استارتاپ هوش مصنوعی Tavus اعلام کرده است مدل جدیدش به نام Griffin-Lite در یک آزمایش تماس ویدیویی یک‌دقیقه‌ای توانسته ۲۶ نفر از ۵۴ شرکت‌کننده را قانع کند که طرف مقابلشان یک انسان واقعی است. این رقم معادل ۴۸ درصد شرکت‌کنندگان است و در مقایسه با سامانه قبلی شرکت، جهشی چشمگیر محسوب می‌شود؛ در آزمایش نسخه قبلی تنها یک نفر از ۴۱ شرکت‌کننده تصور کرده بود با یک انسان صحبت می‌کند.
این نتایج در حالی منتشر شده‌اند که مدل‌های جعلیِ صوتی و تصویری پیش‌تر به یکی از نگرانی‌های امنیتی در تماس‌های آنلاین تبدیل شده‌اند. با این حال، Griffin-Lite هنوز برای عموم عرضه نشده و Tavus می‌گوید پیش از انتشار عمومی باید تدابیر ایمنی و قابلیت‌های افشای هویت آن تکمیل شود. این گزارش بر اساس اطلاعات منتشرشده از سوی شرکت و گزارش Decrypt تهیه شده است.
آزمایشی که Tavus انجام داد
شرکت‌کنندگان به‌طور مشخص به این موضوع آگاه نشده بودند که ممکن است با یک ربات گفت‌وگو کنند. به آن‌ها گفته شد قرار است در یک تماس ویدیویی یک‌دقیقه‌ای با فرد دیگری درباره چیزهایی که در سال جاری منتظرش هستند صحبت کنند. تنها در پایان مکالمه از آن‌ها پرسیده شد آیا در طول تماس به ذهنشان رسیده است که طرف مقابل شاید انسان واقعی نباشد.
Tavus می‌گوید افرادی که به غیرانسان بودن طرف مقابل شک کردند، معمولاً در ۲۰ ثانیه نخست تماس متوجه این موضوع شدند. این آزمایش با آزمون کلاسیک تورینگ یکسان نیست. در آزمون پیشنهادی آلن تورینگ در سال ۱۹۵۰، داور می‌داند که یکی از طرف‌های پنهان ممکن است ماشین باشد و باید تشخیص دهد با انسان صحبت می‌کند یا سامانه ماشینی. در آزمایش Tavus، چنین هشداری به شرکت‌کنندگان داده نشد.
نتایج نیز از صفحه پژوهشی خود Tavus آمده و شرکت‌کنندگان از طریق پلتفرمی مستقل برای پژوهش جذب شده‌اند. با این حال، یک یادداشت اجتماعی در شبکه X اشاره کرده است که این یافته‌ها هنوز به‌صورت مستقل راستی‌آزمایی نشده‌اند و از یک پروتکل استاندارد پیروی نمی‌کنند.
Griffin چه چیزی را متفاوت می‌کند؟
Tavus مدل Griffin را «نخستین مدل تعامل انسانی» خود توصیف می‌کند؛ سامانه‌ای که برای درک و تولید گفت‌وگوی رودررو طراحی شده است. برخلاف سیستم‌هایی که عمدتاً متن را پردازش می‌کنند، Griffin هم‌زمان به کلمات، حالات چهره، مکث‌ها و جریان صوتی و تصویری توجه دارد.
این مدل تمام‌دوطرفه یا full-duplex است؛ یعنی می‌تواند هم‌زمان گوش دهد، تصویر را ببیند و پاسخ بدهد، رفتاری شبیه مکالمه تلفنی و نه ارتباط نوبتی مانند بی‌سیم. در نمایش Tavus، Griffin-Lite فردی را با توجه به آنچه در دستانش می‌دید برای حل مکعب روبیک راهنمایی کرد و هنگامی که فرد برای فکر کردن ساکت شد، منتظر ماند.
بر اساس اطلاعات Tavus، میانگین تأخیر تبدیل صدا به ویدیو روی تراشه‌های Nvidia H100 برابر با ۰٫۴۳ ثانیه است؛ شرکت می‌گوید این زمان نصف سریع‌ترین روش بعدی است.
