「科学は嘘をつかない」🥼科捜研の女 ファイナル📺1/23 (金) 20:00 ~ 21:48
科学は嘘をつかない
こんにちは
猫好き父さんです
遂に終わってしまうのかあ
科捜研の女
リアタイ視聴して
録画もしておこう
く~
あらすじ
京都市内のスマート・モビリティ実証実験特区で自動運転機器が暴走し、爆発に遭遇した男性が死亡する事件が発生。榊マリコ(沢口靖子)ら科捜研のメンバーが科学的に解析していくと、特区を狙ったサイバーテロらしきことが判明する。しかも犯人は移動しながらまたどこかでテロを起こす可能性が浮上し!?マリコたちは最新技術と地道な鑑定を武器に“顔の見えない犯人像”に迫っていくが…。榊マリコ、最後の事件がいま、幕を開ける!
出演
沢口靖子、内藤剛志、小池徹平、若村麻由美、風間トオル、金田明夫、斉藤暁、加藤諒、西田健、山本ひかる、石井一彰 【過去レギュラー】小野武彦、戸田菜穂、渡辺いっけい、奥田恵梨華 【ゲスト】小林虎之介、莉子、味方良介、佐藤流司/中村俊介
櫻井武晴
兼﨑涼介
川井憲次
スマート・モビリティ(Smart Mobility)
**スマート・モビリティ(Smart Mobility)**とは、ICT(情報通信技術)やAI、自動運転などの先端技術を活用し、移動をより効率的、快適、そして持続可能なものにするための交通概念です。
単なる「便利な乗り物」を指すのではなく、都市全体の交通インフラや個人の移動体験を最適化する仕組み全体を指します。
1. スマート・モビリティを支える「4つの柱」
この分野を理解する上で欠かせないのが、自動車産業の大きな変革を表す**「CASE」**というキーワードです。
Connected(コネクテッド): 車がインターネットに繋がり、渋滞情報や道路状況をリアルタイムで共有します。
Autonomous(自動運転): AIが運転を支援、あるいは代替することで、事故の削減や移動時間の有効活用を可能にします。
Shared & Services(シェアリング): 自家用車を所有するのではなく、カーシェアやライドシェアで必要な時だけ利用します。
Electric(電動化): EV(電気自動車)への移行により、CO2排出を抑え、環境負荷を低減します。
2. 移動のサービス化「MaaS(マース)」
スマート・モビリティの核となるサービス形態が**MaaS(Mobility as a Service)**です。
これは、バス、電車、タクシー、シェアサイクルなど、複数の移動手段を一つのアプリで統合し、「ルート検索・予約・支払い」を一括で行えるようにする仕組みです。
ユーザーのメリット: 目的地までの最短・最安ルートがすぐに見つかり、支払いもキャッシュレスで完結します。
社会のメリット: 交通渋滞の緩和や、公共交通機関が不便な地域の「移動の足」の確保に繋がります。
3. 多様な移動手段(マイクロモビリティ)
都市部の「ラストワンマイル(最寄り駅から目的地までの短い距離)」を埋める新しい乗り物も重要です。
電動キックボード: 手軽に借りられ、小回りが利く移動手段として普及が進んでいます。
小型電動カート: 高齢者の外出支援や、観光地での周遊に活用されます。
自動配送ロボット: 荷物の配送を無人化し、物流業界の人手不足を解消します。
4. なぜ今、スマート・モビリティが必要なのか?
背景には、現代社会が抱える深刻な課題があります。
環境問題: 交通部門からの温室効果ガス排出を減らし、カーボンニュートラルを実現するため。
都市の過密化: 渋滞による経済損失を減らし、効率的な都市機能を維持するため。
高齢化社会: 運転免許を返納した高齢者が、自由に移動できる手段を確保するため。
5. 日本における実例:十勝・北海道の動き
例えば、北海道などの広大な地域では、以下のようなスマート・モビリティの実験が進んでいます。
デマンド型交通: 決まった路線を走るのではなく、予約があった時だけ自宅近くまで迎えに来る「AI乗り合いタクシー」。
自動運転バス: 観光地や過疎地域での定時運行を目指した実証実験。
スマート・モビリティは、単なる「移動の高速化」ではなく、**「移動に伴うストレスをゼロにし、誰もが自由に動ける社会」**を目指す取り組みです。
スマート・モビリティ特区
「スマート・モビリティ特区」とは、自動運転やドローン、MaaS(マース)といった次世代の移動技術を、通常の法律や規制を緩和して先行的に実験・実装する地域のことを指します。
制度上の正式名称は「国家戦略特区(近未来技術実証特区)」や「スーパーシティ型国家戦略特区」の中に含まれる形が一般的です。
1. なぜ「特区」にする必要があるのか?
