Το Pangram εκκινεί την εικόνα 1.0, διεκδικώντας ανίχνευση εικόνας και βίντεο τελευταίας τεχνολογίας

Η Pangram, η εταιρεία ανίχνευσης τεχνητής νοημοσύνης που είναι πιο γνωστή για την επισήμανση κειμένου που δημιουργείται από μηχανή, κυκλοφόρησε επίσημα το Pangram Image 1.0 και το Pangram Image Flash 1.0, ένα ζευγάρι μοντέλων που η εταιρεία λέει ότι αποτελούν μια νέα τεχνολογία για τον εντοπισμό εικόνων και βίντεο που δημιουργούνται και επεξεργάζονται με AI. Η ανακοίνωση, που δημοσιεύτηκε στο blog του Pangram στις 4 Νοεμβρίου και ελήφθη από τα Engadget, Unite.AI και Yahoo Tech, μετατρέπει μια προεπισκόπηση έρευνας που κυκλοφόρησε πριν από λίγους μήνες σε ένα γενικά διαθέσιμο προϊόν με υποστήριξη API.

Η κυκλοφορία έρχεται σε μια εποχή που τα συνθετικά μέσα έχουν γίνει πραγματικά δύσκολο να διακριθούν από το αυθεντικό περιεχόμενο, τόσο για τα casual scrollers όσο και για τα συστήματα εποπτείας στα οποία βασίζονται οι πλατφόρμες. Το στοίχημα της Pangram είναι ότι τα αποκλειστικά μοντέλα ανίχνευσης, που έχουν εκπαιδευτεί ειδικά για τις εξόδους των σημερινών γεννητριών συνόρων, μπορούν να επαναφέρουν μέρος αυτού του χαμένου σήματος.

Ανίχνευση εικόνας συνόρων με ακρίβεια 99,96%.

Το κορυφαίο μοντέλο Pangram Image 1.0 αξιολογήθηκε με βάση ένα σημείο αναφοράς που κατασκεύασε η ίδια η εταιρεία: 100 πραγματικές φωτογραφίες, καθεμία από τις οποίες αντικατοπτρίζεται με συνθετικές εκδόσεις που παράγονται από 12 γεννήτριες εικόνας τεχνητής νοημοσύνης με προτροπές που ταιριάζουν στενά με την αρχική φωτογραφία, για συνολικά 1.200 συνθετικές εικόνες. Σε αυτό το σετ αξιολόγησης, η Pangram αναφέρει ακρίβεια 99,96% — ένα ποσοστό που, αν τηρηθεί υπό ανεξάρτητο έλεγχο, θα έδινε το μοντέλο πολύ μπροστά από τους εμπορικούς και ακαδημαϊκούς ανιχνευτές με τους οποίους το συνέκρινε η εταιρεία.

Πέρα από μια απλή πραγματική ή ψεύτικη ετυμηγορία, το μοντέλο εξάγει θερμικούς χάρτες που εντοπίζουν ακριβώς πού εμφανίζεται το περιεχόμενο τεχνητής νοημοσύνης μέσα σε μια εικόνα. Αυτό έχει σημασία για την ολοένα και πιο κοινή μέση λύση μεταξύ πλήρως συνθετικών εικόνων και ανέγγιχτων φωτογραφιών: εικόνων μάρκετινγκ με φόντο που δημιουργείται από τεχνητή νοημοσύνη, φωτογραφίες ρετουσαρισμένες με εργαλεία παραγωγής ή σύνθετα υλικά που αναμειγνύουν πραγματικά θέματα με δημιουργημένα στοιχεία.

Η Pangram ισχυρίζεται επίσης ότι το νέο μοντέλο είναι ανθεκτικό στα είδη μετασχηματισμών που νικούν αξιόπιστα τους αφελείς ανιχνευτές - συμπίεση μέσων κοινωνικής δικτύωσης, σκόπιμη θόλωση και θόρυβο και χαμηλές αναλύσεις μεταφόρτωσης. Η εταιρεία λέει ότι η προηγούμενη προεπισκόπηση της έρευνάς της απαιτούσε εικόνες τουλάχιστον 512x512 pixel, ενώ το Image 1.0 δέχεται εισόδους έως 256x256, με μια δήλωση αποποίησης μειωμένης εμπιστοσύνης που εμφανίζεται κάτω από το παλιό όριο.

Ανίχνευση βίντεο και άλμα 29 σημείων στο DF26

Το συνοδευτικό μοντέλο, Pangram Image Flash 1.0, στοχεύει στο βίντεο και είναι εδώ που οι ισχυρισμοί της εταιρείας είναι πιο εντυπωσιακοί. Η Pangram αναφέρει μια πρόσφατη ακαδημαϊκή μελέτη, το DF26, η οποία διαπίστωσε ότι οι άνθρωποι είναι ελάχιστα καλύτεροι από τους τυχαίους όταν διακρίνουν τα πραγματικά βίντεο ανθρώπων που μιλούν από αυτά που δημιουργούνται από την τεχνητή νοημοσύνη - και ότι οι υπάρχοντες αυτοματοποιημένοι ανιχνευτές δεν ήταν πολύ καλύτεροι. Στο ίδιο σημείο αναφοράς DF26, η Pangram αναφέρει βαθμολογία 98,7%, την οποία περιγράφει ως άλμα 29 σημείων έναντι του επόμενου καλύτερου ανιχνευτή.