امتیازها در ارزیابی Nvidia و مسئله اعتماد
Tavus اعلام کرده Griffin-Lite در معیار VideoFDB شرکت Nvidia، که مکالمه زنده صوتی و تصویری را ارزیابی می‌کند، در رتبه نخست قرار گرفته است. در بخش «تولید»، که طبیعی و بیانگر بودن پاسخ‌ها را می‌سنجد، این مدل امتیاز ۳٫۸۳ از ۵ را به دست آورده است. امتیاز سامانه بعدی ۲٫۸۰ و امتیاز مرجع انسانی ۳٫۹۲ بوده است.
در بخش «ادراک»، یعنی سنجش توانایی مدل برای فهمیدن آنچه می‌بیند و می‌شنود، Griffin-Lite با امتیاز ۳٫۷۳ همچنان پایین‌تر از مرجع انسانی ۴٫۲۰ قرار گرفت، هرچند از قوی‌ترین سامانه پایه با امتیاز ۳٫۴۴ بالاتر بود. Tavus می‌گوید ارزیابی VideoFDB به‌صورت مستقل توسط Nvidia انجام شده است.
اهمیت این پیشرفت فقط به سرگرمی یا دستیارهای مجازی محدود نمی‌شود. در ماه ژانویه، هکرهای مرتبط با کره شمالی در تماس‌های Zoom یا Teams از ویدیوهای جعلی برای جا زدن خود به‌جای افراد مورد اعتماد استفاده کردند. پژوهشگران امنیتی این عملیات را به BlueNoroff، یکی از زیرمجموعه‌های گروه Lazarus، نسبت دادند. در این حملات، قربانیان به نصب بدافزاری ترغیب می‌شدند که به‌عنوان ابزار رفع مشکل صوتی معرفی شده بود.
این سابقه نشان می‌دهد تصویر و ویدیو به‌تنهایی دیگر لزوماً مدرک کافی برای اثبات هویت نیستند. شرکت‌ها نیز برای مقابله با چنین خطرهایی به پرسش‌های ناگهانی و بررسی‌های بیشتر روی آورده‌اند؛ برای نمونه، Kraken در سال ۲۰۲۵ با طرح پرسش‌هایی مانند درخواست شناسه دولتی و نام رستوران‌های محلی، نسبت به یک متقاضی شغلی مشکوک شد.
Griffin-Lite در حال حاضر فقط برای گروهی از آزمایش‌کنندگان مورد اعتماد و در قالب پیش‌نمایش پژوهشی ارائه می‌شود. Tavus گفته است روی قابلیت‌های افشای هویت و همکاری با سازمان‌های ایمنی هوش مصنوعی کار می‌کند. این شرکت در نوامبر ۲۰۲۵ نیز یک دور سرمایه‌گذاری سری B به ارزش ۴۰ میلیون دلار به رهبری CRV جذب کرده بود.
تصویر بازار از نگاه Moneyiar
بر اساس داده‌های بازار Moneyiar در صبح ۳ اکتبر ۲۰۲۶، قیمت Compound با نماد COMP برابر با ۲۴٫۶۶۹۷۶۳۸۸۳ دلار بود؛ این دارایی در ۲۴ ساعت ۰٫۶ درصد و در هفت روز ۳٫۴۸ درصد افزایش داشت.
- RIF با قیمت ۰٫۰۸۱۸۸۱۳۳۴۶ دلار، در ۲۴ ساعت ۰٫۱۳ درصد رشد و در هفت روز ۸٫۰۴ درصد افت کرد.
- DEL با قیمت ۰٫۴۰۲۶۸۷۱۸۳ دلار، طی ۲۴ ساعت ۶٫۵۴ درصد و طی هفت روز ۱۲٫۱۳ درصد کاهش یافت.
- HUMA با قیمت ۰٫۰۳۲۳۳۶۰۸۲۶ دلار، در ۲۴ ساعت ۶٫۲۷ درصد افت کرد، اما بازده هفت‌روزه آن ۱۸٫۴۷ درصد مثبت بود.
زمان ثبت داده‌های Moneyiar برای COMP، DEL و HUMA ساعت ۰۹:۲۴ و برای RIF ساعت ۰۹:۲۳ به وقت +۰۳:۳۰ در ۳ اکتبر ۲۰۲۶ است.
