Tavus Griffin؛ هوش مصنوعی‌ای که ۴۸٪ آدم‌ها در تماس ویدیویی فکر کردند انسان است

آلن تورینگ در ۱۹۵۰ پیشنهاد کرد اگر ماشینی بتواند در گفتگوی متنی طوری جواب بدهد که انسان نفهمد با ماشین طرف است، باید آن را «هوشمند» دانست. حالا شرکت آمریکایی Tavus می‌گوید با مدل Tavus Griffin نسخه ویدیویی این آزمون را رد کرده است. مدل آن، Griffin، در ۹ مهر ۱۴۰۵ معرفی شد.

Tavus Griffin چیست؟#

Tavus مدل Griffin را «مدل تعامل انسانی» (Human Interaction Model) نامیده است. Griffin یک مدل ویدیو به ویدیو است: صدا و تصویر تو را دریافت می‌کند و چهره‌ای را برمی‌گرداند که در لحظه جواب می‌دهد.

نکته کلیدی، تمام‌دوطرفه (Full-duplex) بودن آن است:

• هم‌زمان می‌بیند، می‌شنود و حرف می‌زند؛
• می‌تواند وسط حرفش قطع شود و رشته کلام را گم نکند؛
• اگر برای فکر کردن به جای دیگری نگاه کنی، می‌فهمد هنوز حرفت تمام نشده؛
• اگر لبخند بزنی، واکنش نشان می‌دهد.

ادراک، گفتگو و تولید صدا و تصویر در Griffin در یک بلوک واحد ادغام شده‌اند، نه زنجیره‌ای از مدل‌های جدا.

آزمون تورینگ ویدیویی#

طبق مطالعه Tavus:

• ۵۴ نفر یک تماس ویدیویی یک‌دقیقه‌ای با Griffin-Lite (نسخه پیش‌نمایش) داشتند؛
• ۲۶ نفر (۴۸٪) تشخیص دادند با یک انسان واقعی حرف زده‌اند؛
• به گفته Tavus، نرخ موفقیت سیستم‌های قبلی کمتر از ۳٪ بوده است.

در بنچمارک VideoFDB انویدیا (آزمون گفتگوی زنده صوتی و تصویری)، Tavus می‌گوید Griffin-Lite رتبه اول را گرفته و در بخش طبیعی و رسا بودن پاسخ‌ها امتیاز ۳٫۸۳ کسب کرده؛ در حالی که بهترین سیستم بعدی ۲٫۸۰ و مرجع انسانی ۳٫۹۲ گرفته‌اند.

چند احتیاط مهم#

• مطالعه خود شرکت: نتیجه ۴۸٪ را خود Tavus اجرا کرده و تأیید مستقل نیست.
• تماس یک‌دقیقه‌ای: گفتگوهای طولانی‌تر ممکن است نتیجه متفاوتی داشته باشند.
• دسترسی محدود: Griffin-Lite فقط برای گروه کوچکی از آزمایش‌کنندگان باز است و هنوز روی پلتفرم Tavus عرضه نشده.

کاربردهای احتمالی#

• پشتیبانی مشتری با چهره و تعامل طبیعی
• آموزش زبان و مربی‌گری (مثل نسخه پیشرفته‌تر معلم‌های آواتار در Praktika)
• تمرین مصاحبه و مهارت‌های ارتباطی
• سلامت روان و همراهی (با ملاحظات اخلاقی جدی)

روی دیگر سکه: خطر کلاهبرداری#

اگر یک هوش مصنوعی در تماس ویدیویی با انسان اشتباه گرفته شود، کلاهبرداری با تماس ویدیویی جعلی هم ساده‌تر می‌شود. چند توصیه:

1. تماس ویدیویی دیگر مدرک هویت نیست: برای درخواست‌های مالی، از راه دیگری (تماس تلفنی با شماره‌ای که از قبل داری) تأیید بگیر.
2. کلمه رمز خانوادگی داشته باشید که فقط اعضای خانواده بدانند.
3. به فوریت مشکوک شو: «همین الان پول بفرست» نشانه کلاسیک کلاهبرداری است.
4. سؤال غیرمنتظره بپرس: درباره خاطره‌ای مشترک که آنلاین پیدا نمی‌شود.

Tavus Griffin و آینده آواتارهای فارسی‌زبان#

فعلاً Griffin-Lite فقط برای گروه کوچکی از آزمایش‌کنندگان باز است و درباره پشتیبانی از فارسی اطلاعاتی منتشر نشده است. ولی مسیر روشن است: همان‌طور که معلم‌های آواتار در اپ‌هایی مثل Praktika جا افتاده‌اند، دیر یا زود آواتارهای ویدیویی تمام‌دوطرفه هم به زبان‌های بیشتری می‌رسند.

برای کسب‌وکار ایرانی، سه کاربرد احتمالاً زودتر از بقیه می‌رسد:

• پشتیبانی ویدیویی ۲۴ ساعته برای فروشگاه‌ها و بانک‌ها؛
• تمرین مصاحبه شغلی و مهاجرتی به زبان انگلیسی؛
• آموزش آنلاین با معلمی که خسته نمی‌شود.

و همان‌قدر مهم: هرچه این فناوری ارزان‌تر شود، کلاهبرداری با تماس ویدیویی جعلی هم رایج‌تر می‌شود. توصیه‌های بالا را همین حالا با خانواده‌ات در میان بگذار. اگر به نسخه صوتی همین فناوری علاقه داری، MAI-Voice مایکروسافت را بخوان.

جمع‌بندی#

Griffin نشان می‌دهد مرز بین گفتگوی تصویری با انسان و با ماشین در حال محو شدن است. فناوری هیجان‌انگیزی برای آموزش و پشتیبانی است، ولی همین حالا وقت آن است که عادت‌های امنیتی‌مان را برای دنیایی به‌روز کنیم که دیدن یک چهره در تماس ویدیویی، دیگر تضمین انسان بودن نیست. برای نسخه صوتی این روند، مقاله مدل‌های صوتی MAI مایکروسافت را ببین.

منابع#

• Business Wire via Morningstar: Tavus introduces Griffin
• Decrypt: This AI is already fooling people on video calls
• Cybernews: Meet Griffin, the AI model that can interrupt you