Pangram، AI کا پتہ لگانے والی کمپنی جو مشین سے تیار کردہ ٹیکسٹ کو جھنڈا لگانے کے لیے مشہور ہے، نے باضابطہ طور پر Pangram Image 1.0 اور Pangram Image Flash 1.0 کو لانچ کیا ہے، جو ماڈلز کا ایک جوڑا کمپنی کا کہنا ہے کہ AI سے تیار کردہ اور AI سے ترمیم شدہ تصاویر اور ویڈیوز کا پتہ لگانے کے لیے ایک نئی حالت قائم کی ہے۔ اعلان، 4 نومبر کو Pangram کے اپنے بلاگ پر شائع ہوا اور Engadget، Unite.AI اور Yahoo Tech نے اٹھایا، ایک تحقیقی پیش نظارہ کو تبدیل کرتا ہے جسے کمپنی نے چند ماہ قبل API سپورٹ کے ساتھ عام طور پر دستیاب پروڈکٹ میں جاری کیا تھا۔
لانچ ایک ایسے وقت میں ہوا ہے جب مصنوعی میڈیا کو مستند مواد سے الگ کرنا مشکل ہو گیا ہے، دونوں آرام دہ سکرولرز کے لیے اور اعتدال کے نظام کے لیے پلیٹ فارم پر انحصار کرتے ہیں۔ پانگرام کی شرط یہ ہے کہ سرشار پتہ لگانے والے ماڈل، خاص طور پر آج کے فرنٹیئر جنریٹرز کے آؤٹ پٹس کے خلاف تربیت یافتہ، اس کھوئے ہوئے سگنل میں سے کچھ کو بحال کر سکتے ہیں۔
99.96% درستگی کے ساتھ فرنٹیئر امیج ڈیٹیکشن
فلیگ شپ پانگرام امیج 1.0 ماڈل کا اندازہ اس معیار کے خلاف کیا گیا جو کمپنی نے خود بنایا تھا: 100 اصلی تصاویر، ہر ایک مصنوعی ورژن کے ساتھ آئینہ دار 12 فرنٹیئر AI امیج جنریٹرز کے ذریعے تیار کردہ پرامپٹس کا استعمال کرتے ہوئے اصل تصویر سے قریب سے مماثل ہے، کل 1,200 مصنوعی تصاویر کے لیے۔ اس تشخیصی سیٹ پر، پانگرام نے 99.96% درستگی کی اطلاع دی ہے - ایک ایسا اعداد و شمار جو، اگر اسے آزادانہ جانچ پڑتال کے تحت برقرار رکھا جاتا ہے، تو اس ماڈل کو تجارتی اور تعلیمی ڈیٹیکٹرز کے مقابلے میں کمپنی کے مقابلے میں بہت آگے رکھے گی۔
ایک سادہ اصلی یا جعلی فیصلے کے علاوہ، ماڈل ہیٹ میپس کو آؤٹ پٹ کرتا ہے جو بالکل وہی جگہ بناتا ہے جہاں تصویر میں AI مواد ظاہر ہوتا ہے۔ یہ مکمل طور پر مصنوعی تصاویر اور اچھوتی تصویروں کے درمیان بڑھتے ہوئے مشترکہ درمیانی زمین کے لیے اہمیت رکھتا ہے: AI سے تیار کردہ پس منظر کے ساتھ مارکیٹنگ کی تصاویر، جنریٹیو ٹولز کے ساتھ دوبارہ ٹچ کی گئی تصاویر، یا ایسے کمپوزٹ جو حقیقی مضامین کو تخلیق شدہ عناصر کے ساتھ ملاتے ہیں۔
