Pangram ra mắt Image 1.0, khẳng định công nghệ phát hiện video và hình ảnh AI tiên tiến nhất

Pangram, công ty phát hiện AI nổi tiếng với việc gắn cờ văn bản do máy tạo ra, đã chính thức ra mắt Pangram Image 1.0 và Pangram Image Flash 1.0, một cặp mô hình mà công ty cho biết đã thiết lập một trạng thái nghệ thuật mới để phát hiện hình ảnh và video do AI tạo và chỉnh sửa. Thông báo này được đăng trên blog riêng của Pangram vào ngày 4 tháng 11 và được Engadget, Unite.AI và Yahoo Tech chọn lại, chuyển đổi bản xem trước nghiên cứu mà công ty đã phát hành vài tháng trước thành một sản phẩm có sẵn rộng rãi với sự hỗ trợ API.

Sự ra mắt diễn ra vào thời điểm mà phương tiện tổng hợp thực sự trở nên khó phân biệt với nội dung xác thực, cho cả người dùng cuộn thông thường và các nền tảng hệ thống kiểm duyệt dựa vào. Pangram đặt cược rằng các mô hình phát hiện chuyên dụng, được đào tạo đặc biệt dựa trên đầu ra của các máy phát biên giới ngày nay, có thể khôi phục một số tín hiệu bị mất đó.

Nhận diện hình ảnh biên giới với độ chính xác 99,96%

Mẫu Pangram Image 1.0 hàng đầu được đánh giá dựa trên tiêu chuẩn mà công ty tự xây dựng: 100 bức ảnh thật, mỗi bức ảnh được phản chiếu bằng các phiên bản tổng hợp được tạo ra bởi 12 trình tạo hình ảnh AI hàng đầu bằng cách sử dụng các lời nhắc khớp sát với ảnh gốc, với tổng số 1.200 hình ảnh tổng hợp. Trên bộ đánh giá đó, Pangram báo cáo độ chính xác 99,96% - một con số mà nếu được giám sát độc lập, sẽ đưa mô hình này vượt xa các máy dò thương mại và học thuật mà công ty đã so sánh với nó.

Ngoài phán quyết đơn giản là thật hay giả, mô hình còn đưa ra các bản đồ nhiệt định vị chính xác vị trí nội dung AI xuất hiện trong hình ảnh. Điều đó quan trọng đối với điểm trung gian ngày càng phổ biến giữa hình ảnh tổng hợp hoàn toàn và hình ảnh nguyên bản: hình ảnh tiếp thị có nền do AI tạo ra, ảnh được chỉnh sửa bằng công cụ tạo hình hoặc ảnh tổng hợp kết hợp các đối tượng thực với các yếu tố được tạo ra.

Pangram cũng tuyên bố rằng mô hình mới này mạnh mẽ đối với các loại chuyển đổi có thể đánh bại các bộ phát hiện ngây thơ một cách đáng tin cậy — nén phương tiện truyền thông xã hội, làm mờ và nhiễu có chủ ý cũng như độ phân giải tải lên thấp. Công ty cho biết bản xem trước nghiên cứu trước đây của họ yêu cầu hình ảnh có độ phân giải ít nhất là 512x512 pixel, trong khi Hình ảnh 1.0 chấp nhận đầu vào có kích thước xuống tới 256x256, với tuyên bố từ chối trách nhiệm về mức độ tin cậy giảm được hiển thị bên dưới ngưỡng cũ.

Phát hiện video và bước nhảy vọt 29 điểm trên DF26

Mô hình đồng hành, Pangram Image Flash 1.0, nhắm đến video và đây là tuyên bố của công ty nổi bật nhất. Pangram trích dẫn một nghiên cứu học thuật gần đây, DF26, cho thấy con người hầu như không giỏi hơn ngẫu nhiên khi phân biệt video thực về những người đang nói chuyện với video do AI tạo ra – và các máy dò tự động hiện có cũng không tốt hơn nhiều. Trên cùng điểm chuẩn DF26 đó, Pangram báo cáo số điểm là 98,7%, được mô tả là bước nhảy vọt 29 điểm so với máy dò tốt nhất tiếp theo.