Για να συγκριθεί με την εμπορική αγορά και όχι με τον ακαδημαϊκό κόσμο, η Pangram κατασκεύασε ένα δύσκολο σύνολο σύγκρισης από 129 πραγματικά βίντεο κοινωνικών μέσων, δημιουργώντας συνθετικούς καθρέφτες από το καθένα χρησιμοποιώντας 14 διαφορετικές γεννήτριες συνοριακών βίντεο — 100 βίντεο ανά γεννήτρια, με το πρώτο πραγματικό καρέ κάθε πηγής βίντεο και με βάση τις δημιουργημένες περιγραφές της δράσης. Στα 1.529 βίντεο που προέκυψαν, η εταιρεία συνέκρινε το Flash 1.0 με πολλές σημαντικές υπηρεσίες ανίχνευσης βίντεο AI. Η μεθοδολογία mirror έχει σχεδιαστεί για να αφαιρεί την προκατάληψη περιεχομένου: κάθε πραγματικό βίντεο και το συνθετικό του δίδυμο μοιράζονται την ίδια σκηνή και θέμα, επομένως ένας ανιχνευτής δεν μπορεί να παίξει το τεστ μαθαίνοντας ποια θέματα ή αισθητική συσχετίζονται με το περιεχόμενο AI.

Το μοντέλο Flash εκτελεί επίσης ανάλυση καρέ-καρέ, η οποία του επιτρέπει να επισημαίνει τμήματα επεξεργασμένα με τεχνητή νοημοσύνη μέσα σε κατά τα άλλα αυθεντικά πλάνα — μια δυνατότητα που στοχεύει στο αυξανόμενο πρόβλημα των βίντεο που έχουν υποστεί μερική επεξεργασία και όχι σε πλήρως συνθετικά κλιπ.

Από την ανίχνευση κειμένου σε μια πλήρη συνθετική στοίβα πολυμέσων

Η Pangram έχτισε τη φήμη της στην ανίχνευση κειμένου AI, όπου οι ταξινομητές της χρησιμοποιούνται ευρέως στην εκπαίδευση και τις εκδόσεις, και η κάλυψη της Yahoo Tech για την κυκλοφορία περιέγραψε την εταιρεία ως το χρυσό πρότυπο σε αυτήν την κατηγορία. Η επέκταση σε εικόνες και βίντεο είναι μια φυσική επέκταση και τοποθετεί το Pangram ως ένα ενιαίο κατάστημα για πλατφόρμες, αίθουσες σύνταξης και επιχειρήσεις που προσπαθούν να ελέγξουν τα συνθετικά μέσα σε διάφορες μορφές.

Τα νέα μοντέλα αποστέλλονται με υποστήριξη API για ανίχνευση εικόνας και βίντεο και μια επέκταση Chrome που εφαρμόζει τον εντοπισμό σε εικόνες και βίντεο καθώς οι χρήστες κάνουν κύλιση στις ροές τους — μεταφέροντας την ανίχνευση από ένα εργαλείο εποπτείας back-office σε κάτι πιο κοντά στην προστασία καταναλωτή. Η Pangram λέει ότι συγκρίθηκε επίσης τα μοντέλα με ακαδημαϊκά σύνολα δεδομένων, συμπεριλαμβανομένων των X-AIGD, Mirage-Test, AIGenImages2026, Synthbuster σε συνδυασμό με RAISE και Community Forensics.

Ο αγώνας όπλων εντοπισμού συνεχίζεται

Αξίζει να δοθεί έμφαση σε μια προειδοποίηση: κάθε αριθμός στην ανακοίνωση της Pangram προέρχεται από τις αξιολογήσεις της ίδιας της Pangram, οι οποίες πραγματοποιήθηκαν με βάση τα δικά της σημεία αναφοράς που βασίζονται σε καθρέφτες. Η ανεξάρτητη επικύρωση είναι ο τρόπος με τον οποίο τα εργαλεία ανίχνευσης κερδίζουν τελικά την εμπιστοσύνη και η ιστορία της ανίχνευσης τεχνητής νοημοσύνης είναι γεμάτη με εργαλεία των οποίων η ακρίβεια κατέρρευσε σε γεννήτριες που δεν είχαν δει ποτέ. Η ίδια η Pangram το αναγνώρισε στην ανάρτησή της, ευχαριστώντας την κοινότητα που δοκίμασε την προεπισκόπηση της έρευνας και βρήκε τις αδυναμίες της.

Ωστόσο, η εκτόξευση είναι ένας σημαντικός δείκτης για το πόσο έχει προχωρήσει η τεχνολογία ανίχνευσης ως απάντηση στην ταχεία βελτίωση του παραγωγικού βίντεο. Εάν το αναφερόμενο αποτέλεσμα DF26 επιβιώσει από δοκιμές τρίτων, το χάσμα μεταξύ του τι μπορούν να αντιληφθούν οι άνθρωποι και του τι μπορούν να επαληθεύσουν τα μηχανήματα θα διευρυνθεί - ακριβώς στην αγορά στην οποία στοιχηματίζει η Pangram.

Για τις πλατφόρμες και τους εκδότες, η πρακτική λύση είναι ότι η ανίχνευση υψηλής ακρίβειας σε χαμηλές αναλύσεις, συμπεριλαμβανομένης της ανάλυσης βίντεο σε επίπεδο καρέ, γίνεται διαθέσιμη ως API εμπορευμάτων. Η επόμενη φάση του προβλήματος των συνθετικών μέσων μπορεί να είναι λιγότερο σχετικά με το αν είναι δυνατή η ανίχνευση και περισσότερο με το ποιος την αναπτύσσει και σε ποιο επίπεδο των υδραυλικών εγκαταστάσεων του Διαδικτύου.

Μείνετε μπροστά από την τεχνητή νοημοσύνη

Τα συνθετικά μέσα, τα εργαλεία ανίχνευσης και οι πλατφόρμες που τα υιοθετούν είναι κινούμενοι στόχοι — παραμείνετε ενημερωμένοι σε όλα αυτά.

Διαβάστε περισσότερα νέα AI →