In Breve
- Quanto ha raccolto Pangram?
- Pangram ha raccolto 9 milioni di dollari in un round di finanziamento.
- Qual è l'accuratezza del nuovo modello testuale di Pangram?
- Il nuovo modello testuale di Pangram supera il 99% di accuratezza nell'individuare contenuti assistiti da AI.
- Quali funzionalità offre Pangram agli utenti?
- Pangram offre un abbonamento web, un'estensione Chrome e un 'feed health score' per monitorare i contenuti.
La startup newyorkese Pangram ha recentemente annunciato la chiusura di 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 finanziamento arriva in un momento cruciale, poiché l’azienda ha lanciato anche il suo 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 offrire strumenti in grado 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, sollevando preoccupazioni riguardo all’uso improprio e alle conseguenze reputazionali e disciplinari che ne possono derivare.
Pangram sostiene che il suo nuovo modello testuale raggiunge un’accuratezza superiore al 99% nell’individuare contenuti assistiti da AI e testi misti, e offre un rilevamento più efficace dei programmi noti come “humanizer”. Il rilevatore di immagini, attualmente disponibile in anteprima per la ricerca, sarà lanciato in modo più ampio nelle prossime settimane.
La tecnologia di Pangram si basa su un modello di machine learning addestrato su decine di milioni di documenti umani, insieme a “specchi sintetici” generati da modelli linguistici di frontiera. Questo approccio consente di apprendere differenze stilistiche e scelte ricorrenti degli algoritmi, senza fare affidamento su metadati o watermark nascosti.
Un altro aspetto interessante della proposta di Pangram è la sua capacità di distinguere i diversi livelli di assistenza AI, riconoscendo interventi di editing o pulizia del testo. L’azienda afferma che l’uso dell’AI può essere accettabile se dichiarato dall’autore, promuovendo una maggiore trasparenza nel processo di creazione dei contenuti.
Per gli utenti, Pangram offre diverse funzionalità, tra cui 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, è disponibile un “feed health score” che fornisce la percentuale di contenuti umani rispetto a quelli generati da AI. La tecnologia di Pangram è anche accessibile tramite API e 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 di contenuti AI è in crescita e vede la presenza di altri operatori come Winston AI, Originality.ai, Copyleaks e GPTZero. I test interni e le prove pratiche condotte da Pangram hanno mostrato prestazioni solide, sebbene non perfette: l’azienda riporta un tasso di falsi positivi di circa 1 su 10.000 documenti umani. Durante i test, il modello ha dimostrato di essere in grado di identificare articoli scritti interamente da AI e di resistere 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 meccanismi 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. Con l’aumento della produzione di contenuti generati da AI, la necessità di strumenti di rilevamento affidabili diventa sempre più cruciale.
