In Breve
- Quanto ha raccolto Pangram?
- Pangram ha raccolto 9 milioni di dollari.
- Quali strumenti ha lanciato Pangram?
- Pangram ha lanciato il modello di rilevamento testuale Pangram 4 e un rilevatore di immagini.
- Qual è l'accuratezza del modello testuale di Pangram?
- Il modello testuale supera il 99% di accuratezza 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 e supportato da investitori come 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 offrire strumenti per 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 AI solleva preoccupazioni riguardo all’uso improprio e alle potenziali conseguenze reputazionali.
Pangram afferma che il suo nuovo modello testuale supera il 99% di accuratezza 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.
Pangram punta anche a distinguere 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 rivolte agli utenti ci sono 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 AI sullo schermo.
La tecnologia di Pangram è disponibile anche tramite API e risulta integrata su alcune piattaforme, tra cui Substack. Altri clienti API includono Quora, istituzioni accademiche, editori, agenti e società di recruiting.
Il mercato dei rilevatori di contenuti AI è in crescita e vede la presenza di altri operatori attivi, come Winston AI, Originality.ai, Copyleaks e GPTZero. I test interni e le prove pratiche condotte da Pangram hanno mostrato prestazioni solide ma non perfette. L’azienda indica 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 singole frasi riscritte da un umano e, in alcuni casi, ha classificato erroneamente immagini.
Max Spero ha sottolineato l’importanza di un meccanismo per contrastare la diffusione di contenuti AI di bassa qualità, avvertendo però che la tecnologia non dovrebbe trasformarsi in uno strumento di caccia alle streghe.
