رونمایی از Griffin؛ نخستین مدل تعامل چهره‌به‌چهره و عبور از آزمون تورینگ ویدیوییشرکت Tavus که در حوزه رایانش انسانی و آواتارهای هوش مصنوعی فعالیت می‌کند، از مدل جدیدی به نام Griffin رونمایی کرد؛ مدلی که سازندگانش آن را سرآغاز کلاسی تازه تحت عنوان «مدل‌های تعامل انسانی» (Human Interaction Models یا HIM) می‌نامند. تا پیش از این، تعامل انسان با هوش مصنوعی همواره بر مبنای شرایط تحمیل‌شده از سوی کامپیوتر صورت می‌گرفت؛ به این معنا که کاربر ناچار بود در قالب متن، پرامپت یا مکالمات صوتی نوبتی (Turn-based) منظور خود را منتقل کند. گریفین با اتخاذ رویکردی کاملاً معکوس، یک سیستم فول‌دوپلکس ویدیو به ویدیو است که مکالمات تصویری زنده را به صورت پیوسته پردازش و تولید می‌کند. این مدل به طور همزمان کاربر را می‌بیند، می‌شنود، ادراک می‌کند و با صدا، میمیک چهره و حرکات سر و دست پاسخ می‌دهد؛ به طوری که حتی اگر صحبت قطع شود یا جریان گفتگو ناگهان تغییر مسیر دهد، رفتارش بلافاصله تغییر می‌کند.
بررسی‌های تجربی و بنچمارک‌های مستقل نشان می‌دهند که گریفین توانسته به شکلی باورنکردنی از دره وهمی (Uncanny Valley) در تماس‌های ویدیویی عبور کند. در بنچمارک معتبر VideoFDB شرکت انویدیا که کیفیت تولید فریم‌های تعاملی را می‌سنجد، گریفین موفق به ثبت امتیاز ۳.۸۳ از ۵ شد؛ رقمی که فاصله بسیار اندکی با خط پایه انسان (۳.۹۲) دارد و با نزدیک‌ترین سیستم منتشرشده قبلی در دنیای هوش مصنوعی (۲.۸۰) شکافی عمیق ایجاد کرده است. علاوه بر این، در یک آزمون زنده و کور، ۴۸ درصد از شرکت‌کنندگان تصور کردند که در حال مکالمه ویدیویی با یک انسان واقعی هستند نه هوش مصنوعی. این جهش حاصل یکپارچه‌سازی چند خط پژوهشی پیشین شرکت است؛ جایی که مدل‌های رندر ریل تایم (Phoenix)، ادراک چندحالته لحن و چهره (Raven) و دینامیک مکالمه و لحن صدا (Sparrow) در یک معماری یکنواخت ادغام شده‌اند تا تصمیم‌گیری و پاسخ‌دهی به صورت بلادرنگ هم در زمان صحبت و هم در زمان گوش دادن فعال باشد.
اهمیت این رویکرد در گشودن افق‌های جدید برای کاربردهای بدون ساختار است؛ از تدریس خصوصی که در آن سیستم با مشاهده سردرگمی در چهره دانش‌آموز متوجه نیاز به توضیح بیشتر می‌شود، تا شبیه‌سازی جلسات دشوار کاری یا پشتیبانی فنی که کاربر قطعه خراب را جلوی دوربین نگه می‌دارد و هوش مصنوعی بدون نیاز به نام قطعه، مشکل را حل می‌کند. به دلیل شباهت بسیار زیاد رفتار مدل به انسان واقعی و چالش‌های احراز هویت، تاووس در گام نخست نسخه Griffin-Lite را در قالب دسترسی محدود پژوهشی در اختیار گروهی از تسترها قرار داده و توسعه پروتکل‌های ایمنی و برچسب‌گذاری را پیش‌شرط انتشار عمومی آن اعلام کرده است.
@ACCELERATIONERS
