Griffin של Tavus: כמעט מחצית מהמשתתפים בניסוי חשבו ששוחחו עם אדם אמיתי
חברת Tavus מסן פרנסיסקו הציגה את Griffin, מודל AI שמנהל שיחות וידאו בזמן אמת ומפענח הבעות פנים, טון דיבור, מחוות והפסקות. בניסוי שערכה החברה, 48% מהמשתתפים סברו אחרי שיחה של דקה אחת שמולם אדם אמיתי. מערכות קודמות לא עברו את רף ה-2%.
חברת ה-AI האמריקאית Tavus הציגה את Griffin, מודל שמנהל שיחות וידאו פנים אל פנים בזמן אמת. לפי דיווח באתר The Decoder, בניסוי שערכה החברה 48% מהמשתתפים היו משוכנעים, אחרי שיחת וידאו של דקה אחת, שדיברו עם אדם אמיתי. לדברי החברה, מערכות קודמות הגיעו לכל היותר ל-2%.
מה Griffin עושה
Tavus מגדירה את Griffin כ"Human Interaction Model" (HIM), כלומר "מודל אינטראקציה אנושית". לפי החברה זה המודל הראשון בקטגוריה חדשה של מודלים, שנועדו להבין שיחה פנים אל פנים ולנהל אותה בזמן אמת. המודל מעבד דיבור, הבעות פנים, טון קול, מחוות והפסקות, ועושה זאת תוך כדי קליטת וידאו והפקת וידאו בעת ובעונה אחת.
ההבדל ממערכות מוכרות יותר חשוב כאן. רוב העוזרים הקוליים ומודלי השפה הגדולים (LLM) מגיבים בעיקר למילים. Griffin אמור להגיב גם למה שקורה מסביב למילים: היסוס, חיוך או שינוי בטון. ככל הנראה אלה בדיוק הרמזים שגורמים לשיחה להרגיש אנושית.
המספרים
נוסף על הניסוי של Tavus עצמה, החברה מציינת מבחן שהיא מתארת כמבחן בלתי תלוי של אנבידיה. המבחן מודד עד כמה AI מרגיש אנושי בשיחת אודיו-וידאו ישירה. לפי הנתונים, Griffin קיבל ציון של 3.83 נקודות, בני אדם אמיתיים קיבלו 3.92, ומודל ה-AI הטוב ביותר שקדם לו קיבל 2.80.
כדאי לזכור שגם הניסוי עם 48% המשתתפים וגם ההצגה של מבחן אנבידיה מגיעים מהחברה עצמה. הדיווח ב-The Decoder אינו מפרט את מספר המשתתפים או את אופן הבחירה בהם. הפרטים המלאים נמצאים, לפי The Decoder, בדוח המחקר של Tavus.
מי יכול להשתמש בו
בשלב זה Griffin אינו זמין לציבור. גרסה מצומצמת בשם Griffin-Lite נפתחה ל"בודקים נבחרים כתצוגה מקדימה למחקר". לדברי החברה, גרסה חזקה יותר תשוחרר רק אחרי ש"החששות הבטיחותיים יטופלו". בין השימושים האפשריים Tavus מונה שיעורים פרטיים, תרגול של שיחות קשות ותמיכה טכנית מבוססת מצלמה.
Tavus, סטארט-אפ מסן פרנסיסקו, נוסדה ב-2020 וגייסה עד היום כ-64 מיליון דולר. בתחילת דרכה החברה פיתחה סרטוני AI מותאמים אישית לצוותי מכירות ושיווק, ובהמשך התרחבה לשיחות וידאו חיות עם דמויות דיגיטליות.
למה זה חשוב
הקפיצה מ-2% ל-48% היא יותר מסתם שיפור טכני. אם הנתונים יחזיקו מעמד גם בבדיקות חיצוניות, המשמעות היא שבשיחת וידאו קצרה כבר לא ניתן להסתמך על תחושת הבטן כדי להבחין בין אדם למכונה.
מכאן נובעות שתי השלכות. מצד אחד, טכנולוגיה כזו עשויה להפוך שירות לקוחות, הוראה ואימון לטבעיים וזמינים יותר. מצד שני, היא מעוררת שאלות על הונאות, התחזות ושקיפות: האם משתמש יידע תמיד שמולו מכונה? נראה שהחברה ערה לכך, שהרי היא עצמה מתנה את השחרור הרחב בטיפול בחששות הבטיחות. עם זאת, בדיווח לא פורט מהם החששות או כיצד יטופלו.