Kompanija Tavus objavila je Griffin, model koji nazivaju prvim "Human Interaction Modelom" (HIM) - potpuno novom klasom AI sistema dizajniranih za video interakciju licem u lice, u stvarnom vremenu.

Rezultati koje su objavili su, blago rečeno, neugodni za čitanje. U studiji s 54 učesnika koji nisu znali da razgovaraju s AI-jem, 48 posto njih nakon minutnog video poziva izjavilo je da vjeruje kako je razgovaralo s pravom osobom.

Prethodna generacija Tavusovog modela imala je stopu od 2,4 posto.

Tavus je startup iz San Francisca koji je do sada prikupio 70 miliona dolara od investitora, uključujući Sequoia Capital i Y Combinator, a među klijentima su Amazon, Mayo Clinic i Salesforce.

Više od 150.000 developera već koristi njihove prethodne modele.

Griffin je prva AI koja u video pozivu izgleda, reagira i ponaša se dovoljno uvjerljivo da gotovo polovina sagovornika ne posumnja da razgovara s računarom. 

Griffin nije samo chatbot s licem. Radi se o video sistemu koji istovremeno percipira, odlučuje i generira odgovor - bez čekanja da sugovornik završi rečenicu.

Model čita ton glasa, izraze lica, pauze i pogled te na sve to reagira u stvarnom vremenu.

Smiješi se kad je smiješno, mijenja ton kad osjeti nelagodu sugovornika, klima dok ga slušate, a ako ga prekinete usred rečenice - zaustavlja se i prilagođava.

Griffin-Lite, istraživački preview modela, trenutno je dostupan samo odabranoj grupi testera. Razlog je jednostavan - isti model koji omogućuje prirodnu komunikaciju između čovjeka i mašine dovoljan je i za obmanu.

I nije to tek teorijska briga. The Rundown podsjeća na slučaj iz 2025. kada je finansijski radnik u Hong Kongu prebacio 25 milijuna dolara nakon video poziva s osobom za koju je mislio da je CFO tvrtke, a zapravo je bila AI deepfake. Griffin bi takve prevare učinio još uvjerljivijima.  

Tavus tvrdi da zamišlja Griffina kao tutora koji primijeti kad učenik ne razumije gradivo, kao sugovornika za vježbu teških razgovora ili kao korisničku podršku koja može zajedno s korisnikom dijagnosticirati problem gledajući u istu kameru.

U svim tim slučajevima korisnik ne mora formulirati savršen prompt - može se izraziti onako kako bi to učinio s drugim čovjekom.

Hoće li to biti dobro ili loše - zavisi isključivo o tome ko i kako upravlja ovom tehnologijom.

A odgovor na to pitanje Griffin, nažalost, ne može dati.