Tavus Griffin Lulus Ujian Turing Video Masa Nyata, Sukar Dibezakan Daripada Manusia

Tavus memperkenalkan Griffin, model AI video baharu yang boleh melihat, mendengar, bercakap dan bertindak balas secara serentak ketika melakukan panggilan video.

Syarikat itu menggelarnya sebagai Human Interaction Model (HIM), kategori model baharu yang dibina khusus untuk interaksi bersemuka secara masa nyata, berbanding sistem AI suara atau avatar biasa yang menunggu pengguna selesai bercakap sebelum menghasilkan jawapan.

Dakwaan paling menarik datang daripada ujian Tavus sendiri. Dalam panggilan video selama satu minit, 26 daripada 54 peserta, atau 48%, percaya mereka sedang bercakap dengan manusia sebenar. Sistem Conversational Video Interface Tavus sebelum ini hanya mencatatkan kadar 2.4% menggunakan protokol yang sama.

Tavus menyifatkan Griffin sebagai model pertama yang “lulus” real-time video Turing test. Tetapi keputusan itu perlu dibaca dengan sedikit konteks: kajian tersebut direka dan dijalankan sendiri oleh Tavus, melibatkan sampel kecil dan hanya perbualan selama satu minit. Ia bukan pengesahan bebas bahawa Griffin mempunyai kecerdasan setaraf manusia.

Bukan sekadar chatbot yang diberi muka

Perbezaan Griffin paling ketara ialah cara perbualan diproses.

Kebanyakan AI masa nyata hari ini masih bekerja seperti satu rantaian: dengar suara, tentukan pengguna sudah selesai bercakap, proses arahan, hasilkan jawapan, kemudian gerakkan avatar.

Griffin cuba melakukan semuanya secara berterusan.

Pada sela masa kurang daripada satu saat, sistem menilai suara, ekspresi muka dan keadaan perbualan untuk menentukan sama ada perlu bercakap, menunggu, berhenti apabila dipotong atau sekadar memberikan reaksi kecil seperti mengangguk.

Ia juga terus mendengar ketika sedang bercakap.

Hasilnya ialah perkara kecil yang jarang kita fikirkan sehingga bercakap dengan AI: “mm-hm” ketika orang lain sedang bercakap, berhenti serta-merta apabila dicelah, membiarkan seseorang berfikir beberapa saat tanpa terus mengambil giliran, atau memberi reaksi kepada objek yang ditunjukkan di depan kamera.

Inilah yang Tavus maksudkan dengan Human Interaction Model.

“HIM” bukan kategori standard industri seperti LLM atau diffusion model buat masa ini. Ia ialah istilah yang diperkenalkan Tavus untuk menerangkan model yang menggabungkan pemahaman dan penghasilan interaksi manusia secara masa nyata.

Griffin turut mendahului benchmark NVIDIA

Selain ujian Tavus sendiri, Griffin-Lite turut dinilai menggunakan Video Full-Duplex Benchmark (VideoFDB) NVIDIA.

Benchmark tersebut menguji bukan sahaja apa yang AI katakan, tetapi bagaimana ia membaca dan menghasilkan unsur perbualan seperti ekspresi muka, pandangan mata, masa untuk mencelah, ketawa dan bahasa badan. Dataset VideoFDB dibina daripada perbualan video sebenar dan mempunyai trek berasingan untuk perception dan generation.

Dalam trek generation, Griffin-Lite mencatat 3.83 daripada 5, hampir dengan rujukan manusia pada 3.92. Sistem kedua terbaik mencatatkan 2.80.

Untuk perception, Griffin memperoleh 3.73, berbanding rujukan manusia pada 4.20 dan sistem lain terbaik pada 3.44.

Penilaian VideoFDB dilakukan NVIDIA menggunakan metrik yang diterbitkan dan language-model judge. Ia memberikan bukti yang lebih bebas bahawa Griffin memang maju dalam interaksi masa nyata, walaupun keputusan benchmark itu masih tidak bermaksud model memahami manusia seperti manusia sebenar.