新しい技術を公道で試すには、現行の法規制(道路交通法や道路運送法など)が壁になることが多いためです。特区に指定されることで、以下のような「特別な許可」が降りやすくなります。
自動運転の公道走行: 本来、運転席に人がいない状態での走行は制限されますが、特区では遠隔監視による無人運転の実験が可能です。
ドローン物流: 目視外飛行(操縦者が見えない場所まで飛ばすこと)や市街地上空の飛行に関する規制緩和。
貨客混載: 旅客バスで荷物も一緒に運ぶ、あるいは配送車で人も運ぶといった柔軟な運用。
2. 代表的な事例
日本各地で、その地域の課題に合わせた特区プロジェクトが動いています。
北海道 更別村(さらべつむら)
**「十勝さらべつむら スマート一次産業イノベーション特区」**として有名です。
農業用ロボットトラクターの無人公道走行や、自動運転車による高齢者の移動支援など、**「トラクターも車も自動」**という最先端の村づくりを進めています。
茨城県 つくば市
「スーパーシティ」に指定されており、歩道を走るパーソナルモビリティ(立ち乗り三輪車など)や、顔認証によるバスのキャッシュレス決済などを街全体で実施しています。
福井県 永平寺町(えいへいじちょう)
日本で初めて「レベル4(特定の条件下で完全無人運転)」の自動運転移動サービスを公道で本格稼働させた、スマート・モビリティの先駆者です。
秋田県 仙北市(せんぼくし)
「近未来技術実証特区」として、ドローンによる図書配送や、無人運転バスの公道走行実験をいち早く取り入れました。
3. スマート・モビリティ特区が目指すゴール
単なる「ハイテクな実験」ではなく、実生活に直結する3つの解決策を目指しています。
移動弱者の解消: 運転免許を返納した高齢者が、安価で自由に移動できる手段を作る。
人手不足の解消: バス運転手や配送ドライバーが不足する地域を、自動運転やロボットで補う。
地域経済の活性化: 観光客が二次交通(駅から先)に困らず、スムーズに周遊できる仕組み(MaaS)を構築する。
💡 視点の整理:特区の現在地
2026年現在、多くの地域で「実験」の段階から「社会実装(実際にサービスとして動く)」の段階へと移行しています。特に北海道内では、更別村や上士幌町のように、テクノロジーを**「生活のインフラ」**として定着させている自治体が注目を集めています。
DNAフェノタイピング(DNA Phenotyping)
DNAフェノタイピング(DNA Phenotyping)とは、現場に残されたDNAサンプルから、その持ち主の「外見(身体的特徴)」を予測して復元する技術のことです。
従来のDNA型鑑定が「データベースにある特定の個人と一致するか」を調べるものであるのに対し、DNAフェノタイピングは「まだ見ぬ人物がどんな姿をしているか」を割り出す、いわば**「遺伝子による似顔絵」**といえます。
1. 予測できる主な身体的特徴
DNAには、タンパク質の合成を通じて身体の形や色を決定する設計図が含まれています。現在、以下の項目の予測が可能です。
虹彩の色(瞳の色): 青、茶、中間色などを高い精度で特定。
毛髪の色と質感: 黒、茶、金、赤などの色や、直毛か縮毛か。
肌の色: メラニン色素に関連する遺伝子から、肌のトーンを予測。
顔の造形: 骨格や鼻の高さ、目の間隔など、数百カ所の特徴点から顔立ちを推定。
祖先(ルーツ): どの地域(東アジア、アフリカ、ヨーロッパなど)にルーツを持つ家系か。
2. 仕組み:SNP(スニップ)の解析
この技術の鍵となるのが**SNP(一塩基多型)**と呼ばれる、個人間で異なるDNAの1文字の違いです。
