Khi bài kiểm tra Turing bước vào kỷ nguyên cuộc gọi video
Bài kiểm tra Turing video là khái niệm mở rộng bài test kinh điển của Alan Turing sang môi trường gọi video thời gian thực, nơi người tham gia phải phân biệt liệu mình đang trò chuyện với con người hay một hệ thống trí tuệ nhân tạo qua cả giọng nói, khuôn mặt, ánh mắt và cử chỉ trên màn hình trong khoảng thời gian ngắn. Griffin AI của Tavus đã bước vào đúng điểm giao này giữa công nghệ và cảm nhận của con người, khi gần một nửa người tham gia không còn nhận ra ranh giới giữa “người thật” và “nhân tạo giống con người”. Điểm đáng nói ở đây không phải là thuật ngữ bài kiểm tra Turing video có được chuẩn hóa hay không, mà là trải nghiệm chủ quan của người dùng. Nếu bạn nhìn thấy một gương mặt trên màn hình gật đầu, chen ngang câu chuyện, phản hồi trôi chảy và nhìn vào thứ bạn đang giơ lên trước camera, bạn có quyền mặc định đó là người thật. Công nghệ video AI đang thách thức thói quen tâm lý đó một cách trực diện.
Griffin AI Tavus: 26 trên 54 người bị “đánh lừa” trong một phút
Tâm điểm câu chuyện là Griffin-Lite, phiên bản nghiên cứu của Griffin AI do Tavus phát triển và đem đi thử nghiệm bài kiểm tra Turing video trong bối cảnh cuộc gọi video trực tiếp. Trong một thí nghiệm với 54 người được tuyển chọn qua nền tảng độc lập, mỗi người nghĩ rằng mình sắp trò chuyện 1 phút với một người lạ về những điều họ mong chờ trong năm. Sau cuộc gọi, 26 người – tương đương 48% – nói rằng họ tin mình vừa nói chuyện với con người thật. Đáng chú ý hơn, hệ thống trước đây của cùng công ty, với quy trình thử nghiệm tương đương, chỉ đánh lừa được 1 trên 41 người tham gia. Đây không đơn thuần là bước nhảy nhỏ về mặt chỉ số, mà là cú chuyển mình về chất: từ một hệ thống AI cuộc gọi video luôn bị nhận diện, Griffin-Lite đã bước tới vùng mờ nơi gần một nửa người dùng không còn chắc chắn mình đang đối thoại với ai. Ở góc độ truyền thông, đây là câu trích dẫn đáng nhớ: “26 trên 54 người trong các cuộc gọi video trực tiếp tin rằng họ đang nói chuyện với một con người thật.”
Full-duplex: bí quyết để AI có thể gật đầu, chen ngang và nhìn thẳng vào bạn
Để hiểu vì sao người dùng lại nhầm lẫn, phải nhìn vào kiến trúc full-duplex mà Tavus áp dụng cho Griffin-Lite. Thay vì chờ bạn nói xong rồi mới phản hồi như các hệ thống xếp tầng truyền thống – nơi nhận diện giọng nói, xử lý ngôn ngữ và tổng hợp giọng được chạy lần lượt – Griffin liên tục “nghe” và “nhìn” trong khi đồng thời tạo ra giọng nói và video. Cứ mỗi phần nhỏ của giây, hệ thống kiểm tra lại toàn bộ ngữ cảnh hội thoại, kết hợp cả lời nói lẫn tín hiệu phi ngôn ngữ, từ nhịp điệu đến biểu cảm khuôn mặt. Nhờ đó, Griffin có thể gật đầu, phát ra những tiếng “ừm-hừm” khi bạn vẫn đang nói, không nhầm một khoảng ngắt hơi với việc bạn đã kết thúc lượt, và duy trì mạch hội thoại ngay cả khi bị ngắt quãng. Giọng nói, khuôn mặt, ánh mắt và cử chỉ đều được sinh ra từ cùng một quyết định hội thoại, tạo ra cảm giác nhân tạo giống con người chặt chẽ hơn so với những mô hình video AI khác. Trên bảng đo VideoFDB của NVIDIA, Griffin đạt 3,83/5 điểm về khả năng tạo cuộc gọi video AI, trong khi bản ghi hình con người là 3,92 và hệ thống kế tiếp – kết hợp Gemini 2.5 và Anam – chỉ đạt 2,80. Đây là con số biết nói: hiệu năng của Griffin đã áp sát chuẩn người thật, dù vẫn được đánh giá là còn kém về mức độ tự nhiên trong hội thoại.