Griffin-Lite belum dilancarkan kepada pelanggan

Apa yang diperkenalkan sekarang ialah Griffin-Lite, versi research preview yang hanya diberikan kepada kumpulan penguji terpilih.

Tavus sendiri mengakui teknologi yang cukup realistik untuk disalah anggap sebagai manusia turut mencipta masalah baharu.

Syarikat itu sedang membangunkan sistem disclosure supaya pengguna tahu mereka sedang berinteraksi dengan AI dan berkata Griffin tidak akan tersedia kepada pelanggan buat masa ini sehingga isu keselamatan tersebut ditangani. Versi Griffin yang lebih berkuasa dirancang untuk dilancarkan kemudian, tetapi tiada tarikh khusus diumumkan.

Pandangan: “48% tertipu” bukan bahagian paling penting

Headline paling mudah untuk Griffin ialah: AI ini berjaya menipu hampir separuh manusia yang bercakap dengannya.

Tetapi itu mungkin juga bahagian yang paling kurang menarik.

Turing test pada asalnya menarik kerana kita hanya boleh berinteraksi dengan komputer melalui teks. Tahun 2026, kita sudah mempunyai AI yang boleh bercakap, melihat kamera, menghasilkan wajah fotorealistik dan menjawab hampir serta-merta.

Cabaran seterusnya bukan lagi menghasilkan muka yang nampak manusia.

Cabaran sebenar ialah timing.

Manusia tidak bercakap secara bergilir seperti menghantar voice note. Kita mencelah. Kita berhenti separuh jalan. Kita mengangguk sebelum orang lain selesai. Kita tahu daripada muka seseorang bahawa mereka masih berfikir walaupun sudah senyap dua saat.

AI selama ini sangat buruk pada perkara itu.

Sebab itulah Griffin lebih menarik sebagai Human Interaction Model daripada sebagai “AI yang lulus Turing test”.

Kalau pendekatan Tavus berjaya diskalakan, antara muka AI mungkin tidak lagi bermula dengan kotak teks, butang mikrofon atau arahan “How can I help you?”.

Kita hanya bercakap dengannya.

Tunjukkan komponen rosak kepada kamera dan AI boleh melihatnya sambil kita menerangkan masalah. Tutor AI boleh nampak pelajar keliru sebelum mereka sempat berkata “saya tak faham”. Sistem khidmat pelanggan boleh melihat produk yang pengguna pegang sambil terus berbual mengenainya.

Dan ya, sales agent AI boleh duduk dalam video call dan bercakap dengan prospek seperti manusia.

Itu jauh lebih besar daripada avatar cantik.

Tetapi apabila AI terasa manusia, masalahnya juga berubah

Griffin turut menunjukkan mengapa disclosure akan menjadi semakin penting.

Deepfake sebelum ini selalunya sesuatu yang kita tonton. Generasi sistem seperti Griffin membawa konsep itu ke interaksi secara langsung.

Seseorang bukan sahaja boleh melihat wajah palsu dan mendengar suara palsu. Mereka boleh bercakap dengannya, mencelahnya, menunjukkan sesuatu kepadanya dan menerima reaksi semula secara masa nyata.

Apabila 26 daripada 54 orang dalam ujian pendek sudah tersilap mengenal pasti AI sebagai manusia, isu identiti digital berubah daripada masalah penghasilan kandungan kepada masalah interaksi.

Sebab itu keputusan Tavus mengehadkan Griffin-Lite kepada penguji dipercayai masuk akal.

Dalam jangka panjang, watermark pada video mungkin tidak mencukupi. Platform mungkin perlu mempunyai disclosure pada tahap protokol atau antara muka supaya identiti AI kekal boleh dikenal pasti walaupun modelnya sendiri mampu berlakon seperti manusia.

Griffin masih research preview. Ujian Turing Tavus masih kecil dan dijalankan sendiri. Skor perception pula masih mempunyai jurang yang jelas berbanding manusia.

Tetapi arah teknologinya lebih penting daripada angka 48% itu.

Kita sudah menghabiskan beberapa tahun mengajar komputer bagaimana untuk bercakap.

Sekarang industri mula mengajar komputer bagaimana untuk berinteraksi.

Sumber: Tavus