In Breve
- Quanto ha raccolto Pangram nel suo ultimo round di finanziamento?
- Pangram ha raccolto 9 milioni di dollari.
- Quali nuovi strumenti ha lanciato Pangram?
- Pangram ha lanciato il modello di rilevamento testuale Pangram 4 e un rilevatore di immagini.
- Qual è l'accuratezza del nuovo modello testuale di Pangram?
- Il nuovo modello testuale supera il 99% di accuratezza nell'individuare contenuti assistiti da AI.
La startup newyorkese Pangram ha recentemente chiuso un round di finanziamento da 9 milioni di dollari, guidato da Menlo Ventures e con la partecipazione di Haystack, ScOp, Script Capital e Cadenza. Questo investimento segna un passo significativo per l’azienda, che ha anche lanciato il nuovo modello di rilevamento testuale Pangram 4 e un innovativo rilevatore di immagini chiamato Pangram Image.
Fondata due anni fa da Max Spero e Bradley Emi, Pangram si propone di sviluppare strumenti in grado di distinguere i contenuti generati o assistiti dall’intelligenza artificiale da quelli scritti interamente da esseri umani. Questo sviluppo arriva in un contesto in cui la diffusione di testi e immagini generati da AI sta sollevando preoccupazioni riguardo all’uso improprio e alle conseguenze reputazionali e disciplinari.
Pangram sostiene che il suo 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 sviluppata da Pangram si basa su un modello di machine learning addestrato su decine di milioni di documenti umani e su “specchi sintetici” generati da modelli di linguaggio di ultima generazione. Questo approccio consente di 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 livelli di assistenza AI, riconoscendo anche gli 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 da 20 dollari al mese, un’estensione per Chrome che etichetta in tempo reale i post su piattaforme come X, LinkedIn, Substack, Reddit e Medium, e un “feed health score” che fornisce 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 in alcune piattaforme, tra cui Substack. Tra i clienti API figurano Quora, istituzioni accademiche, editori, agenti e società di recruiting.
Il mercato del rilevamento dei contenuti AI è competitivo, con altri operatori come Winston AI, Originality.ai, Copyleaks e GPTZero che offrono soluzioni simili. Tuttavia, Pangram ha dimostrato prestazioni solide, sebbene non perfette: i test interni indicano un tasso di falsi positivi di circa 1 su 10.000 documenti umani. In fase di test, il modello ha identificato articoli scritti interamente da AI e ha resistito a tentativi di elusione tramite editing, ma ha anche segnalato come AI singole frasi riscritte da un umano e, in alcuni casi, ha classificato erroneamente le immagini.
Max Spero ha sottolineato l’importanza di avere un meccanismo per contrastare la diffusione di contenuti AI di bassa qualità, avvertendo però che la tecnologia non deve trasformarsi in uno strumento di caccia alle streghe.
