Компания Tavus представила новую модель искусственного интеллекта Griffin, способную вести видеодиалог в реальном времени. В собственном тестировании компании 26 из 54 участников решили, что разговаривают с настоящим человеком.
Не просто говорящая голова
Искусственный интеллект постепенно учится не только говорить как человек, но и вести себя как человек во время разговора. Компания Tavus представила Griffin, модель, созданную специально для общения лицом к лицу в реальном времени.
Результат её первого публично описанного эксперимента выглядит довольно впечатляюще: 26 из 54 участников, то есть 48%, после минутного видеозвонка считали, что разговаривали с реальным человеком.
Участникам заранее сказали, что они будут общаться с другим человеком, и только после разговора сообщили, что их собеседником был ИИ.
ИИ, который не ждёт своей очереди
Griffin отличается от привычной архитектуры голосовых ИИ-систем. Обычно такой разговор представляет собой цепочку: распознавание речи, языковая модель, генерация голоса, а затем анимация изображения. Каждый компонент выполняет свою работу по очереди.
Griffin построен по другому принципу. Tavus называет его Human Interaction Model, или HIM. Модель одновременно видит собеседника, слышит его речь, анализирует происходящее и генерирует собственную речь, мимику и движения.
Поэтому она может не только ответить после окончания фразы, но и кивнуть, сделать короткую реакцию, выдержать паузу, перебить собеседника или продолжить разговор после того, как её перебили.
Разработчики пытаются воспроизвести не только содержание человеческой речи, но и саму механику живого общения.
Это особенно важно потому, что именно такие мелочи обычно выдают искусственного собеседника. Человек может замолчать, задуматься, изменить выражение лица или отреагировать на движение другого человека ещё до того, как тот закончит предложение. Griffin пытается делать то же самое.
48% против 2,4%
Для сравнения Tavus провела аналогичный тест со своей предыдущей системой. Тогда только 1 человек из 41, или 2,4%, решил, что разговаривает с настоящим человеком.
У Griffin-Lite показатель составил 26 из 54, или 48%. При этом участники, которые приняли ИИ за человека, были достаточно уверены в своём решении: средняя уверенность составила 79%.
Однако здесь есть важная оговорка. Эксперимент проводила сама Tavus, выборка состояла всего из 54 человек, а участники изначально ожидали разговора с человеком. Поэтому цифру 48% правильнее воспринимать как результат конкретного эксперимента, а не как окончательное доказательство того, что Griffin невозможно отличить от человека.
Тем не менее разница с предыдущей системой огромна.
Как Griffin выглядит в реальном времени
Tavus также сообщает, что Griffin показала высокие результаты в бенчмарке NVIDIA VideoFDB для полноценных видеодиалогов.
На треке генерации Griffin-Lite получила 3,83 балла из 5. Для сравнения, человеческий эталон в этом тесте получил 3,92, а следующая представленная ИИ-система набрала 2,80.
При этом модель работает непосредственно с видео. Tavus заявляет, что Griffin способна генерировать изображение собеседника в реальном времени, начиная с одного исходного изображения. Компания также заявляет о возможности клонирования голоса примерно по 10 секундам аудиозаписи.
Почему Griffin пока не выпустили для всех
И здесь начинается самая интересная часть.
Tavus понимает, что способность убедительно выдавать ИИ за человека является одновременно достоинством и серьёзной проблемой.
Компания пока предоставляет Griffin-Lite только ограниченной группе доверенных тестировщиков. Перед более широким запуском Tavus собирается добавить механизмы, которые будут сообщать пользователю, что он разговаривает с ИИ, а также усилить меры безопасности.
Точной даты полноценного публичного релиза компания пока не объявила.
Когда лицо на экране больше ничего не доказывает
И это уже вопрос не только качества видеографики.
Если ИИ способен в реальном времени видеть человека, слышать его, отвечать ему, двигаться, поддерживать зрительный контакт и выглядеть достаточно естественно, привычная визуальная подсказка «я вижу человека на экране, значит, это человек» начинает работать всё хуже.
Пока Griffin находится на стадии ограниченного тестирования. Но сам эксперимент Tavus показывает направление, в котором движется технология: следующим этапом развития видеоперсонажей может стать не просто более реалистичная мимика, а полноценное ощущение присутствия собеседника по другую сторону экрана.
И тогда человечеству, возможно, придётся добавить ещё один пункт в инструкцию по цифровой безопасности: «Перед тем как доверять человеку в видеозвонке, убедитесь, что он вообще человек».
Обсуждение (0)