In Breve
- Cosa ha raccolto Pangram?
- Pangram ha raccolto 9 milioni di dollari in un round di finanziamento.
- Quali strumenti ha lanciato Pangram?
- Pangram ha lanciato il modello di rilevamento testuale Pangram 4 e Pangram Image.
- Qual è l'accuratezza del nuovo modello di Pangram?
- Il nuovo modello ha un'accuratezza superiore al 99% nell'individuare contenuti assistiti da AI.
La startup newyorkese Pangram ha recentemente concluso un round di finanziamento da 9 milioni di dollari, guidato da Menlo Ventures, con la partecipazione di Haystack, ScOp, Script Capital e Cadenza. Contestualmente, l’azienda ha lanciato il suo nuovo modello di rilevamento testuale, Pangram 4, e un innovativo rilevatore di immagini, Pangram Image.
Fondata due anni fa da Max Spero e Bradley Emi, Pangram si propone di sviluppare strumenti capaci di distinguere i contenuti generati o assistiti dall’intelligenza artificiale da quelli scritti interamente da esseri umani. Questo è particolarmente rilevante in un contesto in cui la diffusione di testi e immagini generati da AI sta crescendo rapidamente, portando con sé problematiche di uso improprio e conseguenze reputazionali e disciplinari.
Pangram afferma che il nuovo modello testuale raggiunge un’accuratezza superiore al 99% nell’individuare scritti assistiti da AI e contenuti misti umano-AI. Inoltre, il rilevatore di immagini è attualmente disponibile in anteprima per la ricerca, con un rilascio più ampio previsto nelle prossime settimane.
La tecnologia di Pangram si basa su un modello di machine learning addestrato su decine di milioni di documenti umani e su “specchi sintetici” generati da modelli linguistici di ultima generazione. Questo approccio mira a far apprendere le differenze stilistiche e le scelte ricorrenti degli algoritmi, senza fare affidamento su metadati o watermark nascosti.
Un altro obiettivo di Pangram è quello di distinguere i vari livelli di assistenza AI, riconoscendo interventi di editing o pulizia del testo. L’azienda sostiene che l’uso dell’AI può essere accettabile se dichiarato dall’autore. Tra le funzionalità offerte agli utenti, vi è un abbonamento web a 20 dollari al mese e un’estensione per Chrome che etichetta in tempo reale i post su piattaforme come X, LinkedIn, Substack, Reddit e Medium. Inoltre, Pangram fornisce un “feed health score” che indica la percentuale di contenuti umani rispetto a quelli generati da AI sullo schermo.
La tecnologia di Pangram è disponibile anche tramite API ed è già integrata su alcune piattaforme, tra cui Substack. Altri clienti API includono Quora, istituzioni accademiche, editori, agenti e società di recruiting.
Il mercato del rilevamento dei contenuti AI vede la presenza di altri operatori, come Winston AI, Originality.ai, Copyleaks e GPTZero. Test interni e prove pratiche hanno mostrato prestazioni solide, sebbene non perfette. Pangram riporta un tasso di falsi positivi di circa 1 su 10.000 documenti umani. In test, il modello ha dimostrato la capacità di identificare articoli scritti interamente da AI e ha resistito a tentativi di elusione tramite editing. Tuttavia, ha anche segnalato come AI alcune frasi riscritte da umani e, in alcuni casi, ha classificato erroneamente delle immagini.
Max Spero ha sottolineato l’importanza di sviluppare un meccanismo per contrastare la diffusione di contenuti AI di bassa qualità, evitando però che la tecnologia venga utilizzata come strumento di caccia alle streghe.