Để so sánh với thị trường thương mại thay vì học viện, Pangram đã xây dựng một bộ so sánh khó từ 129 video thực trên mạng xã hội, tạo ra các bản sao tổng hợp của mỗi video bằng cách sử dụng 14 trình tạo video biên giới khác nhau — 100 video trên mỗi trình tạo, được ghép với khung hình thực đầu tiên của mỗi video nguồn và được điều khiển bởi các mô tả hành động đã tạo. Trên 1.529 video thu được, công ty đã so sánh Flash 1.0 với nhiều dịch vụ phát hiện video AI chính. Phương pháp phản chiếu được thiết kế để loại bỏ sai lệch nội dung: mỗi video thực và bản sao tổng hợp của nó có chung cảnh và chủ đề, do đó, máy dò không thể đánh lừa bài kiểm tra bằng cách tìm hiểu chủ đề hoặc tính thẩm mỹ nào tương quan với nội dung AI.

Mô hình Flash cũng thực hiện phân tích từng khung hình, cho phép nó gắn cờ các phân đoạn do AI chỉnh sửa bên trong các cảnh quay chân thực - một khả năng nhằm giải quyết vấn đề ngày càng tăng của các video bị chỉnh sửa một phần thay vì các clip tổng hợp hoàn toàn.

Từ phát hiện văn bản đến ngăn xếp phương tiện tổng hợp đầy đủ

Pangram đã xây dựng danh tiếng của mình nhờ tính năng phát hiện văn bản AI, trong đó các bộ phân loại của nó được sử dụng rộng rãi trong giáo dục và xuất bản, đồng thời việc đưa tin về buổi ra mắt của Yahoo Tech đã mô tả công ty là tiêu chuẩn vàng trong danh mục đó. Việc mở rộng sang hình ảnh và video là một sự mở rộng tự nhiên và nó định vị Pangram như một điểm dừng duy nhất cho các nền tảng, phòng tin tức và các doanh nghiệp đang cố gắng kiểm soát phương tiện truyền thông tổng hợp ở nhiều định dạng.

Các mô hình mới có hỗ trợ API để phát hiện cả hình ảnh và video, đồng thời có tiện ích mở rộng của Chrome áp dụng tính năng phát hiện cho hình ảnh và video khi người dùng cuộn nguồn cấp dữ liệu của họ — chuyển tính năng phát hiện từ công cụ kiểm duyệt của bộ phận hành chính sang một công cụ gần hơn với khả năng bảo vệ ở cấp độ người tiêu dùng. Pangram cho biết họ cũng so sánh các mô hình với các bộ dữ liệu học thuật bao gồm X-AIGD, Mirage-Test, AIGenImages2026, Synthbuster kết hợp với RAISE và Community Forensics.

Cuộc chạy đua vũ trang phát hiện tiếp tục

Một cảnh báo đáng được nhấn mạnh: mọi con số trong thông báo của Pangram đều xuất phát từ những đánh giá của chính Pangram, được thực hiện dựa trên các tiêu chuẩn dựa trên bản sao của chính Pangram. Xác thực độc lập là cách cuối cùng các công cụ phát hiện có được sự tin cậy và lịch sử phát hiện AI có rất nhiều công cụ có độ chính xác thấp so với các công cụ tạo mà chúng chưa từng thấy. Bản thân Pangram cũng thừa nhận điều đó trong bài đăng của mình, cảm ơn cộng đồng đã thử bản xem trước nghiên cứu và tìm ra điểm yếu của nó.

Tuy nhiên, sự ra mắt này là một dấu hiệu có ý nghĩa cho thấy công nghệ phát hiện đã phát triển đến mức nào trước sự cải tiến nhanh chóng của video tổng hợp. Nếu kết quả DF26 được báo cáo vượt qua thử nghiệm của bên thứ ba, khoảng cách giữa những gì con người có thể cảm nhận được và những gì máy móc có thể xác minh sẽ chỉ ngày càng mở rộng - đó chính xác là thị trường mà Pangram đang đặt cược vào.

Đối với các nền tảng và nhà xuất bản, điều rút ra thực tế là tính năng phát hiện có độ chính xác cao ở độ phân giải thấp, bao gồm cả phân tích video ở cấp khung hình, đang trở nên khả dụng dưới dạng API hàng hóa. Giai đoạn tiếp theo của vấn đề về phương tiện truyền thông tổng hợp có thể ít liên quan đến việc liệu có khả năng phát hiện hay không mà liên quan nhiều hơn đến việc ai triển khai nó cũng như ở lớp nào của hệ thống ống nước Internet.

Đi trước AI

Phương tiện tổng hợp, công cụ phát hiện và nền tảng áp dụng chúng là những mục tiêu đang chuyển động — luôn cập nhật tất cả các phương tiện đó.

Đọc thêm tin tức về AI →