Ý nghĩa thực tế: gọi video sẽ không còn là bằng chứng “người thật ở đầu dây bên kia”
Trong nhiều năm, chúng ta coi hình ảnh người quen trên màn hình video, phản ứng đúng lúc, cắt ngang, mỉm cười và nhìn vào đồ vật ta đang giơ lên, là bằng chứng trực quan rằng họ đang ở đầu dây bên kia. Nhưng nếu các mô hình như Griffin tiếp tục phát triển, logic đó bị phá vỡ. Công nghệ video AI cho phép tạo ra gương mặt nhân tạo giống con người, có thể đọc cảm xúc và giọng điệu như CEO Tavus kỳ vọng, khiến người dùng không còn chắc chắn về danh tính thực sự của người họ đang nói chuyện cùng. Tác động thực tế không chỉ là “wow, AI thông minh quá”, mà là rủi ro rất cụ thể: lừa đảo qua video, giả mạo nhân dạng, thao túng cảm xúc trong các cuộc gọi quan trọng. Tavus thừa nhận rằng chính những đặc tính giúp tương tác trở nên tự nhiên lại có thể khiến người khác tin rằng họ không nói chuyện với AI, và công ty đang xây dựng các tính năng cảnh báo để xử lý rủi ro này trước khi mở rộng phát hành. Nếu trước đây, giọng nói giả hay video tổng hợp chỉ xuất hiện trong nội dung ghi sẵn, thì giờ đây, tương tác trực tiếp mới là mặt trận nóng: bạn có thể trò chuyện video với AI mà không hề nhận ra cho đến khi đã chia sẻ quá nhiều.
Tại sao Griffin chưa được thương mại hóa rộng rãi – và chúng ta nên kỳ vọng điều gì tiếp theo?
Điểm đáng chú ý trong cách Tavus triển khai Griffin AI Tavus là sự thận trọng hiếm thấy với một công nghệ có tiềm năng thương mại rõ ràng. Dù Griffin-Lite đã vượt qua bài kiểm tra Turing video theo cách công ty tự định nghĩa – 48% người tham gia tin họ nói chuyện với người thật – mô hình này vẫn chỉ là phiên bản nghiên cứu, mở cho một nhóm người dùng được chọn lọc và tin cậy. Tavus chưa cung cấp công nghệ này cho khách hàng thương mại rộng rãi. Theo thông tin hiện tại, công ty đang hợp tác với các tổ chức chuyên về an toàn AI và phát triển các tính năng cảnh báo, trước khi nghĩ đến việc phát hành rộng hơn. Đồng thời, họ hứa hẹn sẽ có một phiên bản Griffin “mạnh hơn” trong tương lai. Câu hỏi không còn là liệu AI cuộc gọi video có thể đánh lừa con người hay không – Griffin đã phần nào trả lời – mà là chúng ta sẽ đặt ra những ranh giới đạo đức, pháp lý và thiết kế trải nghiệm như thế nào. Nếu ngành công nghệ chỉ chăm chăm tối đa hóa sự chân thực mà bỏ qua cơ chế nhận diện và minh bạch, người dùng sẽ mất đi chiếc la bàn cơ bản: quyền được biết mình đang nói chuyện với ai. Sự đột phá của Griffin cần đi kèm chuẩn mới về thông báo, nhận diện và đồng thuận, nếu không muốn biến mọi cuộc gọi video thành một trò đoán mò giữa người và máy.