پانگرام یہ بھی دعویٰ کرتا ہے کہ نیا ماڈل ان قسم کی تبدیلیوں کے لیے مضبوط ہے جو قابل اعتماد طریقے سے بولی ڈٹیکٹر کو شکست دیتی ہے — سوشل میڈیا کمپریشن، جان بوجھ کر دھندلا پن اور شور، اور کم اپ لوڈ ریزولوشنز۔ کمپنی کا کہنا ہے کہ اس کے پچھلے تحقیقی پیش نظارہ کے لیے کم از کم 512x512 پکسلز کی تصاویر درکار ہیں، جب کہ امیج 1.0 256x256 تک ان پٹ کو قبول کرتا ہے، جس میں پرانی حد سے نیچے دکھائے جانے والے کم اعتماد ڈس کلیمر کے ساتھ۔
ویڈیو کا پتہ لگانا اور DF26 پر 29 پوائنٹ کی چھلانگ
ساتھی ماڈل، Pangram Image Flash 1.0، کا مقصد ویڈیو ہے، اور یہیں پر کمپنی کے دعوے سب سے زیادہ حیران کن ہیں۔ Pangram نے ایک حالیہ تعلیمی مطالعہ، DF26 کا حوالہ دیا، جس میں پتا چلا ہے کہ AI سے تیار کردہ لوگوں سے بات کرنے والے حقیقی ویڈیوز کی تمیز کرتے وقت انسان بے ترتیب سے بہتر ہوتے ہیں - اور یہ کہ موجودہ خودکار ڈیٹیکٹر زیادہ بہتر نہیں تھے۔ اسی DF26 بینچ مارک پر، Pangram نے 98.7% کا اسکور رپورٹ کیا، جسے یہ اگلے بہترین ڈیٹیکٹر پر 29 پوائنٹ کی چھلانگ کے طور پر بیان کرتا ہے۔
اکیڈمی کے بجائے کمرشل مارکیٹ کے خلاف بینچ مارک بنانے کے لیے، Pangram نے 129 حقیقی سوشل میڈیا ویڈیوز سے ایک مشکل موازنہ سیٹ بنایا، جس میں 14 مختلف فرنٹیئر ویڈیو جنریٹرز کا استعمال کرتے ہوئے ہر ایک کے مصنوعی آئینہ تیار کیے گئے — 100 ویڈیوز فی جنریٹر، ہر سورس ویڈیو کے پہلے اصلی فریم کے ساتھ سیڈ کیے گئے اور تخلیق کردہ کارروائی کی تفصیل کے ذریعے چلائے گئے۔ نتیجے میں آنے والی 1,529 ویڈیوز میں، کمپنی نے فلیش 1.0 کا موازنہ متعدد بڑی AI ویڈیو کا پتہ لگانے کی خدمات سے کیا۔ آئینہ کا طریقہ کار مواد کے تعصب کو دور کرنے کے لیے ڈیزائن کیا گیا ہے: ہر حقیقی ویڈیو اور اس کے مصنوعی جڑواں ایک ہی منظر اور موضوع کا اشتراک کرتے ہیں، اس لیے ایک ڈٹیکٹر یہ سیکھ کر ٹیسٹ نہیں کھیل سکتا کہ کون سے عنوانات یا جمالیات AI مواد سے مربوط ہیں۔
فلیش ماڈل فریم بہ فریم تجزیہ بھی کرتا ہے، جو اسے AI میں ترمیم شدہ حصوں کو دوسری صورت میں مستند فوٹیج کے اندر جھنڈا لگانے دیتا ہے - ایک ایسی صلاحیت جس کا مقصد مکمل مصنوعی کلپس کی بجائے جزوی طور پر ہیرا پھیری کی ویڈیوز کے بڑھتے ہوئے مسئلے کو حل کرنا ہے۔
متن کی کھوج سے لے کر مکمل مصنوعی میڈیا اسٹیک تک
Pangram نے AI ٹیکسٹ ڈٹیکشن پر اپنی ساکھ بنائی، جہاں اس کے درجہ بندی کو تعلیم اور اشاعت میں بڑے پیمانے پر استعمال کیا جاتا ہے، اور Yahoo Tech کی لانچ کی کوریج نے کمپنی کو اس زمرے میں سونے کا معیار قرار دیا۔ تصاویر اور ویڈیو میں توسیع ایک فطری توسیع ہے، اور یہ پانگرام کو پلیٹ فارمز، نیوز رومز اور کاروباری اداروں کے لیے ایک اسٹاپ شاپ کے طور پر رکھتا ہے جو مختلف فارمیٹس میں مصنوعی میڈیا کو پولیس کرنے کی کوشش کر رہے ہیں۔
