Esplora i modelli e gli stili dietro storie come questa: account gratuito e galleria al volo.
Esplora il catalogo
Pangram ha raccolto 9 milioni di dollari in nuovi finanziamenti e rilasciato due strumenti di rilevamento — Pangram 4 per il testo AI e un nuovo modello di rilevamento di immagini AI in anteprima di ricerca — che potrebbero ridefinire come l'arte generata dall'AI viene identificata e segnalata sul web.
Il prodotto principale di Pangram è sempre stato il rilevamento di testo, ma il modello per immagini è l'annuncio più significativo per i creatori visivi. Secondo TechCrunch, il rilevatore di immagini di Pangram è costruito per segnalare contenuti generati dall'AI anche quando sono stati leggermente modificati da un umano — il che significa che un rapido ritaglio, correzione colore o ritocco potrebbero non essere sufficienti per eluderlo. È un'affermazione tecnica significativa, e una che l'anteprima di ricerca dovrà validare su larga scala.
Pangram 4, il modello di testo aggiornato, segue la stessa filosofia: catturare contenuti sintetici che sono stati leggermente umanizzati. Insieme, i due strumenti posizionano Pangram come un livello di rilevamento completo per piattaforme che devono auditare pipeline di contenuti misti umano-e-AI.
Il rilevatore di immagini di Pangram ha segnalato contenuti generati dall'AI anche dopo leggere modifiche umane, secondo l'azienda.
Immagine: TechCrunch / TechCrunch AI
Il round di finanziamento riflette un vero cambiamento del mercato. Mentre la generazione di immagini AI diventa una parte standard dei flussi di lavoro creativi — sia attraverso piattaforme dedicate che strumenti integrati — la domanda a valle per provenienza e rilevamento sta crescendo in parallelo. Agenzie di stock, editori di notizie, social network e piattaforme pubblicitarie sono tutti sotto pressione per divulgare o limitare contenuti sintetici, e la maggior parte manca degli strumenti interni per farlo in modo affidabile.
Per i creatori che generano immagini con l'AI, questo è l'altro lato dello stesso sviluppo infrastrutturale. La stessa ondata di adozione che sta espandendo le possibilità creative sta anche finanziando gli strumenti che auditeranno ciò che viene pubblicato. Pangram scommette che il rilevamento diventi un livello di conformità standard — non un'aggiunta opzionale.
I modelli di rilevamento di Pangram sono progettati per funzionare sia su contenuti di testo che di immagini a scala di piattaforma.
Immagine: TechCrunch / TechCrunch AI
L'affermazione specifica che Pangram può rilevare immagini AI anche dopo leggere modifiche umane vale la pena di essere presa sul serio. I modelli di rilevamento addestrati sugli artefatti che i generatori basati su diffusione e GAN lasciano dietro — pattern di frequenza sottili, inconsistenze di texture e segni composizionali — possono sopravvivere a molti passaggi comuni di post-elaborazione. Una correzione colore non cancella le impronte digitali dello spazio latente; un ritaglio non rimuove la firma statistica del programma di rumore di un particolare modello.
Questo ha implicazioni dirette per chiunque sottometta lavori assistiti dall'AI a piattaforme con requisiti di divulgazione. Ritoccare leggermente un'immagine per farla passare come fatta da umani potrebbe diventare rilevabile in modo affidabile, non solo eticamente problematico. I creatori interessati a capire quali approcci di generazione lasciano l'impronta rilevabile più piccola farebbero bene a seguire da vicino i risultati dell'anteprima di ricerca di Pangram.
I gap di moderazione di Hugging Face documentati in reportage recenti mostrano cosa succede quando le piattaforme si affidano all'auto-divulgazione. Strumenti di rilevamento come quelli di Pangram rappresentano l'alternativa automatizzata — e dato il finanziamento da 9 milioni di dollari, investimenti infrastrutturali seri stanno andando nel renderli abbastanza accurati per essere implementati su larga scala.
Il modello di immagini di Pangram è ancora in anteprima di ricerca, il che significa che i benchmark di performance sull'arte AI del mondo reale — specialmente output dagli ultimi modelli nel catalogo — non sono ancora pubblici. Quei numeri, quando arriveranno, saranno il vero test per vedere se il rilevatore può tenere il passo con la qualità di generazione che migliora ogni pochi mesi.
