Pangram привлёк $9 млн на детекцию AI-контента и выпустил модель Pangram 4

استحوذت شركة Pangram الناشئة في 29 يوليو 2026 على تمويل بقيمة 9 ملايين دولار لتوسيع نطاق برمجياتها الخاصة بكشف المحتوى المُولَّد بالذكاء الاصطناعي. وبالتزامن مع هذه الجولة، أطلقت الشركة نموذجًا جديدًا لكشف النصوص باسم Pangram 4، وأول كاشف لصور الذكاء الاصطناعي بحالة research preview.

ما الذي أطلقته Pangram

قدّمت Pangram منتجين دفعة واحدة. الأول هو النموذج المُحدَّث لكشف نصوص الذكاء الاصطناعي، Pangram 4، الذي يحدد ما إذا كان النص قد كتبه إنسان أم شبكة عصبية. والثاني هو كاشف للصور المُولَّدة بالذكاء الاصطناعي، المتاح حاليًا بصيغة research preview، أي نسخة بحثية مبكرة. تحل الأداتان المشكلة نفسها — التمييز بين ما أنشأه الإنسان وما ولّدته الآلة — لكنهما تعملان مع نوعين مختلفين من البيانات.

• الجولة: 9 ملايين دولار، أُعلن عنها في 29 يوليو 2026
• نموذج النصوص الجديد — Pangram 4
• كاشف صور الذكاء الاصطناعي — بحالة research preview
• وجهة الأموال — توسيع نطاق برمجيات كشف محتوى الذكاء الاصطناعي
• مصدر الخبر — TechCrunch

كم بلغ حجم التمويل الذي حصلت عليه Pangram

حصلت Pangram على تمويل بقيمة 9 ملايين دولار — وهذه الأموال، بحسب TechCrunch، ستُخصَّص لتوسيع نطاق برمجيات كشف المحتوى المُولَّد بالذكاء الاصطناعي. وتزامنت الجولة مع إطلاق نموذجين دفعة واحدة، ما يعكس رهان الشركة الناشئة على التوسع من النصوص إلى الصور.

بالنسبة لسوق كشف الذكاء الاصطناعي، يُعد مبلغ 9 ملايين دولار معتدلًا لكنه لافت: فهو يتيح توظيف فريق عمل، وزيادة القدرة الحاسوبية اللازمة لتدريب أدوات الكشف، وتغطية صيغ جديدة من المحتوى.

لماذا يجب كشف محتوى الذكاء الاصطناعي

كشف محتوى الذكاء الاصطناعي ضروري لأن النصوص والصور التي تُنشئها الشبكات العصبية باتت يصعب تمييزها عن تلك التي ينتجها الإنسان. فمنذ نهاية عام 2022، وبعد الانتشار الواسع للنماذج التوليدية، ازداد حجم هذا النوع من المحتوى على الإنترنت بشكل حاد — من الأبحاث الطلابية والمقالات إلى الصور في وسائل التواصل الاجتماعي والإعلانات.

وتبرز هذه المسألة بشكل خاص في مجال التعليم: إذ يحتاج المعلمون إلى معرفة ما إذا كان الطالب هو من كتب المقال فعلًا، كما بدأت خدمات كشف الانتحال العلمي بإضافة كشف الذكاء الاصطناعي إلى منتجاتها. وتغطي Pangram كلا الصيغتين: النصوص أولًا، والآن الصور أيضًا.

كيف يعمل كشف نصوص الذكاء الاصطناعي

تحلل أدوات الكشف مثل Pangram 4 الخصائص الإحصائية للنص: مدى قابلية التنبؤ ببنية الجمل، وكيفية توزيع الكلمات والتعابير. وتبحث النماذج المدرَّبة على أزواج «إنسان — شبكة عصبية» عن الأنماط المميزة للتوليد الآلي. وتعتمد الدقة على حجم بيانات التدريب وتنوعها — لذلك تكون النسخ الأحدث عادةً أكثر دقة من سابقاتها.

أما كاشف الصور فيعمل بطريقة مختلفة: إذ يبحث عن آثار التوليد — كالأنسجة غير المعتادة، والتناقضات في التفاصيل، وبصمات شبكات عصبية بعينها. ونظرًا لأن منتج Pangram الخاص بالصور لا يزال بحالة research preview، فمن المرجح أن تواصل الشركة جمع البيانات وإعادة تدريبه قبل الإطلاق الكامل.

لماذا لا تحظى أدوات الكشف بالثقة دائمًا

تتعرض أدوات كشف نصوص الذكاء الاصطناعي لانتقادات بسبب النتائج الإيجابية الكاذبة. وبحسب دراسة أجرتها جامعة ستانفورد عام 2023، كانت أدوات الكشف المبكرة تصنّف بشكل خاطئ وبمعدل أعلى نصوصًا كتبها أشخاص لا تُعد الإنجليزية لغتهم الأم على أنها «مُولَّدة آليًا». ولهذا السبب بالتحديد، تُعد دقة النماذج الجديدة مثل Pangram 4 معيارًا أساسيًا: فخطأ واحد قد يكلف طالبًا اتهامًا بالغش، وقد يكلف كاتبًا سمعته.

«المحتوى المُولَّد بالذكاء الاصطناعي يغمر الإنترنت — وقد حصلت

Pangram على 9 ملايين دولار لكشفه» — بحسب صياغة وردت في تقرير TechCrunch.

ما الذي يعنيه هذا

بينما تصبح النماذج التوليدية أرخص وأكثر انتشارًا، يتزايد الطلب على الأدوات القادرة على التمييز بين المحتوى الآلي والمحتوى البشري. وتُعد جولة تمويل Pangram وإطلاق كاشف الصور إشارة إلى أن كشف محتوى الذكاء الاصطناعي بات يتحول إلى سوق قائم بذاته، لا مجرد ميزة ثانوية. وبالنسبة للكتّاب والمعلمين والمنصات، يعني هذا أن التحقق من مصدر المحتوى أصبح تدريجيًا إجراءً معياريًا، لا استثناءً نادرًا.