نئے ماڈلز امیج اور ویڈیو دونوں کا پتہ لگانے کے لیے API سپورٹ کے ساتھ بھیجتے ہیں، اور ایک کروم ایکسٹینشن جو تصاویر اور ویڈیوز پر پتہ لگانے کا اطلاق کرتا ہے جب صارفین اپنی فیڈز کو اسکرول کرتے ہیں - بیک آفس کے اعتدال کے ٹول سے صارف کے درجے کے تحفظ کے قریب کسی چیز کی شناخت کو منتقل کرتے ہیں۔ پانگرام کا کہنا ہے کہ اس نے تعلیمی ڈیٹاسیٹس کے خلاف ماڈلز کو بھی بینچ مارک کیا ہے جن میں X-AIGD، Mirage-Test، AIGenImages2026، Synthbuster RAISE کے ساتھ جوڑا بنایا گیا ہے، اور کمیونٹی فرانزکس۔
اسلحہ کا پتہ لگانے کی دوڑ جاری ہے۔
ایک انتباہ زور دینے کا مستحق ہے: پانگرام کے اعلان میں ہر نمبر Pangram کے اپنے جائزوں سے آتا ہے، جو اس کے اپنے آئینے پر مبنی بینچ مارکس پر کیا جاتا ہے۔ خود مختار توثیق یہ ہے کہ پتہ لگانے والے ٹولز بالآخر اعتماد کیسے کماتے ہیں، اور AI کا پتہ لگانے کی تاریخ ایسے ٹولز سے بھری پڑی ہے جن کی درستگی ان جنریٹرز کے خلاف ٹوٹ گئی ہے جنہیں انہوں نے کبھی نہیں دیکھا تھا۔ Pangram نے خود اپنی پوسٹ میں بہت کچھ تسلیم کیا، تحقیقی پیش نظارہ کو آزمانے اور اس کی کمزوریوں کو تلاش کرنے کے لیے کمیونٹی کا شکریہ ادا کیا۔
پھر بھی، لانچ اس بات کا ایک معنی خیز نشان ہے کہ جنریٹیو ویڈیو کی تیز رفتار بہتری کے جواب میں پتہ لگانے کی ٹیکنالوجی نے کتنی ترقی کی ہے۔ اگر رپورٹ شدہ DF26 کا نتیجہ فریق ثالث کی جانچ سے بچ جاتا ہے، تو انسانوں کو جو کچھ معلوم ہو سکتا ہے اور مشینیں کن چیزوں کی تصدیق کر سکتی ہیں اس کے درمیان فرق صرف وسیع ہو جائے گا — جس پر مارکیٹ پینگرام شرط لگا رہا ہے۔
پلیٹ فارمز اور پبلشرز کے لیے، عملی فائدہ یہ ہے کہ کم ریزولوشنز پر اعلیٰ درستگی کا پتہ لگانا، بشمول فریم لیول ویڈیو تجزیہ، ایک کموڈٹی API کے طور پر دستیاب ہو رہا ہے۔ مصنوعی میڈیا کے مسئلے کا اگلا مرحلہ اس بارے میں کم ہو سکتا ہے کہ آیا اس کا پتہ لگانا ممکن ہے اور اس بارے میں کہ کون اسے تعینات کرتا ہے، اور انٹرنیٹ کی پلمبنگ کی کس پرت پر۔
AI سے آگے رہیں
مصنوعی میڈیا، ڈیٹیکشن ٹولنگ اور پلیٹ فارم جو انہیں اپناتے ہیں وہ متحرک اہداف ہیں - ان سب پر موجودہ رہیں۔
مزید AI خبریں پڑھیں →