データの収集: 膨大な数の人々の「DNAデータ」と「実際の顔写真」をAI(機械学習)に学習させます。
相関関係の特定: 「このSNPを持っている人は、鼻が高くなる傾向がある」「この配列はそばかすができやすい」といったパターンを見つけ出します。
予測結果の出力: 未知のサンプルのSNPを解析し、統計的に最も可能性が高い外見を3Dモデルなどで生成します。
3. 捜査におけるメリット
従来の捜査では、犯人のDNAがデータベース(前科者リストなど)に登録されていない場合、捜査が行き詰まることがありました。DNAフェノタイピングは、この「白紙」の状態を打破します。
目撃者がいない事件: 犯人の人種や特徴を絞り込むことで、聞き込みの範囲を限定できます。
身元不明遺体: 白骨化した遺体から生前の姿を復元し、公開捜査に繋げることができます。
コールドケース(未解決事件): 数十年前の古いDNAから当時の犯人像を再現し、現在の年齢を推定して捜査を再開できます。
4. 課題と限界
非常に画期的な技術ですが、完璧ではありません。
環境要因の不特定: DNAは「生まれ持った素質」は示しますが、**後天的な特徴(髪型、髭の有無、傷跡、肥満度、化粧、老化による変化)**までは予測できません。
精度のばらつき: 瞳の色は90%以上の高精度で予測できる一方、複雑な顔の造形はまだ「似ている」というレベルに留まることが多いです。
倫理的問題: 特定の人種に対する偏見(プロファイリング)を助長する懸念や、プライバシー保護の観点から議論が続いています。
💡 補足:日本での導入
日本でも警察庁の科学警察研究所(科警研)などで研究が進められており、一部の難事件において属性(瞳の色や毛髪の特徴、祖先の推定)の絞り込みに活用され始めています。
DNAフェノタイピングは禁止されているのか?
「一律に禁止されている」わけではありませんが、国や地域によって法律やガイドラインによる厳しい制限があるのが現状です。
この技術は非常に強力な捜査ツールである一方、プライバシーや人権侵害のリスクを孕んでいるため、世界中で議論の的となっています。
1. 日本での状況
日本では、法律で明示的に「禁止」はされていませんが、実務上は慎重な運用がなされています。
現状: 警察庁などは研究を進めており、事件現場の遺留品から「犯人のルーツ(人種)」や「身体的特徴」を推定し、捜査の参考にすることはあります。
制限: ただし、DNAフェノタイピングによる予測結果だけで逮捕状を請求することはできず、あくまで**「聞き込みの範囲を絞り込むための補助的な手段」**として扱われます。また、個人のプライバシーを保護する観点から、解析内容の範囲についても厳格に管理されています。
2. 世界各国の規制状況
国によってスタンスが大きく分かれています。
| 国・地域 | 規制の状況 | 理由・背景 |
| アメリカ | 広く許容 | 多くの州で積極的に活用されています。未解決事件(コールドケース)の解決に劇的な成果を上げているためです。 |
| ドイツ | 法改正により限定的に許可 | 以前は「祖先のルーツ」等の解析は禁止されていましたが、2019年の法改正で、特定の凶悪犯罪に限り「瞳・髪・肌の色・年齢」の推定が可能になりました。 |
| フランス | 比較的寛容 | 裁判所の判断により、事件解決のために必要と認められれば実施されるケースがあります。 |
| オランダ | 厳格に法制化 | 解析できる項目(瞳、毛髪の色など)が法律で明確に指定されており、それ以外の解析は禁止されています。 |
3. なぜ「禁止」や「制限」の議論が起きるのか?
