In Breve
- Quanto ha raccolto Pangram?
- Pangram ha raccolto 9 milioni di dollari.
- Qual è l'accuratezza del nuovo modello di rilevamento testuale?
- Il nuovo modello supera il 99% di accuratezza.
- Quali strumenti offre Pangram?
- Pangram offre un rilevatore testuale e un rilevatore di immagini.
La startup newyorkese Pangram ha recentemente chiuso 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 presentato 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 fornire strumenti capaci di distinguere i contenuti generati o assistiti dall’intelligenza artificiale da quelli scritti interamente da esseri umani. Questa iniziativa si inserisce in un contesto caratterizzato dalla crescente diffusione di testi e immagini generati da AI, che solleva 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, attualmente disponibile in anteprima per la ricerca, sarà lanciato su scala più ampia 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.
Oltre a distinguere i contenuti generati da AI, Pangram intende anche identificare i 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 disponibili per gli utenti figura un abbonamento web a 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 indica la percentuale di contenuti umani rispetto a quelli generati da AI. La tecnologia è disponibile anche tramite API e risulta integrata in alcune piattaforme, tra cui Substack, con clienti API che includono Quora, istituzioni accademiche, editori, agenti e società di recruiting.
Il mercato dei rilevatori di contenuti AI vede la presenza di altri operatori, tra cui Winston AI, Originality.ai, Copyleaks e GPTZero. Test interni e prove pratiche hanno mostrato prestazioni solide ma non perfette. Pangram riporta un tasso di falsi positivi di circa 1 su 10.000 documenti umani. Durante i 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 alcune frasi riscritte da umani e ha classificato erroneamente alcune 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.
