点の公開資料では確認できません。公式ヘルプの案内も、なおテキスト入力を前提としたものが中心です。動画分析の多言語対応、ライブ配信への対応、企業・メディア向けの大容量処理プランは、同社が自ら次の予定として挙げているところです。

映像の説得力は、論理の強さとは別のところから来ます。声の張り、間の取り方、切り替わるカット、背後に流れる音。それらは論証そのものではないのに、受け手の印象を確かに動かします。その領域に、機械が言葉の筋道という物差しを当て始めました。

しかも今回は、その物差しを視聴者だけでなく、話し手自身が公開前に手に取る使い方も明示されました。公開する前に一度、自分の言い分を疑ってみる。その手間を引き受ける人が増えていくなら、情報環境はそれだけで少し違ったものになるはずです。

【関連記事】

【生成AIのウソ発見器？】PARAs AI、「人間が発信する虚偽情報」の検知機能を追加
本件の前段にあたる2025年11月の機能追加を報じた記事。マスメディアやSNSの投稿へ検証対象を広げた経緯と、その背景を扱っている。

PARAs AI正式リリース：生成AIの虚偽情報を物理学で検知する革新技術
2025年8月の正式リリース時の記事。当時の無料枠を含む料金体系と、統計力学などを応用した技術的背景の説明を確認することができる。

NVIDIAのディープフェイク検出AI｜圧縮動画でも82％の精度、公開前確認を支援
本稿でいう制作・来歴の層にあたる技術。Synthetic Video Detectorの精度と限界を個別に検証している。

miraipageが「AIファクトチェック」提供開始、書き手が自分の記事を点検しバッジ表示
発信前の自己点検という同じ方向を持つ国内の事例。テキストを対象に、書き手自身が実行してバッジを表示する仕組みを扱っている。

【解説】改正公職選挙法のAI表示義務、架空女性アカウントに届かない理由
本稿で触れた改正法の詳報。AI表示義務の対象範囲と、そこから外れてしまう領域を、条文に即して具体的に整理している記事である。

【編集部後記】

同社のヘルプには、検知の感度を調整するパラメータに「シュレーバー係数」という名前が付いています。機能としては、しきい値をどこに置くかの設定にすぎません。それでも、疑いの強さを目盛りで刻むという発想に、この名前は妙に似合っていると思いました。

どのくらい疑えば足りるのか。基準を上げれば見落としが増え、下げれば指摘が増える。動画に物差しを当てる前に、その目盛りをどこへ置くかを決めるのは、やはり人間のほうです。

【用語解説】

ハルシネーション
生成AIが、事実に基づかない情報をもっともらしい形で出力する現象。現行のアーキテクチャでは、原理的に完全な防止が難しいとされる。

論理的誤謬
結論そのものの正誤とは別に、そこへ至る議論の運び方に含まれる誤り。前提と結論のつながりが欠けている状態を指す。

早計な一般化
少数の事例だけを根拠に、全体について断定してしまう誤謬。

事実命題と価値命題の混同
「AはBである」という事実についての前提から、説明を挟まずに「だからCすべきだ」という規範的な結論へ移ってしまう問題。デービッド・ヒュームが『人間本性論』でisからoughtへの移行に説明を求めた箇所に連なるが、その含意をどこまで一般化して読むかには哲学上の議論がある。

来歴（プロベナンス）
デジタルコンテンツが、いつ、誰によって、どのように作成・編集されたかの記録。内容の正誤ではなく、制作の過程を対象とする。

フォレンジック検出
コンテンツそのものに残る統計的・信号的な痕跡を手がかりに、AIによる生成や加工の有無を推定する手法。来歴情報の付与を必要としない点が特徴である。

落選運動
特定の候補者を当選させないことを目的とした運動。選挙運動とは区別されるが、改正公職選挙法のAI表示義務では、選挙期間中のものが対象に含まれる。

統計力学
多数の要素からなる系の振る舞いを、個々の要素ではなく確率的な分布として扱う物理学の分野。Accel Brainは情報理論とあわせて、同社アルゴリズムの基礎として挙げている。