主に以下の3つの懸念があるためです。
人種プロファイリング(差別)の懸念:
「犯人は特定のマイノリティ(少数民族)の特徴を持っている」という結果が出た場合、そのコミュニティ全体が偏見の目に晒されたり、不当な捜査対象になったりするリスクがあります。
「遺伝的なプライバシー」の侵害:
DNAには病気のリスクや家系の秘密など、捜査に関係のない極めて繊細な情報が含まれています。外見を予測する過程で、それらの情報まで勝手に解析されることへの拒否感があります。
誤認逮捕のリスク:
フェノタイピングはあくまで「確率的な予測」です。「似顔絵に似ている」というだけで周囲から疑われ、冤罪を生む可能性がゼロではありません。
4. 未来の形:適正なルール作り
現在、世界的な流れとしては「全面禁止」ではなく、「どのような犯罪に対して、どの範囲まで解析を認めるか」という明確なルール作りに向かっています。
例えば、「殺人・強姦などの重大犯罪に限る」「解析データは捜査終了後に速やかに破棄する」といった厳格な運用ルールを設けることで、捜査の効率化と人権保護のバランスを取ろうとしています。
💡 補足:科学捜査の次のステップ
最近では、DNAそのものの配列(設計図)だけでなく、加齢や生活環境によって変化する「エピジェネティクス(後天的な修飾)」を解析して、犯人の「現在の年齢」を数歳の誤差で特定する技術も実用化されつつあります。
犯罪予測AI
犯罪予測AIとは、過去の犯罪データや統計情報をAI(人工知能)で分析し、将来「いつ」「どこで」犯罪が発生する可能性が高いかを予測する技術です。
かつてのSF映画『マイノリティ・リポート』の世界が現実味を帯びてきた技術ですが、その仕組みや活用状況、そして抱える課題について解説します。
1. 犯罪予測AIの2つのアプローチ
犯罪予測AIには、大きく分けて「場所」を予測するものと「個人」を予測するものの2種類があります。
プレディクティブ・ポリシング(予測警察):
過去の犯罪の発生日時、場所、種類などを分析し、「次に犯罪が起きやすいエリア」を地図上にヒートマップとして示します。警察はこれをもとにパトロール経路を最適化します。
再犯リスク予測:
裁判や仮釈放の判断において、過去のデータからその人物が再び犯罪を犯す確率をスコア化します。
2. 仕組み:どのようなデータを学習するのか
AIは、主に以下のような「犯罪のパターン」を学習します。
時空間データ: 「金曜の夜」「人通りの少ない裏通り」「過去に空き巣が多発した地域」などの相関関係。
環境要因: 天候、街灯の数、近隣でのイベント開催状況、さらには経済指標などが組み合わされることもあります。
割れ窓理論の応用: 小さな違反(落書きや不法投棄など)が増えている場所は、重大な犯罪も起きやすいという理論に基づいた分析。
3. 日本での導入状況
日本でも警察庁や各県警で実証実験や本格導入が始まっています。
神奈川県警: 2020年から本格運用を開始。過去数十年分のデータを学習させ、ひったくりや路上強盗の予測を行っています。
京都府警: 「ゆりかご」と呼ばれるシステムを開発し、犯罪予測に基づいた効率的なパトロールを実施しています。
民間企業: 警備会社などが、AIを活用して施設周辺の不審な動きを検知するシステムを開発しています。
4. メリットと期待される効果
抑止力の向上: 犯罪が起きやすい場所に警察官が先回りすることで、犯行を未然に防ぐことができます。
限られたリソースの最適化: 警察官の人数には限りがあるため、データに基づいた効率的な配置が可能になります。
5. 深刻な懸念と課題(なぜ議論になるのか)
DNAフェノタイピングと同様、この技術も「公平性」の観点から非常に強い懸念の声があります。
アルゴリズムの偏見(バイアス):
AIが学習する「過去の犯罪データ」そのものに、特定の人種や貧困層に対する過剰な取り締まりの結果が含まれていた場合、AIはその偏見を学習し、特定の地域を不当に「危険」と判定し続ける可能性があります。
監視社会への懸念:
予測精度を高めるために街中のカメラやSNSの情報まで解析対象に広げると、一般市民のプライバシーが侵害されるリスクがあります。
冤罪やレッテル貼り:
「予測された場所を歩いていた」というだけで不審者扱いされるなど、個人の自由が不当に制限される恐れがあります。
💡 まとめ
犯罪予測AIは、「次にどこで事件が起きるか」を予測して悲劇を減らすための強力な武器ですが、一歩間違えれば**「データの偏りによる差別」**を生み出す刃にもなります。そのため、現在はAIの判断プロセスを透明化(説明可能なAI)する研究や、法的なガイドラインの整備が急ピッチで進められています。
AI行動検知システム
AIが犯罪の発生「後」ではなく、発生「前」の**「意図(予兆)」を読み取ろうとする技術は、現在「AI行動検知システム」**として急速に進化しています。
従来の防犯カメラが「記録」するためのものだったのに対し、最新のシステムは「リアルタイムで不審な動きを察知し、警告する」という能動的な防犯を可能にします。
1. どのように「意図」を読み取るのか?
