Человек на экране слушает, кивает, не теряет нить разговора, отвечает без долгой паузы. После минуты видеозвонка почти половина участников небольшого исследования решила, что говорила с живой собеседницей. На самом деле лицо, голос и ответы создавала модель Griffin-Lite компании Tavus. Результат впечатляет, но выборка — всего 54 человека, а сам тест проводила компания-разработчик.
По опубликованной методике Tavus, участникам сказали, что их соединят с другим человеком. Тема разговора была простой: чего они ждут от этого года. Лишь после звонка их спросили, не показался ли партнер искусственным. 26 из 54 ответили, что считали его реальным человеком. Остальным обмануться не пришлось; по словам разработчика, сомнения у них чаще появлялись в первые 20 секунд.
Почему этот эксперимент обсуждают
Обычный видеобот сначала ждет, пока собеседник договорит, затем обрабатывает фразу и только потом отвечает. Tavus утверждает, что Griffin-Lite одновременно воспринимает звук и видео, выбирает момент для реплики, меняет выражение лица и может реагировать, пока человек еще говорит. Отсюда более естественные паузы и короткие сигналы внимания — именно то, по чему люди обычно понимают, слушают ли их.
На прежней системе Tavus при похожем испытании человека в собеседнике увидел один из 41 участника. Сравнение показывает прогресс внутри программы тестов компании, но не дает универсального ответа на вопрос, сможет ли модель убедить людей в долгой беседе, на другом языке или в неожиданной ситуации. Минутный разговор на заданную тему — гораздо более узкая проверка.
Сама Tavus признает риск обмана и пока не открывает Griffin-Lite для обычных клиентов: исследовательская версия доступна ограниченному кругу тестировщиков. Разработчик обещает продумать способы предупреждать людей, что на связи ИИ. Если такие системы станут доступны массово, вопрос перестанет быть академическим: видеозвонок, привычно воспринимаемый как доказательство присутствия человека, уже не всегда будет им.
Пока главный вывод эксперимента не в том, что «ИИ прошел тест Тьюринга» для всех. Из 54 человек 28 распознали машину или не поверили, что перед ними живой собеседник. Но 26 ошиблись после прямого разговора лицом к лицу. Разница между голосовым роботом, которого легко прервать, и экранным собеседником, который вовремя кивает и отвечает, стала заметно меньше.