AIは「心の中」を直接見ることはできませんが、**「不審者特有の行動パターン」**を統計的に分析することで、犯罪の意図を推測します。
骨格検知(ポーズ推定):
人間の関節の動きを点と線で捉えます。「周囲をキョロキョロ見回す(物色)」「何度も同じ場所を行き来する(下見)」「特定の物に手を伸ばして隠す(万引き)」といった特有の動作を、AIが数ミリ秒単位で解析します。
視線・顔の向きの解析:
防犯カメラを見つめすぎている、あるいは不自然に避けている、特定のターゲットを凝視し続けているといった視線の動きを検知します。
微細な震えや違和感:
緊張による不自然な歩行速度の変化や、周囲の群衆とは明らかに異なる「異質な動き」を、ディープラーニングによって抽出します。
2. 具体的な活用事例
この技術は、すでに身近な場所で導入が始まっています。
万引き防止システム:
店舗内のカメラ映像を解析し、万引きの前兆行動(商品を懐に入れる、周囲を極端に警戒するなど)を検知すると、店員のスマホに「お声がけ推奨」のアラートを飛ばします。実際に声をかけることで、犯行を未然に防ぎます。
テロ・凶悪犯罪の未然防止:
駅や空港などの公共施設で、「置き去りにされた荷物」や、刃物などを取り出そうとする「予備動作」を即座に発見します。
子供や高齢者の見守り:
犯罪だけでなく、「うずくまっている人」や「ふらついている人」を検知して、事故や急病の早期発見にも役立てられています。
3. 「感情推定」との組み合わせ
最新の研究では、行動だけでなく表情や生理反応から「犯罪者の心理状態」を推測する技術も組み合わされ始めています。
情動解析: 顔の筋肉の微細な動き(マイクロエクスプレッション)から、強い緊張や攻撃性、虚偽の兆候を読み取ります。
サーマルカメラの活用: 嘘をついたり極度の緊張状態にあると、顔の表面温度が変化(鼻の周りが冷たくなる、目の周りが熱くなる等)することがあります。これを遠隔で捉え、不審者特定の手がかりにします。
4. 課題と法規制(プロファイリングの壁)
この技術には、犯罪予測AIと同様の、あるいはそれ以上に深刻な懸念があります。
「決めつけ」の危険性:
「ただ体調が悪くてキョロキョロしていただけの人」や「考え事をしていて不自然な動きになった人」が、AIによって「犯罪予備軍」と判定されてしまうリスクがあります。
透明性の欠如:
AIが「なぜその人を不審だと思ったのか」の理由が人間には分からない(ブラックボックス化)場合、不当な職務質問や排除に繋がる恐れがあります。
欧州での規制:
EU(欧州連合)では、公共空間での「リアルタイム遠隔生体識別」や「感情認識」の捜査利用について、人権保護の観点から非常に厳格な規制案(AI法)が議論されており、一部は禁止される方向にあります。
💡 テクノロジーの向かう先
現在の技術トレンドは、AIにすべてを任せるのではなく、**「AIがフラグ(旗)を立て、最終的な判断は人間の警備員や警察官が行う」**という「人間中心」の運用ルール作りへと向かっています。
\第3弾PR 到着/
— 【公式】『科捜研の女FINAL』1月23日(金)よる8時❗👩🔬 (@kasouken_women) January 20, 2026
◤ ̄ ̄ ̄ ̄ ̄ ̄ ̄ ̄ ̄ ̄ ̄
『#科捜研の女 FINAL』
🔬1月23日(金)よる8時🔬
___________◢
「科学は嘘をつかない」
26年間の物語がついに完結
――榊マリコと過ごした日々は、
私の人生そのもの。
かけがえのない宝物です――
マリコ、最後の鑑定!#沢口靖子 pic.twitter.com/eEXCjeX5Gv




















